[v0.14]영상처리_이미지 유사도 비교 외 실습

220105 작성

<본 블로그는 귀퉁이 서재님의 블로그를 참고해서 공부하며 작성하였습니다>

https://bkshin.tistory.com/entry/OpenCV-12-%EC%9D%B4%EB%AF%B8%EC%A7%80-%EC%9C%A0%EC%82%AC%EB%8F%84-%EB%B9%84%EA%B5%90-%EC%82%AC%EB%9E%8C-%EC%96%BC%EA%B5%B4%EA%B3%BC-%ED%95%B4%EA%B3%A8-%ED%95%A9%EC%84%B1-%EB%AA%A8%EC%85%98-%EA%B0%90%EC%A7%80-CCTV?category=1148027 

OpenCV - 12. 이미지 유사도 비교, 사람 얼굴과 해골 합성, 모션 감지 CCTV

 

 

 

 

 

 

1. 이미지 유사도 비교 실습

: 픽셀 값의 분포가 서로 비슷하다면 유사한 이미지일 확률이 높음

: 분포가 서로 다르다면 서로 다른 이미지일 확률이 높음

 

cv2.compareHist(hist1, hist2, method)

: 히스토그램을 비교하여 두 이미지가 얼마나 유사한지 판단
- hist1, hist2 : 비교할 두 개의 히스토그램, 크기와 차원이 같아야 함
- method : 비교 알고리즘

• cv2.HISTCMP_CORREL : 상관관계 (1 : 완전 일치, -1 : 완전 불일치, 0 : 무관계)
• cv2.HISTCMP_CHISQR : 카이제곱 (0 : 완전 일치, 무한대 : 완전 불일치)
• cv2.HISTCMP_INTERSECT : 교차 (1 : 완전 일치, 0 : 완전 불일치 - 1로 정규화한 경우)

# 히스토그램 비교
import cv2, numpy as np
import matplotlib.pylab as plt

img1 = cv2.imread('img/hobbang.jpeg')
img2 = cv2.imread('img/hobbang1.jpg')
img3 = cv2.imread('img/hobbang2.jpeg')
img4 = cv2.imread('img/jadu.jpg')

# ----------img resize---------------------
img2 = cv2.resize(img2, dsize = (197, 256))
img3 = cv2.resize(img3, dsize = (197, 256))
img4 = cv2.resize(img4, dsize = (197, 256))

cv2.imshow('query', img1)
imgs = [img1, img2, img3, img4]
hists = []
for i, img in enumerate(imgs) :
    plt.subplot(1,len(imgs),i+1)
    plt.title('img%d'% (i+1))
    plt.axis('off') 
    plt.imshow(img[:,:,::-1])
    #---① 각 이미지를 HSV로 변환
    hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
    #---② H,S 채널에 대한 히스토그램 계산
    hist = cv2.calcHist([hsv], [0,1], None, [180,256], [0,180,0, 256])
    #---③ 0~1로 정규화
    cv2.normalize(hist, hist, 0, 1, cv2.NORM_MINMAX)
    hists.append(hist)


query = hists[0]
methods = {'CORREL' :cv2.HISTCMP_CORREL, 'CHISQR':cv2.HISTCMP_CHISQR, 
           'INTERSECT':cv2.HISTCMP_INTERSECT,
           'BHATTACHARYYA':cv2.HISTCMP_BHATTACHARYYA}
for j, (name, flag) in enumerate(methods.items()):
    print('%-10s'%name, end='\t')
    for i, (hist, img) in enumerate(zip(hists, imgs)):
        #---④ 각 메서드에 따라 img1과 각 이미지의 히스토그램 비교
        ret = cv2.compareHist(query, hist, flag)
        if flag == cv2.HISTCMP_INTERSECT: #교차 분석인 경우 
            ret = ret/np.sum(query)        #비교대상으로 나누어 1로 정규화
        print("img%d:%7.2f"% (i+1 , ret), end='\t')
    print()
plt.show()

이미지 유사도 실습

알고리즘 별 유사도 결과

- 히스토그램을 비교할 때 크기와 차원이 같아야 해서 img1 의 이미지 크기에 맞춰서 resize 함

- 상관 관계에서는 왜.. 자두가 높지?

- 카이 제곱에서는 자두가 .. 더 유사하네? 무한대로 가란 마리양!

- 교차 에서는 그나마 낮네 ㅜㅜ

 

 

 

 

2. 해골 얼굴과 사자 합성 실습

# 해골 얼굴과 사자 합성하기
import cv2
import numpy as np

# 영상의 15%를 알파 블렌딩의 범위로 지정
alpha_width_rate = 15

# 합성할 두 영상 읽기
img_bone = cv2.imread('img/bone.jpg')
img_rion = cv2.imread('img/rion.jpg')

# ----------img resize---------------------
img_rion = cv2.resize(img_rion, dsize = (728, 607))

# 입력 영상과 같은 크기의 결과 영상 준비
img_comp = np.zeros_like(img_bone)

# 연산에 필요한 좌표 계산
height, width = img_bone.shape[:2]
middle = width//2                             # 영상의 중앙 좌표
alpha_width = width * alpha_width_rate // 100 # 알파 블렌딩 범위
start = middle - alpha_width//2               # 알파 블렌딩 시작 지점
step = 100/alpha_width                        # 알파 값 간격

# 입력 영상의 절반씩 복사해서 결과 영상에 합성
img_comp[:, :middle, : ] = img_bone[:, :middle, :].copy()
img_comp[:, middle:, :] = img_rion[:, middle:, :].copy()
cv2.imshow('half', img_comp)

# 알파 값을 바꾸면서 알파 블렌딩 적용
for i in range(alpha_width+1 ):
    alpha = (100 - step * i) / 100  # 증감 간격에 따른 알파 값 (1~0)
    beta = 1 - alpha                # 베타 값 (0~1)
    # 알파 블렌딩 적용
    img_comp[:, start+i] = img_bone[:, start+i] * \
                                alpha + img_rion[:, start+i] * beta
    print(i, alpha, beta)
    
cv2.imshow('half bone', img_comp)
cv2.waitKey()
cv2.destroyAllWindows()

해골과 사자의 합성

- 알파값 조정해서 반쪽을 합성했다

- 매우 만족스럽게 합성이 되어서 뿌듯 ^^

- 이것도 마찬가지로 이미지 크기와 차원 똑같이 해줘야 함

 

 

 

 

3. 움직임 감지 CCTV 만들기 실습

: 모션 감지하기 위해서는 전후 영상의 차이 구하면 된다

: 세 개의 프레임 a, b, c를 순차적으로 얻어서 a와 b의 차이 그리고 b와 c의 차이가 모두 발견되는 경우!

움직임이 있는 것으로 판단

# 모션 감지 CCTV 
import cv2
import numpy as np

# 감도 설정(카메라 품질에 따라 조정 필요)
thresh = 35    # 달라진 픽셀 값 기준치 설정
max_diff = 10   # 달라진 픽셀 갯수 기준치 설정

# 카메라 캡션 장치 준비
a, b, c = None, None, None
cap = cv2.VideoCapture(0)
cap.set(cv2.CAP_PROP_FRAME_WIDTH, 480)      # 프레임 폭을 480으로 설정 
cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 320)     # 프레임 높이를 320으로 설정

if cap.isOpened():
    ret, a = cap.read()         # a 프레임 읽기
    ret, b = cap.read()         # b 프레임 읽기

    while ret:
        ret, c = cap.read()     # c 프레임 읽기
        draw = c.copy()         # 출력 영상에 사용할 복제본
        if not ret:
            break
        
        # 3개의 영상을 그레이 스케일로 변경
        a_gray = cv2.cvtColor(a, cv2.COLOR_BGR2GRAY)
        b_gray = cv2.cvtColor(b, cv2.COLOR_BGR2GRAY)
        c_gray = cv2.cvtColor(c, cv2.COLOR_BGR2GRAY)

        # a-b, b-c 절대 값 차 구하기 
        diff1 = cv2.absdiff(a_gray, b_gray)
        diff2 = cv2.absdiff(b_gray, c_gray)

        # 스레시홀드로 기준치 이내의 차이는 무시
        ret, diff1_t = cv2.threshold(diff1, thresh, 255, cv2.THRESH_BINARY)
        ret, diff2_t = cv2.threshold(diff2, thresh, 255, cv2.THRESH_BINARY)

        # 두 차이에 대해서 AND 연산, 두 영상의 차이가 모두 발견된 경우
        diff = cv2.bitwise_and(diff1_t, diff2_t)

        # 열림 연산으로 노이즈 제거 ---①
        k = cv2.getStructuringElement(cv2.MORPH_CROSS, (3,3))
        diff = cv2.morphologyEx(diff, cv2.MORPH_OPEN, k)

        # 차이가 발생한 픽셀이 갯수 판단 후 사각형 그리기
        diff_cnt = cv2.countNonZero(diff)
        if diff_cnt > max_diff:
            nzero = np.nonzero(diff)  # 0이 아닌 픽셀의 좌표 얻기(y[...], x[...])
            cv2.rectangle(draw, (min(nzero[1]), min(nzero[0])), \
                                (max(nzero[1]), max(nzero[0])), (0,255,0), 2)
            cv2.putText(draw, "Motion Detected", (10,30), \
                                cv2.FONT_HERSHEY_DUPLEX, 0.5, (0,0,255))
        
        # 컬러 스케일 영상과 스레시홀드 영상을 통합해서 출력
        stacked = np.hstack((draw, cv2.cvtColor(diff, cv2.COLOR_GRAY2BGR)))
        cv2.imshow('motion sensor',stacked )

        # 다음 비교를 위해 영상 순서 정리
        a = b
        b = c
        
        if cv2.waitKey(1) & 0xFF == 27:
            break

움직이는 내손 포착!

- 처음에 움직임을 감지 못해서 기준치를 좀더 높였음

- 높여서 그런지, 아님 내가 처음에 제대로 안흔들었는지 튼 수정하니까 움직임이 잡힌다

- 왕 신기하다

 

 

 

 

 

 

 

오늘은 신기한거

왕 마니함 ><