K

stackoverflow 등의 사이트에서 검색한 결과 주로 사용되는 방법은 2가지이며, cv2.Laplacian(gray, cv2.CV_64F).var() 값으로 blur인지 아닌지를 평가 Fast Fourier Transform(FFT)을 사용한 blur 평가 방법 관련해서 직접 설명 및 python 코드로 구현한 사이트가 있습니다. www.pyimagesearch.com/2015/09/07/blur-detection-with-opencv/ Blur detection with OpenCV - PyImageSearch In this tutorial, I will teach you how to detect the amount of blur in an image using OpenCV and Python. ..

import cv2 from matplotlib import pyplot as plt from skimage.filters import try_all_threshold def main(): gray = cv2.imread("sudoku.jpg", cv2.IMREAD_GRAYSCALE) threshold = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 19, 2) threshold2 = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 15, 2) fig, ax = try_all_threshold(gray, f..

RGB 픽셀 값을 알고, HSV로 변환 후의 값을 알고 싶을 때 # red = np.uint8([[[0, 0, 255]]]) # hsv_red = cv2.cvtColor(navy, cv2.COLOR_BGR2HSV) # print(hsv_red) red의 hsv 값을 확인할 수 있습니다. cv2.inRange함수에서 lower/upper 값 설정할 때 유용합니다.

def horizontalFlip(image): return cv2.flip(image, 1) def verticalFlip(image): return np.flipud(image) Horizontal/Vertical Flip

def sharpen(image): kernel = np.array([[-1, -1, -1], [-1, 9, -1], [-1, -1, -1]]) sharpened_image = cv2.filter2D(image, -1, kernel) return sharpened_image kernel의 element 정보 [[-1, -1, -1], [-1, 9, -1], [-1, -1, -1]] [[-1, -1, -1], [-1, 8, -1], [-1, -1, 0]] [[0, -1, 0], [-1, 5, -1], [0, -1, 0]] Unsharp Image def unsharpen(image): clone = copy.copy(image) gaus_blur = cv2.GaussianBlur(clone, (0, 0),..

image = cv2.imread("Lenna.png", cv2.IMREAD_COLOR) dst_1 = cv2.convertScaleAbs(image, alpha=1.2, beta=-20) dst_2, alpha, beta = automatic_brightness_and_contrast(image) #자동으로 brightness와 contrast를 조정할 수 있는 alpha, beta 값 return histogram의 픽셀 분포에 따라서 자동으로 brightness와 contrast를 조정할 수 있는 alpha와 beta값을 구할 수 있다.

def gamma_correction(image, gamma=1.0): invGamma = 1.0 / gamma table = np.zeros((256, 1), dtype='uint8') for i in range(256): table[i] = ((i / 255.0) ** invGamma) * 255 return cv2.LUT(image, table)

Image Blur def blur(image, ksize = 3): blur_image = cv2.blur(image, (ksize, ksize)) return blur_image Bilateral Filtering def bilateral_blur(image, d, sigmaColor, sigmaSpace): return cv2.bilateralFilter(image, d, sigmaColor, sigmaSpace) Gaussian Blur def gaussian_blur(image, ksize, sigma=0): gausblur_image = cv2.GaussianBlur(image, (ksize, ksize), sigma) return gausblur_image Median Blur # image..

Histogram Equalization은 이미지의 픽셀이 특정 범위 값 주변에 분포해 있을 때, 양쪽 끝으로 히스토그램을 펼쳐서 Contrast 조정하는 방법이다. 예제는 이미지를 histogram equlization을 사용해서 Contrast 조정을 했고, 히스토그램 그래프를 보면 어두운 부분과 밝은 부분이 고르게 분포되어 있는 것을 확인할 수 있다. 이미지에 따라서 histogram equalization 후 품질 저하가 발생할 수 있는데, 이미지 전체의 누적 히스토그램을 평활화하면서 특정 색 범위가 훼손되는 경우이다. 대안으로, 이미지를 여러 개의 블록으로 나누고(8x8), 각 블록 별로 histogram equalization을 사용하는 방법을 적용하면, Histogram Equalizatio..

일반적인 Image Color의 반전 import cv2 src_bgr = cv2.imread("src.jpg", cv2.IMREAD_COLOR) # invert color (색반전) invert_img = cv2.bitwise_not(src_bgr) cv2.imshow("original image", src_bgr) cv2.imshow("inverted image", invert_img) 이미지의 밝기만 반전 - 색상은 유지 (Invert only lmage lightness) 기본적인 색상은 유지하며, 밝기만 반전하는 코드 import cv2 src_bgr = cv2.imread("src.jpg", cv2.IMREAD_COLOR) // convert bgr to hls hls 모드로 변경 hls = ..