(김영준 발표) 영상 분할 및 특징 처리

def accumulate(image, rho, theta): #rho랑 theta는 거리 간격, 각도 간격이다 h, w = image.shape[:2] rows, cols = (h+w)*2 //rho , int(np.pi / theta) #누적행렬 너비, 높이 accumulate = np.zeros((rows, cols), np.int32) #0으로 찬 누적행렬을 생성한다 #0~180도까지의 사인과 코사인 함수의 값을 미리 계산하여 sin_cos 리스트로 생성한다 sin_cos = [(np.sin(t*theta), np.cos(t*theta)) for t in range(cols)] #호소값이 0보다 큰 위치들(x,y)을 pst에 저장한다. 즉 직선좌표 찾는다 pts = np.where(image > 0) polars = np.dot(sin_cos, pts).T #행렬 곱으로 극좌표 계산 polars = (polars / rho + rows / 2).astype('int') #해상도 변경 및 위치 조정 for row in polars: for t, r in enumerate(row): #t는 각도, r은 수직거리(rho) accumulate[r,t] += 1 #극좌표에 누적 return accumulate #누적행렬을 출력

def masking(accumulate, h, w, thresh): #h, w는 마스크의 크기 rows, cols = accumulate.shape[:2] dst = np.zeros(accumulate.shape, np.int32) #누적 행렬과 같은 크기로 반환 행렬 생성 for y in range(0, rows, h): #누적 행렬 조회 for x in range(0, cols, w): roi = accumulate[y:y+h, x:x+w] # roi = 관심영역. 즉 마스크 영역 _, max, _, (x0, y0) = cv2.minMaxLoc(roi) #최댓값과 최댓값 좌표를 가져온다 dst[y+y0, x+x0] = max #최댓값 좌표에 최대값을 저장한다 return dst

def select_lines(acc_dst, rho, theta, thresh): rows = acc_dst.shape[0] r, t = np.where(acc_dst > thresh) #임계값 이상 인덱스 가져옴. r은 로우 인데스, t는 각도 인덱스 rhos = ((r - (rows/2)) * rho) #인덱스로 실제 수직 거리 계산 radians = t * theta #인덱스로 실제 라디안 각도 계산 values = acc_dst[r, t] #인덱스로 누적값들을 가져옴. values는 누적값 행렬 idx = np.argsort(values)[::-1] #누적값 행렬을 내림차순으로 정렬하여 정렬 인덱스를 가져온다 lines = np.transpose([rhos, radians]) #리스트 전치하여 행렬 생성 lines = lines[idx, :] #직선 극좌표(ρ,θ)들만 남긴다 return np.expand_dims(lines, axis=1) #1번(열) 차원 증가

def houghLines(src, rho, theta, thresh): # 허프 변환 함수 acc_mat = accumulate(src, rho, theta) # 직선 누적 행렬 계산 acc_dst = masking(acc_mat, 7, 3, thresh) #마스킹 처리 - 7행,3열 lines = select_lines(acc_dst, rho, theta, thresh) # 임계 직선 선택 return lines

def draw_houghLines(src, lines, nline): #검출 직선 그리기 함수 nline은 그릴 직선 최대 개수 dst = cv2.cvtColor(src, cv2.COLOR_GRAY2BGR) #컬러로 변환 (근데 직선만 컬러로 나옴) min_length = min(len(lines), nline) for i in range(min_length): #검출된 직선의 개수만큼 반복하여 직선을 그린다 rho, radian = lines[i, 0, 0:2] #수직 거리, 각도 - 검출 직선이 3차월 행렬이다 a, b = math.cos(radian), math.sin(radian) #수직 거리와 각도를 직선상의 좌표로 변환하려는 절차 pt = (a * rho, b * rho) # 검출 직선상의 한 좌표(pt) delta = (-1000 * b, 1000 * a) #직선상의 이동 위치. 직선상의 좌표 중 1000만큼 떨어진 2개 좌표를 계산 #pt에서 delta만큼 더한 좌표와 뺀 좌표를 구해서 두 좌표를 잇는 직선을 그린다. pt1 = np.add(pt, delta).astype('int') pt2 = np.subtract(pt, delta).astype('int') cv2.line(dst, tuple(pt1), tuple(pt2), (0,255,0), 2 ,cv2.LINE_AA) return dst

import numpy as np, cv2 def put_string(frame, text, pt, value, color=(120,200,90) ): #문자열 출력함수. 교재 134p text += str(value) shade = (pt[0] + 2, pt[1] + 2) font = cv2.FONT_HERSHEY_SIMPLEX cv2.putText(frame, text, shade, font, 0.7, (0,0,0), 2) cv2.putText(frame, text, pt, font, 0.7, color, 2) def cornerHarris(image, ksize, k): #해리스 코너 검출 함수 dx = cv2.Sobel(image, cv2.CV_32F, 1, 0, ksize) #수평 소벨마스크로 미분행렬을 구함 dy = cv2.Sobel(image, cv2.CV_32F, 0, 1, ksize) #수직 소벨마스크로 미분행렬을 구함 a = cv2.GaussianBlur(dx * dx, (5, 5), 0) #가우시안 블러링 수행 b = cv2.GaussianBlur(dy * dy, (5, 5), 0) c = cv2.GaussianBlur(dx * dy, (5, 5), 0) corner = (a * b -c**2) -k *(a+b)**2 # 코너 응답 함수 - 연산 적용 return corner # 코너 응답 행렬이다 #코너 응답 행렬에서 임계값 이상인 좌표를 특징점으로 이미지에 표시한다. def drawCorner(corner, image, thresh): #임계값 이상 코너 표시 cnt = 0 corner = cv2.normalize(corner, 0, 100, cv2.NORM_MINMAX) #코너응답행렬의 값을 0~100 사이값으로 정규화한다 corners=[] for i in range(1, corner.shape[0]-1): for j in range(1, corner.shape[1]-1): neighbor = corner[i-1:i+2, j-1:j+2].flatten() #이웃 화소 9개 가져옴 max = np.max(neighbor[1::2]) #상하좌우 값들 중에서 최대값을 구한다 #현재 코너 좌표값이 임계값(tresh)보다 크고, 주위 원소의 최대값(max)보다 크면 코너로 확정하여 corners 리스트에 저장한다. if thresh < corner[i,j] > max: corners.append((j,i)) #코너 확정 좌표 저장 for pt in corners: #코너 확정 좌표 순회. pt는 좌표 cv2.circle(image, pt, 3, (0,230,0), -1) # 좌표(pt)에 초록색 점 표시 print("임계값: %2d, 코너 개수: %2d" %(thresh, len(corners))) return image def onCornerHarris(thresh): # 트랙바 콜백 함수 img1 = drawCorner(corner1, np.copy(image), thresh) img2 = drawCorner(corner2, np.copy(image), thresh) put_string(img1, "USER", (10,30), "") #영상에서 문자표시 함수 호출 put_string(img2, "OPENCV", (10, 30), "") dst = cv2.repeat(img1, 1, 2) #두 개 이미지를 한 윈도우에 표시 dst[:, img1.shape[1]:, :] = img2 cv2.imshow("harris detect", dst) # main 함수 코드 image = cv2.imread("Image/harris.jpg", cv2.IMREAD_COLOR) if image is None: raise Exception("영상파일 읽기 에러") blockSize = 4 # 이웃 화소 범위 apertureSize = 3 #소벨 마스크 크기 k = 0.04 #k는 상수값으로 일반적으로 0.04~0.06 정도가 적당하다고 함 thresh = 2 #코너 응답 임계값 gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) corner1 = cornerHarris(gray, apertureSize, k) #우리가 정의한 함수 corner2 = cv2.cornerHarris(gray, blockSize, apertureSize ,k) #OpenCV 제공 함수 onCornerHarris(thresh) #초기 설정값으로 해리스 검출을 수행 #트랙바 이벤트가 발생할 때마다 onCornerHarris() 함수를 호출한다 cv2.createTrackbar("Threshold", "harris detect", thresh, 20, onCornerHarris) cv2.waitKey(0)