OpenCV Findcontour 예제

OpenCV를 Python에서 사용하려면
1.Python
2.OpenCV
3.numpy
세가지가 필수적으로 필요합니다.

OpenCV는 공식홈페이지에서 받을 수 있고 (저는 2.4.12버전을 사용) ,

Python과 numpy는 OpenCV 공식 도큐먼트의 설치 튜토리얼 페이지에서 받을 수 있습니다.

다른 곳에서 검색해 가며 받는 것 보다 호환도 잘 되고, 무엇보다 편하므로 이곳에서 다운로드를 받으시는 것을 추천드립니다.

파이썬 편집기로는 여러가지 툴이 있습니다. 

제가 사용한 툴은 JetBrains의 PyCharm입니다.

30일 동안 무료로 사용 할 수 있으며, 대학교 메일이 있다면 학생 라이센스를 발급받아 1년 간 사용 할 수 있습니다.

PyCharm Download

# -*- coding:utf-8 -*- import cv2 import numpy as np # 이미지를 행렬화해서 불러오는 함수 # original_image = cv2.imread('PC 내 이미지의 경로') #행렬화된 데이터를 이미지로 보여주는 함수 cv2.imshow('original image',original_image) cv2.waitKey(0)

설치 튜토리얼 페이지를 따라 설치를 하고 난 후 

위의 코드를 실행해 보시기 바랍니다.

정상적으로 이미지 파일을 확인하는 창이 뜨시면 opencv설치에 성공하신 것입니다.

# -*- coding:utf-8 -*- import cv2 import numpy as np # 이미지를 행렬화해서 불러오는 함수 # #cv2.imread 함수는 이미지의 경로를 인자로 받는다 original_image = cv2.imread('C:/zzz/wallet.jpg') #행렬화된 데이터를 이미지로 보여주는 함수 #cv2.imshow 함수는 첫 번째 인자로 이미지 띄울 창의 이름을 받고, 두번째 인자로 띄울 이미지의 행렬데이터를 받는다. cv2.imshow('original image',original_image) #아무키나 입력하기 전에 창이 닫히지 않게하는 함수. cv2.waitKey(0) # BGR 이미지를 GRAY SCALE로 변환하는 함수# #cv2.cvtColor 함수는 첫 번째 인자로 이미지의 행렬데이터를 받고, 두 번째 인자로 Convert할 Scale정보를 받는다.(ex, BGR -> GRAY , BRG -> HSV) gray_image = cv2.cvtColor(original_image,cv2.COLOR_BGR2GRAY) #행렬화된 데이터를 이미지로 보여주는 함수 #cv2.imshow 함수는 첫 번째 인자로 이미지 띄울 창의 이름을 받고, 두번째 인자로 띄울 이미지의 행렬데이터를 받는다. cv2.imshow('gray image',gray_image) cv2.waitKey(0) #잡음을 줄이기위한 블러처리 #bilateralFilter 함수는 첫 번째 인자로 원본 이미지의 행렬데이터를 받고, 두번째인자로 필터의 크기를 받고( 클수록 필터링이 심하게 되지만, 느리다) #세 번째와 네번째 인자는 비슷한 색과 픽셀을 흐리게 할 강도를 받는다 ( 높을 수록 더 많이 뭉개짐) blur_image = cv2.bilateralFilter(gray_image, 9, 75, 75) #행렬화된 데이터를 이미지로 보여주는 함수 #cv2.imshow 함수는 첫 번째 인자로 이미지 띄울 창의 이름을 받고, 두번째 인자로 띄울 이미지의 행렬데이터를 받는다. cv2.imshow('blur image',blur_image) cv2.waitKey(0) #이미지 이진화 #첫 번째 인자로 이진화 할 행렬화된 이미지를 받는다. #두 번째 인자로 역치값을 받고, 역치값은 100으로 둬서 100이상을 갖는 값만 살린다. (조절 해가면서 이진화가 어떻게 달라지는지 확인한다.) #세 번째 인자로 이진화 된 데이터 중 1값을 갖는 데이터들이 무슨 색으로 그려질 지 정한다 (0: 검정 ~ 255 : 흰색) #THRESH_BINARY_INV를 하면 역치 이상을 값는 값은 0으로 죽고 역치 미만의 값들이 1로 값을 갖게된다. #THRESH_OTSU알고리즘을 추가로 적용하면, 처음에 준 역치값을 기준으로 최적의 역치값을 다시 구해서 적용시킨 이진이미지를 만들어준다. ret,threshold_image = cv2.threshold(blur_image, 100, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU) #행렬화된 데이터를 이미지로 보여주는 함수 #cv2.imshow 함수는 첫 번째 인자로 이미지 띄울 창의 이름을 받고, 두번째 인자로 띄울 이미지의 행렬데이터를 받는다. cv2.imshow('threshold image',threshold_image) cv2.waitKey(0) #윤곽선들 찾기 #contour들과 계층관계가 저장됨 #첫 번째 인자로 Contour를 찾을 행렬화된 이미지를 받는다. #두 번째 인자로 Contour 찾는 알고리즘을 준다. RETR_TREE의 경우 모든 Contour를 찾고 그 계층관계까지 만들어서 저장한다. #세 번째 인자로 찾은 컨투어를 저장할 때 방식을 준다. CHAIN_APPORX_SIMPLE의 경우 꺾이는 포인트들만 저장을 한다. 저장량 감소 contours, hierarchy = cv2.findContours(threshold_image, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) #윤곽선을 갖는 것들 중 가장 큰것을 고른다. max_area = 0; ci = 0 for i in range(len(contours)): cnt = contours[i] area = cv2.contourArea(cnt) if (area > max_area): max_area = area ci = i # contour에서의 배열 번호를 차례대로 저장한다. cnt = contours[ci] #위에서 가장 큰 영역으로 뽑힌 부분을 cnt에 저장한다. #가장 큰 윤곽선을 지닌 Contour를 그린다. #첫 번째 인자로 Countour를 그릴 도화지가 될 이미지를 받고 #두 번째 인자로 그릴 Contour를 받는다. #세 번째 인자로 그려질 Contour의 인덱스 번호를 지정한다. 여기선 Contour의 인덱스번호를 미리 지정해서(ci) 주었으므로 0으로 준다. #네 번째 인자로 그려질 선의 색깔을 지정하고 (B,G,R) #다섯 번째 인자로 그려질 선의 굵기를 지정한다. cv2.drawContours(original_image, [contours[ci]], 0, (255, 0, 255), 3) #행렬화된 데이터를 이미지로 보여주는 함수 #cv2.imshow 함수는 첫 번째 인자로 이미지 띄울 창의 이름을 받고, 두번째 인자로 띄울 이미지의 행렬데이터를 받는다. cv2.imshow('contour image',original_image) cv2.waitKey(0)

위의 예제는 사진에서 지갑의 윤곽선만 뽑아내는 예제입니다.

각 함수에 대한 설명은 주석으로 달려있으며,

좀 더 자세한 정보를 얻고 싶으시다면, 

OpenCV 도큐먼트에서 해당 함수명을 검색하시면 됩니다.(영어 주의)

여기서는 위의 예제 중 For문을 사용한 부분을 설명드리겠습니다.

이 이미지는 findContours함수를 막 사용했을 때 찾는 Contour들을 모두 그려 본 것입니다.

보시다시피 그리 복잡하지 않은 이미지임에도 Contour가 최소 6개나 잡혀 있는 것을 보실 수 있습니다.

이 중에서 우리가 필요한 Contour는 지갑을 둘러싸고있는 Contour 한 개 입니다.

필요없는 Contour를 어떻게 구별해 낼까 고민하던 중, For문을 돌며, Contour들의 크기를 비교해 가장 큰 Contour를 찾으면 

괜찮을 것이라는 생각을 했습니다. 더 좋은 방법이 분명 있겠지만, 미흡한 실력에 떠오른 생각이 이 방법뿐이라 이 방법을 선택했습니다.

가장 큰 Contour의 인덱스번호를 구해서 예제코드 내에서와 같이 그려보면 아래 결과와 같이 지갑의 윤곽선만 추출해 낼 수 있습니다.

결과