OpenCV sa Python: Gabay mula Imahe hanggang Real-Time

1. Ano ang OpenCV?

Pangkalahatang-ideya ng OpenCV

Mga Benepisyo ng OpenCV sa Python

1. Simple na Interface Ang OpenCV ay nagbibigay ng simple at madaling maintindihang API, at gamit ang Python code, maaaring maisakatuparan ang advanced na pagproseso ng imahe sa ilang linya lamang ng code. Halimbawa, ang pag-load, pagpapakita, at pag-resize ng imahe ay madaling magawa.
2. Maraming Tampok Ang OpenCV ay sumusuporta hindi lamang sa pag-load at pagpapakita ng imahe, kundi pati na rin sa conversion ng color space, edge detection, object recognition, face detection, at iba pang iba’t ibang tampok na kailangan sa pagproseso ng imahe. Dahil dito, kayang tugunan mula sa simpleng pagproseso ng imahe hanggang sa advanced na image recognition gamit ang machine learning.
3. Malawak na Komunidad at Suporta Dahil maraming developer ang gumagamit ng OpenCV, maraming dokumentasyon, tutorial, at sample code ang makikita online. Kahit na magkaroon ng problema, madaling makahanap ng solusyon sa mga community forum at Q&A sites, na isa ring malaking benepisyo.

Paano Ito Ginagamit?

• Mga Surveillance Camera System: Face recognition at detection ng abnormal na kilos.
• Medikal na Pagproseso ng Imahe: Pagsusuri ng CT scan at MRI images.
• Autonomous Driving: Object detection at lane recognition.

2. Paraan ng pag-install ng OpenCV gamit ang Python

Mga Hakbang sa Pag-install ng OpenCV

pip install opencv-python

pip install opencv-python-headless

Karaniwang mga Error at Solusyon

1. ModuleNotFoundError: No module named 'cv2' Nangyayari ito kapag hindi naka-install ang OpenCV, o hindi tama ang pagkakasaayos ng kapaligiran ng Python. Kapag lumitaw ang error na ito, tiyaking tama ang pag-install ng OpenCV. Pagkatapos i-install, patakbuhin muli ang script.
2. Problema sa mga dependency Maaaring magkaroon ng error sa dependency kapag nag-i-install ng OpenCV. Sa ganitong kaso, madalas na nalulutas ito sa pamamagitan ng pag-install ng mga karagdagang pakete tulad ng opencv-contrib-python.

pip install opencv-contrib-python

3. Hindi pagkakatugma ng bersyon Maaaring magka-error kung hindi magkatugma ang bersyon ng Python at OpenCV. Sa ganitong sitwasyon, tingnan ang opisyal na dokumentasyon ng OpenCV para sa tamang bersyon at i-install ang naaangkop na bersyon.

3. Paano Magbasa ng Imahe

Magbasa ng Imahe

import cv2

# Magbasa ng imahe
image = cv2.imread('example.jpg')

Ipakita ang Imahe

cv2.imshow('Image', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

Mga Hakbang Kapag Hindi Maayos ang Pagbasa ng Imahe

if image is None:
    print("Hindi mahanap ang imahe")
else:
    cv2.imshow('Image', image)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

4. Paunang Pagproseso at Pag-resize ng Imahe

Pag-resize ng Imahe

import cv2

# Basahin ang imahe
image = cv2.imread('example.jpg')

# I-resize ang imahe
resized_image = cv2.resize(image, (400, 300))

# Ipakita ang imahe pagkatapos i-resize
cv2.imshow('Resized Image', resized_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

resized_image = cv2.resize(image, None, fx=0.5, fy=0.5)

Pag-convert ng Color Space

# I-convert ang imahe sa grayscale
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# Ipakita ang grayscale na imahe
cv2.imshow('Gray Image', gray_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

5. Advanced na pagproseso ng imahe: Pag-detect ng contour at pagsusuri ng histogram

Pag-detect ng contour

# I-convert sa grayscale
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# Binary
ret, thresh = cv2.threshold(gray_image, 127, 255, cv2.THRESH_BINARY)

# Pag-detect ng contour
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

# I-drawing ang contour
cv2.drawContours(image, contours, -1, (0, 255, 0), 3)

# Ipakita ang resulta
cv2.imshow('Contours', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

Pagsusuri ng histogram

import matplotlib.pyplot as plt

# Kalkulahin ang histogram
hist = cv2.calcHist([image], [0], None, [256], [0, 256])

# I-plot ang histogram
plt.plot(hist)
plt.show()

6. Praktikal na Halimbawa: Real-Time na Pagproseso ng Imahe

Pag-capture ng Video mula sa Kamera

import cv2

# Simulan ang kamera
cap = cv2.VideoCapture(0)

# Suriin kung makukuha ang video ng kamera
if not cap.isOpened():
    print("Hindi mabuksan ang kamera")
    exit()

while True:
    # Basahin ang video frame-by-frame
    ret, frame = cap.read()

    if not ret:
        print("Hindi makuha ang frame")
        break

    # Ipakita ang frame
    cv2.imshow('Camera Feed', frame)

    # Pindutin ang 'q' para matapos
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# Palayain ang mga resources at isara ang window
cap.release()
cv2.destroyAllWindows()

Real-Time na Pag-filter

while True:
    ret, frame = cap.read()

    if not ret:
        break

    # I-convert ang frame sa grayscale
    gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # Ipakita ang grayscale na frame
    cv2.imshow('Grayscale Camera Feed', gray_frame)

    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

7. Pagsusuri ng mga Problema

1. Hindi naka-install ang OpenCV

pip install opencv-python

pip install opencv-python-headless

2. Hindi nakikilala ang kamera

• Siguraduhing tama ang pagkakakonekta ng kamera。
• Tiyaking walang ibang application na gumagamit ng kamera。
• Kung may maraming kamera, subukang palitan ang index number. Halimbawa, gamitin ang cv2.VideoCapture(1)。

3. Nabigong magbasa ng larawan

• Siguraduhing tama ang path ng larawan. Inirerekomenda ang paggamit ng absolute path kaysa relative path。
• Tiyaking suportado ang format ng file ng larawan. Sinusuportahan ng OpenCV ang JPEG at PNG, ngunit maaaring kailanganin ng karagdagang library para sa ibang format。

image = cv2.imread('/path/to/your/image.jpg')
if image is None:
    print("Hindi mabasa ang larawan")

8. Buod