[Python][OpenCV]學習心得筆記
62免費公開
28付費限定
利用Python OpenCV實現一些影像處理的應用，整理所學，利用程式範例的方式解說其程式碼跟函式的使用方法及應用
全部內容
免費與付費
最新發佈優先
拍攝時鏡頭有時候有粉塵或毛髮不管什麼的異物，拍攝完回家檢查圖片才發現有異物真的會氣死。
框選異物
修復後
這篇教學文章將介紹如何使用 PyQt5 和 OpenCV 來製作一款圖片異物修復工具。這個工具允許使用者載入圖片、框選異物區域，並使用 OpenCV 的 inpaint 方法來修復圖片，
在影像處理或機器學習的應用中，我們常常需要將影片逐幀擷取出來，進一步進行辨識或分析。
本篇教學將示範如何使用 Python + OpenCV 來：
✅ 讀取 MP4 影片
測試影片可由下方超連結下載，從file-examples.com下載
file-examples.com 是一個 免費提
本文將指導你如何修改現有的 OpenCV 程式碼，使其利用 CUDA 加速進行深度神經網絡（DNN）推理，如超分辨率圖像放大任務。這將顯著提升運行速度，特別是在高分辨率圖像處理中。
在CMake上這選項要開，才可支援DNN模組。
CMake編譯OpenCV教學文 連結
[OpenCV][Py
OpenCV 提供了專門針對 CUDA 優化的模組，這些模組使用 cv2.cuda 命名空間，並且可以直接使用 GPU 進行加速。，cv2.cuda 模塊需要在 OpenCV 編譯時啟用 CUDA 支援才能使用。
本文主要比較經過CMAKE重新編譯OpenCV使其支援Cuda，原OpenCV只支援
iPhone也有去背的功能，那麼OpenCV能不能做到這件事呢?，答案是可以的
如果圖像背景簡單且與前景有明顯的顏色區分，可以使用 色彩空間轉換 或 閥值分割。
如果背景較為複雜一點點，但你可以提供一個大致的前景位置，則可以使用 GrabCut。
結果圖
但在背景相當複雜的情況下，結果就不太
以下是如何使用 Tesseract OCR 來辨識圖像中的文字的教學。
涵蓋了安裝 Tesseract、基本使用方法，以及如何在 Python 中進行整合。
1. 安裝 Tesseract
首先，需要安裝 Tesseract OCR 工具。這裡提供針對 Windows、macOS 和 Linu
本文主要介紹使用cv2.findContours找到圖像中最大物件的輪廓，再用cv2.minAreaRect取得該輪廓的最小矩形與旋轉角度，並將這些資訊印上圖像中的右上角。
在OpenCV中可以利用 cv2.findContours 判斷物件的形狀，可以通過計算輪廓的某些特徵來實現的。
本文主要利用cv2.arcLength與cv2.approxPolyDP來判斷三角形，正方形，矩形。檢查是否為圓形，則用通過輪廓面積和邊界框面積的比率來判斷。
先前文章有使用連通域分析來印出物件的位置及高寬面積及達成物件定位等功能。
[OpenCV應用][Python]利用連通域分析達成物件定位
[OpenCV基礎][Python]connectedComponent連通域分析
[OpenCV][Python]印出圖像中OCR面積及位置
這次我們將
本文主要使用pyzbar 與pylibdmtx來讀取條碼，並用靜態方法將這兩個套件的讀碼功能包裝起來，因應不同需求，調用相對應的方法來讀取QR code，一維條碼，Data Matrix。最後再將讀到的條碼資料與框選條碼位子於原圖上。
這次我們使用影像差分處理，用來檢測圖像中的瑕疵。
首先定義瑕疵樣態，以下原圖為例，較淡的可能是錫油的反光，較亮的部分可能是瑕疵或者是刮痕造成，那我們的目的就是檢測出這些瑕疵或者是刮痕。
yield 在影像處理中也是蠻好用的，特別是當你需要處理大量影像或希望逐步處理影像時。它可以用來生成一個影像流，讓你能夠一次處理一張影像而不需要一次性加載所有影像進記憶體。
yield 是 Python 中的一個關鍵字，用於創建生成器（generator）。
生成器是一種特殊類型的迭代器，允許你
透過 Python 的 tracemalloc 模組來比較兩種方法在執行過程中佔用的記憶體大小。以下是兩者的記憶體佔用比較範例。
程式說明
tracemalloc.start()：開始追踪記憶體分配。
tracemalloc.get_traced_memory()：返回當前和峰值的記憶體使用量
現在有一推AI網站提供模糊圖片變高清的工具，Google關鍵字一下就一推了，例如MyEdit，Artguru等等。
Python的OpenCV有提供一個DnnSuperResImpl Class Reference，也可以做到這件事，就讓我們繼續往下看吧。
在OpenCV DnnSuperRe
現在的圖片都蠻大張的，若整張丟下去做AVI檢測，相對的時間會要比較久一點，事先擷取出感興趣的區域來檢測，就會縮短整個測試的時間。
本文主要提供一個擷取ROI的函式。
從圖片中裁剪出指定的感興趣區域（ROI）。
def crop_img(img, x, y, h, w):
"""
本文延續上兩篇文章，新增印出圖像中OCR的面積及位置，與驗證連通域分析計算的面積是否正確，利用cv2.countNonZero來計算區域內非零的元素，因圖像OCR在連通域分析前就需轉換成黑底白字，剛好可利用此函數來計算面積。
[OpenCV][Python]印出圖像中文字的位置及高寬
結果圖
在tesseract-ocr辨識應用中，建議的留白邊框為10pixl，若Label列印的太剛好，沒有任何的邊框時，就會辨識不到文字。
本文將帶大家如何讓圖像增加邊框。
結果圖
示意的比較誇張，我讓邊框增加100pixl，圖片大小原為211*80。
本文將說明如何去辨識出圖片文字位置及高寬。
