C#과 파이썬을 활용한 OpenCV 4 프로그래밍

컴퓨터 비전 기초 이론부터 머신러닝을 활용한 영상 처리 프로젝트까지

윤대희 지음

데이터 사이언스 시리즈_039
ISBN: 9791158391669
35,000원 | 2019년 8월 13일 발행 | 440쪽

이 책은 컴퓨터 비전 기초 이론을 비롯해 OpenCV에서 가장 많이 활용되는 기능들을 설명하고 이미지 데이터에서 유의미한 정보를 찾는 방식을 다룹니다. 또한 C#과 파이썬이라는 두 가지 프로그래밍 언어로 구성돼 있어 C#이나 파이썬 개발자분들이 손쉽게 OpenCV에 대해 배울 수 있는 영상처리 입문서입니다.

이 책에서는 OpenCV를 폭넓게 활용할 수 있도록 Tesseract-OCR과 TensorFlow 등을 활용해 영상 처리 프로젝트까지 진행하고, 다양한 응용 방법을 제시합니다.

★ 이 책에서 다루는 내용 ★

C#과 파이썬용 OpenCV의 데이터 형식과 행렬 및 배열 연산
이미지/동영상/카메라를 활용한 입출력과 결과 저장
전처리 과정과 정보를 탐색하기 위한 이미지 변형
유의미한 정보를 검출하기 위한 이미지 변환
이미지에서 정보를 검출 및 인식
객체 검출을 포함한 모션 추적
Tesseract-OCR과 C# OpenCvSharp4를 활용한 프로젝트
TensorFlow와 Python OpenCV4를 활용한 프로젝트

도서 상세 이미지

윤대희

서울과학기술대학교 기계시스템디자인공학을 전공했다. 컴퓨터 비전 강의를 진행했으며, 블로그(https://076923.github.io/)를 통해 프로그래밍 및 컴퓨터 비전 지식을 공유하고 있다. 현재는 3D 공간데이터 플랫폼 회사인 어반베이스의 머신러닝 팀에서 컴퓨터 비전을 담당하며, 2D 도면을 3D로 변환하는 프로젝트를 진행하고 있다. 컴퓨터 비전, 머신러닝, 딥러닝을 연구하고 활용하는 데 관심이 있다.

[01부] OpenCV 이론
▣ 01장: 컴퓨터 비전의 이해
- 01 컴퓨터 비전이란?
  - 영상 처리의 필요성
  - 영상 처리의 한계점
  - 데이터 변형
  - 이미지 데이터
- 02 OpenCV란?
  - OpenCV의 역사
- 03 알고리즘 설계
  - 문제 해결을 위한 선행 조건
  - 하드웨어와 소프트웨어의 선택
  - 시스템 설계
  - 개발 규칙
- 04 디지털 이미지 프로세싱
  - 전처리 알고리즘
  - 노이즈 및 디노이즈
  - 특징 및 유사성 검출
- 05 영상 처리 분야
  - 영화 산업
  - 의료 분야
  - 이미지 번역
  - OpenCV의 활용
- 06 C# OpenCvSharp 설치
  - NuGet 패키지 설치
  - 네이티브 래퍼(Native Wrapper) 적용
  - 확장 네임스페이스
  - OpenCvSharp 사용하기
  - 참고사항
- 07 Python OpenCV 설치
  - pip를 이용한 설치
  - IDE
  - OpenCV 사용하기
  - 참고사항
▣ 02장: OpenCV 시작하기
- 01 이미지 크기
  - 이미지 크기 속성
  - OpenCV에서 이미지의 크기를 표현하는 방법
- 02 정밀도
  - 비트 표현
  - OpenCV 정밀도 표현법
- 03 채널
  - 색상 표현
  - OpenCV 채널 표현법
- 04 관심 영역
- 05 관심 채널
- 06 히스토그램
▣ 03장: 데이터 타입과 연산
- 01 기본 데이터
  - C# OpenCvSharp에서 사용되는 기본 데이터 타입
  - 스칼라(Scalar) 구조체
  - Python OpenCV에서 사용되는 기본 데이터 타입
- 02 Mat 데이터
  - 조밀 행렬(dense matrix)
  - Mat 클래스 – N차원 밀집 행렬
  - Mat 클래스 메모리 레이아웃
  - Mat 객체 생성
  - MatExpr 클래스 – 행렬 표현식
  - 행렬의 개별 단위 요소에 접근하기
  - 행렬의 블록 단위 요소에 접근하기
  - Mat 클래스 행렬 연산
  - 그 밖의 행렬 메서드
  - 희소 행렬
  - 희소 행렬 생성
  - 희소 행렬의 요소 할당 및 접근
  - Mat 클래스 - 관심 영역
  - Mat 클래스 - 관심 채널
  - Numpy 행렬
- 03 Numpy 데이터
  - ndarray 클래스 - N차원 배열
  - 배열의 개별 단위 요소에 접근하기
  - 배열의 블록 단위 요소에 접근하기
  - 배열 차원 변형
  - 배열 병합 및 분리
  - 그 밖의 배열 함수
  - 배열 연산
  - matrix 클래스
  - ndarray 클래스 - 관심 영역
  - ndarray 클래스 - 관심 채널
[02부] C# & 파이썬 함수
▣ 04장: 기초 예제
- 01 이미지 입력
- 02 이미지 출력
- 03 동영상 출력
  - FPS(Frame Per Second)
- 04 카메라 출력
- 05 도형 그리기
  - 선형 타입
  - 비트 시프트
  - 직선 그리기
  - 사각형 그리기
  - 원 그리기
  - 호 그리기
  - 내부가 채워지지 않은 다각형 그리기
  - 내부가 채워진 다각형 그리기
  - 문자 그리기
- 06 결과 저장
  - 이미지 저장
  - 동영상 저장
▣ 05장: 이미지 변형
- 01 색상 공간 변환
- 02 HSV 색상 공간
- 03 이진화
  - 오츠 알고리즘
  - 삼각형 알고리즘
- 04 이미지 연산
  - 덧셈 함수
  - 뺄셈 함수
  - 곱셈 함수
  - 나눗셈 함수
  - 최댓값 함수
  - 최솟값 함수
  - 절댓값 함수
  - 절댓값 차이 함수
  - 비교 함수
  - 선형 방정식 시스템의 해 찾기 함수
  - AND 연산 함수
  - OR 연산 함수
  - XOR 연산 함수
  - NOT 연산 함수
- 05 흐림 효과
  - 커널과 고정점
  - 테두리 외삽법
  - 단순 흐림 효과
  - 박스 필터 흐림 효과
  - 중간값 흐림 효과
  - 가우시안 흐림 효과
  - 양방향 필터 흐림 효과
▣ 06장: 이미지 변환
- 01 확대 & 축소
  - 이미지 확대(Pyramid Up)
  - 이미지 축소(Pyramid Down)
- 02 이미지 크기 조절
- 03 대칭 & 회전
- 04 기하학적 변환
  - 아핀 변환
  - 원근 변환
- 05 모폴로지 변환
- 06 모폴로지 연산
  - 열림 연산
  - 닫힘 연산
  - 그레이디언트 연산
  - 탑햇 연산
  - 블랙햇 연산
  - 히트미스 연산
▣ 07장: 이미지 검출
- 01 가장자리 검출
  - 소벨 미분
  - 샤르 필터
  - 라플라시안
  - 캐니 엣지
- 02 윤곽선 검출
  - 계층 구조
  - 윤곽선 검출
  - 윤곽선 그리기
- 03 다각형 근사
  - 윤곽선의 길이 계산
  - 윤곽선의 면적 계산
  - 윤곽선의 경계 사각형
  - 윤곽선의 최소 면적 사각형
  - 윤곽선의 최소 면적 원
  - 윤곽선의 타원 피팅
  - 윤곽선의 볼록 껍질
  - 윤곽선의 볼록성 시험
  - 윤곽선의 모멘트
- 04 코너 검출
- 05 직선 검출
- 06 원 검출
- [03부] 실전 예제
▣ 08장: C# - 명함 검출
- 01 테서렉트
- 02 각도 계산
- 03 사각형 검출
- 04 이미지 변환
- 05 문자 인식
▣ 09장: 파이썬 - 객체 검출
- 01 텐서플로
- 02 객체 검출
- 03 정규 표현식
- 04 객체 추적
- 05 객체 인식
▣ 부록A: 색상 코드표 - 스칼라 구조체의 색상 코드표
▣ 부록B: 정규 표현식 - 메타 문자 목록
- 이스케이프 문자 목록
- 최소 매칭 목록
- 정규 표현식 함수 - 플래그
- Match 객체의 메서드 - Match 객체의 속성

GitHub 저장소: https://github.com/wikibook/opencv4
ZIP 형식으로 다운로드: https://github.com/wikibook/opencv4/archive/master.zip

51쪽, 페이지 상단 예제 코드의 밑에서 4번째 줄

dst = np.hstack([[image[:,:,0], result])

==>

dst = np.hstack([image[:,:,0], result])

93쪽, 본문 밑에서 5번째 줄

일치시키려면 표 1.2의 ‘Python OpenCV 정밀도 형식’을 참고한다.

==>

일치시키려면 표 2.2의 ‘Python OpenCV 정밀도 형식’을 참고한다.

95쪽, 예제 3.23의 5번째 줄

array3 = np.array(matrix1, copy=False)

==>

array3 = np.array(array1, copy=False)

95쪽, 본문 밑에서 5번째 줄

array4는 mat() 함수로 matrix 클래스를 ndarray 클래스로 사용하지 않고 하위 클래스로 사용한다.

==>

array4는 mat() 함수로 하위 클래스로서 ndarray 클래스가 아닌 matrix 클래스를 사용한다.
97쪽, 본문 6번째 줄

앞서 설명한 subok 매개변수처럼

==>

앞서 설명한 copy 매개변수처럼
99쪽, 본문 밑에서 4번째 줄

즉, array[0:-1:2]와 동일한 의미를 갖는다.

==>

즉, array[0:-1:2]와 동일한 결과를 갖는다.
106쪽, 본문 밑에서 2번째 줄

예제 3.33은 브로드캐스팅과

==>

예제 3.32는 브로드캐스팅과
106쪽, 예제 3.33의 번호를 예제 3.32로 수정
110쪽, 본문 밑에서 첫 번째 줄

예제 3.34는 matrix 클래스를 사용해

==>

예제 3.33은 matrix 클래스를 사용해
110쪽, 예제 3.34의 번호를 예제 3.33으로 수정
111쪽, 본문 밑에서 첫 번째 줄

예제 3.35는 관심 영역을

==>

예제 3.34는 관심 영역을
111쪽, 예제 3.35의 번호를 예제 3.34로 수정
112쪽, 본문 2번째 줄

end가 도착 지점이 아닌 너비와 높이를 의미한다는 것이다.

==>

end가 너비 또는 높이가 아닌 도착 지점을 의미한다는 것이다.
112쪽, 본문 밑에서 9번째 줄

예제 3.36은 관심 영역을

==>

예제 3.35는 관심 영역을
112쪽, 예제 3.36의 번호를 예제 3.35로 수정
190쪽, 본문 밑에서 첫 번째 줄

예제 5.8과 예제 5.9는 C# OpenCvSharp과

==>

예제 5.9와 예제 5.10은 C# OpenCvSharp과
190쪽, 예제 5.8의 번호를 예제 5.9로 수정
191쪽, 본문 첫 번째 줄

예제 5.8은 그레이스케일 이미지에

==>

예제 5.9는 그레이스케일 이미지에
191쪽, 예제 5.9의 번호를 예제 5.10으로 수정
192쪽, 본문 첫 번째 줄

예제 5.9는 그레이스케일 이미지에

==>

예제 5.10은 그레이스케일 이미지에
254쪽, 그림 6-14를 다음 그림으로 교체
274쪽, 본문 밑에서 4번째 줄

Roof Edge는 노이즈가 제거된 뒤의 노이즈가 제거된 뒤의 Line Edge다.

==>

Roof Edge는 노이즈가 제거된 뒤의 Line Edge다.

389쪽, 페이지 상단 예제의 아래 코드를 수정(예제 9.12)

flow = cv2.calcOpticalFlowFarneback(prev_gray, next_gray, flow=None, pyr_scale=0.5, levels=3, winsize=15, iterations=3, poly_n=5, poly_sigma=1.1, flags= cv2.OPTFLOW_USE_INITIAL_FLOW)

==>

flow = cv2.calcOpticalFlowFarneback(prev_gray, next_gray, flow=None, pyr_scale=0.5, levels=3, winsize=15, iterations=3, poly_n=5, poly_sigma=1.1, flags= cv2.OPTFLOW_FARNEBACK_GAUSSIAN)

392쪽, 예제 9.13의 첫 번째 줄

flow = cv2.calcOpticalFlowFarneback(prev_gray, next_gray, flow=None, pyr_scale=0.5, levels=3, winsize=15, iterations=3, poly_n=5, poly_sigma=1.1, flags=cv2.OPTFLOW_USE_INITIAL_FLOW )

==>

flow = cv2.calcOpticalFlowFarneback(prev_gray, next_gray, flow=None, pyr_scale=0.5, levels=3, winsize=15, iterations=3, poly_n=5, poly_sigma=1.1, flags=cv2.OPTFLOW_FARNEBACK_GAUSSIAN)