View Discussion
Improve Article
Save Article
View Discussion
Improve Article
Save Article
The OpenCV module is an open-source computer vision and machine learning software library. It is a huge open-source library for computer vision, machine learning, and image processing. OpenCV supports a wide variety of programming languages like Python, C++, Java, etc. It can process images and videos to identify objects, faces, or even the handwriting of a human. When it is integrated with various libraries, such as numpy which is a highly optimized library for numerical operations, then the number of weapons increases in your Arsenal i.e whatever operations one can do in Numpy can be combined with OpenCV.
First, let’s look at how to display images using OpenCV:
Now there is one function called cv2.imread[] which will take the path of an image as an argument. Using this function you will read that particular image and simply display it using the cv2.imshow[] function.
Python3
import
cv2
image
=
cv2.imread[
'gfg.png'
]
cv2.imshow[
'GFG'
, image]
Output:
DIsplay image using OpenCV
Now let’s jump into displaying the images with Matplotlib module. It is an amazing visualization library in Python for 2D plots of arrays. The Matplotlib module is a multi-platform data visualization library built on NumPy arrays and designed to work with the broader SciPy stack.
We are doing minor changes to the above code to display our image with Matplotlib module.
Python3
import
cv2
import
matplotlib.pyplot as plt
image
=
cv2.imread[
'gfg.png'
]
plt.imshow[image]
plt.show[]
Output:
image plot with Matplotlib
One can also display gray scale OpenCV images with Matplotlib module for that you just need to convert colored image into a gray scale image.
Python3
import
cv2
import
matplotlib.pyplot as plt
image
=
cv2.imread[
'gfg.png'
]
img1
=
cv2.cvtColor[image, cv2.COLOR_RGB2GRAY]
plt.imshow[img1, cmap
=
'gray'
]
plt.show[]
Output:
Display grayscale image plot with Matplotlib
This is how we can display OpenCV images in python with Matplotlib module.
Python memiliki beragam library. Salah satu library terkenal untuk pengolahan citra [image processing] adalah OpenCV [//opencv.org/]. Untuk mencoba library ini silahkan buka Google Colab [//colab.research.google.com] di browser kita. Instalasi OpenCV Untuk menginstal OpenCV, gunakan PIP dengan disertai simbol “!” di depan cell Google Colab sebagai berikut. Setelah itu tekan simbol run di sebelah kiri sel tersebut.
! pip install opencv-python Tunggu beberapa saat menunggu Google Colab selesai menginstall OpenCV. Import Library OpenCV Tidak serta merta ketika
diinstal OpenCV dapat langsung digunakan. Import terlebih dahulu. Gunakan satu sel baru agar lebih mudah men-debug nya. import os import numpy as np import matplotlib.pyplot as plt import cv2 Tekan run
dan pastikan tidak ada kesalahan. Di sini numpy dan matplotlib merupakan library untuk pengolahan matriks dan plotting. Nah, cv2 di sini merupakan OpenCV. Membaca, Menampilkan, dan Konversi Citra Berikutnya kita berlatih menggunakan fungsi OpenCV antara lain, membaca, menampilkan, dan mengkonversi ke hitam putih sebuah citra. Pada google colab upload image sembarang [berformat jpg/png]. Tekan terlebih dulu
simbol folder di sebelah kiri Google Colab kita.
from google.colab.patches import cv2_imshow
img = cv2.imread[‘Rahmadya.jpg’, cv2.IMREAD_UNCHANGED]
cv2_imshow[img]
grayImg = cv2.cvtColor[np.array[img],cv2.COLOR_BGR2GRAY];
cv2_imshow[grayImg]
Kode di baris atas menambahkan satu patches karena cv.imshow tidak berjalan di Google Colab maupun Jupyter Notebook. Variabel img merupakan citra asli, sementara grayImg yang sudah dikonversi ke hitam putih [gray]. Perhatikan di OpenCV formatnya Blue-Green-Red [BGR], bukan RGB.
Plotting
Selain dengan OpenCV, ada baiknya kita belajar menampilkan dalam bentuk Plot karena lebih rapih. Gunakan kode berikut di sel yang baru.
plt.subplot[121], plt.imshow[img], plt.title[“Original”]
plt.xticks[[]], plt.yticks[[]]
plt.subplot[122], plt.imshow[grayImg], plt.title[“Edited”]
plt.xticks[[]], plt.yticks[[]]
plt.show[]
Pastikan program berjalan dengan baik.
Silahkan kunjungi video tutorial ini untuk lebih jelasnya.
Navigasi pos
Yang baru cv2
antarmuka untuk Python terintegrasi numpy array ke dalam kerangka OpenCV, yang membuat operasi lebih sederhana karena diwakili dengan array multidimensi sederhana. Misalnya, pertanyaan
Anda adalah dijawab dengan:
import cv2 # Not actually necessary if you just want to create an image.
import numpy as np
blank_image = np.zeros[[height,width,3], np.uint8]
Ini menginisialisasi gambar RGB yang hanya hitam. Sekarang, misalnya, jika Anda ingin mengatur bagian kiri gambar menjadi biru dan bagian kanan menjadi hijau, Anda dapat melakukannya dengan mudah:
blank_image[:,0:width//2] = [255,0,0] # [B, G, R]
blank_image[:,width//2:width] = [0,255,0]
Jika Anda ingin menyelamatkan diri dari banyak masalah di masa depan, serta harus mengajukan pertanyaan seperti ini, saya akan sangat menyarankan menggunakan cv2
antarmuka daripada yang lebih lama cv
satu. Saya membuat perubahan baru-baru
ini dan tidak pernah melihat ke belakang. Anda dapat membaca lebih lanjut tentang cv2
di OpenCV Change Logs .