Cara menggunakan PLT.IMSHOW pada Python

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.