The latest articles on DEV Community by indyfunder (@indyfunder). https://dev.to/indyfunder https://media2.dev.to/dynamic/image/width=90,height=90,fit=cover,gravity=auto,format=auto/https:%2F%2Fdev-to-uploads.s3.amazonaws.com%2Fuploads%2Fuser%2Fprofile_image%2F1061362%2Faec8aa16-0540-4f18-a75f-461d0ef38e9b.png https://dev.to/indyfunder en indyfunder Tue, 11 Apr 2023 13:43:18 +0000 https://dev.to/indyfunder/computer-vision-56cm https://dev.to/indyfunder/computer-vision-56cm <p><strong>Computer Vision</strong> จะเกี่ยวกับการสร้างแบบจำลองและการจำลองการมองเห็นของมนุษย์โดยใช้ซอฟต์แวร์และฮาร์ดแวร์คอมพิวเตอร์ วันนี้เราจะพาไป เรียนรู้รายละเอียดเกี่ยวกับเรื่องนี้</p> <ul> <li>ทำความเข้าใจฉาก 3 มิติจากภาพ 2 มิติ ของโครงสร้างที่มีอยู่ในภาพ</li> </ul> <blockquote> <p><strong>Computer Vision Hierarchy</strong></p> <ol> <li> <strong>Low-level vision</strong> − การประมวณภาพ การแยกคุณลักษณะของภาพ</li> <li> <strong>Intermediate-level vision</strong> − จะรวมถึง การจดจำวัตถุ และการประมั่วผลภาพ 3 มิติ</li> <li> <strong>High-level vision</strong> − จะมีการอธิบาย แนวคิดของภาพ เช่น กิจกรรม ความตั้งใจ และพฤติกรรม</li> </ol> </blockquote> <p>อย่างแรกเลยคือต้องติดตั้ง ไลบรารี ที่ชื่อว่า OpenCV (Open Source Computer Vision) เป็นไลบรารีของฟังก์ชั่นการเขียนโปรแกรมที่ ที่เกี่ยวกับ Computer Vision แบบเรียลไทม์เป็นหลัก<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>pip install opencv_python </code></pre> </div> <h2> สอนการอ่าน และ เขียนไฟล์ภาพ ด้วยฟังก์ชั่นของ <strong>OpenCV</strong> </h2> <p><code>imread()</code>คือ ฟังก์ชั่นสำหรับการอ่านไฟล์ภาพ <br> <code>imshow()</code>คือ ฟังก์ชั่นสำหรับโชว์รูปภาพ ตัวรูปภาพจะมีขนาดเท่ากับ ไฟล์ต้นทาง<br> <code>imwrite()</code>คือ ฟังก์ชั่นสำหรับเขียนหรือ สร้างไฟล์ภาพ<br> (รองรับสกุลไฟล์เช่น PNG, JPEG, JPG, TIFF เป็นต้น)</p> <p><strong>ตัวอย่าง</strong> <br> (ใช้ colab)<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>import numpy as np import cv2 as cv from google.colab.patches import cv2_imshow # for image display from skimage import io from PIL import Image import matplotlib.pylab as plt </code></pre> </div> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>img = io.imread("/content/matty.jpg") </code></pre> </div> <p>อ่านไฟล์<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>cv2_imshow(img) </code></pre> </div> <p>แสดงผลภาพ<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>  </code></pre> </div> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>cv2.imwrite('save_newmatty.png'img) </code></pre> </div> <p>จะทำการเขียนไฟล์ ขึ้นมาใหม่(เป็นสกุลไฟล์อื่นได้) โดยชื่อ save_newmatty<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>True </code></pre> </div> <h2> จะแสดงผล True เมื่อเขียนไฟล์สำเร็จ </h2> <h2> Color Space Conversion </h2> <p>ใน OpenCV รูปภาพจะไม่ถูกจัดเก็บโดยใช้ค่าสีใน RGB ทั่วไป แต่ย้อนกลับแทน คือ BGR<br> <code>cvtColor()</code><br> ฟังก์ชันการแปลงสี สำหรับการแปลงรูปภาพจากรหัสสีหนึ่งไปเป็นรหัสสีอื่น</p> <p><strong>ตัวอย่าง</strong><br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>import numpy as np import cv2 as cv from google.colab.patches import cv2_imshow # for image display from skimage import io from PIL import Image import matplotlib.pylab as plt </code></pre> </div> <p>ลงไลบรารี<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>img = cv2.imread("/content/matty.jpg") </code></pre> </div> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>img_new = cv.cvtColor(img,cv.COLOR_BGR2RGB) final_frame = cv.hconcat((img, img_new)) cv2_imshow(final_frame) </code></pre> </div> <p><a href="https://res.cloudinary.com/practicaldev/image/fetch/s--bbOt0zIT--/c_limit%2Cf_auto%2Cfl_progressive%2Cq_auto%2Cw_800/https://dev-to-uploads.s3.amazonaws.com/uploads/articles/6yame0ftkyl1nqxdtlqx.png" class="article-body-image-wrapper"><img src="https://res.cloudinary.com/practicaldev/image/fetch/s--bbOt0zIT--/c_limit%2Cf_auto%2Cfl_progressive%2Cq_auto%2Cw_800/https://dev-to-uploads.s3.amazonaws.com/uploads/articles/6yame0ftkyl1nqxdtlqx.png" alt="Image description" width="800" height="394"></a><br> จะเห็นว่าภาพแรกคือภาพ ค่าสี BGR ส่วนอีกภาพคือกลับเป็นRGB<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>img_gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY) cv2_imshow(img_gray) </code></pre> </div> <p><a href="https://res.cloudinary.com/practicaldev/image/fetch/s--CCUaFQku--/c_limit%2Cf_auto%2Cfl_progressive%2Cq_auto%2Cw_800/https://dev-to-uploads.s3.amazonaws.com/uploads/articles/rqyv9y6qb1n6s23v21s2.png" class="article-body-image-wrapper"><img src="https://res.cloudinary.com/practicaldev/image/fetch/s--CCUaFQku--/c_limit%2Cf_auto%2Cfl_progressive%2Cq_auto%2Cw_800/https://dev-to-uploads.s3.amazonaws.com/uploads/articles/rqyv9y6qb1n6s23v21s2.png" alt="Image description" width="645" height="365"></a><br> เปลี่ยนเป็นค่าสี grayscale</p> <h2> Edge Detection </h2> <p>หลังจากที่ได้เห็นภาพร่างคร่าวๆ แล้ว คนเราสามารถจดจำประเภทของวัตถุและท่าทางของพวกมันได้</p> <p>นั่นเป็นเหตุผลที่ Edge(เส้นขอบ/ขอบ) มีบทบาทสำคัญกับการประยุกต์ใช้ ใน Computer Vision</p> <p>OpenCV มีฟังก์ชันที่เรียบง่ายและมีประโยชน์ที่เรียกว่า <code>Canny()</code> สำหรับการตรวจจับเส้นขอบ</p> <p><strong>ตัวอย่าง</strong><br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>import numpy as np import cv2 as cv from google.colab.patches import cv2_imshow # for image display from skimage import io from PIL import Image import matplotlib.pylab as plt </code></pre> </div> <p>ลงไลบรารี<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>cv2.imwrite('img_edge.jpg',cv2.Canny(img,200,300)) </code></pre> </div> <p>เขียนไฟล์ใหม่ ที่เป็นรูปแบบ edge<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>cv2_imshow(io.imread("/content/img_edge.jpg")) </code></pre> </div> <p>แสดงผลภาพดังกล่าว<br> <a href="https://res.cloudinary.com/practicaldev/image/fetch/s--DN4lgKFD--/c_limit%2Cf_auto%2Cfl_progressive%2Cq_auto%2Cw_800/https://dev-to-uploads.s3.amazonaws.com/uploads/articles/fk2vfxkidow1xkahgqme.png" class="article-body-image-wrapper"><img src="https://res.cloudinary.com/practicaldev/image/fetch/s--DN4lgKFD--/c_limit%2Cf_auto%2Cfl_progressive%2Cq_auto%2Cw_800/https://dev-to-uploads.s3.amazonaws.com/uploads/articles/fk2vfxkidow1xkahgqme.png" alt="Image description" width="800" height="435"></a></p> <h2> Face Detection </h2> <p>การตรวจจับใบหน้าเป็นอีกหนึ่งเทคโนโลยี ที่น่าทึ่งของ Computer Vision ซึ่งตัว OpenCv จะมีฟังก์ชั้นในเรื่องของการตรวจจับใบหน้าอยู่ด้วย เรียกว่า Haar cascade classifier<br> Haar Cascade Data</p> <p>เราต้องการ ข้อมูล data เพื่อใช้ Haar Cascade Classifier ไฟล์ cascade<br> จำเป็นที่จะต้องติดตั้งไฟล์ haarcascade_frontalface_default.xml</p> <p><strong>ตัวอย่าง</strong><br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>import cv2 import common import numpy as np %matplotlib inline from matplotlib import pyplot as plt # this lets you draw inline pictures in the notebooks import pylab # this allows you to control figure size pylab.rcParams['figure.figsize'] = (10.0, 8.0) </code></pre> </div> <p>ลงไลบรารี<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>base_image = cv2.imread('matty.jpg') grey = cv2.cvtColor(base_image, cv2.COLOR_BGR2GRAY) </code></pre> </div> <p>ลองเรียกรูปภาพ และ เปลี่ยนค่าสี<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>test_image = cv2.imread('matty.jpg') face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml') faces = face_cascade.detectMultiScale(grey,1.01) for (x,y,w,h) in faces: cv2.rectangle(test_image,(x,y),(x+w,y+h),(255,0,0),2) plt.imshow(cv2.cvtColor(test_image, cv2.COLOR_BGR2RGB)) </code></pre> </div> <p>เรียกฟังก์ขั่น มาใช้ กับภาพที่เปลี่ยนสีแล้ว จากนั้น วาดรูปสี่เหลี่ยม ตรงจุดที่พบใบหน้า<br> แสดงผลบนภาพต้นฉบับที่ถูกเปลี่ยนค่าสีกลับเป็น RGB</p> <p><a href="https://res.cloudinary.com/practicaldev/image/fetch/s--rYC9EhnE--/c_limit%2Cf_auto%2Cfl_progressive%2Cq_auto%2Cw_800/https://dev-to-uploads.s3.amazonaws.com/uploads/articles/he27dtfh2xr5srqj927b.png" class="article-body-image-wrapper"><img src="https://res.cloudinary.com/practicaldev/image/fetch/s--rYC9EhnE--/c_limit%2Cf_auto%2Cfl_progressive%2Cq_auto%2Cw_800/https://dev-to-uploads.s3.amazonaws.com/uploads/articles/he27dtfh2xr5srqj927b.png" alt="Image description" width="742" height="622"></a><br> ความแม่นยำมาก น้อย อยู่ที่สูตรคำนวณและ ภาพต้นฉบับด้วย</p> <h2> Eye Detection </h2> <p>การตรวจจับดวงตา ก็เป็นอีกเทคโนโลยีนึงที่ มาใน haarcascade<br> ซึ่งจำเป็นต้องติดตั้งไฟล์ haarcascade_eye.xml</p> <p><strong>ตัวอย่าง</strong><br> (ใช้ไลบรารี เดิม)<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>test_image = cv2.imread('matty.jpg') eye_cascade = cv2.CascadeClassifier('haarcascade_eye.xml') eyes = eye_cascade.detectMultiScale(grey, 1.3, 1) for (x,y,w,h) in eyes: cv2.rectangle(test_image,(x,y),(x+w,y+h),(255,255,255),2) plt.imshow(cv2.cvtColor(test_image, cv2.COLOR_BGR2RGB)) </code></pre> </div> <p><a href="https://res.cloudinary.com/practicaldev/image/fetch/s--GO_Mp6oZ--/c_limit%2Cf_auto%2Cfl_progressive%2Cq_auto%2Cw_800/https://dev-to-uploads.s3.amazonaws.com/uploads/articles/r75pnq2hcu4qe8lntk65.png" class="article-body-image-wrapper"><img src="https://res.cloudinary.com/practicaldev/image/fetch/s--GO_Mp6oZ--/c_limit%2Cf_auto%2Cfl_progressive%2Cq_auto%2Cw_800/https://dev-to-uploads.s3.amazonaws.com/uploads/articles/r75pnq2hcu4qe8lntk65.png" alt="Image description" width="708" height="626"></a><br> แสดงผล</p> <blockquote> <p><strong>reference</strong><br> </p> <div class="crayons-card c-embed text-styles text-styles--secondary"> <a href="https://colab.research.google.com/github/computationalcore/introduction-to-opencv/blob/master/notebooks/4-Cascade_classification.ipynb" rel="noopener noreferrer"> colab.research.google.com </a> </div> <div class="crayons-card c-embed text-styles text-styles--secondary"> <a href="https://www.tutorialspoint.com/artificial_intelligence_with_python/artificial_intelligence_with_python_computer_vision.htm" rel="noopener noreferrer"> tutorialspoint.com </a> </div> <div class="crayons-card c-embed text-styles text-styles--secondary"> <a href="https://colab.research.google.com/github/computationalcore/introduction-to-opencv/blob/master/notebooks/1-Fundamentals.ipynb" rel="noopener noreferrer"> colab.research.google.com </a> </div> <div class="crayons-card c-embed text-styles text-styles--secondary"> <div class="c-embed__cover"> <a href="https://www.ultimatepython.co/post/face-detection-opencv-python" class="c-link s:max-w-50 align-middle" rel="noopener noreferrer"> <img alt="" src="https://res.cloudinary.com/practicaldev/image/fetch/s--RohS4HDC--/c_limit%2Cf_auto%2Cfl_progressive%2Cq_auto%2Cw_800/https://static.wixstatic.com/media/82eb49_0574a67f907a42c8877606904f57fc87%7Emv2.png/v1/fill/w_1600%2Ch_900%2Cal_c/82eb49_0574a67f907a42c8877606904f57fc87%7Emv2.png" height="450" class="m-0" width="800"> </a> </div> <div class="c-embed__body"> <h2 class="fs-xl lh-tight"> <a href="https://www.ultimatepython.co/post/face-detection-opencv-python" rel="noopener noreferrer" class="c-link"> ตรวจจับใบหน้า ใน 11 บรรทัด Python Face Detection </a> </h2> <div class="color-secondary fs-s flex items-center"> <img alt="favicon" class="c-embed__favicon m-0 mr-2 radius-0" src="https://res.cloudinary.com/practicaldev/image/fetch/s--tHk4yNAA--/c_limit%2Cf_auto%2Cfl_progressive%2Cq_auto%2Cw_800/https://static.wixstatic.com/media/82eb49_8a6a0383b4e94a1fa01383efaab35bfb%257Emv2.png/v1/fill/w_32%252Ch_32%252Clg_1%252Cusm_0.66_1.00_0.01/82eb49_8a6a0383b4e94a1fa01383efaab35bfb%257Emv2.png" width="32" height="32"> ultimatepython.co </div> </div> </div> <br> </blockquote> beginners python tutorial thai