×

Sử dụng OpenCV để xử lý hình ảnh và video trong Python

Avatar of admin
admin 2 Views

OpenCV, viết tắt của Open Source Computer Vision, là một thư viện mã nguồn mở mạnh mẽ dùng để xử lý hình ảnh và video. Thư viện này cung cấp nhiều công cụ và kỹ thuật giúp việc phân tích và thao tác với hình ảnh trở nên dễ dàng và hiệu quả. Trong bài viết này, chúng ta sẽ tìm hiểu cách cài đặt và sử dụng OpenCV trong môi trường Python để thực hiện một số tác vụ cơ bản liên quan đến xử lý hình ảnh và video.

Cài đặt OpenCV

Trước tiên, để sử dụng OpenCV trong Python, bạn cần cài đặt thư viện này bằng cách sử dụng công cụ quản lý gói pip. Bạn chỉ cần mở cửa sổ lệnh (command prompt) và chạy lệnh sau:

pip install opencv-python

Ngoài ra, nếu bạn cũng muốn sử dụng các tính năng góp phần tăng tốc từ thư viện numpy, bạn có thể cài đặt nó bằng lệnh sau:

pip install numpy

Đọc và hiển thị hình ảnh

Sau khi đã cài đặt OpenCV, chúng ta sẽ bắt đầu với việc đọc và hiển thị một hình ảnh.

import cv2

# Đọc hình ảnh từ tệp tin
image = cv2.imread('path_to_image.jpg')

# Hiển thị hình ảnh
cv2.imshow('Display Window', image)

# Chờ người dùng nhấn phím bất kỳ
cv2.waitKey(0)

# Đóng tất cả cửa sổ hình ảnh
cv2.destroyAllWindows()

Trong đoạn mã trên, cv2.imread được sử dụng để đọc hình ảnh từ một tệp tin. Hình ảnh sau đó được hiển thị trong một cửa sổ với tên 'Display Window' bằng chức năng cv2.imshow.

Xử lý hình ảnh

OpenCV cung cấp nhiều công cụ để xử lý và biến đổi hình ảnh, chẳng hạn như chuyển đổi màu sắc, làm mờ, và phát hiện cạnh.

Chuyển đổi màu sắc

Dưới đây là ví dụ chuyển đổi hình ảnh sang thang độ xám:

# Chuyển đổi hình ảnh sang thang độ xám
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
cv2.imshow('Gray Image', gray_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

Làm mờ hình ảnh

Chức năng cv2.GaussianBlur có thể được sử dụng để làm mờ hình ảnh:

blurred_image = cv2.GaussianBlur(image, (15, 15), 0)
cv2.imshow('Blurred Image', blurred_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

Phát hiện cạnh

Sử dụng bộ lọc Canny để phát hiện cạnh trong một hình ảnh:

edges = cv2.Canny(image, 100, 200)
cv2.imshow('Edges', edges)
cv2.waitKey(0)
cv2.destroyAllWindows()

Xử lý video

OpenCV cũng hỗ trợ mạnh mẽ cho việc xử lý video. Bạn có thể đọc video từ tệp tin và phát hiện từng khung hình theo thời gian thực.

# Mở video từ tệp tin
cap = cv2.VideoCapture('path_to_video.mp4')

while (cap.isOpened()):
    ret, frame = cap.read()
    if not ret:
        break

    # Hiển thị từng khung hình
    cv2.imshow('Frame', frame)

    # Dừng lại nếu người dùng nhấn phím 'q'
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# Giải phóng bộ nhớ và đóng cửa sổ
cap.release()
cv2.destroyAllWindows()

Trong đoạn mã trên, cv2.VideoCapture được sử dụng để mở tệp video. Vòng lặp while đọc và hiển thị từng khung hình cho đến khi video kết thúc hoặc người dùng nhấn phím 'q' để dừng.

Kết luận

OpenCV là một công cụ mạnh mẽ và linh hoạt cho các nhà phát triển làm việc với hình ảnh và video. Từ việc đơn giản nhất như đọc và hiển thị hình ảnh đến các tác vụ phức tạp như phát hiện cạnh và xử lý video theo thời gian thực, OpenCV cung cấp mọi thứ cần thiết để bắt đầu và phát triển các ứng dụng liên quan đến xử lý ảnh và video. Hy vọng rằng sau bài viết này, bạn đã có những kiến thức cơ bản và có thể tự mình thực hiện các dự án xử lý hình ảnh và video bằng Python với OpenCV.

Comments

Bài viết liên quan