x1=100
y1=30
x2=480
y2=400
cv2.rectangle(frame,(x1,y1),(x2,y2),(255,0,0),2)
membuat kotak pada gambar maupun kamera real-time. Fungsi pada OpenCV yang
kita gunakan yaitu cv2.rectangle().
roi=frame[y1:y2,x1:x2]
ROI atau Region of Interest dilakukan untuk melakukan cropping.
cv2.imshow("Camera",frame)
cv2.imshow("ROI",roi)
fungsi cv2.imshow() untuk menampilkan gambar di layar.
interrupt = cv2.waitKey(10)
cv2.waitKey () adalah fungsi pengikat keyboard.
if interrupt & 0xFF == 27:
break
break untuk berhenti.
cap.release()
cv2.destroyAllWindows()
cap.release() cv2.destroyAllWindows(). Contoh penerapannya dengan melibatkan
simpan capture dan menampilkannya saat menutup webcam.
from tkinter import Frame
import cv2
import cv2 maksudnya Pyhton memanggil library cv2 yaitu OpenCV.
cap = cv2.VideoCapture(0)
Untuk menangkap video
while True:
While True pada esensinya adalah looping condition sama seperti for loop.
_, frame = cap.read()
cap.read() mengembalikan bool (True / False). Jika frame dibaca dengan benar,
maka itu benar.
# ROI
x1 = 100
y1 = 30
x2 = 480
y2 = 400
interrupt = cv2.waitKey(10)
cv2.waitKey () adalah fungsi pengikat keyboard.
if interrupt & 0xFF == 27: # esc key
break
break untuk berhenti.
if interrupt & 0xFF == ord('c'):
cv2.imwrite("save.jpg", roi)
Gunakan fungsi cv2.imwrite () untuk menyimpan gambar.
cap.release()
cv2.destroyAllWindows()
cap.release() cv2.destroyAllWindows(). Contoh penerapannya dengan melibatkan
simpan capture dan menampilkannya saat menutup webcam.
import cv2
import numpy as np
from matplotlib import pyplot as plt
import cv2 maksudnya Pyhton memanggil library cv2 yaitu OpenCV.
plt.subplot(121)
plt.title("Image1")
plt.xlabel('bins')
plt.ylabel("No of pixels")
plt.plot(hist)
plt.subplot(122)
plt.title("Image2")
plt.xlabel('bins')
plt.ylabel("No of pixels")
plt.plot(hist1)
tabel pada hitogram image
plt.show()
menampilkan table.
gray_img_eqhist = cv2.equalizeHist(gray_img)
gray_img1_eqhist = cv2.equalizeHist(gray_img1)
fungsi equalizeHist() untuk dengan mudah melakukan Histogram Equalization dari
suatu gambar.
plt.subplot(121)
plt.plot(hist)
plt.subplot(122)
plt.plot(hist1)
tabel pada hitogram image
plt.show()
menampilkan table.
clahe = cv2.createCLAHE(clipLimit=40)
gray_img_clahe = clahe.apply(gray_img_eqhist)
gray_img1_clahe = clahe.apply(gray_img1_eqhist)
images = np.concatenate((gray_img_clahe, gray_img1_clahe), axis=1)
Gunakan CONCATENATE, salah satu dari fungsi teks, untuk menggabungkan dua atau
beberapa string teks menjadi satu string.
#cv2.imshow("Images", images)
th = 40
max_val = 255
ret, o1 = cv2.threshold(gray_img_clahe, th, max_val, cv2.THRESH_BINARY)
cv2.threshold. Yang pertama kita lakukan adalah sumber gambar yang akan
diubah menjadi gambar grayscale
cv2.putText(o5, "Thresh_trunc",
cv2.putText() digunakan untuk menggambar string teks
(20, 50), cv2.FONT_HERSHEY_SIMPLEX,
2, (255, 255, 255), 3, cv2.LINE_AA)
ret, o6 = cv2.threshold(gray_img_clahe, th, max_val, cv2.THRESH_OTSU)
cv2.threshold. Yang pertama kita lakukan adalah sumber gambar yang akan
diubah menjadi gambar grayscale
cv2.putText(o6, "Thresh_OSTU",
cv2.putText() digunakan untuk menggambar string teks
(20, 50), cv2.FONT_HERSHEY_SIMPLEX,
2, (255, 255, 255), 3, cv2.LINE_AA)
#cv2.imshow("Image1.jpg", final)
#cv2.imshow("Image2.jpg", final1)
gray_image = cv2.imread("C:/xampp/htdocs/latihanpcd/detril.jpg", 0)
imread untuk membaca citra
gray_image1 = cv2.imread("C:/xampp/htdocs/latihanpcd/detri2.jpg", 0)
imread untuk membaca citra
thresh1 = cv2.adaptiveThreshold(
gray_image, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 2)
thresh2 = cv2.adaptiveThreshold(
gray_image, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 31, 3)
thresh3 = cv2.adaptiveThreshold(
gray_image, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 13, 5)
thresh4 = cv2.adaptiveThreshold(
gray_image, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 31, 4)
thresh11 = cv2.adaptiveThreshold(
gray_image1, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 2)
thresh21 = cv2.adaptiveThreshold(
gray_image1, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 31, 5)
thresh31 = cv2.adaptiveThreshold(
gray_image1, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 21,
5)
thresh41 = cv2.adaptiveThreshold(
gray_image1, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 31,
5)
metode ambang batas, sekali lagi seperti metode ambang batas sederhana dan
ambang batas Otsu.
cv2.imshow('rect.jpg', final)
cv2.imshow('rect1.jpg', final1)
menampilkan citra
gray_image = cv2.imread("C:/xampp/htdocs/latihanpcd/detril.jpg", 0)
gray_image1 = cv2.imread("C:/xampp/htdocs/latihanpcd/detri2.jpg", 0)
membaca citra.
cv2.waitKey(0)
cv2.destroyAllWindows()
cv2.destroyAllWindows(). Contoh penerapannya dengan melibatkan simpan capture
dan menampilkannya saat menutup webcam.
import numpy as np
import cv2
mport cv2 maksudnya Pyhton memanggil library cv2 yaitu OpenCV.
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades +
'haarcascade_frontalface_default.xml')
eye_cascade = cv2.CascadeClassifier(cv2.data.haarcascades +
'haarcascade_eye.xml')
CascadeClassifier (); Mendeteksi wajah pada gambar.
img=cv2.imread("bean.jpg")
membaca citra.
gray=cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
fungsi untuk melakukan konversi color space.
cv2.imshow("img",img)
cv2.waitKey(0)
cv2.destroyAllWindows()
cv2.destroyAllWindows(). Contoh penerapannya dengan melibatkan simpan capture
dan menampilkannya saat menutup webcam.