• Tidak ada hasil yang ditemukan

OpenCV dengan Python

N/A
N/A
Protected

Academic year: 2021

Membagikan "OpenCV dengan Python"

Copied!
34
0
0

Teks penuh

(1)
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(9)

Jika tidak diberi ekstensi *.py maka kode yang diketik tidak berwarna. Maka jangan lupa untuk menambah *.py di akhir nama file.

Load dan Menyimpang Image

import cv2

image = cv2.imread('hebat.png') cv2.imwrite('MyPic.jpg', image)

(10)
(11)

grayImage = cv2.imread('MyPic.png', cv2.CV_LOAD_IMAGE_GRAYSCALE) atau

img =cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

import cv2

image = cv2.imread('hebat.png', cv2.CV_LOAD_IMAGE_GRAYSCALE) cv2.imwrite('MyPic.jpg', image)

import cv2

image = cv2.imread('hebat.png')

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) cv2.imwrite('MyPic.jpg', gray)

(12)

cv2.imshow('aa',image) cv2.waitKey(0)

cv2.destroyAllWindows()

import cv2

image = cv2.imread('hebat.png') cv2.imshow('Tampil Image', image) cv2.waitKey(0)

cv2.destroyAllWindows()

Ambil Image dari WebCam

cap = cv2.VideoCapture(0) ret,frame=cap.read()

(13)

cap = cv2.VideoCapture(0) ret,frame=cap.read() cv2.imwrite('a.png',frame) cv2.imshow('frame',frame) cv2.waitKey(0) cv2.destroyAllWindows()

(14)

E.

Mengolah Video

Play Video dari WebCam

cap = cv2.VideoCapture(0) while(True):

ret, frame = cap.read()

cv2.imshow('Hasil Capture', frame) if cv2.waitKey(1) & 0xFF == ord('q'): break cap.release() cv2.destroyAllWindows() import cv2 cap = cv2.VideoCapture(0) while(True):

# Tangkap frame per frame ret, frame = cap.read()

# RGB diubah ke GrayScale

(15)

# Gambar disimpan dengan nama 'tankap.png' cv2.imwrite('tangkapRGB.png',frame)

cv2.imwrite('tangkapGray.png',gray)

# Citra ditampilkan per frame cv2.imshow('frame',gray)

# Tutup Webcam dengan tombol ESC atau q if cv2.waitKey(1) & 0xFF == ord('q'): break

# Jalankan capture cap.release()

cv2.destroyAllWindows()

#Tampilkan hasil capture setelah webcam ditutup hasilRGB=cv2.imread('tangkapRGB.png') hasilGray=cv2.imread('tangkapGray.png') cv2.imshow('RGB',hasilRGB) cv2.imshow('Gray',hasilGray) cv2.waitKey(0) cv2.destroyAllWindows()

(16)
(17)
(18)

Play Video dari File cap = cv2.VideoCapture(0) diganti dengan cap = cv2.VideoCapture(‘C:\Users\Public\Videos\Sample Videos\Wildlife.wma’) import cv2 cap = cv2.VideoCapture('C:\Users\Writer\Videos\Wildlife.mp4') while(True):

# Tangkap frame per frame ret, frame = cap.read()

# RGB diubah ke GrayScale

gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

# Gambar disimpan dengan nama 'tankap.png' cv2.imwrite('tangkapGray.png',gray)

(19)

cv2.imshow('frame',gray)

# Tutup Webcam dengan tombol ESC atau q if cv2.waitKey(1) & 0xFF == ord('q'): break

# Jalankan capture cap.release()

cv2.destroyAllWindows()

(20)

import cv2

cap = cv2.VideoCapture(0)

# Definisikan codex (format video) fourcc = cv2.cv.CV_FOURCC(*'XVID')

# cv2.VideoWriter(['nama file',[nilai fourcc],[nilai fps],[nilai lebar,panjang])

out = cv2.VideoWriter('output.avi', fourcc, 5, (640,480))

while(cap.isOpened()): ret, frame = cap.read() if ret==True:

out.write(frame)

# Tampilkan hasil capture webcam cv2.imshow('Hasil Capture',frame) if cv2.waitKey(1) & 0xFF == ord('q'): break else: break # Jalankan capture cap.release() out.release() cv2.destroyAllWindows()

jika berupa file dari drive, maka hanya mengganti cap =

cv2.VideoCapture(0) dengan cap =

(21)

import cv2

cap = cv2.VideoCapture(0)

# Definisikan codex (format video) fourcc = cv2.cv.CV_FOURCC(*'DIVX')

# cv2.VideoWriter(['nama file',[nilai fourcc],[nilai fps],[nilai lebar,panjang])

out = cv2.VideoWriter('output.avi', fourcc, 5, (640,480))

raw_input('Tekan enter untuk mulai dan esc untuk saving dan keluar') while(cap.isOpened()):

ret, frame = cap.read() if ret==True:

(22)

# Mengatur derajat putar frame = cv2.flip(frame,180)

# Mencetak frame ke out out.write(frame)

# Tampilkan hasil capture webcam cv2.imshow('Hasil Capture',frame) if cv2.waitKey(1) & 0xFF == ord('q'): break else: break # Jalankan capture cap.release() out.release() cv2.destroyAllWindows()

###PLAY (Copas dari file PlayVideo_File.py) #import cv2

cap = cv2.VideoCapture('output.avi')

while(True):

# Tangkap frame per frame ret, frame = cap.read()

(23)

gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

# Gambar disimpan dengan nama 'tankap.png' cv2.imwrite('tangkapGray.png',gray)

# Citra ditampilkan per frame

cv2.imshow('Hasil Tangkap Frame Hasilkan Video',gray)

# Tutup Webcam dengan tombol ESC atau q if cv2.waitKey(1) & 0xFF == ord('q'): break

# Jalankan capture cap.release()

cv2.destroyAllWindows()

(24)

import cv2

cap = cv2.VideoCapture(0) while(True):

ret, frame = cap.read()

gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)

#Canny

canny = cv2.Canny(frame,100,200)

#Tampilkan semua capture

cv2.imshow('Hasil Capture', frame) cv2.imshow('Hasil Gray',gray) cv2.imshow('Hasil HSV',hsv) cv2.imshow('Hasil Canny',canny) #Simpan capture cv2.imwrite('realtimeRGB.jpg',frame) cv2.imwrite('realtimeGray.jpg',gray) cv2.imwrite('realtimeHSV.jpg',hsv) cv2.imwrite('realtimeCanny.jpg',canny)

#Tutup window saat ditekan tombol "q" if cv2.waitKey(1) & 0xFF == ord('q'): break

(25)

#Jalankan capture cap.release()

(26)

F.

Deteksi Wajah dengan Haar Cascade

import cv2 face_cascade = cv2.CascadeClassifier('E:\opencv\sources\data\haarcascades\haarcasca de_frontalface_default.xml') eye_cascade = cv2.CascadeClassifier('E:\opencv\sources\data\haarcascades\haarcasca de_eye.xml') img = cv2.imread('foto.jpg')

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

faces = face_cascade.detectMultiScale(gray, 1.3, 5) for (x,y,w,h) in faces:

cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2) roi_gray = gray[y:y+h, x:x+w]

roi_color = img[y:y+h, x:x+w]

eyes = eye_cascade.detectMultiScale(roi_gray) for (ex,ey,ew,eh) in eyes:

cv2.rectangle(roi_color,(ex,ey),(ex+ew,ey+eh),(0,255,0),2)

cv2.imshow('img',img) cv2.waitKey(0)

(27)

cv2.destroyAllWindows() import cv2 face_cascade = cv2.CascadeClassifier('E:\opencv\sources\data\haarcascades\haarcasca de_frontalface_default.xml') eye_cascade = cv2.CascadeClassifier('E:\opencv\sources\data\haarcascades\haarcasca de_eye.xml') mouth_cascade = cv2.CascadeClassifier('E:\opencv\sources\data\haarcascades\haarcasca de_mcs_mouth.xml') nose_cascade = cv2.CascadeClassifier('E:\opencv\sources\data\haarcascades\haarcasca

(28)

de_mcs_nose.xml')

img = cv2.imread('foto.jpg')

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

faces = face_cascade.detectMultiScale(gray, 1.3, 5)

for (x,y,w,h) in faces:

cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2) roi_gray = gray[y:y+h, x:x+w] roi_color = img[y:y+h, x:x+w] eyes = eye_cascade.detectMultiScale(roi_gray) nose = nose_cascade.detectMultiScale(roi_gray) mouth = mouth_cascade.detectMultiScale(roi_gray)

for (ex,ey,ew,eh) in eyes:

cv2.rectangle(roi_color,(ex,ey),(ex+ew,ey+eh),(0,255,0),2) for (nx, ny, nw, nh) in nose:

cv2.rectangle(roi_color, (nx, ny), (nx + nw, ny + nh), (0, 0, 255), 2)

for (mx, my, mw, mh) in mouth:

cv2.rectangle(roi_color, (mx, my), (mx + mw, my + mh), (0, 0, 0), 2)

cv2.imshow('img',img) cv2.waitKey(0)

(29)

Realtime untuk Harr Cascade import cv2 face_cascade = cv2.CascadeClassifier('E:\opencv\sources\data\haarcascades\haarcasca de_frontalface_default.xml') eye_cascade = cv2.CascadeClassifier('E:\opencv\sources\data\haarcascades\haarcasca de_eye.xml') cap = cv2.VideoCapture(0) while(True):

# Tangkap frame per frame ret, frame = cap.read()

(30)

faces = face_cascade.detectMultiScale(gray, 1.3, 5) for (x,y,w,h) in faces:

cv2.rectangle(frame,(x,y),(x+w,y+h),(255,0,0),2) roi_gray = gray[y:y+h, x:x+w]

roi_color = frame[y:y+h, x:x+w]

eyes = eye_cascade.detectMultiScale(roi_gray) for (ex,ey,ew,eh) in eyes:

cv2.rectangle(roi_color,(ex,ey),(ex+ew,ey+eh),(0,255,0),2)

# Citra ditampilkan per frame cv2.imshow('frame',frame)

# Tutup Webcam dengan tombol ESC atau q if cv2.waitKey(1) & 0xFF == ord('q'): break

# Jalankan capture cap.release()

(31)
(32)
(33)
(34)

Referensi

Dokumen terkait

Tugas akhir yang disusun oleh penulis berjudul “PERANCANGAN SPEED BOAT MONITORING SALURAN AIR DAN PEMECAH SUMBATAN SAMPAH DENGAN CONTROL WEB SERVER DAN OPENCV ”x. Penulis

•Didalam uji coba ini OpenCV dapat mendeteksi Posisi tangan sehingga Simulasi Robot 3D dapat dikontrol dengan deteksi citra tangan. •Pengontrolan dilakukan secara Real Time dalam

Pendeteksi penggunaan masker wajah dengan ESP32 Cam menggunakan OpenCV dan TensorFlow memiliki kecepatan saat mendeteksi objek dengan baik, yaitu tercepat sampai

Activation function : sigmoid and ReLu #contoh deep learning import keras keras.__version__ #--- menyiapkan data training dan testing from keras.datasets import mnist train_images,

Comparison of the naive Bayes predictions to the true default status for the 10,000 training observations in the Default data set, when we predict default for any observation for

© Daffodil International University LIST OF FIGURES FIGURES PAGE NO Figure 3.2: Structure of Human Face Recognition System with OpenCV 10 Figure 3.3: Data Flow Diagram for Face

Lingkungan pemrograman yang digunakan dalam penelitian ini adalah sebagai berikut: ● Bahasa Pemrograman: Python ● Library/Modul: PIL Python Imaging Library atau OpenCV ● Sistem

15 cascade classifier and face recognition library rekapitulasi presensi siswa Cascade, Machine and Deep learning, Face recognition Library melalui live feed oleh