【Python】OpenCVとは？インストールや使い方｜画像認識/処理を解説

import cv2
# カラーで画像を読み込む
img = cv2.imread("image.jpg", cv2.IMREAD_COLOR)

import cv2
# 読み込んだ画像をPNG形式で保存
cv2.imwrite("saved_image.png", img)

import cv2
# "Image"という名前で画像を表示
cv2.imshow("Image", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

import cv2
# 画像を表示して、何かキーが押されるまで待つ
cv2.imshow("Image", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

import cv2
# カメラ（デバイス0）から映像を取得
cap = cv2.VideoCapture(0)
ret, frame = cap.read()
cv2.imshow("Frame", frame)
cv2.waitKey(0)
cap.release()
cv2.destroyAllWindows()

import cv2
# 動画保存用の設定
fourcc = cv2.VideoWriter_fourcc(*'XVID')
out = cv2.VideoWriter('output.avi', fourcc, 20.0, (640, 480))

cap = cv2.VideoCapture(0)
while True:
    ret, frame = cap.read()
    if not ret:
        break
    out.write(frame)  # フレームを書き込む
    cv2.imshow("Frame", frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
cap.release()
out.release()
cv2.destroyAllWindows()

import cv2
import numpy as np

img = np.zeros((300, 300, 3), dtype=np.uint8)  # 黒背景画像作成
cv2.rectangle(img, (50, 50), (250, 200), (0, 255, 0), 3)  # 緑色の矩形を描画
cv2.imwrite("rectangle_output.jpg", img)  # 結果保存

img = np.zeros((300, 300, 3), dtype=np.uint8)
cv2.circle(img, (150, 150), 80, (255, 0, 0), -1)  # 青色の塗りつぶし円を描画
cv2.imwrite("circle_output.jpg", img)

img = np.zeros((300, 300, 3), dtype=np.uint8)
cv2.line(img, (0, 0), (300, 300), (0, 0, 255), 5)  # 赤い線を描画
cv2.imwrite("line_output.jpg", img)

img = np.zeros((300, 300, 3), dtype=np.uint8)
cv2.putText(img, "Hello OpenCV", (10, 150), cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 255, 255), 2)
cv2.imwrite("text_output.jpg", img)

img = np.zeros((300, 300, 3), dtype=np.uint8)
pts = np.array([[50, 50], [250, 100], [200, 250], [100, 200]], np.int32)
pts = pts.reshape((-1, 1, 2))
cv2.polylines(img, [pts], isClosed=True, color=(0, 255, 255), thickness=3)  # 多角形描画
cv2.fillPoly(img, [pts], color=(100, 100, 255))  # 同じ形を塗りつぶし
cv2.imwrite("polygon_output.jpg", img)

# BGR画像をグレースケールに変換
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

src = [img]
dst = [np.zeros_like(img)]
# B→G, G→R へと変換（仮の例）
cv2.mixChannels(src, dst, [0, 1, 1, 2])

hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
# 赤系の色範囲抽出
mask = cv2.inRange(hsv, (0, 100, 100), (10, 255, 255))

# 分割
b, g, r = cv2.split(img)
# 青チャンネルだけを残して再統合（他をゼロに）
merged = cv2.merge([b, np.zeros_like(g), np.zeros_like(r)])

import cv2
img = cv2.imread("image.jpg", cv2.IMREAD_GRAYSCALE)  # グレースケールで画像読み込み
edges = cv2.Canny(img, 100, 200)  # エッジ検出実行
cv2.imshow("Edges", edges)
cv2.waitKey(0)
cv2.destroyAllWindows()

contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)  # 輪郭抽出
cv2.drawContours(img, contours, -1, (0, 255, 0), 2)  # 緑で輪郭描画
cv2.imshow("Contours", img)
cv2.waitKey(0)

for cnt in contours:
    approx = cv2.approxPolyDP(cnt, 0.02 * cv2.arcLength(cnt, True), True)  # 輪郭を近似
    cv2.drawContours(img, [approx], 0, (255, 0, 0), 2)  # 青色で描画
cv2.imshow("Approximated Contours", img)
cv2.waitKey(0)

# 最小外接円の取得
(x, y), radius = cv2.minEnclosingCircle(cnt)  # 最小外接円
center = (int(x), int(y))
radius = int(radius)
cv2.circle(img, center, radius, (0, 0, 255), 2)  # 赤色で円描画

# 最小外接矩形の取得
rect = cv2.minAreaRect(cnt)
box = cv2.boxPoints(rect)
box = box.astype(int)
cv2.drawContours(img, [box], 0, (0, 255, 255), 2)  # 黄色で描画

M = cv2.moments(cnt)
cx = int(M["m10"] / M["m00"])  # x座標（重心）
cy = int(M["m01"] / M["m00"])  # y座標（重心）
cv2.circle(img, (cx, cy), 3, (0, 255, 0), -1)  # 緑色で重心を描画

import cv2
img = cv2.imread("image.jpeg")
# カーネルサイズ (5, 5) で平均化フィルタを適用
blurred = cv2.blur(img, (5, 5))
cv2.imwrite("blur_result.jpg", blurred)

# (5, 5) のガウスカーネル、標準偏差1で平滑化
blurred = cv2.GaussianBlur(img, (5, 5), 1)
cv2.imwrite("gaussian_result.jpg", blurred)

# カーネルサイズ 5 で中央値フィルタを適用
blurred = cv2.medianBlur(img, 5)
cv2.imwrite("median_result.jpg", blurred)

# d=9, 色標準偏差=75, 空間標準偏差=75 でエッジ保持平滑化
blurred = cv2.bilateralFilter(img, 9, 75, 75)
cv2.imwrite("bilateral_result.jpg", blurred)

import numpy as np
# シャープ化用のカーネル
kernel = np.array([[0, -1, 0], [-1, 5,-1], [0, -1, 0]])
# カスタムフィルタを適用
filtered = cv2.filter2D(img, -1, kernel)
cv2.imwrite("filter2D_result.jpg", filtered)

# 正規化ありのボックスフィルタ（平均化）
filtered = cv2.boxFilter(img, -1, (5, 5), normalize=True)
cv2.imwrite("boxfilter_result.jpg", filtered)

import cv2
import numpy as np

# 画像を読み込む
img = cv2.imread("image.jpeg", 0)  # グレースケール読み込み
kernel = np.ones((5,5), np.uint8)  # 5x5の正方形カーネルを定義

# 収縮処理を実施
eroded = cv2.erode(img, kernel, iterations=1)

# 結果を保存
cv2.imwrite("eroded_image.jpeg", eroded)

import cv2
import numpy as np

# 画像を読み込む
img = cv2.imread("image.jpeg", 0)  # グレースケール画像
kernel = np.ones((5,5), np.uint8)  # カーネル定義

# 膨張処理を実行
dilated = cv2.dilate(img, kernel, iterations=1)

# 結果を保存
cv2.imwrite("dilated_image.jpeg", dilated)

import cv2
import numpy as np

# 入力画像
img = cv2.imread("image.jpeg", 0)  # グレースケール画像
kernel = np.ones((5,5), np.uint8)  # カーネル作成

# 開処理（小さなノイズ除去）
morphed = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)

# 結果の保存
cv2.imwrite("morphology_open.jpeg", morphed)

import cv2

img = cv2.imread("image.jpg", 0)  # グレースケールで画像読み込み
_, binary = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)  # しきい値127で単純二値化
cv2.imshow("Binary Image", binary)
cv2.waitKey(0)
cv2.destroyAllWindows()

import cv2

img = cv2.imread("image.jpg", 0)  # グレースケールで読み込み
adaptive = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C,
                                  cv2.THRESH_BINARY, 11, 2)  # 適応的二値化
cv2.imshow("Adaptive Threshold", adaptive)
cv2.waitKey(0)
cv2.destroyAllWindows()

import cv2

img = cv2.imread("image.jpg", 0)  # グレースケールで読み込み
equalized = cv2.equalizeHist(img)  # ヒストグラム平坦化
cv2.imshow("Equalized Image", equalized)
cv2.waitKey(0)
cv2.destroyAllWindows()

import cv2

# 画像読み込み
img = cv2.imread('sample.jpg')

# 回転行列取得（画像中心を中心に45度回転、スケール1.0）
M = cv2.getRotationMatrix2D((img.shape[1]/2, img.shape[0]/2), 45, 1.0)

# 回転適用
rotated = cv2.warpAffine(img, M, (img.shape[1], img.shape[0]))

import numpy as np

# 射影変換元と先の座標
pts1 = np.float32([[0,0], [300,0], [0,300], [300,300]])
pts2 = np.float32([[0,0], [250,50], [50,250], [300,300]])

# 射影変換行列の取得
M = cv2.getPerspectiveTransform(pts1, pts2)

# 回転行列からアフィン変換
rotated = cv2.warpAffine(img, M, (img.shape[1], img.shape[0]))

# 射影変換適用
warped = cv2.warpPerspective(img, M, (img.shape[1], img.shape[0]))

map_x, map_y = np.meshgrid(np.arange(img.shape[1]), np.arange(img.shape[0]))
remapped = cv2.remap(img, map_x.astype(np.float32), map_y.astype(np.float32), cv2.INTER_LINEAR)

# 歪み補正実行
undistorted = cv2.undistort(img, cameraMatrix, distCoeffs)

newCameraMatrix, _ = cv2.getOptimalNewCameraMatrix(cameraMatrix, distCoeffs, (w, h), 1)

import cv2

image = cv2.imread('image.jpg', 0)  # グレースケール読み込み
template = cv2.imread('template.jpg', 0)

# テンプレートマッチングの実行
result = cv2.matchTemplate(image, template, cv2.TM_CCOEFF_NORMED)

# 類似度が最大の位置を取得
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(result)

# マッチした領域を矩形で囲む
h, w = template.shape
cv2.rectangle(image, max_loc, (max_loc[0]+w, max_loc[1]+h), 255, 2)

import cv2
import numpy as np

img = cv2.imread('image.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 特徴点抽出（Shi-Tomasi）
corners = cv2.goodFeaturesToTrack(gray, maxCorners=50, qualityLevel=0.01, minDistance=10)

# 特徴点の描画
for pt in corners:
    x, y = pt.ravel()
    cv2.circle(img, (int(x), int(y)), 3, (0, 255, 0), -1)

import cv2
import numpy as np

img = cv2.imread('image.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# エッジ検出
edges = cv2.Canny(gray, 50, 150)

# ハフ変換による直線検出
lines = cv2.HoughLines(edges, 1, np.pi/180, 100)

# 検出された各直線を描画
for line in lines:
    rho, theta = line[0]
    a = np.cos(theta)
    b = np.sin(theta)
    x0 = a * rho
    y0 = b * rho
    pt1 = (int(x0 + 1000*(-b)), int(y0 + 1000*(a)))
    pt2 = (int(x0 - 1000*(-b)), int(y0 - 1000*(a)))
    cv2.line(img, pt1, pt2, (0, 0, 255), 2)

lines = cv2.HoughLinesP(edges, 1, np.pi/180, threshold=80, minLineLength=50, maxLineGap=10)

# 線分の描画
for line in lines:
    x1, y1, x2, y2 = line[0]
    cv2.line(img, (x1, y1), (x2, y2), (255, 0, 0), 2)

gray = cv2.medianBlur(gray, 5)  # ノイズ除去（推奨）
circles = cv2.HoughCircles(gray, cv2.HOUGH_GRADIENT, dp=1.2, minDist=50,
                           param1=100, param2=30, minRadius=10, maxRadius=100)

if circles is not None:
    circles = np.uint16(np.around(circles))
    for x, y, r in circles[0]:
        # 円を描画
        cv2.circle(img, (x, y), r, (0, 255, 0), 2)
        # 中心点を描画
        cv2.circle(img, (x, y), 2, (0, 0, 255), 3)

import cv2

img1 = cv2.imread('image1.jpg')
img2 = cv2.imread('image2.jpg')

# 画像間の絶対差を計算
diff = cv2.absdiff(img1, img2)

# 差分結果を表示
cv2.imshow('AbsDiff', diff)
cv2.waitKey(0)

# 画像の加重合成（フェード）
blended = cv2.addWeighted(img1, 0.7, img2, 0.3, 0)

cv2.imshow('Blended', blended)
cv2.waitKey(0)

# 除算：2枚の画像を画素ごとに除算
div_result = cv2.divide(img1, img2)

# 乗算：画像の明るさを調整（1.2倍）
brightened = cv2.multiply(img1, 1.2)

cv2.imshow('Divide', div_result)
cv2.imshow('Brightened', brightened)
cv2.waitKey(0)

# 画像の画素値を0〜255に正規化
norm = cv2.normalize(img1, None, 0, 255, cv2.NORM_MINMAX)

cv2.imshow('Normalized', norm)
cv2.waitKey(0)

gray = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)

# 画像内の最小・最大値とその座標を取得
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(gray)

print('Max at:', max_loc, ' Value:', max_val)
print('Min at:', min_loc, ' Value:', min_val)

# 二値画像の距離変換
gray = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)
_, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

dist = cv2.distanceTransform(binary, distanceType=cv2.DIST_L2, maskSize=5)

# 結果のスケーリングと表示
norm = cv2.normalize(dist, None, 0, 255, cv2.NORM_MINMAX)
cv2.imshow('Distance Transform', norm.astype('uint8'))
cv2.waitKey(0)

# 画像を2値化（閾値127、最大値255）
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

cv2.imshow('Threshold', binary)
cv2.waitKey(0)

import cv2
import numpy as np

# 入力画像読み込み
img = cv2.imread('coins.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 二値化と輪郭抽出
_, binary = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)

# ノイズ除去
kernel = np.ones((3,3), np.uint8)
opening = cv2.morphologyEx(binary, cv2.MORPH_OPEN, kernel, iterations=2)

# 確実な背景領域
sure_bg = cv2.dilate(opening, kernel, iterations=3)

# 確実な前景領域
dist_transform = cv2.distanceTransform(opening, cv2.DIST_L2, 5)
_, sure_fg = cv2.threshold(dist_transform, 0.7 * dist_transform.max(), 255, 0)

# ラベリング（マーカー作成）
sure_fg = np.uint8(sure_fg)
unknown = cv2.subtract(sure_bg, sure_fg)
_, markers = cv2.connectedComponents(sure_fg)
markers = markers + 1
markers[unknown == 255] = 0

# ウォーターシェッドで境界分割
cv2.watershed(img, markers)
img[markers == -1] = [0, 0, 255]  # 境界に赤線

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

img = cv2.imread('damaged.png')
mask = cv2.imread('mask.png', 0)  # 255で塗った領域を補間対象とする

# 欠損部分の補間（inpaint）
restored = cv2.inpaint(img, mask, 3, cv2.INPAINT_TELEA)

cv2.imshow('Inpainted', restored)
cv2.waitKey(0)

gray = cv2.imread('low_contrast.jpg', cv2.IMREAD_GRAYSCALE)

# ヒストグラム平坦化
equalized = cv2.equalizeHist(gray)

cv2.imshow('Equalized', equalized)
cv2.waitKey(0)

# 特徴点検出（ORB）とマッチング後のホモグラフィ推定例
img1 = cv2.imread('template.jpg', 0)
img2 = cv2.imread('scene.jpg', 0)

orb = cv2.ORB_create()
kp1, des1 = orb.detectAndCompute(img1, None)
kp2, des2 = orb.detectAndCompute(img2, None)

bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True)
matches = bf.match(des1, des2)
matches = sorted(matches, key=lambda x: x.distance)

# 対応点抽出
src_pts = np.float32([kp1[m.queryIdx].pt for m in matches[:20]]).reshape(-1, 1, 2)
dst_pts = np.float32([kp2[m.trainIdx].pt for m in matches[:20]]).reshape(-1, 1, 2)

# ホモグラフィ行列を計算
H, mask = cv2.findHomography(src_pts, dst_pts, cv2.RANSAC)

# 射影変換（テンプレート領域をscene画像に重ねる）
h, w = img1.shape
pts = np.float32([[0,0], [0,h], [w,h], [w,0]]).reshape(-1,1,2)
dst = cv2.perspectiveTransform(pts, H)

img2_color = cv2.cvtColor(img2, cv2.COLOR_GRAY2BGR)
cv2.polylines(img2_color, [np.int32(dst)], True, (0,255,0), 2)

cv2.imshow('Homography', img2_color)
cv2.waitKey(0)