2. OpenCV-Python 환경 설정 및 기초

목차

• 2.1 OpenCV란?
• 2.2 환경 설치
• 2.3 OpenCV 기본 구조
• 2.4 기본 사용법
• 2.5 NumPy와 OpenCV

2.1 OpenCV란?

Open Source Computer Vision Library Intel이 개발하고 오픈소스로 공개된 컴퓨터 비전 및 영상처리 라이브러리

graph LR
    A["OpenCV"] --> B["영상 처리\n(Image Processing)"]
    A --> C["컴퓨터 비전\n(Computer Vision)"]
    A --> D["머신 러닝\n(Machine Learning)"]
    A --> E["딥 러닝\n(Deep Learning)"]

    style A fill:#4a90d9,color:#fff

2.2 환경 설치

설치 방법

# 가상환경 생성 (권장)
python -m venv .venv
source .venv/bin/activate  # macOS/Linux
.venv\Scripts\activate     # Windows

# OpenCV 설치
pip install opencv-python       # 기본 패키지 (highgui 포함)
pip install opencv-python-headless  # 서버 환경 (GUI 없음)

# 필수 의존 패키지
pip install numpy

설치 확인

import cv2
import numpy as np

print(f"OpenCV 버전: {cv2.__version__}")
print(f"NumPy 버전: {np.__version__}")

2.3 OpenCV 기본 구조

graph TD
    OCV["OpenCV (cv2)"]
    OCV --> CORE["core\n핵심 자료구조 및 기본 연산"]
    OCV --> IMGPROC["imgproc\n영상 처리 (필터, 변환 등)"]
    OCV --> HIGHGUI["highgui\n윈도우, 이벤트, I/O"]
    OCV --> VIDEO["video\n영상/영화 처리"]
    OCV --> ML["ml\n머신러닝 알고리즘"]
    OCV --> DNN["dnn\n딥러닝 추론"]

    HIGHGUI --> H1["imshow() - 영상 출력"]
    HIGHGUI --> H2["imread() - 영상 읽기"]
    HIGHGUI --> H3["imwrite() - 영상 저장"]
    HIGHGUI --> H4["waitKey() - 키 입력 대기"]

OpenCV 좌표 시스템

(0,0) ──────────────→ x축 (열, col)
  │  ┌─────────────────┐
  │  │                 │
  │  │   영상(Image)   │
  │  │                 │
  ↓  └─────────────────┘
 y축
(행, row)

OpenCV에서 좌표는 (x, y) = (열, 행) 순서이지만, NumPy 배열은 (row, col) = (행, 열) 순서임에 주의!

2.4 기본 사용법

영상 읽기 / 출력 / 저장

import cv2

# 영상 읽기
img = cv2.imread('image.jpg')           # 컬러 (BGR)
img_gray = cv2.imread('image.jpg', 0)   # 그레이스케일
img_alpha = cv2.imread('image.png', -1) # 알파 채널 포함

# 영상 출력 (윈도우)
cv2.imshow('Window Title', img)
cv2.waitKey(0)          # 0: 키 입력 무한 대기, n: n ms 대기
cv2.destroyAllWindows() # 모든 윈도우 닫기

# 영상 저장
cv2.imwrite('output.jpg', img)

imread() 플래그

OpenCV 기본 영상 프로그램 패턴

flowchart TD
    A["프로그램 시작"] --> B["cv2.imread() / np.zeros()\n영상 생성 또는 읽기"]
    B --> C["영상 처리\n알고리즘 적용"]
    C --> D["cv2.imshow()\n영상 출력"]
    D --> E["cv2.waitKey()\n키 입력 대기"]
    E --> F{종료 키?}
    F -- "Yes (예: 'q' 또는 ESC)" --> G["cv2.destroyAllWindows()\n종료"]
    F -- "No" --> C

Hello OpenCV (02.opencvtest.py 기반)

import numpy as np
import cv2

# 검은 배경 영상 생성 (300행 × 400열, uint8 타입)
image = np.zeros((300, 400), np.uint8)
image.fill(200)  # 밝기값 200으로 채우기 (밝은 회색)

cv2.imshow("Window title", image)
cv2.waitKey(0)
cv2.destroyAllWindows()

2.5 NumPy와 OpenCV

OpenCV의 영상 데이터는 내부적으로 NumPy ndarray로 표현된다.

영상과 NumPy 배열의 관계

graph LR
    IMG["영상 (Image)"] -- "cv2.imread()" --> ARR["NumPy ndarray"]
    ARR -- "cv2.imshow()" --> IMG

    ARR --> SHAPE["shape: (행, 열, 채널)"]
    ARR --> DTYPE["dtype: uint8 (0~255)"]

주요 속성 확인

import cv2

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

print(img.shape)   # (height, width, channels) → 예: (480, 640, 3)
print(img.dtype)   # uint8
print(img.size)    # 전체 원소 수 = height × width × channels

그레이스케일 vs 컬러

OpenCV는 RGB가 아닌 BGR 순서로 채널을 저장한다!

자주 사용하는 NumPy 영상 생성

import numpy as np

# 검은 영상 (300 × 400, 그레이스케일)
black = np.zeros((300, 400), np.uint8)

# 흰 영상 (300 × 400, 컬러)
white = np.ones((300, 400, 3), np.uint8) * 255

# 특정 밝기값으로 채운 영상
gray = np.full((300, 400), 128, np.uint8)

핵심 함수 정리