[OpenCV] OpenCV 소개

🎯 OpenCV 소개

1. 🎨 OpenCV란?

OpenCV(Open Source Computer Vision Library)는 오픈소스 컴퓨터 비전 및 머신 러닝 라이브러리이다.

• 2000년 Intel에서 최초 개발을 시작했으며, 현재는 비영리 단체인 OpenCV.org에서 관리하고 있다.
• BSD 라이선스로 배포되어 학술 및 상업적 용도로 자유롭게 사용 가능하다.
  • OpenCV Github
• 실시간 이미지 및 비디오 처리에 최적화되어 있으며, CUDA 및 OpenCL을 통한 GPU 가속을 지원한다.
• 다양한 프로그래밍 언어와 플랫폼을 지원:
  • 언어: C++, Python, Java, MATLAB 등
  • 플랫폼: Windows, Linux, macOS, Android, iOS 등
• MediaPipe와의 통합을 통해 고성능 실시간 비전 파이프라인 구축 가능

1.1 🛠️ 주요 기능 및 가능한 작업

기본 이미지 처리

• 필터링 (블러링, 샤프닝)
• 에지 검출 (Canny, Sobel)
• 히스토그램 분석 및 조정
• 색 공간 변환 (RGB, HSV, YUV 등)
• 이미지 분할 및 병합

고급 컴퓨터 비전 기능

• 특징점 검출 및 매칭
  • SIFT (Scale-Invariant Feature Transform)
  • ORB (Oriented FAST and Rotated BRIEF)
  • AKAZE
  • KAZE
• 객체 검출 및 인식
  • Haar Cascade Classifier
  • HOG (Histogram of Oriented Gradients)
  • DNN (Deep Neural Network) 모듈
    • TensorFlow 모델 지원
    • PyTorch 모델 지원
    • ONNX 모델 지원
  • YOLO, SSD 등 최신 객체 검출 모델 지원
  • MediaPipe 솔루션 통합

딥러닝 기반 기능

• 얼굴 인식 및 분석
  • 얼굴 검출
  • 랜드마크 검출
  • 표정 인식
  • 연령 및 성별 추정
• 포즈 추정
  • 전신 키포인트 검출
  • 손 포즈 추정
  • 실시간 동작 인식
• 텍스트 감지 및 인식 (OCR)
  • 문서 텍스트 검출
  • 자연 이미지 텍스트 인식
  • 다국어 지원

비디오 처리

• 실시간 비디오 캡처 및 스트리밍
• 움직임 감지 및 추적
• 배경 제거
• 비디오 안정화
• 프레임 분석 및 처리
• 실시간 객체 추적

3D 비전

• 카메라 캘리브레이션
• 스테레오 매칭
• 구조광 (Structured Light)
• 깊이 맵 생성
• 포인트 클라우드 처리

1.2 🌍 주요 활용 분야

산업 및 제조

• 제품 품질 검사 및 결함 탐지
• 바코드/QR코드 스캐닝
• 로봇 비전 및 자동화
• 정밀 측정 및 계측

의료 및 보안

• 의료 영상 분석 (X-ray, CT, MRI)
• 수술 보조 시스템
• CCTV 모니터링 및 이상 감지
• 출입 통제 및 생체 인식

자율 주행 및 로보틱스

• 차선/표지판/장애물 인식
• SLAM 및 내비게이션
• 물체 인식 및 조작
• 드론 비전

AR/VR 및 엔터테인먼트

• 증강 현실 마커 인식
• 실시간 동작 캡처
• 스포츠 동작 분석
• 게임 및 인터랙티브 미디어

2. 💻 설치 및 시작하기

2.1 📦 설치 방법

# 가상환경 생성 (권장)
python -m venv opencv-env

# 가상환경 활성화
# Windows
opencv-env\Scripts\activate
# Linux/Mac
source opencv-env/bin/activate

# 기본 설치
pip install opencv-python  # 기본 모듈
pip install opencv-contrib-python  # 추가 모듈 포함

# GPU 지원 설치 (CUDA 지원)
pip install opencv-python-headless-cuda

# MediaPipe 통합
pip install mediapipe

2.2 🌟 간단한 예제

import cv2
import numpy as np

# 이미지 읽기
img = cv2.imread('image.jpg')

# GPU 백엔드 설정 (CUDA 사용 가능한 경우)
if cv2.cuda.getCudaEnabledDeviceCount() > 0:
    cv2.setUseOptimized(True)
    cv2.cuda.setDevice(0)

# 그레이스케일 변환
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# MediaPipe Face Detection 사용
import mediapipe as mp
mp_face_detection = mp.solutions.face_detection
face_detection = mp_face_detection.FaceDetection(min_detection_confidence=0.5)
results = face_detection.process(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))

# 얼굴 검출 결과 시각화
if results.detections:
    for detection in results.detections:
        bbox = detection.location_data.relative_bounding_box
        h, w, _ = img.shape
        x, y = int(bbox.xmin * w), int(bbox.ymin * h)
        width, height = int(bbox.width * w), int(bbox.height * h)
        cv2.rectangle(img, (x, y), (x + width, y + height), (0, 255, 0), 2)

# 결과 표시
cv2.imshow('Result', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

2.3 🚀 성능 최적화 팁

GPU 가속 활용

# CUDA 백엔드 확인
print(f"CUDA 장치 수: {cv2.cuda.getCudaEnabledDeviceCount()}")
print(f"현재 CUDA 장치: {cv2.cuda.getDevice()}")

# GPU 메모리 관리
cv2.cuda.resetDevice()  # GPU 메모리 초기화

멀티스레딩 최적화

# 멀티스레딩 설정
cv2.setNumThreads(4)  # 스레드 수 설정

메모리 최적화

# 이미지 메모리 해제
img = None
cv2.destroyAllWindows()
gc.collect()  # 가비지 컬렉션 실행

OpenCV 카테고리 내 다른 글 보러가기