Depuis que j’ai vu le film Iron Man, je r\u00eave d’avoir un Jarvis \u00e0 ma botte, mais surtout le super casque de son armure !<\/p>\n\n\n\n
Je commence une s\u00e9rie d’articles sur OpenCV et sur les fonctions de machine learning associ\u00e9e \u00e0 l’analyse d’image pour creuser ce sujet qui m’intrigue. Voyons jusqu’o\u00f9 je pourrai aller avec mes maigres comp\u00e9tences en Python \ud83d\ude42<\/p>\n\n\n\n
D’ailleurs, je n’invente rien. Je n’ai fait que reprendre les infos et de bouts de code trouv\u00e9s \u00e7a et l\u00e0 sur internet.<\/p>\n\n\n\n
OpenCV Kesako ?<\/h2>\n\n\n\n
OpenCV signifie Open Source Computer Vision. Il s’agit d’une librairie contenant tout le n\u00e9cessaire (des centaines d’algorithmes) pour r\u00e9aliser du traitement d’images.<\/p>\n\n\n\n
Pourquoi choisir OpenCV ?<\/h2>\n\n\n\n
Et bien, pour plusieurs raisons:<\/p>\n\n\n\n
\n
C’est LE framework le plus connu et le plus document\u00e9<\/li>\n\n\n\n
Il est utilisable dans plusieurs langages : C, Java, Python<\/li>\n\n\n\n
Il est gratuit<\/li>\n\n\n\n
Il contient plein d’algorithmes pr\u00eat \u00e0 l’emploi (parfait pour un Noob comme moi)<\/li>\n\n\n\n
On peut commencer tr\u00e8s facilement commencer avec des scripts Python (m\u00eame si j’aurais pr\u00e9f\u00e9r\u00e9 du PowerShell \ud83d\ude09 )<\/li>\n<\/ul>\n\n\n\n
Installation sous Windows (oui je sais, mais je pr\u00e9f\u00e8re Windows)<\/h2>\n\n\n\n
La premi\u00e8re \u00e9tape, installer Python 3. Ouvrir un prompt DOS en administrateur et lancer la commande :<\/p>\n\n\n\n
Ensuite, on peut fermer la fen\u00eatre DOS puis en ouvrir un nouvelle. C’est b\u00eate, mais il faut recharger le contexte pour avoir acc\u00e8s \u00e0 l’installation de Python. L\u00e0 on peut entrer dans le vif du sujet :<\/p>\n\n\n\n
pip install opencv-python<\/code><\/pre>\n\n\n\n
Et voil\u00e0. On a le strict minimum pour commencer \ud83d\ude42<\/p>\n\n\n\n
Analyser une image<\/h2>\n\n\n\n
Commen\u00e7ons par valider que tout est OK. Prenez votre \u00e9diteur de script pr\u00e9f\u00e9r\u00e9 … Visual Studio Code Vous pouvez l’installer \u00e0 l’ancienne via le MSI pour via Winget<\/p>\n\n\n\n
Ensuite, vous pouvez cr\u00e9er un r\u00e9pertoire dans lequel vous allez mettre une image JPEG portant le nom \u00ab\u00a0test.jpg\u00a0\u00bb. Puis cr\u00e9er un script dans le m\u00eame r\u00e9pertoire comme suit :<\/p>\n\n\n
\nimport cv2 as cv\n# load image from disk\nimg = cv.imread("test.jpg")\n# Show image in windws with title\ncv.imshow("Display window", img)\n# Wait for a keystroke in the window\nk = cv.waitKey(0)\n<\/pre><\/div>\n\n\n
Note: Attention au chemin du fichier ! Je n’ai pas pr\u00e9cis\u00e9 de chemin dans le script, il faudra donc se placer dans le r\u00e9pertoire pour lancer le script \ud83d\ude09<\/p>\n\n\n\n
Et voil\u00e0 ! Normalement, vos image s’affiche dans une fen\u00eatre avec le titre fournit. Il suffit de presser une touche \u00e0 l’int\u00e9rieur de la fen\u00eatre pour terminer le script.<\/p>\n\n\n\n
J’entends crier \u00ab\u00a0A l’arnaque\u00a0\u00bb dans le fond … Bon d’accord, j’ai sorti un bazooka pour tuer une mouche, mais c’est maintenant que les choses fun vont commencer !<\/p>\n\n\n\n
On commencer par remplacer l’image par une photo de groupe avec des visage (phototh\u00e8que perso ou Google image). Puis on va modifier le script comme suit :<\/p>\n\n\n
\nimport cv2\nimport matplotlib.pyplot as plt\n\nimagePath = '.\/test4.jpg'\nimg = cv2.imread(imagePath)\n\n# On convertit l'image en nuances de gris pour acc\u00e9lerer les traitements\ngray_image = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)\n\n# On charge un algo tout fait pour d\u00e9tecter les visages\nface_classifier = cv2.CascadeClassifier(\n cv2.data.haarcascades + "haarcascade_frontalface_default.xml"\n)\n# On ajuste les crit\u00e8res de d\u00e9tection\nface = face_classifier.detectMultiScale(\n gray_image, scaleFactor=1.1, minNeighbors=5, minSize=(5, 5)\n)\n\n# On dessine un rectangle vert tout moche autour des visages rep\u00e9r\u00e9s (sur l'image originale)\nfor (x, y, w, h) in face:\n cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 4)\nimg_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)\n\n# On affiche le r\u00e9sultat\ncv2.imshow("Display window", img)\nk = cv2.waitKey(0) # Wait for a keystroke in the window\n<\/pre><\/div>\n\n\n
Et l\u00e0 on commence a avoir les yeux qui brillent !<\/p>\n\n\n\n<\/figure>\n\n\n\n
C’est d\u00e9j\u00e0 pas mal, mais est-ce qu’on ne pourrait pas faire encore mieux ?<\/p>\n\n\n\n
Analyser une vid\u00e9o<\/h2>\n\n\n\n
L\u00e0, on va passer dans la cours des grands … et pourtant c’est loin d’\u00eatre compliqu\u00e9. Finalement, on va juste changer deux choses dans le script :<\/p>\n\n\n\n
\n
On va capturer le flux de la webcam au lieu d’un fichier image<\/li>\n\n\n\n
On va faire une boucle pour appliquer notre traitement image par image, puis les afficher (vid\u00e9o de sortie)<\/li>\n<\/ul>\n\n\n
\nimport cv2\n\n# On charge l'algo de d\u00e9tection des visages\nface_classifier = cv2.CascadeClassifier(\n cv2.data.haarcascades + "haarcascade_frontalface_default.xml"\n)\n\n# on prend la premi\u00e8re webcam connect\u00e9e au PC\nvideo_capture = cv2.VideoCapture(0)\n\n# on cr\u00e9\u00e9 une fonction pour sortir le code de d\u00e9tection de visage et de cr\u00e9ation du rectangle (pour une image)\ndef detect_bounding_box(vid):\n gray_image = cv2.cvtColor(vid, cv2.COLOR_BGR2GRAY)\n faces = face_classifier.detectMultiScale(gray_image, 1.1, 5, minSize=(40, 40))\n for (x, y, w, h) in faces:\n cv2.rectangle(vid, (x, y), (x + w, y + h), (0, 255, 0), 4)\n return faces\n\n# Notre boucle principale\nwhile True:\n # On r\u00e9cup\u00e8re le flux vid\u00e9o\n result, video_frame = video_capture.read() # read frames from the video\n if result is False:\n break # terminate the loop if the frame is not read successfully\n\n # On appelle notre fonction de traitement\n faces = detect_bounding_box(\n video_frame\n ) \n\n # on affiche le r\u00e9sultat (une image)\n cv2.imshow(\n "My Face Detection Project", video_frame\n ) \n\n # On arr\u00eate le script en appuyant sur "q"\n if cv2.waitKey(1) & 0xFF == ord("q"):\n break\n\n# on nettoye les ressources\nvideo_capture.release()\ncv2.destroyAllWindows()\n<\/pre><\/div>\n\n\n
On touche au but !<\/p>\n\n\n\n<\/figure>\n\n\n\n
Synth\u00e8se<\/h2>\n\n\n\n
Un final, je retient qu’on peut s’amuser tr\u00e8s rapidement et tr\u00e8s facilement avec OpenCV. Le Python est un grand plus pour la simplicit\u00e9 et l’agilit\u00e9, m\u00eame si on n’y conna\u00eet quasi-rien … Mais nous n’avons fait qu’effleurer le sujet.<\/p>\n\n\n\n
![\"\"](\"https:\/\/kev-it.fr\/wp-content\/uploads\/2024\/04\/screen-1024x436.png\")
<\/figure>\n\n\n\n![\"\"](\"https:\/\/kev-it.fr\/wp-content\/uploads\/2024\/04\/OpenCV-FaceDetection.gif\")
<\/figure>\n\n\n\n