Python: OpenCVを使用して顔検出をする

OpenCVを使うと、簡単に顔を検出することができます。

import cv2

cascade = cv2.CascadeClassifier('/usr/local/lib64/python3.7/site-packages/cv2/data/haarcascade_frontalface_default.xml')
img = cv2.imread('img/img.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
rects = cascade.detectMultiScale(gray, 1.1, 3,0, (20,20))

if len(rects) > 0:
    for rect in rects:
        cv2.rectangle(img, tuple(rect[0:2]), tuple(rect[0:2]+rect[2:4]), (0, 0,255), thickness=2)
else:
    print("検出なし")

cv2.imwrite('img/img_cascade.jpg', img)

分類器は、

cascade = cv2.CascadeClassifier('/usr/local/lib64/python3.7/site-packages/cv2/data/haarcascade_frontalface_default.xml')

として指定していますが、分類器のファイルの場所は以下のようにして確認できます。

import cv2
print(cv2.__path__)
#['/usr/local/lib64/python3.7/site-packages/cv2']

フォルダの中を確認してみますと、たくさんの分類器があることがわかります。今回はそのうち、「haarcascade_frontalface_default.xml」を使用していきます。

cd /usr/local/lib64/python3.7/site-packages/cv2/data
ls
#__init__.py					haarcascade_frontalface_alt2.xml		haarcascade_profileface.xml
#__pycache__					haarcascade_frontalface_alt_tree.xml		haarcascade_righteye_2splits.xml
#haarcascade_eye.xml				haarcascade_frontalface_default.xml		haarcascade_russian_plate_number.xml
#haarcascade_eye_tree_eyeglasses.xml		haarcascade_fullbody.xml			haarcascade_smile.xml
#haarcascade_frontalcatface.xml			haarcascade_lefteye_2splits.xml			haarcascade_upperbody.xml
#haarcascade_frontalcatface_extended.xml		haarcascade_licence_plate_rus_16stages.xml
#haarcascade_frontalface_alt.xml			haarcascade_lowerbody.xml

分類器のパスを間違えていると、以下のようなエラーが出ます。

Traceback (most recent call last):
  File "[*.py]", line 6, in 
    rects = cascade.detectMultiScale(gray, 1.1, 3,0, (20,20))
cv2.error: OpenCV(4.0.0) /io/opencv/modules/objdetect/src/cascadedetect.cpp:1658: error: (-215:Assertion failed) !empty() in function 'detectMultiScale'

顔検出結果

顔検出の結果は以下の通りです。画像は写真素材 足成からいただきました。

元画像1

顔検出結果1

元画像2

顔検出結果2

元画像3

顔検出結果3

モザイク処理をする

顔検出した箇所についてぼかしを入れることもできます。

import cv2

cascade = cv2.CascadeClassifier('/usr/local/lib64/python3.7/site-packages/cv2/data/haarcascade_frontalface_default.xml')
img = cv2.imread('img/img.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
rects = cascade.detectMultiScale(gray, 1.1, 3,0, (20,20))

if len(rects) > 0:
    for rect in rects:
        x, y, w, h = rect
	face = img[y:y+h, x:x+w]
        dst = cv2.GaussianBlur(face, (25, 25), 0)
        img[y:y+h, x:x+w] = dst
else:
    print("検出なし")

cv2.imwrite('img/img_mosaic.jpg', img)

モザイク処理結果1

モザイク処理結果2

モザイク処理結果3

Python: OpenCVを使用してエッジを検出する

画像からエッジを検出する代表的な手法として、Cannyエッジ検出というものがあります。OpenCVを使用すると、簡単にCannyエッジ検出を行うことができます。

cv2.Canny(image, threshold1, threshold2)

Cannyエッジ検出では、画像データに加えて、2つの引数threshold1とthreshold2が必須です。この2つの値はエッジ検出の際に以下のように使用されます。

threshold2より大きい場合: エッジとして検出される
threshold1より大きくthreshold2より小さい場合: エッジと隣接している場合には、エッジとして検出される
threshold1より小さい場合: エッジとして検出されない

エッジ検出結果

元画像

threshold1=100, threshold2=100

import cv2

img = cv2.imread('img/img.jpg')
dst = cv2.Canny(img, 100, 100)
cv2.imwrite('img/img_canny.jpg', dst)

結果

少し線が多すぎる印象です。

threshold1=100, threshold2=300

import cv2

img = cv2.imread('img/img.jpg')
dst = cv2.Canny(img, 100, 300)
cv2.imwrite('img/img_canny.jpg', dst)

結果

いい感じにエッジが検出できました。

threshold1=100, threshold2=600

import cv2

img = cv2.imread('img/img.jpg')
dst = cv2.Canny(img, 100, 600)
cv2.imwrite('img/img_canny.jpg', dst)

結果

少し線が少ないでしょうか。

threshold1=600, threshold2=600

import cv2

img = cv2.imread('img/img.jpg')
dst = cv2.Canny(img, 600, 600)
cv2.imwrite('img/img_canny.jpg', dst)

結果

threshold1を上げると、線のつながりがなくなってしまいました。

Python: OpenCVのGaussianBlurを使用して画像にぼかしをかける

ガウシアンフィルタは、画像の平滑化に使われるフィルタの1つです。ガウス分布を利用して、注目画素からの距離に応じて近傍の画素値に重みをかけます。

インストール

OpenCVをまだインストールしていない場合には以下のコマンドでインストールできます。

pip install opencv-python

ぼかしをかける

元画像

カーネルサイズの調整

カーネル=(1, 1)、標準偏差3

import cv2

img = cv2.imread('img/img.jpg')
dst = cv2.GaussianBlur(img, (1, 1), 3)
cv2.imwrite('img/img_gauss.jpg', dst)

結果

カーネル=(5, 5)、標準偏差3

import cv2

img = cv2.imread('img/img.jpg')
dst = cv2.GaussianBlur(img, (5, 5), 3)
cv2.imwrite('img/img_gauss.jpg', dst)

結果

カーネル=(15, 15)、標準偏差3

import cv2

img = cv2.imread('img/img.jpg')
dst = cv2.GaussianBlur(img, (15, 15), 3)
cv2.imwrite('img/img_gauss.jpg', dst)

結果

カーネルサイズを大きくすると、ぼかしの具合が強くなります。

標準偏差の調整

カーネル=(15, 15)、標準偏差1

import cv2

img = cv2.imread('img/img.jpg')
dst = cv2.GaussianBlur(img, (15, 15), 1)
cv2.imwrite('img/img_gauss.jpg', dst)

結果

カーネル=(15, 15)、標準偏差2

import cv2

img = cv2.imread('img/img.jpg')
dst = cv2.GaussianBlur(img, (15, 15), 2)
cv2.imwrite('img/img_gauss.jpg', dst)

結果

カーネル=(15, 15)、標準偏差3

import cv2

img = cv2.imread('img/img.jpg')
dst = cv2.GaussianBlur(img, (15, 15), 3)
cv2.imwrite('img/img_gauss.jpg', dst)

結果

標準偏差を大きくしていくと、ぼかしの具合が強くなります。

カーネル=(15, 15)、標準偏差0

import cv2

img = cv2.imread('img/img.jpg')
dst = cv2.GaussianBlur(img, (15, 15), 0)
cv2.imwrite('img/img_gauss.jpg', dst)

結果

標準偏差に0を指定すると、カーネルサイズから標準偏差が自動計算されます。特に細かな調整が必要なければ、標準偏差は0にしてカネールサイズだけ変更すれば十分かと思います。

Python: OpenCVを使用して画像のサイズを変更する

OpenCVのインストール

pip install opencv-python

リサイズ

元の画像

画像の倍率を指定してリサイズ

import cv2

img = cv2.imread('img/img.jpg')
dst = cv2.resize(img, None, fx=0.5, fy=1.0)                                                                                     
cv2.imwrite('img/img_resized.jpg', dst)

実行結果

画像のサイズを指定してリサイズ

import cv2

img = cv2.imread('img/img.jpg')                                                                                                 
dst = cv2.resize(img, (300, 300))
cv2.imwrite('img/img_resized.jpg', dst)

実行結果

Python: Numpy入門

NumpyはPythonの数値計算用ライブラリです。Numpyを使用することで、行列計算を高速に行うことができます。

任意の1次元配列を作成

import numpy as	np
data = [1, 2, 3, 4]
arr = np.array(data)
print(arr)
#[1 2 3 4]
print(type(arr))
#<class 'numpy.ndarray'>
print(arr.shape)
#(4,)

任意の2次元配列を作成

import numpy as np
data = [[1, 2, 3, 4], [5, 6, 7, 8]]
arr = np.array(data)
print(arr)
#[[1 2 3 4]
# [5 6 7 8]]
print(arr.shape)
#(2, 4)

要素がすべて0の配列を作成

import numpy as np
arr = np.zeros(10)
print(arr)
#[0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
print(arr.shape)
#(10,)
arr = np.zeros((3, 4))
print(arr)
#[[0. 0. 0. 0.]
# [0. 0. 0. 0.]
# [0. 0. 0. 0.]]
print(arr.shape)
#(3, 4)

要素がすべて1の配列を作成

import numpy as np
arr = np.ones(10)
print(arr)
#[1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]
print(arr.shape)
#(10,)
arr = np.ones((3, 4))
print(arr)
#[[1. 1. 1. 1.]
# [1. 1. 1. 1.]
# [1. 1. 1. 1.]]
print(arr.shape)
#(3, 4)

連続した数字の配列を作成

import numpy as	np
arr1 = np.arange(10)
print(arr1)
#[0 1 2 3 4 5 6 7 8 9]
print(arr1.shape)
#(10,)
arr2 = np.arange(5, 10)
print(arr2)
#[5 6 7 8 9]
print(arr2.shape)
#(5,)
arr3 = np.arange(2, 10, 2)
print(arr3)
#[2 4 6 8]
print(arr3.shape)
#(4,)

基本的な計算

import numpy as np
data1 = [[1, 2], [3, 4]]
arr1 = np.array(data1)
data2 = [[0, 1], [2, 3]]
arr2 = np.array(data2)

print(arr1)
#[[1 2]
# [3 4]]
print(arr1.shape)
#(2, 2)
print(arr2)
#[[0 1]
# [2 3]]
print(arr2.shape)
#(2, 2)

print(arr1 * arr2)
#[[ 0  2]
# [ 6 12]]
print(arr1 - arr2)
#[[1 1]
# [1 1]]
print(arr2 / arr1)
#[[0.         0.5       ]
# [0.66666667 0.75      ]]
print(arr1 ** 2)
#[[ 1  4]
# [ 9 16]]
print(arr1 > arr2)
#[[ True  True]
# [ True  True]]

Pythonの標準ライブラリdatetimeを使用して、日時の処理を行う

Pythonの標準ライブラリdatetimeを使用して、日時の処理を行います。

現在時刻の取得

import datetime
dt_now = datetime.datetime.now()
print(dt_now)
#2019-01-11 16:17:40.754123
print(type(dt_now))
#<class 'datetime.datetime'>
print(dt_now.year)
#2019
print(dt_now.month)
#1
print(dt_now.day)
#11
print(dt_now.hour)
#16
print(dt_now.minute)
#17
print(dt_now.second)
#40

任意のdatetimeオブジェクトを生成

dt = datetime.datetime(2019, 1, 1, 20, 00, 0)
print(dt_now)
#2019-01-11 16:23:39.727007
print(type(dt_now))
#<class 'datetime.datetime'>
print(dt_now.year)
#2019
print(dt_now.month)
#1
print(dt_now.day)
#11
print(dt_now.hour)
#16
print(dt_now.minute)
#23
print(dt_now.second)
#39

日時の時間差を取得

deltatimeオブジェクト同士を引き算することで、timedeltaオブジェクトが得られます。

dt_now = datetime.datetime.now()
print(dt_now)
#2019-01-11 16:29:47.220604
dt = datetime.datetime(2019, 1, 1, 20, 00, 0)
print(dt)
#2019-01-01 20:00:00
delta = dt_now - dt
print(delta)
#9 days, 20:29:47.220604
print(type(delta))
#<class 'datetime.timedelta'>
print(delta.days)
#9
print(delta.seconds)
#73787

datetimeオブジェクトを文字列に変換

dt_now = datetime.datetime.now()
dt_str = dt_now.strftime('%Y/%m/%d %H:%M')
print(dt_str)
#2019/01/11 16:34
print(type(dt_str))
#<class 'str'>

文字列をdatetimeオブジェクトに変換

dt = datetime.datetime.strptime('20180101', '%Y%m%d')
print(dt)
#2018-01-01 00:00:00
print(type(dt))
#<class 'datetime.datetime'>

Pythonでよく出るエラーメッセージとその解決方法

TypeError: can only concatenate str (not “int”) to str

error4.py
'1' + 1
実行
python error4.py 
Traceback (most recent call last):
  File "error4.py", line 1, in 
    '1' + 1
TypeError: can only concatenate str (not "int") to str

strとintは結合できません。

修正版
'1' + '1'

TypeError: unsupported operand type(s) for +: ‘int’ and ‘str’

error5.py
1 + '1'
実行
python error5.py 
Traceback (most recent call last):
  File "error5.py", line 1, in 
    1 + '1'
TypeError: unsupported operand type(s) for +: 'int' and 'str'

intとstrの結合はできません。

修正版
1 + 1

IndentationError: unexpected indent

error1.py
num = 1
    print(num)
実行
python error1.py 
  File "error1.py", line 2
    print(num)
    ^
IndentationError: unexpected indent

予期しないインデントが存在しています。

修正版
num = 1
print(num)

SyntaxError: EOL while scanning string literal

error2.py
print('aaa)
実行
python error2.py 
  File "error2.py", line 1
    print('aaa)
              ^
SyntaxError: EOL while scanning string literal

‘や”が閉じられていません。

修正版
print('aaa')

AttributeError: ‘int’ object has no attribute ‘append’

error3.py
mylist = 1
mylist.append(2)
実行
python error3.py 
Traceback (most recent call last):
  File "error3.py", line 2, in 
    mylist.append(2)
AttributeError: 'int' object has no attribute 'append'

「’int’ object」 = 「mylist」はappend属性を持っていません。

修正版
mylist = [1]
mylist.append(2)

TypeError: myfunc() missing 1 required positional argument: ‘arg2’

error6.py
def myfunc(arg1, arg2):
    print(arg1, arg2)

myfunc(1)
実行
python error6.py 
Traceback (most recent call last):
  File "error6.py", line 4, in 
    myfunc(1)
TypeError: myfunc() missing 1 required positional argument: 'arg2'

必要な引数’arg2’が指定されていません。

修正版
def myfunc(arg1, arg2):
    print(arg1, arg2)

myfunc(1, 2)

TypeError: myfunc() takes 2 positional arguments but 3 were given

error.py
def myfunc(arg1, arg2):
    print(arg1, arg2)

myfunc(1, 2, 3)
実行
python error7.py 
Traceback (most recent call last):
  File "error7.py", line 4, in 
    myfunc(1, 2, 3)
TypeError: myfunc() takes 2 positional arguments but 3 were given

引数2つの関数に3つの引数を与えています。

修正版
def myfunc(arg1, arg2):
    print(arg1, arg2)

myfunc(1, 2)

IndexError: list index out of range

error8.py
mylist = [1, 2, 3]
print(mylist[3])
実行
python error8.py 
Traceback (most recent call last):
  File "error8.py", line 2, in 
    print(mylist[3])
IndexError: list index out of range

指定したindexは存在しません。

修正版
mylist = [1, 2, 3]
print(mylist[2])

KeyError: ‘d’

error.py
mydict = {'a': 1, 'b': 2, 'c': 3}
print(mydict['d'])
実行
python error9.py 
Traceback (most recent call last):
  File "error9.py", line 2, in 
    print(mydict['d'])
KeyError: 'd'

指定したキーは存在しません。

修正版
mydict = {'a': 1, 'b': 2, 'c': 3}
print(mydict['c'])

Pythonで文字列処理をするときに、よく使うテクニック

文字列の結合

word1 = 'abc'
word2 = 'def'
word3 = word1 + '-' + word2
print(word3)
#abc-def
word1 = 'abc'
word2 = 'def'
word_list = [word1, word2]
print('-'.join(word_list))
#abc-def
word1 = 'abc'
word2 = 'def'
word3 = '{}-{}'.format(word1, word2)
print(word3)
#abc-def

文字列の切り出し

word = 'abcdefghijk'
print(word[3:])
#defghijk
print(word[:3])
#abc
print(word[1:3])
#bc
print(word[:-2])
#abcdefghi

文字列の置換

word = 'a-b-c-d-e'
new_word = word.replace('-', ',')
print(new_word)
#a,b,c,d,e

文字列の分割

word = 'a-b-c-d-e'
print(word.split('-'))
#['a', 'b', 'c', 'd', 'e']

文字列両端の空白削除

両端のスペース・タブ文字・改行を削除します

print(word.strip())
#'x'
word = ' x '
print(word.rstrip())
#' x'
print(word.lstrip())
#'x '

Pythonらしいfor文を書くためのテクニック集

基本的なfor文

for ループ内の変数名 in イテラブルオブジェクト:
    処理

イテラブルオブジェクトとは、文字列、リスト、ディクショナリ、タプル、セットなどの要素を順番に取り出すことのできるオブジェクトのことです。例えば、リストから要素を順番に取り出して出力するプログラムは以下のように書けます。

mylist = [1, 2, 3, 4, 5]
for n in mylist:
     print(n) 
#1
#2
#3
#4
#5

他の言語を先に学んだ方は、以下のように書きがちですが、これはPythonらしくありません

mylist = [1, 2, 3, 4, 5]
for i in range(len(mylist)):
     print(mylist[i]) 
#1
#2
#3
#4
#5

インデックスも同時に取り出したい場合には以下のようにします。

mystr = "abcde"
for i, s in enumerate(mystr):
    print(i, s)
#0 a
#1 b
#2 c
#3 d
#4 e

他の言語を先に学んだ方は、以下のように書きがちですが、これはPythonらしくありません

mystr = "abcde"
for i in range(len(mystr)):
    print(i, mystr[i])
#0 a
#1 b
#2 c
#3 d
#4 e

以下のような書き方もPythonらしくないので、やめてください

mystr = "abcde"
i = 0
for c in mystr:
    print(i, c)
    i += 1
#0 a
#1 b
#2 c
#3 d
#4 e

ディクショナリの場合は、for文で回すと以下のようになります。

mydict = {"a": 1, "b": 2, "c": 3, "d": 4, "e": 5}
for key in mydict:
     print(key) 
#a
#b
#c
#d
#e

ディクショナリのキーが順番に取り出されてきます。ディクショナリの値も一緒に取り出したい場合には、以下のようにします。

for key, value in mydict.items():
    print(key, value)
#a 1
#b 2
#c 3
#d 4
#e 5

他の言語を先に学んだ方は、以下のように書きがちですが、これはPythonらしくありません

for key in mydict:
    print(key, mydict[key])
#a 1
#b 2
#c 3
#d 4
#e 5

Python: Boto3を使用してAmazon S3を操作するときのチートシート

インストール

$ pip install boto3
$ pip install awscli

初期設定

$ aws configure
AWS Access Key ID: [AWS Access Key ID]
AWS Secret Access Key: [AWS Secret Access Key]
Default region name: ap-northeast-1
Default output format:

S3の操作

バケットの作成

import boto3

s3 = boto3.resource('s3')
bucket = s3.Bucket('[バケット名]')
bucket.create()

バケットの削除

import boto3

s3 = boto3.resource('s3')
bucket = s3.Bucket('[バケット名]')
bucket.delete()

すべてのバケットを取得

import boto3

s3 = boto3.resource('s3')
for bucket in s3.buckets.all():
    print(bucket)
#s3.Bucket(name='[バケット名1]')
#s3.Bucket(name='[バケット名2]')
#...

バケット内のすべてのオブジェクトを取得

import boto3

s3 = boto3.resource('s3')
bucket = s3.Bucket('[バケット名]')
for object in bucket.objects.all():
    print(object)
#s3.ObjectSummary(bucket_name='[バケット名]', key=u'[ファイル名1]')
#s3.ObjectSummary(bucket_name='[バケット名]', key=u'[フォルダ名1]/')
#s3.ObjectSummary(bucket_name='[バケット名]', key=u'[フォルダ名1]/[ファイル名2]')
#...

バケットのサイズを取得する

s3 = boto3.resource('s3')
bucket = s3.Bucket('[バケット名]')
bucket_size = 0
for object in bucket.objects.all():
    bucket_size += object.size

print('Bucket Size: {} bytes'.format(bucket_size))
#Bucket Size: [サイズ] bytes

ファイルをダウンロードする

import boto3

s3 = boto3.resource('s3')
s3.Object('[バケット名]', '[ファイル名(S3)]').download_file('[ファイル名(ローカル)]')

ファイルをアップロードする

import boto3

s3 = boto3.resource('s3')
s3.Object('[バケット名]', '[ファイル名(S3)]').upload_file('[ファイル名(ローカル)]')

署名付きURLを生成する

import boto3

s3 = boto3.client('s3')
presigned_url = s3.generate_presigned_url(
  ClientMethod = 'get_object',
  Params = {'Bucket' : '[バケット名]', 'Key' : '[ファイル名]'},
  ExpiresIn = [有効期間(秒)],
  HttpMethod = 'GET')
print(presigned_url)