OpenCV 画像処理 & 表示（GbE-2 / Python）

This content is not available in your language yet.

HelloWorld で作成した共通モジュール puclib.py を使用して、GbE-2 から取得した 1 フレームの画像データに対して OpenCV (cv2) でフィルタリング処理（ノイズ除去・エッジ検出）を行い、画面表示および結果の保存を行うプログラムの作成手順です。

共通モジュール: スクリプトと同じフォルダーに puclib.py が配置されている必要があります。
必要ライブラリ: numpy, opencv-python
Terminal window
```
pip install numpy opencv-python
```

スクリプトの作成

puclib.py と同じフォルダーに gbe2_opencv_single_process.py を作成し、以下のコードを記述します。

from ctypes import c_uint32, c_ushort, c_ubyte, c_void_p, byref
import numpy as np
import cv2

# 共通モジュール puclib.py から読み込み
from puclib import (
    load_sdk, PUC_SUCCEEDED, PUC_DETECT_TARGET_HAWK,
    PUC_Q_COUNT, PUC_DETECT_FILTER, PUC_DETECT_INFO, PUC_XFER_DATA_INFO
)

def main():
    print("INFINICAM GbE-2 OpenCV 画像処理サンプル開始...")

    # 1. SDKのロードと初期化
    puclib = load_sdk()
    if puclib.PUC_Initialize() != PUC_SUCCEEDED:
        print("エラー: SDKの初期化に失敗しました。")
        return

    # 2. デバイスの検索とオープン
    detect_filter = PUC_DETECT_FILTER(nDeviceTypeFlags=PUC_DETECT_TARGET_HAWK)
    detect_info = PUC_DETECT_INFO()

    if puclib.PUC_DetectDevice2(byref(detect_filter), byref(detect_info)) != PUC_SUCCEEDED or detect_info.nDeviceCount == 0:
        print("エラー: GbE-2 カメラが見つかりませんでした。")
        return

    h_device = c_void_p()
    if puclib.PUC_OpenDevice2(0, byref(h_device)) != PUC_SUCCEEDED:
        print("エラー: デバイスのオープンに失敗しました。")
        return

    # 3. 解像度・量子化テーブル・転送サイズの取得
    width, height = c_uint32(), c_uint32()
    puclib.PUC_GetResolution(h_device, byref(width), byref(height))
    w, h = width.value, height.value

    q_vals = (c_ushort * PUC_Q_COUNT)()
    puclib.PUC_GetQuantization2(h_device, q_vals)

    xfer_data_size = c_uint32()
    puclib.PUC_GetXferDataSize(h_device, byref(xfer_data_size))

    print(f"解像度: {w} x {h} ピクセル")

    # 4. バッファの確保
    comp_buffer = (c_ubyte * xfer_data_size.value)()
    line_bytes = (w + 3) & ~3  # 4バイト境界アラインメント
    decoded_buffer = (c_ubyte * (line_bytes * h))()

    # 5. 1フレームデータのキャプチャ
    xfer_info = PUC_XFER_DATA_INFO()
    xfer_info.pData = comp_buffer
    xfer_info.nDataSize = xfer_data_size.value

    print("1フレーム撮影中...")
    if puclib.PUC_GetSingleXferData(h_device, byref(xfer_info)) == PUC_SUCCEEDED:
        # 6. 復号処理
        ret = puclib.PUC_DecodeData(
            decoded_buffer, 0, 0, w, h, line_bytes, comp_buffer, q_vals
        )

        if ret == PUC_SUCCEEDED:
            # 7. NumPy 配列に変換 (2次元モノクロ画像)
            img_raw = np.ctypeslib.as_array(decoded_buffer).reshape((h, line_bytes))[:, :w]

            # 8. OpenCV 画像処理
            # ガウシアンフィルタによるノイズ低減
            img_blur = cv2.GaussianBlur(img_raw, (5, 5), 0)

            # Canny アルゴリズムによるエッジ検出
            img_edges = cv2.Canny(img_blur, 50, 150)

            # 原本画像とエッジ結果画像を左右に連結
            img_combined = np.hstack((img_raw, img_edges))

            # 9. エッジ検出結果の保存
            filename = "opencv_edges_result.png"
            cv2.imwrite(filename, img_edges)
            print(f"SUCCESS: エッジ抽出結果を保存しました ({filename})")

            # 10. OpenCV ウィンドウでの表示（任意のキー入力で終了）
            window_name = "Original Image (Left) vs Canny Edges (Right)"
            cv2.imshow(window_name, img_combined)
            print("画像表示中... 何らかのキーを押すと終了します。")
            cv2.waitKey(0)
            cv2.destroyAllWindows()

        else:
            print(f"エラー: 画像データの復号に失敗しました。ErrorCode: {ret}")
    else:
        print("エラー: 画像データの取得に失敗しました。")

    # 11. クローズ
    puclib.PUC_CloseDevice(h_device)


if __name__ == "__main__":
    main()

スクリプトの実行
Terminal window
```
python gbe2_opencv_single_process.py
```
実行すると OpenCV の表示ウィンドウが立ち上がり、左側に原画像、右側に Canny アルゴリズムで抽出したエッジ画像が並べて表示されます。キーボードのキーを押すとウィンドウが閉じ、カレントディレクトリに opencv_edges_result.png が保存されます。

OpenCV 画像処理のポイント

1. ノイズ除去（`cv2.GaussianBlur`）

エッジ検出などの前に平滑化フィルタを適用することで、高感度撮影時の細かなセンサノイズによる誤検出を抑え、安定した輪郭描画が可能になります。

img_blur = cv2.GaussianBlur(img_raw, (5, 5), 0)

2. Canny エッジ検出（`cv2.Canny`）

2つの閾値（threshold1, threshold2）を指定して、輝度変化の激しい境界線（輪郭）のみを抽出します。

img_edges = cv2.Canny(img_blur, 50, 150)

3. 画像の並列結合（`np.hstack`）

幅・高さ・チャンネル数が同一の NumPy 配列であれば、np.hstack（水平結合）や np.vstack（垂直結合）を用いて複数の処理過程結果を 1 つの表示ウィンドウにまとめて描画できます。

OpenCV 画像処理 & 表示（GbE-2 / Python）

OpenCV 画像処理のポイント

1. ノイズ除去（cv2.GaussianBlur）

2. Canny エッジ検出（cv2.Canny）

3. 画像の並列結合（np.hstack）

1. ノイズ除去（`cv2.GaussianBlur`）

2. Canny エッジ検出（`cv2.Canny`）

3. 画像の並列結合（`np.hstack`）