さくらVPSにOpenCVをインストールしてPythonから使う

OpenCV2.2をさくらVPS(CentOS 5.5)にインストールして、
PythonバインディングをWSGIアプリケーション(mod_wsgi)から使ってみます。

構築手順はOpenCV – 2.x – Tech Noteに書いておいたので参考までに。

OpenCV2.2からはNumPyを利用したPythonインタフェースを利用できるようになりました。
画像データを通常のNumPy配列(numpy.ndarray)として扱えるので大変便利です。

Pythonバインディング (NumPy利用)

$ python
Python 2.7.1 (r271:86832, Feb 18 2011, 03:06:36)
[GCC 4.4.0 20090514 (Red Hat 4.4.0-6)] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> import cv, numpy as np
>>> src = cv.imread("lena.jpg", 0)  ## 画像の読み込み
>>> src
array([[162, 161, 161, ..., 171, 172, 142],
       [163, 163, 159, ..., 174, 174, 147],
       [164, 161, 158, ..., 162, 152, 114],
       ...,
       [ 51,  51,  53, ...,  84,  92,  93],
       [ 46,  48,  50, ...,  93, 102,  98],
       [ 43,  52,  51, ..., 101, 104, 107]], dtype=uint8)
>>> type(src)
<type 'numpy.ndarray'>  ## 画像データは普通のNumPy配列として扱える
>>> edge = cv.canny(src, 50, 100, apertureSize=3)  ## Cannyエッジ検出
>>> edge
array([[  0,   0,   0, ...,   0,   0, 255],
       [  0,   0,   0, ...,   0,   0, 255],
       [  0,   0,   0, ...,   0, 255, 255],
       ...,
       [  0,   0,   0, ..., 255,   0,   0],
       [  0,   0,   0, ...,   0,   0,   0],
       [  0,   0,   0, ...,   0,   0,   0]], dtype=uint8)
>>> cv.imwrite("edge.jpg", edge)  ## 画像の保存
True

## 以下、NumPyのAPIを利用
>>> src.ndim  ## 次元数
2
>>> src.shape  ## サイズ
(256, 256)
>>> np.mean(src)  ## 平均
124.20285034179688
>>> np.std(src)   ## 標準偏差
47.700710770786252
>>> src2 = cv.imread("lena.jpg", 0)
>>> np.corrcoef([src, src2])  ## 相関係数
1
>>> np.fft.fft2(src)  ## 二次元離散フーリエ変換(2D-FFT)
array([[  8.13975800e+06     +0.j        ,
        -1.17555692e+05+597148.17023819j,
         3.87852226e+05-279750.64715102j, ...,
        -6.25724012e+04-157743.18227329j,
         3.87852226e+05+279750.64715102j,
        -1.17555692e+05-597148.17023819j],
      [ -5.08489842e+03-306599.82137641j,
        -4.02887254e+05+393021.01034302j,
        -2.77225246e+05 +15427.3755807j , ...,
         1.65351494e+05+200911.05534033j,
        -8.82517686e+04+112907.79830223j,
         9.31931677e+03+235966.94268805j],
      [ -1.11658935e+05 -42622.57217756j,
        -6.81474629e+04 -34350.464984j  ,
         1.69378207e+05-109574.82473126j, ...,
         8.95342611e+04+230910.20836995j,
        -1.80697620e+05 -43628.96408889j,
         2.05426782e+05 -14430.49928177j],
      ...,
      [  1.28259331e+05 -55676.36282789j,
         1.86000570e+05+174709.80855038j,
        -1.31625808e+05 -49361.38958211j, ...,
         2.49346421e+05 +19823.18594082j,
         2.83524889e+04-170858.79741727j,
        -1.06549248e+04+151597.41214675j],
      [ -1.11658935e+05 +42622.57217756j,
         2.05426782e+05 +14430.49928177j,
        -1.80697620e+05 +43628.96408889j, ...,
        -1.34352423e+05-185163.25215583j,
         1.69378207e+05+109574.82473126j,  -6.81474629e+04 +34350.464984j  ],
      [ -5.08489842e+03+306599.82137641j,
         9.31931677e+03-235966.94268805j,
        -8.82517686e+04-112907.79830223j, ...,
        -1.18220973e+05+478576.12556064j,
        -2.77225246e+05 -15427.3755807j ,
        -4.02887254e+05-393021.01034301j]])

$ python

Python 2.7.1 (r271:86832, Feb 18 2011, 03:06:36)

[GCC 4.4.0 20090514 (Red Hat 4.4.0-6)] on linux2

Type "help", "copyright", "credits" or "license" for more information.

>>> import cv, numpy as np

>>> src = cv.imread("lena.jpg", 0) ## 画像の読み込み

>>> src

array([[162, 161, 161, ..., 171, 172, 142],

[163, 163, 159, ..., 174, 174, 147],

[164, 161, 158, ..., 162, 152, 114],

...,

[ 51, 51, 53, ..., 84, 92, 93],

[ 46, 48, 50, ..., 93, 102, 98],

[ 43, 52, 51, ..., 101, 104, 107]], dtype=uint8)

>>> type(src)

<type 'numpy.ndarray'> ## 画像データは普通のNumPy配列として扱える

>>> edge = cv.canny(src, 50, 100, apertureSize=3) ## Cannyエッジ検出

>>> edge

array([[ 0, 0, 0, ..., 0, 0, 255],

[ 0, 0, 0, ..., 0, 0, 255],

[ 0, 0, 0, ..., 0, 255, 255],

...,

[ 0, 0, 0, ..., 255, 0, 0],

[ 0, 0, 0, ..., 0, 0, 0],

[ 0, 0, 0, ..., 0, 0, 0]], dtype=uint8)

>>> cv.imwrite("edge.jpg", edge) ## 画像の保存

True

## 以下、NumPyのAPIを利用

>>> src.ndim ## 次元数

>>> src.shape ## サイズ

(256, 256)

>>> np.mean(src) ## 平均

124.20285034179688

>>> np.std(src) ## 標準偏差

47.700710770786252

>>> src2 = cv.imread("lena.jpg", 0)

>>> np.corrcoef([src, src2]) ## 相関係数

>>> np.fft.fft2(src) ## 二次元離散フーリエ変換(2D-FFT)

array([[ 8.13975800e+06 +0.j ,

-1.17555692e+05+597148.17023819j,

3.87852226e+05-279750.64715102j, ...,

-6.25724012e+04-157743.18227329j,

3.87852226e+05+279750.64715102j,

-1.17555692e+05-597148.17023819j],

[ -5.08489842e+03-306599.82137641j,

-4.02887254e+05+393021.01034302j,

-2.77225246e+05 +15427.3755807j , ...,

1.65351494e+05+200911.05534033j,

-8.82517686e+04+112907.79830223j,

9.31931677e+03+235966.94268805j],

[ -1.11658935e+05 -42622.57217756j,

-6.81474629e+04 -34350.464984j ,

1.69378207e+05-109574.82473126j, ...,

8.95342611e+04+230910.20836995j,

-1.80697620e+05 -43628.96408889j,

2.05426782e+05 -14430.49928177j],

...,

[ 1.28259331e+05 -55676.36282789j,

1.86000570e+05+174709.80855038j,

-1.31625808e+05 -49361.38958211j, ...,

2.49346421e+05 +19823.18594082j,

2.83524889e+04-170858.79741727j,

-1.06549248e+04+151597.41214675j],

[ -1.11658935e+05 +42622.57217756j,

2.05426782e+05 +14430.49928177j,

-1.80697620e+05 +43628.96408889j, ...,

-1.34352423e+05-185163.25215583j,

1.69378207e+05+109574.82473126j, -6.81474629e+04 +34350.464984j ],

[ -5.08489842e+03+306599.82137641j,

9.31931677e+03-235966.94268805j,

-8.82517686e+04-112907.79830223j, ...,

-1.18220973e+05+478576.12556064j,

-2.77225246e+05 -15427.3755807j ,

-4.02887254e+05-393021.01034301j]])

すばらしいです。

WSGIアプリケーション(mod_wsgi)からの利用

せっかくサーバに入れたのでWebと仲良くさせてみます。
Flaskというフレームワークがモダンで便利らしいので試してみました。

## Flaskに引っ張られて Jinja2, Werkzeug も一緒にインストールされる
$ sudo pip install Flask

1 2	## Flaskに引っ張られて Jinja2, Werkzeug も一緒にインストールされる $ sudo pip install Flask

Apache + mod_wsgi環境の構築は、
mod_wsgiのインストール – CentOSで環境構築を参考にさせていただきました。

構成は以下の通り。

* Apache + mod_wsgi (Webサーバ/WSGI)

* Flask (Webアプリケーションフレームワーク)

* Jinja2 (テンプレートエンジン)

* Werkzeug (WSGIユーティリティライブラリ)

* OpenCV + NumPy (NumPyインタフェースはv2.2から)

フレームワーク自体ほとんど経験がないので心配でしたが、
公式サイトのチュートリアルを読んでいけばすぐに使えるようになりました。
それだけシンプルで使いやすいフレームワークだと思います。
まずは hello, world 的なものから試してみようと思い、
Cannyエッジ検出をするだけの簡単なデモを作りました。
(HTML5でテンプレートを書いてるのでブラウザが古い人は注意)

Test WSGI Application using OpenCV
実際、Cannyフィルタ程度ならJavaScript(Canvas)だけでも簡単にできるのですが、
今回はOpenCV+WSGIアプリのテストということで;;

WSGIアプリ(Flask)からOpenCVを使う流れとしては、
(画像処理のロジックはAPIをぺたぺた貼ればいいだけなので省略)

#!/bin/env python

from flask import Flask, abort, render_template, request, url_for
from werkzeug import secure_filename
import cv, numpy as np

application = Flask(__name__)
application.debug = True

## サービストップ
@application.route('/')
def index():
    return render_template('index.html')

## Cannyエッジ検出
@application.route('/cannyedge/<image>')
def canny(image=None):
    src = cv.imread('/path/to/uploads/' + image)
    ## apply Canny Edge Detector
    ...
    return content

## Starキーポイント検出
@application.route('/starkeypoints/<image>')
def star(image=None):
    src = cv.imread('/path/to/uploads/' + image)
    ## get Star Keypoints
    ...
    return content

## SURF特徴抽出
@application.route('/surf/<image>')
def surf(image=None):
    src = cv.imread('/path/to/uploads/' + image)
    ## extract SURF
    ...
    return content

## 画像ファイルのアップロード
@application.route('/upload', methods=['POST'])
def upload_file():
    f = request.files['file']
    f.save('/path/to/uploads/' + secure_filename(f.filename))
    ...

## エラーハンドラ
@application.errorhandler(404)
def notfound(error):
    return 'not found', 404

if __name__ == '__main__':
    app.run()

#!/bin/env python

from flask import Flask, abort, render_template, request, url_for

from werkzeug import secure_filename

import cv, numpy as np

application = Flask(__name__)

application.debug = True

## サービストップ

@application.route('/')

def index():

return render_template('index.html')

## Cannyエッジ検出

@application.route('/cannyedge/<image>')

def canny(image=None):

src = cv.imread('/path/to/uploads/' + image)

## apply Canny Edge Detector

...

return content

## Starキーポイント検出

@application.route('/starkeypoints/<image>')

def star(image=None):

src = cv.imread('/path/to/uploads/' + image)

## get Star Keypoints

...

return content

## SURF特徴抽出

@application.route('/surf/<image>')

def surf(image=None):

src = cv.imread('/path/to/uploads/' + image)

## extract SURF

...

return content

## 画像ファイルのアップロード

@application.route('/upload', methods=['POST'])

def upload_file():

f = request.files['file']

f.save('/path/to/uploads/' + secure_filename(f.filename))

...

## エラーハンドラ

@application.errorhandler(404)

def notfound(error):

return 'not found', 404

if __name__ == '__main__':

app.run()

みたいな感じでURIを公開すればOKです。Flask素敵。
PythonのAPIは
OpenCV 2.2 Python リファレンス — opencv 2.2 documentation
に丁寧にまとめられています。
Pythonバインディングがあって嬉しいのは研究者よりもWeb屋なのでは?

また、クライアント側をFlashで作ってみても良いアプリケーションが作れそうです。
AS3オンリーであほみたいに画像処理しなくて済むのは個人的に嬉しいところ。
一応は簡単なサンプルをいくつか作っていたのですが、
最初はPyAMFを使ってデータのやりとりをしていました。
ただ、古い流儀のRPCなのでクライアント – サーバ間で合意事項が多くて美しくありません。
シンプルなURIのみを公開する方がキレイに作れると思います。(イマドキですし:p)
Flash + Flaskで何か作ったらまた公開します。

———-
* その他の参考サイト
PythonでWebアプリ開発入門のススメ Flask/MongoDB – mizchi log
mod_wsgi: WSGIDaemonProcess – Pyxis 開発ブログ

さくらVPSにOpenCVをインストールしてPythonから使う

Pythonバインディング (NumPy利用)

WSGIアプリケーション(mod_wsgi)からの利用

あわせて読む:

コメントを残す