2024-07-18 마스크, 관심영역, 이진화, 이미지 유사도, 영상의 변환

1. 마스크 연산

inRange() : 영상에서 지젇된 범위 안에 픽셀 선택
copyTo() : 마스크 연산을 지원하는 픽셀 값 복사 함수

 

◼ 특정 범위의 픽셀 값을 추출

cv2.inRange(영상, min값 (Hue, Saturation, Value) , max값 (Hue, Saturation, Value) )

예시) cv2.inRange(img, (50, 150, 0), (80, 255, 255)) Hue(색조)가 50에서 80 사이, Saturation(채도)가 150에서 255 사이, Value(명도)가 0에서 255 사이의 범위를 지정합니다.

 

 

◼ 특정 HSV 색상 범위를 추출하여 이진 이미지를 생성

import cv2         img = cv2.imread('./candies.png')         hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)         dst = cv2.inRange(hsv, (50, 150, 0), (80, 255, 255))         cv2.imshow('img', img)         cv2.imshow('dst', dst)         cv2.waitKey()

 

 

 

◼ 마스크를 사용하여지정된 부분을 출력 영상으로 복사

cv2.copyTo(영상, 마스크, 출력영상)

 

 

◼ 마스크 따기

import cv2             img = cv2.imread('./airplane.bmp')             mask = cv2.imread('./mask_plane.bmp')             dst = cv2.imread('./field.bmp')             cv2.imshow('img', img)             cv2.imshow('mask', mask)             cv2.waitKey()

 

 

 

◼ 이미지 합치기

import cv2                         img = cv2.imread('./airplane.bmp')             mask = cv2.imread('./mask_plane.bmp')             dst = cv2.imread('./field.bmp')                         # dst가 없으면 새로 만들고             # dst가 있으면 dst에 추가             temp = cv2.copyTo(img, mask)             cv2.copyTo(img, mask, dst)                         cv2.imshow('img', img)             cv2.imshow('mask', mask)             cv2.imshow('dst', dst)             cv2.imshow('temp', temp)                         cv2.waitKey()

 

 

 

◼ 영상에 크로마키로 다른 배경을 넣어보기

import cv2           cap1 = cv2.VideoCapture('./woman.mp4')           cap2 = cv2.VideoCapture('./sea.mp4')           w = round(cap1.get(cv2.CAP_PROP_FRAME_WIDTH))           h = round(cap1.get(cv2.CAP_PROP_FRAME_HEIGHT))           frame_cnt1 = round(cap1.get(cv2.CAP_PROP_FRAME_COUNT))           frame_cnt2 = round(cap2.get(cv2.CAP_PROP_FRAME_COUNT))           fps = round(cap1.get(cv2.CAP_PROP_FPS))           print(w)           print(h)           print(frame_cnt1)           print(frame_cnt2)           print(fps)           while True:               ret1, frame1 = cap1.read()               if not ret1:                   break               ret2, frame2 = cap2.read()               if not ret2:                   break               hsv = cv2.cvtColor(frame1, cv2.COLOR_BGR2HSV)               mask = cv2.inRange(hsv, (50, 150, 0), (70, 255, 255))               cv2.copyTo(frame2, mask, frame1)               cv2.imshow('frame1', frame1)               key = cv2.waitKey(10)               if key == ord(' '):                   cv2.waitKey()               elif key == 27:                   break           cap1.release()           cap2.release()

 

2. 관심 영역 (ROI, Region of Interest)

- 영상 내에서 관심이 있는 영역

 

◼ 관심 영역을 선택하기

cv2.selectROI(창이름, 영상, 중안좌표여부 = False)

창이름: ROI를 선택할 때 나타날 창의 이름입니다. 선택할 영역을 표시할 창이 열립니다. 영상: ROI를 선택할 이미지나 비디오 프레임입니다. 중앙좌표여부 (optional): 기본적으로 False이며, True로 설정하면 ROI의 중심 좌표를 반환합니다.

 

 

◼ 관심 영역을 추출하기

import cv2             img1 = cv2.imread('./sun.jpg')             # x, y, w, h             x = 182             y = 21             w = 122             h = 110             roi = img1[y: y+h, x: x+w]  # 이미지에서 ROI 영역을 슬라이싱             img2 = roi.copy()  # ROI 영역을 새로운 이미지로 복사             cv2.imshow('img1', img1) # 원본 이미지             cv2.imshow('img2', img2) # ROI 이미지             cv2.waitKey()

 

 

 

◼ 드래그한 곳을 추출하기

import cv2         isDrag = False         oldx = oldy = w = h = 0         color = (255, 0, 0)         img_copy = None         def on_mouse(event, x, y, flags, param):             global oldx, oldy, isDrag, img_copy             if event == cv2.EVENT_LBUTTONDOWN:                 isDrag = True                 oldx = x                 oldy = y             elif event == cv2.EVENT_MOUSEMOVE:                 if isDrag:                     img_copy = img.copy()                     cv2.rectangle(img_copy, (oldx, oldy), (x, y), color, 3)                     cv2.imshow('img', img_copy)             elif event == cv2.EVENT_LBUTTONUP:                 if isDrag:                     isDrag = False                     if x > oldx and y > oldy:                         w = x - oldx                         h = y - oldy                         if w > 0 and h > 0:                             cv2.rectangle(img_copy, (oldx, oldy), (x, y), color, 3)                             cv2.imshow('img', img_copy)                             roi = img[oldy: oldy + h, oldx: oldx + w]                             cv2.imshow('roi', roi)                     else:                         cv2.imshow('img', img)                         print('영역이 잘 못 되었음')         img = cv2.imread('./sun.jpg')         cv2.namedWindow('img')         cv2.setMouseCallback('img', on_mouse)         cv2.imshow('img', img)         cv2.waitKey()

 

 

 

 

◼ cv2.selectROI 함수를 사용해보기

import cv2         img = cv2.imread('./sun.jpg')         x, y, w, h = cv2.selectROI('img', img, False)         if w and h:             roi = img[y: y+h, x: x+w]             cv2.imshow('roi', roi)         cv2.waitKey()

 

 

 

 

1. 영상의 이진화(Binarization)

- 픽셀을 검은색 또는 횐색과 같이 두 개의 값으로 나누는 작업
- 영상에서 의미있는 관심영역(ROI)과 비 관심영역 구분할 때 사용
- 배경과 객체를 나울 때도 사용
- 영상의 이진화 연산을 할 때 나누는 특정값을 임계값이라고 함

 

 

◼ 이미지의 이진화 처리

cv2.threshold(영상, 임계값, 최대값, 플래그)       cv2.THRESH_BINARY: 픽셀값이 임계값을 넘으면 최대값으로 지정하고 넘지 못하면 0으로 지정       cv2.THRESH_BINARY_INV: THRESH_BINARY 의 반대

 

 

◼ 예제 : 흑백이미지 이진화 처리

import cv2         import matplotlib.pyplot as plt         img = cv2.imread('./cells.png', cv2.IMREAD_GRAYSCALE)         hist = cv2.calcHist([img], [0], None, [256], [0, 256])         # cv2.THRESH_BINARY: 픽셀값이 임계값을 넘으면 최대값으로 지정하고 넘지 못하면 0으로 지정         a, dst1 = cv2.threshold(img, 100, 255, cv2.THRESH_BINARY)         b, dst2 = cv2.threshold(img, 210, 255, cv2.THRESH_BINARY)         print('a:', a)         cv2.imshow('img', img)         cv2.imshow('dst1', dst1)         cv2.imshow('dst2', dst2)         plt.plot(hist)         plt.show()         cv2.waitKey()

 

 

 

2. 오츠의 이진화 알고리즘

- 자동 이진화
- 자동으로 임계값을 구하는 알고리즘, 임계값을 구분하는 가장 좋은 방법으로 사용

 

◼ Otsu's 방법을 통해 자동으로 최적의 임계값을 선택

cv2.threshold(영상, 임계값, 최대값, 플래그 | cv2.THRESH_OTSU)

- 임계값을 임의로 정해 픽셀을 두 분류로 나누고  두 분류의 명암 분포를 구하는 작업을 반복하여 모든 경우의 수 중에서 두 분류의 명암 분류가 가장 균일할 때의 임의값을 선택

 

 

◼ 예제 : Otsu's 방법을 통해 이진화

import cv2         img = cv2.imread('./rice.png', cv2.IMREAD_GRAYSCALE)         th, dst = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)         print('otsh: ', th)         cv2.imshow('img', img)         cv2.imshow('dst', dst)         cv2.waitKey()

 

 

 

3. 지역 이진화

- 균일하지 않은 조명 환경에서 사용하는 이진화 방법
- 전체 구역에 N등분하고 각각의 디역에 이진화를 한 뒤에 이어 붙이는 방법
- 여러개의 임계값을 이용할 수 있음

 

◼ rice.png 이미지를 가로와 세로로 각각 4등분하여
     전역 이진화와 지역 이진화를 적용하기

# rice.png 영상을 이용하여 가로 4등분, 세로 4등분하고 자동 이진화를 적용해보자.       # 전역(자동) 이진화와 비교       import cv2       import numpy as np       img = cv2.imread('./rice.png', cv2.IMREAD_GRAYSCALE)       # 전역 이진화       _, dst1 = cv2.threshold(img, 0,255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)       # 지역 이진화       dst2 = np.zeros(img.shape, np.uint8)       bw = img.shape[1] # 4       bh = img.shape[0] # 4       # 4x4 영역으로 나누어 지역 이진화 수행       for x in range(4):           for y in range(4):               img_ = img[y*bh: (y+1)*bh, x*bw: (x+1)*bw]               dst_ = dst2[y*bh: (y+1)*bh, x*bw: (x+1)*bw]               # 지역 이진화 수행               cv2.threshold(img_, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU, dst_)       cv2.imshow('img', img)       cv2.imshow('dst1', dst1)       cv2.imshow('dst2', dst2)       cv2.waitKey()

 

 

 

4. 적응형 이진화

- 영상을 여러 영역으로 나눈뒤, 그 주변 픽셀 값만 활요하여 임계값을 구함
- 노이즈를 제거한 뒤에 Otsu 이잔화를 적용

 

◼ 이미지에 적응형 임계값을 적용하기

cv2.adaptiveThreshold (영상, 임계값을 만족하는 픽셀에 적용할 값, 임계값 결정 방법, Threshold 적용 방법, 블록 사이즈, 가감할 상수)          cv2.ADAPTIVE_THRESH_MEAN_C: 이웃 픽셀의 평균으로 결정 -> 선명하지만 잡티가 많아짐          cv2.ADAPTIVE_THRESH_GAISSIAN_C: 가우기안 분포에 따른 가중치의 합으로 결정 -> 선명도는 조금 떨어지지만 잡티가 적음

영상 (src): 입력 이미지 (단일 채널, 보통 그레이스케일 이미지) 임계값을 만족하는 픽셀에 적용할 값 (maxValue): 임계값을 넘는 픽셀에 적용할 최대 값 (일반적으로 255) 임계값 결정 방법 (adaptiveMethod): 적응형 임계값 결정 방법을 지정합니다. cv2.ADAPTIVE_THRESH_MEAN_C: 이웃 픽셀의 평균을 사용하여 임계값을 결정합니다. cv2.ADAPTIVE_THRESH_GAUSSIAN_C: 가우시안 윈도우의 가중치 합을 사용하여 임계값을 결정합니다. Threshold 적용 방법 (thresholdType): 이진화 결과를 적용할 방법을 지정합니다. cv2.THRESH_BINARY: 임계값을 넘으면 maxValue를 할당하고, 그렇지 않으면 0을 할당합니다. cv2.THRESH_BINARY_INV: 임계값을 넘으면 0을 할당하고, 그렇지 않으면 maxValue를 할당합니다. 블록 사이즈 (blockSize): 임계값을 계산하기 위한 블록 크기를 지정합니다. 블록 사이즈는 이웃 픽셀들의 영역 크기를 말합니다. 3 이상의 값 블록 사이즈가 클수록 연산 시간이 오래 걸림 가감할 상수 (C):평균이나 가중치 평균에서 빼거나 더할 상수를 지정합니다. 이 값은 계산된 임계값에 더해지거나 뺄 수 있습니다.

 

 

◼ sudoku.jpg 이미지에 대해 전역 이진화와 적응형 이진화를 비교하여 결과를 시각화

import cv2           import matplotlib.pyplot as plt           img = cv2.imread('./sudoku.jpg', cv2.IMREAD_GRAYSCALE)           # 전역 이진화 (OTSU 알고리즘 사용)           th, dst1 = cv2.threshold(img, 0 ,255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)           # 적응형 이진화 (평균 기반)           dst2 = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 9, 5)           # 적응형 이진화 (가우시안 가중치 기반)           dst3 = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 9, 5)           # 결과 이미지 저장           dic = {'img': img, 'dst1': dst1, 'dst2': dst2, 'dst3': dst3}           for i, (k, v) in enumerate(dic.items()):               plt.subplot(2, 2, i+1) # 2x2의 subplot 중 i+1 번째에 배치               plt.title(k) # 제목 설정               plt.imshow(v, 'gray') # 이미지 표시 (흑백으로)           plt.show()

 

 

 

1. 이미지 유사도

- 픽셀 값의 분표가 서로 비슷하다면 유사한 이미지일 확률이 높음

 

🔵 비교 알고리즘

cv2.compareHist(히스트그램1, 히스트그램2, 알고리즘)         cv2.HISTCMP_CORREL: 상관관계(1: 완정 일치, -1: 완전 불일치, 0: 무관계)           cv2.HISTCMP_CHISQR: 카이관계(0: 완전 일치, 무한대: 완전 불일치)        cv2.HISTCMP_INTERSECT: 교차(1: 완전 일치, 0: 완전 불일치)          cv2.BHATTACHARYYA: 밀도함수(0: 완정 일치, 1: 완정 불일치)

 

 

◼ 예제 : 여러 이미지 간의 히스토그램 유사도를 비교하기

import cv2           import matplotlib.pyplot as plt           import numpy as np           img1 = cv2.imread('./taekwonv1.jpg')           img2 = cv2.imread('./taekwonv2.jpg')           img3 = cv2.imread('./taekwonv3.jpg')           img4 = cv2.imread('./dr_ochanomizu.jpg')           imgs = [img1, img2, img3, img4]           hists = []           # 각 이미지에 대해 히스토그램 계산 및 비교를 수행           for i, img in enumerate(imgs):               plt.subplot(1, len(imgs), i+1)               plt.title('img%d' % (i+1))               plt.axis('off')               plt.imshow(img[:, :, ::-1])               hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)               hist = cv2.calcHist([hsv], [0, 1], None, [180,256], [0, 180, 0, 256])               cv2.normalize(hist, hist, 0, 1, cv2.NORM_MINMAX)               hists.append(hist)           query = hists[0]           methods = {'CORREL': cv2.HISTCMP_CORREL, 'CHISQR': cv2.HISTCMP_CHISQR, 'INTERSECT': cv2.HISTCMP_INTERSECT, 'BHATTACHARYYA': cv2.HISTCMP_BHATTACHARYYA}           # 각 메소드별로 히스토그램 유사도를 계산하고 출력           for j, (name, flag) in enumerate(methods.items()):               print('%-10s' % name, end = '\t')               for i, (hist, img) in enumerate(zip(hists, imgs)):                   ret = cv2.compareHist(query, hist, flag)                   # INTERSECT 메소드의 경우 정규화된 결과를 사용하여 출력                   if flag == cv2.HISTCMP_INTERSECT:                       ret = ret/np.sum(query)                   print('img%d:%7.2f' % (i+1, ret), end = '\t')               print()           plt.show()

 

 

2. 영상의 변환

- 영상을 구상하는 픽셀의 배치 구조를 변경함으로 전체 영상의 모양을 바꾸는 작업

 

🔵이미지 이동(translate)

M = [1 0 a]                  [0 1 b]          x 방향으로 a 만큼, y 방향으로 b 만큼 이동하는 행렬          cv2.warpaffine(영상, 2 * 3 변환행렬, 결과, 보간법 알고리즘)

이미지 이동(translate) :  (0,0)을 매게변수로 전달하면 입력 영상과 같은 행렬을 반환 원래 있던 좌표에 이동시키려는 거리 만큼 연산(shift)

 

🔵보간법 일고리즘(interpolation)

cv2.INTER_LINEAR: 인접한 4개의 픽셀 값에 거리 가중치 사용 -> 속도는 빠르지만 퀄리티가 좀 떨어짐       cv2.INTRE_NEAREST: 가장 가까운 픽셀 값 사용 -> 속도가 가장 빨르지만 퀄리티가 떨어짐       cv2.INTER_AREA: 픽셀 영역 관계를 이용한 재샘플링 -> 영역적인 정보를 추출해서 결과 영상을 세팅하는 방법, 다운샘플링시 효과적       cv2.INTER_CUBIC: 인접한 16개의 픽셀 값에 사중치를 사용 -> 퀄리티는 가장 촣치만 속도가 떨어짐

 

◼ 예제: 이미지 이동  / cv2.warpaffine() 사용하기

import cv2         import numpy as np         img = cv2.imread('../Day1/dog.bmp')         # [1, 0, a], [0, 1, b]         aff = np.array([[1, 0, 150], [0, 1, 100]], dtype=np.float32)         dst = cv2.warpAffine(img, aff, (0, 0))         cv2.imshow('img', img)         cv2.imshow('dst', dst)         cv2.waitKey()

🔵이미지 크기 변환 (resize)

cv2.resize(영상, 결과, x와 y방향 스케일 비율, 보간법)

영상의 크기를 원본 영상보다 크게 또는 작게 만드는 변환

 

 

 

◼ 예제: 이미지 확대하기 / cv2.INTER_NEAREST, cv2.INTER_CUBIC 사용하기

import cv2         img = cv2.imread('../Day1/dog.bmp')         dst1 = cv2.resize(img, (1280, 1024), interpolation=cv2.INTER_NEAREST)         dst2 = cv2.resize(img, (1280, 1024), interpolation=cv2.INTER_CUBIC)         cv2.imshow('img', img)         cv2.imshow('dst1', dst1[400:800, 200:600])         cv2.imshow('dst2', dst1[400:800, 200:600])         cv2.waitKey()

 

 

🔵 회전(rotation) 

cv2.getRotationMatrix2D(중심 좌표, 회전각도, 확대비율) -> affine 행렬

영상의 특정 각도 만큼 회전시키는 변환(반시계 방향) * 회전각도: 반시계방향(기본값), 음수는 시계방향 * 확대비율: 0~1 사이의 실수

 

◼ 예제: 이미지 회전시키기

import cv2         img = cv2.imread('../Day1/dog.bmp')         cp = (img.shape[1] / 2, img.shape[0] / 2)         rot = cv2.getRotationMatrix2D(cp, 30, 0.5)         dst = cv2.warpAffine(img, rot, (0, 0))         cv2.imshow('img', img)         cv2.imshow('dst', dst)         cv2.waitKey()

 

 

🔵투시변환(perspective)

cv2.getPerspectiveTransforms(영상, 4개의 결과 좌표점) -> 투시 변환 행렬         cv2.wrapPerspective(영상, 투시 변환 행렬, 결과 영상 크기)

- 직사각형 형태의 영상을 임의의 입체감 있는 사각형 형태로 변경할 수 있는 변환 - 원본 영상에 있는 직선은 결과 영상에서 그대로 유지 되지 않고 평행 관계가 깨질 수 있음 - 투시 변환은 보통 3*3 크기의 실수 행렬로 표현 - 8개의 파라미터로 표현할 수 있지만, 좌표 계산 편의상 9개의 원소를 갖는 행렬로 표현

 

 

◼ 예제 : 이미지 투시변환하기

import cv2         import numpy as np         img = cv2.imread('./pic.jpg')         w, h = 600, 400         srcQuad = np.array([[370, 173], [1220, 155], [1420, 840], [210, 850]], np.float32)         dstQuad = np.array([[0, 0], [w, 0], [w, h], [0, h]], np.float32)         pers = cv2.getPerspectiveTransform(srcQuad, dstQuad)         dst = cv2.warpPerspective(img, pers, (w, h))         cv2.imshow('img', img)         cv2.imshow('dst', dst)         cv2.waitKey()

 

 

 

◼ 방법1

import cv2         import numpy as np         # 전역 변수 선언         points = []         dragging_point_index = -1         image_path = './namecard.jpg'         # 마우스 이벤트 핸들러 함수         def mouse_handler(event, x, y, flags, param):             global points, image, dragging_point_index             if event == cv2.EVENT_LBUTTONDOWN:                 for i, point in enumerate(points):                     if abs(point[0] - x) < 10 and abs(point[1] - y) < 10:                         dragging_point_index = i                         break             elif event == cv2.EVENT_MOUSEMOVE:                 if dragging_point_index != -1:                     points[dragging_point_index] = (x, y)                     redraw_image()             elif event == cv2.EVENT_LBUTTONUP:                 dragging_point_index = -1         def redraw_image():             global image             image = orig_image.copy()             for i, point in enumerate(points):                 cv2.circle(image, point, 10, (255, 0, 255), -1)  # 큰 핑크색 점                 if i > 0:                     cv2.line(image, points[i-1], point, (255, 0, 255), 2)  # 핑크색 선             if len(points) == 4:                 cv2.line(image, points[3], points[0], (255, 0, 255), 2)  # 마지막 점과 첫 점을 연결하는 선             cv2.imshow("Image", image)         # 이미지를 불러오고 초기화         image = cv2.imread(image_path)         orig_image = image.copy()         # 초기 네 점 설정 (이미지의 모서리 근처에 배치)         h, w, _ = orig_image.shape         points = [(50, 50), (w - 50, 50), (w - 50, h - 50), (50, h - 50)]         redraw_image()         cv2.setMouseCallback("Image", mouse_handler)         print("이미지에서 네 점을 선택하고 움직이세요. Enter 키를 누르면 완료됩니다.")         while True:             key = cv2.waitKey(1) & 0xFF             if key == 13:  # Enter 키를 누르면 변환된 이미지를 새 창에 표시                 if len(points) == 4:                     # 원본 이미지의 크기를 얻음                     h, w, _ = orig_image.shape                     # 선택한 네 점                     pts1 = np.float32(points)                     # 대상 좌표 설정 (직사각형으로 변환)                     pts2 = np.float32([[0, 0], [w, 0], [w, h], [0, h]])                     # 변환 행렬 계산                     matrix = cv2.getPerspectiveTransform(pts1, pts2)                     # 원근 변환 적용                     result = cv2.warpPerspective(orig_image, matrix, (w, h))                     # 결과 이미지 표시                     cv2.imshow("Transformed Image", result)                     print("변환된 이미지가 새 창에 표시됩니다.")                 else:                     print("네 점이 선택되지 않았습니다.")             elif key == 27:  # Esc 키를 누르면 종료                 break         cv2.destroyAllWindows()

 

 

◼ 방법2

import cv2       import numpy as np       import sys       img = cv2.imread('./namecard.jpg')       h, w = img.shape[:2]       dh = 500       # A4용지 크기: 210*297mm       dw = round(dh * 297 / 210)       srcQuad = np.array([[30, 30], [30, h-30], [w-30, h-30], [w-30, 30]], np.float32)       dstQuad = np.array([[0, 0], [0, dh], [dw, dh], [dw, 0]], np.float32)       dragSrc = [False, False, False, False]       def drawROI(img, corners):           cpy = img.copy()           c1 = (192, 192, 255)           c2 = (128, 128, 255)           for pt in corners:               cv2.circle(cpy, tuple(pt.astype(int)), 25, c1, -1)           cv2.line(cpy, tuple(corners[0].astype(int)), tuple(corners[1].astype(int)), c2, 2)           cv2.line(cpy, tuple(corners[1].astype(int)), tuple(corners[2].astype(int)), c2, 2)           cv2.line(cpy, tuple(corners[2].astype(int)), tuple(corners[3].astype(int)), c2, 2)           cv2.line(cpy, tuple(corners[3].astype(int)), tuple(corners[0].astype(int)), c2, 2)           return cpy       def onMouse(event, x, y, flags, param):           global srcQuad, dragSrc, ptOld, img           if event == cv2.EVENT_LBUTTONDOWN:               for i in range(4):                   if cv2.norm(srcQuad[i] - (x, y)) < 25:                       dragSrc[i] = True                       ptOld = (x, y)                       break           if event == cv2.EVENT_LBUTTONUP:               for i in range(4):                   dragSrc[i] = False           if event == cv2.EVENT_MOUSEMOVE:               for i in range(4):                   if dragSrc[i]:                       srcQuad[i] = (x, y)                       cpy = drawROI(img, srcQuad)                       cv2.imshow('img', cpy)                       ptOld = (x, y)                       break       disp = drawROI(img, srcQuad)       cv2.namedWindow('img')       cv2.setMouseCallback('img', onMouse)       cv2.imshow('img', disp)       while True:           key = cv2.waitKey()           if key == 13:               break           elif key == 27:               sys.exit()       pers = cv2.getPerspectiveTransform(srcQuad, dstQuad)       dst = cv2.warpPerspective(img, pers, (dw, dh), flags=cv2.INTER_CUBIC)       cv2.imshow('dst', dst)       cv2.waitKey()