Raspberry Piでやってみた（画像処理）：OpenCVによる画像処理の実装

KIYO

2023年10月14日 22:52

１．概要

　Rasberry Piでできることの一つにカメラを用いた撮影があります。環境構築も完了してカメラ動作も確認出来たら次はAIで遊びたくなります。

　今回はOpenCVが使えるように環境構築を実施していきたいと思います。

１－１．Rasberry Piの環境構築

　１章の紹介記事をベースにOpenCV使用前にRasberry Piの環境構築を実施しておきます。概要は下記の通りであり詳細は記事をご確認ください。

【仕様】

本体：Rasberry Pi 4
Rasberry Pi OS：Debian Bullseys 64bit(Release：2023/5/3)
カメラモジュール：Raspberry Pi カメラモジュール V3
ラズパイシステムのPython Version：3.9.2
その他：Conda環境のためMiniforge追加

【Rasberry Piの環境構築】

Raspberry Pi OS(64-bit) ：BullseyeをRasberry Pi Imagerで書き込み
ラズパイ初期起動時の設定、インターフェースの有効化
システム更新”sudo apt-get update && sudo apt-get upgrade”を実施
任意：リモートアクセスの準備
- ファイルのやり取りができるためVNC Viewerを使用
任意：VS Code、Miniforgeをインストール
任意：ソフトウェア（vim, git)を追加
任意：Linuxコマンドパッケージ(Zip, aptitude)を追加
カメラモジュールの環境構築
1. 今回はRasberry Pi4×カメラモジュールV3の環境で作成
2. 動作確認は事前に実施すること

[Terminal※Webカメラ動作確認用]
libcamera-hello

１－２．画像処理ライブラリの紹介

　画像処理ができるPythonライブラリ＋αは下記の通りです。

OpenCV：OpenCVはコンピュータビジョンのためのオープンソースライブラリであり画像処理、顔認識、物体検出などができます。
YOLO(You Only Look Once)：リアルタイムでの物体検出を行うためのアルゴリズム
OpenPose：人体の姿勢を検出するためのライブラリ
MediaPipe：Googleが開発したマルチプラットフォーム向けの機械学習ソリューションであり、手のトラッキングや顔検出などの機能があります。
OAK-D OpenCV DepthAI：深度情報を持つ3Dビジョンを実現するためのデバイス

２．参考：Linuxコマンド

　参考用に使用するLinuxコマンドを参考用として記載します。

２－１．Linuxコマンド

apt：「Advanced Package Tool」の略で、DebianベースのLinuxディストリビューション（例: Ubuntu, Raspberry Pi OS）でソフトウェアパッケージを管理するためのツールです。aptを使用することで、ソフトウェアのインストール、アップデート、削除などの操作を行うことができます。また、apt-cacheコマンドを使用して、利用可能なパッケージの情報を検索することもできます。
apt-get：DebianベースのLinuxディストリビューション（例: Ubuntu）で使用されるパッケージ管理ツールです。これを使用してソフトウェアのインストール、アップデート、削除などを行います。
- install：ソフトウェアをインストール
bash：シェルスクリプトを実行するコマンド
- -b：バッチモードでインストール＋確認プロンプトを表示しない。つまりインストールが自動的に進行します。
- -u：既存のインストールを更新。つまり既にMinicondaがあるなら、そのインストールを最新のバージョンに更新する。
- -p：インストール先のディレクトリを指定
cd："change directory"の略。ターミナル上の作業場所を移動する
- ~：ホームディレクトリを示す。”cd ~”で立ち上げ時のdirに移動
cp：ファイルやディレクトリをコピーするコマンド
df：ディスクの使用量を表示(-hオプションで体裁を綺麗にする）
free：メモリ使用量を表示（-mオプションでMB単位で出力）
ln：ファイルのリンクを作成するためのコマンド
- ハードリンク：ファイルシステム上の同じi-node番号を共有する2つ以上のファイル名を作成
- シンボリックリンク：、別のファイルへの参照を持つファイル
lsb_release：Linux Standard Base (LSB) に関する情報を表示するコマンドであり、-aオプションですべての情報を表示
ls：作業ディレクトリ内のファイルを表示
1. -lt：作成時間も含めて表示
mkdir：”make directory”の略。新しいフォルダを作成
- -p：指定したディレクトリが無い場合は作成する。また必要な親ディレクトリも合わせて作成
nano：nanoエディタで指定したファイルを開く
patch：ソースコードにパッチを適用するためのコマンド
- -p1：パッチファイルのディレクトリ構造をどの程度削除するかを指定->1レベルのディレクトリ構造が削除されます。
- -i：入力として使用するパッチファイルを指定
rm："remove"の略で、ファイルやディレクトリを削除するコマンド
- -r(--recursive)：ディレクトリとその内容を再帰的に削除する。ディレクトリを削除する場合はこのオプションが必要
- -f(--force)：エラーメッセージ、警告や確認を表示せずに強制的にファイルやディレクトリを削除
shutdown：コンピューターの電源をオフ／再起動するためのコマンド
- -rオプション：再起動
sudo：「SuperUser DO」の略で特定のコマンドをシステム管理者（rootユーザー）として実行するためのコマンドです。sudoを使用することで、一時的に高い権限を持つrootユーザーとしてコマンドを実行できます。
tar：ファイルやディレクトリをアーカイブ化、またはアーカイブを展開するためのコマンド（zipみたいに圧縮・展開する）
- -x：展開
- -z：gzipで圧縮されたアーカイブを処理
- -v：詳細モードで動作->処理されているファイルのリストが表示
- -f：アーカイブファイル名を指定
- -C：展開先のディレクトリを指定->ホームディレクトリに展開
update：aptのサブコマンドの一つでソフトウェアのリポジトリから最新のパッケージ情報を取得して、ローカルのパッケージデータベースを更新
unzip：ダウンロードしたzipファイルを展開
wget：インターネットからファイルをダウンロード
- -O：DLしたファイルの保存先と名前を指定

２－２．Rasberry Pi用コマンド

raspi-config：Raspberry Piのシステム設定ツールを開く
rpi-update：Raspberry Piのファームウェアをアップデート
- 「本コマンドは公式でも推奨されていない」ため初学者は使用しない

２－３．コマンド使用例

　実際のコマンド使用例は下記の通りです。

ls -lt：作成時間も含めて作業ディレクトリ内のファイルを表示
sudo apt update：インストール可能なソフトウェアのパッケージのリストを最新の状態に更新
sudo apt upgrade：インストールされているソフトウェアを最新のバージョンに更新
sudo shutdown -h now：今すぐシャットダウン（電源OFF)
shutdown -r now：今すぐ再起動を実施する
- ”sudo reboot now”でも再起動可能

３．環境構築：全般

　公式Docsを参照しながら環境構築を実施していきます。

３－１．環境構築方法：ソースからビルド／パッケージ

　OpenCVをLinuX環境にインストールする方法は２種類あり、「ソースからビルド」と「パッケージマネージャ」があります。

　それぞれの特徴は下記の通りです。

【ソースからビルド：Build from sources】

カスタマイズ性が高く、最新Ver.を利用できる
コンパイルとインストールに時間がかかる(数時間)
環境構築が難しい

【パッケージマネジャー：Packages by OpenCV core team】

カスタマイズが限定的でありバージョンが古い可能性がある
- 過去の事例では最新がVer4.0でもpipだとVer3.xになる
ビルドに必要なリソースが不要
コマンド１つでインストールできるため非常に簡単
- "pip"でコンパイル済みのOpenCVをインストール可能

３－２．パッケージマネジャーによる環境構築

　パッケージマネジャーならpipを用いるだけで実装できます。

[terminal]
pip install opencv-python

【参考：contrib版】
　追加機能も含めたcontrib版もインストール可能です。ただし、初学者だとエラー時の対応が難しいと思うので基本的には標準を実装を推奨します。　

４．環境構築：ソースからビルド

　本章ではパッケージマネジャーを使用せず１から環境構築したい人向けの章です。バージョンや細かい部分は気にせず早く使用したい方は"pip install opencv-python"で使用できるため本章は飛ばしても問題ありません。

　仮想環境からでは環境構築が難しすぎてできなかったため、今回はシステム環境で実行しました。私はMiniforgeの仮想環境から”conda deactivate”を実行してシステム環境で環境構築を実施しました。

４－１．環境の確認

　環境構築時の環境設定のためにフォルダ構成とPythonのVersion（フォルダ）を確認しておきます。
※cmakeで途中までコンパイルした時の画像のため初期時とは異なる可能性があります。

[Terminal]
ls /usr/
ls /usr/local/
ls /usr/local/lib/
ls /usr/local/lib/python3.9

python --version
conda deactivate
python --version
python3 --version

　私の環境では下記が確認できました。

Pythonフォルダは"/usr/local/lib/"にあり2.7と3.9が混在している
- システム環境下ではpython3でコマンド実行しないとエラーの元
Minicondaの仮想環境(base)におけるPythonは3.10

４－２．Rasberry Pi環境の調整

　まず初めにRasberry Piを最大限使用できるように設定確認／変更していきます。概要は下記の通りです。

ディスク使用量確認
- 必要であればExpand FilesystemでSDカードのスペース拡張
システムアップデート
スワップファイルの設定
スワップファイルの再起動／確認

　４－２－１．ディスク使用量確認

　"df-h"コマンドでディスク使用量を確認できます。rootのサイズが購入したSDカード容量（下図は64GB)より過小である場合は一部メモリが認識されていない可能性があるため「EXPAND FILESYSTEM」で拡張します。
　私の環境では特に不要なので次に行きます。

[Terminal]
df -h

【EXPAND FILESYSTEMの方法】
Expand Filesystemにより、Raspberry PiのOS（Raspbianなど）がインストールされているSDカードの利用可能なスペースを最大限に拡張できます。
　方法はターミナルで”sudo raspi-config”を実行し「Advance Options->Expand Filesystem」を選択します。ウィンドウを閉じ再起動を実施します。

　起動後に"df -h"で確認すると条件によりメモリが増えます。

[Terminal]
sudo raspi-config

　４－２－２．システムアップデート

　念のためにシステムをアップデートしておきます。

[Terminal]
sudo apt-get update && sudo apt-get upgrade

　４－２－３．スワップファイルの設定

スワップファイルとは、ハードディスクやSSDの一部を仮想メモリとして使用するためのファイルです。物理メモリ（RAM）が不足した場合、スワップファイルを使用してメモリを拡張します。
　大規模なプログラム（例: OpenCVのコンパイル）を実行する際、物理メモリだけでは不足することがあるため、スワップファイルを利用することで物理メモリを超えたデータをディスクに一時的に保存し、プログラムの実行をサポートできます。

　Rasberry Pi 4 8GBを使用しているためおそらく問題ないと思いますが、他のRasberry Piを使用することも考慮してやり方を記載します。

　まずは下記コマンドでnanoエディタを用いてswapfileを開きます。次にswapfile内の”CONF_SWAPSIZE”に対してデフォルトの値をコメントアウトして、その下に高めの値を追加しました。

[Terminal]
sudo nano /etc/dphys-swapfile

[/etc/dphys-swapfile]
# CONF_SWAPSIZE=100
CONF_SWAPSIZE=2000

　nanoエディタのショートカットは下記の通りです。

切取り：Ctrl+K
貼り付け：Ctrl+U
終了：Ctrl+X（変更時は保存を問われるためy+Enterで上書き）

　４－２－４．スワップファイルの再起動／確認

　ファイル変更後はdphys-swapfileを再起動(stop->start)します。"free -m"コマンドで確認すると再起動後にswapサイズの変更が確認できます。

[Terminal]
sudo /etc/init.d/dphys-swapfile stop
sudo /etc/init.d/dphys-swapfile start
free -m

４－３．パッケージのインストール

　Pythonでいう”pip install”のように、Rasberry Pi（LinuX）にもパッケージを追加可能です。今回使用していくパッケージを追加していきます。

[Terminal]
sudo apt-get install build-essential cmake pkg-config
sudo apt-get install libpng-dev libjpeg-dev libopenexr-dev libtiff-dev libwebp-dev
sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev
sudo apt-get install libxvidcore-dev libx264-dev
sudo apt-get install libgtk2.0-dev libgtk-3-dev
sudo apt-get install libatlas-base-dev gfortran
sudo apt-get install python2.7-dev python3-dev

【パッケージの紹介】

build-essential：C/C++言語でプログラムをビルド（コンパイルとリンク）するために必要なツールを提供
- gcc, g++, makeなど、基本的なビルドツールを含む
- ソースコードから実行可能なバイナリを生成するのに必要
- make：ソースコードから実行可能なプログラムをビルドするためのツール。Makefileにビルドのルールを記述し、makeコマンドでこれを解釈してビルドする
cmake：ソフトウェアのビルドプロセスを自動化するためのツール
- CMakeLists.txtにビルドのルールを記述し、cmakeコマンドでビルド
pkg-config：インストールされているライブラリを検出し、その設定をコンパイラに伝えるツール
- gccなどのコンパイラに、どのライブラリをどこで見つけるか（パス）、どのヘッダーファイルを含むかなどを教える
libjpeg-dev, libtiff5-dev, libjasper-dev, libpng-dev：
- 画像ファイル（JPEG, TIFF, Jasper, PNGなど）を扱うためのライブラリ
- OpenCVがこれらを利用して多くの画像フォーマットをサポートする
- libjasper-devは見つからないため削除
- libpng12-devはlibpng-devに変更されたとのこと
libavcodec-dev, libavformat-dev, libswscaledev, libv4l-dev：
- ビデオとオーディオを処理するためのライブラリ
- ビデオ/オーディオのエンコード/デコード、フォーマットの変換、ビデオキャプチャなど対応可能
libxvidcore-dev, libx264-dev：ビデオコーデックを提供するライブラリ
- ビデオファイルの圧縮（エンコード）／展開（デコード）で使用
libgtk2.0-dev, libgtk-3-dev：GUI作成用のライブラリ
- GTKはウィンドウ、ボタン、テキストボックス等のウィジェットを提供
libatlas-base-dev：ATLASは高性能な数値計算を提供
gfortran：Fortran言語のコンパイラ
python2.7-dev, python3-dev：Python言語の開発ヘッダーファイルとライブラリを提供

【備忘録】

libjasper-devは現在インストールができない。
- JPEG関係のライブラリだが無くてもエラーが出ないらしい
libpng12-devは現在インストールができない。
- libpng-devで代替

４－４．OpenCVソースコードを取得

　OpenCVのソースコードとして下記２種を取得します。

標準ライブラリ：標準的に使用する機能のみを集めたモジュール
Contrib Libraries："Extra modules"とも呼ばれており、追加機能/APIを含んだモジュールである。最新機能が試せる反面、不安定な動作もある。

　まずは好きな場所に作業ディレクトリを作成します。私はDesktopにopencvフォルダを作成し、そこを作業ディレクトリに変更(cd)しました。

[Terminal]
cd Desktop
mkdir opencv
cd opencv

【注意点：指定するVersionに関して】
　特に3.x系と4.x系で大きな変更(APIなど）があるかもしれないため自分が参考にしたい本や記事のVersionと合わせておくのがベターと思います。

　４－４－１．標準版ソースコード

　今回はVersionを指定(4.8.1)してダウンロードします。wgetに-Oオプションを付けることでDLしたファイル名を"opencv.zip"に指定しました。

[Terminal]
wget -O opencv.zip https://github.com/opencv/opencv/archive/refs/tags/4.8.1.zip
unzip opencv.zip

unzipまで実行すると指定Versionのフォルダが生成されました。

【OpenCVのソースコード確認方法】
　ソースコードのURLは公式GitHubのtagsまたはReleaseへ移動し「Source code (zip)」を右クリックしてリンクをコピーすれば確認可能です。

　４－４－２．Contrib Libraries

OpenCV Contrib Librariesとは、コミュニティから提供されたOpenCVのメインリポジトリには含まれていない追加のモジュールを集めたものであり、OpenCVとは別にインストールする必要があります。
　前項と同様の手順で同じVersionの物をDL/unzipしました。

[Terminal]
wget -O opencv_contrib.zip https://github.com/opencv/opencv_contrib/archive/refs/tags/4.8.1.zip
unzip opencv_contrib.zip

４－５．OpenCVのビルド

　ソースコードをコンピュータが直接実行できる形式（機械語）に変換（コンパイル）し、ソースコードを実行可能なソフトウェア製品に変換（ビルド）する必要があります。
　まずはビルドの準備のため作業ディレクトリを変更します。

[Terminal]
cd opencv-4.8.1/
mkdir build
cd build/

　次にコンパイル前にビルド設定をcmakeを使用して行います。実行完了するとbuildフォルダ内に複数のファイルが生成されます。
※”-D OPENCV_EXTRA_MODULES_PATH”のPathは作業環境＋DLしたOpenCVのVersionや名前に応じて適宜設定のこと

[Terminal]
cmake -D CMAKE_BUILD_TYPE=RELEASE \
-D CMAKE_INSTALL_PREFIX=/usr/local \
-D INSTALL_C_EXAMPLES=OFF \
-D INSTALL_PYTHON_EXAMPLES=ON \
-D OPENCV_EXTRA_MODULES_PATH=~/Desktop/opencv/opencv_contrib-4.8.1/modules \
-D BUILD_EXAMPLES=ON \
-D ENABLE_NEON=ON ..

　上記のビルド設定に基づきmakeでコンパイル/リンクを実施します。-j4オプションは4つのコアを使用してビルドを行うことを意味します。Rasberry Pi4のコア数は4のため最大に設定しています。

[Terminal]
sudo make -j4

　終了するとCMkaerFilesなどが生成されます。実行からコンパイルが終了するまで2.5h程度かかりました。

【参考：コンパイルのやり直し（）：make clean】
　途中で停止したなどで再度コンパイルしたい場合、そのままmakeすると変更があったものだけ再コンパイルしますが、make cleanですべてのオブジェクトを削除できます。

[Terminal]
sudo make clean

【参考：ビルド設定のコマンド説明】
　ビルド設定のためにcmakeで使用したコマンドの意味を記載しました。

-D CMAKE_BUILD_TYPE=RELEASE：ビルドタイプを指定
- RELEASEは最適化を有効にしてデバッグ情報を無効にする設定
- これにより生成されるバイナリは実行速度が速くなりますが、デバッグが難しくなる
-D CMAKE_INSTALL_PREFIX=/usr/local：インストール先のディレクトリを指定
- ビルドが完了したバイナリ、ライブラリ、ヘッダーファイルなどが/usr/localディレクトリにインストールされる
-D INSTALL_C_EXAMPLES=OFF： C言語のサンプルコードのインストールオプションをオフ
- オプションOFF：C言語のサンプルはインストールされない
-D INSTALL_PYTHON_EXAMPLES=ON：Pythonのサンプルコードのインストールオプションをオン
- Pythonで書かれたサンプルコードがインストールされる
-D OPENCV_EXTRA_MODULES_PATH=~/Desktop/opencv/ opencv_contrib-4.8.1/modules：OpenCVの追加モジュールのパスを指定
- opencv_contribリポジトリをビルドに含めるためのパスを指定
-D BUILD_EXAMPLES=ON：サンプルコードをビルドするかを指定
- ON：サンプルコードもビルドされる
-D ENABLE_NEON=ON：NEONを有効化
- NEONは、ARMアーキテクチャで使用可能なSIMD（Single Instruction, Multiple Data）アーキテクチャを指す。
- これを有効にするとARMプラットフォーム（Raspberry Piなど）でのパフォーマンスが向上する
..：CMakeに対して設定ファイル（CMakeLists.txt）が上位ディレクトリにあることを指示

４－６．インストール

　次にソフトウェアをコンピュータ上で実行可能な状態にします。具体的にはコンパイルされたプログラム（バイナリ）をシステムの適切なディレクトリにコピーし、必要な設定を行います。

sudo make install：Makefile（スクリプトの一種）の記述に従ってビルドやインストールを実施
- install：makeコマンドで指定でき、Makefileに記述されたインストールの手順に従って、ビルドされたバイナリファイルやライブラリをシステムの適切な場所にコピーします。
sudo ldconfig：プログラムが実行時に外部ライブラリをどこから読み込むかを管理

[Terminal]
sudo make install
sudo ldconfig

４－７．Pythonバインディング

　ビルドが終わってもOpenCVはimport できません。確認のためPython対話モードで"import cv2"を実施してもエラーが出ます。理由としてはビルドしたOpenCVとPythonがうまくつながっていないためです。

　Pythonバインディングとはプログラミング言語間で関数やオブジェクトを共有するためのインターフェースです。Pythonバインディングすることで、PythonからC++で書かれたOpenCVを直接呼び出すことが出来ます。

　４－７－１．Soファイルの参照先確認

　前節のビルドが完了するとsoファイル（cv2.cpython-39-aarch64-linux-gnu.so）が生成されます。これの場所をlsコマンドで探していきます。

[Terminal]
ls /usr/
ls /usr/local/
ls /usr/local/lib/
ls /usr/local/lib/python3.9
ls /usr/local/lib/python3.9/site-packages/
ls /usr/local/lib/python3.9/site-packages/cv2

　本手順×同じPythonのVersionであれば”ls /usr/local/lib/python3.9/site-packages/python3.9”内にsoファイルが確認できるはずです。

　４－７－２．Pythonバインディングの実行

　Soファイルの場所を確認出来たら下記手順でPythonバインディングを実施します。

ls：作業ディレクトリをSoファイルのディレクトリに変更
- 変更後にlsコマンドでsoファイルがあることを再度確認した方が良い
- cmakeコマンドの”-D CMAKE_INSTALL_PREFIX=/usr/local”でインストール先のディレクトリを指定しているためこのPathとなる
cp：Soファイルをコピー
- cv2.cpython-35m-arm-linux-gnueabihf.soをcv2.soという名でコピー
ls：作業ディレクトリをpythonのdist-packagesに変更
ls：シンボリックリンクの作成
- "ln -s"コマンドを使用して2でコピーした"cv2.so"に対してpythonフォルダ内のcv2.soがシンボリックリンクとなります。

[Terminal]
cd  /usr/local/lib/python3.9/site-packages/cv2/python-3.9/
sudo cp cv2.cpython-35m-arm-linux-gnueabihf.so cv2.so
cd  /usr/local/lib/python3.9/dist-packages/
sudo ln -s /usr/local/lib/python3.9/site-packages/cv2/python-3.9/cv2.so cv2.so

　これで設定は完了です。

４－８．スワップファイルの再設定

　メモリ不足対策で増加させたスワップファイルを元に戻しCtrl+Xで上書き保存で閉じます。
　dphys-swapfileを再起動(stop/start)して設定変更の適用を確認します。

[Terminal]
sudo nano /etc/dphys-swapfile

sudo /etc/init.d/dphys-swapfile stop
sudo /etc/init.d/dphys-swapfile start
free -m

４－９．OpenCVの動作確認

　Pythonを対話モードで起動してOpenCV(cv2)がインストールされていることを確認します。Versionが確認できれば終了となります。

[Terminal]
python3
import cv2
cv2.__version__

[OUT]
4.8.1

【Python対話モードの注意点】
　Rasberry Pi OSにはPython2系と3系が入っています。よって意図的にpython3系を指定（pythonではなくpython3）しないと下記のようなエラーが発生します。

５．コラム：OpenCV×カメラモジュールの相性

５－１．状況説明

　紹介した環境構築を実行することで下記を確認できており、通常であればWebカメラを起動する下記スクリプトは動作するはずです。

OpenCV：Pythonでimport cv2でエラーなく実行できる
カメラ接続：libcamera-helloで動画撮影できることを確認

[pythonスクリプト]
import cv2
import numpy as np

cap = cv2.VideoCapture(0) #Webカメラを開く

while True:
    ret , frame = cap.read() # カメラから画像を取得
    frame =cv2.resize(frame, (500,300)) # 画像サイズを変更
    cv2.imshow('OpenCV Web Camera', frame) # 画面に表示
    k = cv2.waitKey(1) # 1msec待つ
    if k ==27 or k ==13:
        break # ESC or Enterを押したらループ終了
        
cap.release()
cv2.destroyAllWindows()

　私の環境では更なるトラブルとして、カメラはオープンできているけど読み取れないトラブル（cap.read()が値を返さない）があります。

[Terminal]
python3
import cv2
cap = cv2.VideoCapture(0)
cap.isOpened()
cap.read()

[OUT]
True
(False, None)

　原因としてはおそらく新しいカメラモジュールとOpenCVの相性が良くない可能性があります。次章では対策としてPiCamera2を使用していきます。

OpenCV does not work with new Raspberry Pi MIPI camera software stack

５－２．カメラ情報の確認方法

　カメラの接続状態を確認します。下記確認しましたが、対策案がでなかったOpenCVの”cv2.VideoCapture(0)※”の使用はあきらめました。
※番外編ではUSBカメラを使った事例を紹介しており、その場合は使用可

vcgencmd get_camera：カメラの接続情報確認
- 接続を確認（※libcameraは特殊なため注意）
groups：カメラアクセスの権限確認
- videoグループが存在している
ls /dev/video*：カメラデバイスの確認
cv2.VideoCapture(0, cv2.CAP_V4L2)：バックエンドで実行
- ハードウェアアクセラレーションだとエラーの可能性がある
- V4L2バックエンドを明示的に使用
- 念のため0でなく別の数値でも実行してみた（※効果無し）

[Terminal]
vcgencmd get_camera
groups
ls /dev/video*

[Terminal]
import cv2
cap = cv2.VideoCapture(0, cv2.CAP_V4L2)
cap.read()

６．初級編：Webカメラで利用

６－１．設計思想

　現在の環境仕様より、結論は「Picamera2を利用してカメラ情報を取得してOpenCVに出力」させます。環境の状態は下記の通りです。

カメラモジュールv3を使用：OpenCVと相性が悪いのかわからないがcv2.VideoCapture(0)で画像データが取得できない
Rasberry Pi OS 64bit：Picameraライブラリは使用できないため、Picamera2を使用
OSがDebian Bullseys：raspi-configのInterface Optionにカメラがなく、レガシーカメラが設定できない。またレガシー設定のままだとカメラモジュールv3が使用できない

６－２．PiCamera２×OpenCVでの撮影

　まずはWebカメラとして使用してみます。スクリプトは下記の通りであり、要点は以下の通りです。

カメラモジュールv3からの画像はPiCamera2を用いてNumpy配列で取得
OpenCVのRGBの取り扱いが通常と異なるためcv2.cvtColorで次元を変更
ウィンドウはEscかEnterキーで抜けられるように設定

[webcam.py]
import cv2
import picamera2
import numpy as np
from PIL import Image
import time

#PiCamera2の設定・初期化
camera = picamera2.Picamera2()
camera.start() #カメラの起動

# OpenCVウィンドウ設定
cv2.namedWindow("PiCamera Preview") #タイトルを指定

# カメラから画像を取得
while True:
    imgRGB_array = camera.capture_array("main") #画像をNumpy配列で取得
    imgBGR_array = cv2.cvtColor(imgRGB_array, cv2.COLOR_RGB2BGR) #RGBからBGRに変換

    cv2.imshow("PiCamera Preview", imgBGR_array) #ウィンドウに表示

    k = cv2.waitKey(1) #キー入力を1ms待つ
    if k == 27 or k == 13:
        break #ESCまたはEnterキーが押されたら終了

camera.stop() #カメラを解放
cv2.destroyAllWindows() #ウィンドウを破棄

[Terminal]
python3 webcam.py

[OUT]

６－３．番外編：USB-Webカメラの利用

　「OpenCVは使えるけどPicamera2を覚えるのがめんどくさい」という方は、Rasberry Piの「カメラモジュールではなくUSBカメラを使用」する手法があります。この手法が初学者にとって一番楽だと思います。

　今回はテスト用のため、ロジクールの安いUSBカメラを選定しました。USBはUSB3(青色）に接続します。

　事前にWebカメラのUSB接続前後で”ls /dev/video*”コマンドを実行し、どのvideoが所定のデバイスファイルか当たりを付けます。
　次に”v4l2-ctl --list-devices”で接続されているVideo4Linuxデバイスの一覧を表示し、カメラの番号を確認します。本コマンドはv4l2-utilsパッケージのため、インストールしていない人は事前に”sudo apt install v4l-utils”が必要となります。

[Terminal]
ls /dev/video*
v4l2-ctl --list-devices

[OUT]
bcm2835-codec-decode (platform:bcm2835-codec):
	/dev/video10
	/dev/video11
	/dev/video12
	/dev/video18
	/dev/video31
	/dev/media3

bcm2835-isp (platform:bcm2835-isp):
	/dev/video13
	/dev/video14
	/dev/video15
	/dev/video16
	/dev/video20
	/dev/video21
	/dev/video22
	/dev/video23
	/dev/media0
	/dev/media2

unicam (platform:fe801000.csi):
	/dev/video2
	/dev/video3
	/dev/media1

rpivid (platform:rpivid):
	/dev/video19
	/dev/media4

UVC Camera (046d:0825) (usb-0000:01:00.0-1.2):
	/dev/video0
	/dev/video1
	/dev/media5

　結果としてUSBカメラはvideo0に該当すると判断できます。

　"cv2.VideoCapture(0)"としてOpenCVのスクリプトを作成しました。結果としてPiCameraを使用しなくても、OpenCVからカメラを認識できることを確認しました。

[Terminal]
import cv2

cap = cv2.VideoCapture(0) # 0番目のカメラを開く
if not cap.isOpened():
    print("Could not open camera")
    exit()

while True:
    ret, frame = cap.read()
    if not ret:
        print("Failed to grab frame")
        continue

    frame = cv2.resize(frame, (500, 300)) # 画像サイズを変更
    cv2.imshow('OpenCV Web Camera', frame) # 画面に表示
    k = cv2.waitKey(1) # 1msec待つ
    if k == 27 or k == 13: # ESC or Enterを押したらループ終了
        break

cap.release()
cv2.destroyAllWindows()

[Terminal]
python3 wcam.py

７．応用編１：仮想環境下でOpenCV使用

　今まではシステム環境で環境構築してきましたが、仮想環境でも環境を作りたいニーズは発生するはずです。しかし実装しようとするとかなりしんどいため参考までに紹介します。

システム環境：Rasberry Pi本来の環境
仮想環境：システム環境とは分離された別環境
- Miniforgeをインストールして仮想環境を作成

７－１．仮想環境下での課題

　前述の通り本環境下では直接"cv2.VideoCapture(0)"でカメラから画像をキャプチャできないためPiCamera２を使用しました。システム環境ではすんなり？いったのですが、仮想環境下ではうまくいきませんでした。

　PiCamera２とは別手法で仮想環境からカメラにアクセスする必要があります。今回は「subprocessを使用してターミナル上からlibcameraを使用」で対応しました。

７－２．設計思想：subprocessでlibcameraにアクセス

　今回の設計思想としては下記の通りです。エラーで詰まったところも含めて記載しました。用語・APIの詳細は別記事をご確認ください。

カメラモジュールへのアクセスはlibcameraを使用
libcameraの使用は、subprocessを用いてコード内から制御
- commandを変数で一括にまとめて処理
libcameraコマンドはlibcamera-vidを使用
- libcamera-jpegだと10sくらいでいったん止まる（原因不明）
- --timeout：0にすることで動画（無限時間）として処理可能
- --nopreview：設定するとlibcameraのウィンドウ表示を省略
- --framerate：設定しないとカクカクになる。公式だと50fpsくらいまでは出る？？
- --codec：YUV420かMJPEGを指定
libcamera-vidのコーデックはYUV420ではなくMJPEGを選択
- YUV420(デフォルト)だと砂嵐の画面になり撮影できない

７－３．実装編

　実装は以下の通りです。正直細かい部分が理解できていないため、説明は省略します。

cv2.imdecode()で既にBGR(OpenCVが扱う状態）になっているためRGBへの変換は不要

[wcam_env.py]
import cv2
import numpy as np
import subprocess

# 解像度の設定
width = 640
height = 480

# libcamera-vidコマンドの設定
command = [
    "libcamera-vid",
    "--timeout", "0",  # 無限に動画を取得
    "--nopreview",  # プレビューを無効
    "--width", str(width),  # 幅の設定
    "--height", str(height),  # 高さの設定
    "--framerate", "30",  # フレームレートの設定
    "--codec", "mjpeg",  # MJPEGコーデックを使用
    "-o", "-"  # 標準出力にフレームを出力
]

# libcamera-vidプロセスを開始
process = subprocess.Popen(command, stdout=subprocess.PIPE, bufsize=10**8)

# OpenCVウィンドウの設定
cv2.namedWindow("PiCamera Preview", cv2.WINDOW_AUTOSIZE)

# フレームを格納するためのメモリバッファ
frame_buffer = bytearray()

try:
    while True:
        # 標準出力からデータを読み込む
        data = process.stdout.read(4096)
        if not data:
            break

        # バッファにデータを追加
        frame_buffer += data

        # JPEGのフレームが終わる0xFF 0xD9（EOIマーカー）を探す
        a = frame_buffer.find(b'\xff\xd8')  # SOIマーカー
        b = frame_buffer.find(b'\xff\xd9')  # EOIマーカー

        if a != -1 and b != -1 and b > a:
            jpg = frame_buffer[a:b+2]  # JPEGフレームの取り出し
            frame_buffer = frame_buffer[b+2:]  # 次のフレームのためにバッファをクリア

            # JPEGフレームをデコードして表示
            frame = cv2.imdecode(np.frombuffer(jpg, dtype=np.uint8), cv2.IMREAD_COLOR)
            cv2.imshow("PiCamera Preview", frame)

            # 1ミリ秒待って、ESCかEnterが押されたら終了
            if cv2.waitKey(1) & 0xFF in [27, ord('q')]:
                break

finally:
    # プロセスとウィンドウのクリーンアップ
    process.terminate()
    cv2.destroyAllWindows()

[Terminal]
python3 wcam_env.py

８．応用編２：AIによる顔検出

　OpenCVで作成した記事と同じことをできるか確認しました。

８－１．環境構築：学習済み検出器モデルの取得

　顔を検出する検出器の学習済みモデルを下記手順で実行します。

GitHubのフォルダをgit cloneで作業ディレクトリにコピー
lsコマンドで正常終了であること、およびフォルダ名を確認
cpコマンドで”opencv/data/haarcascades/haarcascade_frontalface_alt.xml ”を作業ディレクトリにコピー

[Terminal]
git clone https://github.com/opencv/opencv.git
ls
cp opencv/data/haarcascades/haarcascade_frontalface_alt.xml haarcascade_frontalface_alt.xml

８－２．顔検出のPythonスクリプト

　顔検出コードを作成します。処理としては下記の通りです。

前処理（グレースケール化）
cascade.detectMultiScale()で顔を検出して座標を出力
取得した顔座標にcv2.rectangle()で枠線を引く

　顔の検出対象は（仕事猫は顔として認識されなかったので）写真素材サイト-ぱくたそのモデル一覧をカメラで認識させてみました。

[detectface.py]
import cv2
import picamera2
import numpy as np
import time

# PiCamera2の設定・初期化
camera = picamera2.Picamera2()
camera.start()  # カメラの起動

# OpenCVウィンドウ設定
cv2.namedWindow("PiCamera Preview")  # タイトルを指定

# カスケードファイルから分類器（検出器）を作成
cascade_file = "haarcascade_frontalface_alt.xml"
cascade = cv2.CascadeClassifier(cascade_file)

# カメラから画像を取得
while True:
    imgRGB_array = camera.capture_array("main")  # 画像をNumpy配列で取得
    imgBGR_array = cv2.cvtColor(imgRGB_array, cv2.COLOR_RGB2BGR)  # RGBからBGRに変換
    img_gray = cv2.cvtColor(imgBGR_array, cv2.COLOR_BGR2GRAY)  # グレースケール変換

    # 顔認識
    face_list = cascade.detectMultiScale(img_gray, minSize=(30, 30))

    # 検出した顔に枠を描画
    for (x, y, w, h) in face_list:
        color_frame = (0, 255, 0)  # 枠の色{緑色:(0,255,0)}
        pen_w = 3  # 枠の太さ
        cv2.rectangle(imgBGR_array, (x, y), (x + w, y + h), color_frame, thickness=pen_w)

    cv2.imshow("PiCamera Preview", imgBGR_array)  # ウィンドウに表示

    k = cv2.waitKey(1)  # キー入力を1ms待つ
    if k == 27 or k == 13:
        break  # ESCまたはEnterキーが押されたら終了

camera.stop()  # カメラを解放
cv2.destroyAllWindows()  # ウィンドウを破棄

[Terminal]
python3 detectface.py

８－３．番外編：仮想環境×libcamera

　同様のことを７章と同様に仮想環境から実施しました。

[detect_env]
import cv2
import numpy as np
import subprocess

# 解像度の設定
width = 640
height = 480

# カスケードファイルから分類器（検出器）を作成
cascade_file = "haarcascade_frontalface_alt.xml"
cascade = cv2.CascadeClassifier(cascade_file)

# libcamera-vidコマンドの設定
command = [
    "libcamera-vid",
    "--timeout", "0",  # 無限に動画を取得
    "--nopreview",  # プレビューを無効
    "--width", str(width),  # 幅の設定
    "--height", str(height),  # 高さの設定
    "--framerate", "50",  # フレームレートの設定
    "--codec", "mjpeg",  # MJPEGコーデックを使用
    "-o", "-"  # 標準出力にフレームを出力
]

# libcamera-vidプロセスを開始
process = subprocess.Popen(command, stdout=subprocess.PIPE, bufsize=10**8)

# OpenCVウィンドウの設定
cv2.namedWindow("PiCamera Preview", cv2.WINDOW_AUTOSIZE)

# フレームを格納するためのメモリバッファ
frame_buffer = bytearray()

try:
    while True:
        # 標準出力からデータを読み込む
        data = process.stdout.read(4096)
        if not data:
            break

        # バッファにデータを追加
        frame_buffer += data

        # JPEGのフレームが終わる0xFF 0xD9（EOIマーカー）を探す
        a = frame_buffer.find(b'\xff\xd8')  # SOIマーカー
        b = frame_buffer.find(b'\xff\xd9')  # EOIマーカー

        if a != -1 and b != -1 and b > a:
            jpg = frame_buffer[a:b+2]  # JPEGフレームの取り出し
            frame_buffer = frame_buffer[b+2:]  # 次のフレームのためにバッファをクリア

            # JPEGフレームをデコードして表示
            frame = cv2.imdecode(np.frombuffer(jpg, dtype=np.uint8), cv2.IMREAD_COLOR)
            
            # 顔認識
            img_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # グレースケール化
            face_list = cascade.detectMultiScale(img_gray, minSize=(30, 30))

            # 検出した顔に枠を描画
            for (x, y, w, h) in face_list:
                color_frame = (0, 255, 0)  # 枠の色{緑色:(0,255,0)}
                pen_w = 3  # 枠の太さ
                cv2.rectangle(frame, (x, y), (x + w, y + h), color_frame, thickness=pen_w)

            # OpenCVでフレームを表示
            cv2.imshow("PiCamera Preview", frame)

            # 1ミリ秒待って、ESCかEnterが押されたら終了
            if cv2.waitKey(1) & 0xFF in [27, ord('q')]:
                break

finally:
    # プロセスとウィンドウのクリーンアップ
    process.terminate()
    cv2.destroyAllWindows()

[Terminal]
python3 detect_env

参考資料

あとがき

　久しぶりの環境構築は辛いし面白くない。Rasberry PiもOSが変わったりカメラモジュールが変わったり、OpenCVもVersion３系と４系が変わったりで昔の情報が結構役に立たないのが多くて辛かった。

Raspberry Piでやってみた（画像処理）：OpenCVによる画像処理の実装

１．概要

１－１．Rasberry Piの環境構築

１－２．画像処理ライブラリの紹介

２．参考：Linuxコマンド

２－１．Linuxコマンド

２－２．Rasberry Pi用コマンド

２－３．コマンド使用例

３．環境構築：全般

３－１．環境構築方法：ソースからビルド／パッケージ

３－２．パッケージマネジャーによる環境構築

４．環境構築：ソースからビルド

４－１．環境の確認

４－２．Rasberry Pi環境の調整

４－２－１．ディスク使用量確認

４－２－２．システムアップデート

４－２－３．スワップファイルの設定

４－２－４．スワップファイルの再起動／確認

４－３．パッケージのインストール

４－４．OpenCVソースコードを取得

４－４－１．標準版ソースコード

４－４－２．Contrib Libraries

４－５．OpenCVのビルド

４－６．インストール

４－７．Pythonバインディング

４－７－１．Soファイルの参照先確認

４－７－２．Pythonバインディングの実行

４－８．スワップファイルの再設定

４－９．OpenCVの動作確認

５．コラム：OpenCV×カメラモジュールの相性

５－１．状況説明

５－２．カメラ情報の確認方法

６．初級編：Webカメラで利用

６－１．設計思想

６－２．PiCamera２×OpenCVでの撮影

６－３．番外編：USB-Webカメラの利用

７．応用編１：仮想環境下でOpenCV使用

７－１．仮想環境下での課題

７－２．設計思想：subprocessでlibcameraにアクセス

７－３．実装編

８．応用編２：AIによる顔検出

８－１．環境構築：学習済み検出器モデルの取得

８－２．顔検出のPythonスクリプト

８－３．番外編：仮想環境×libcamera

参考資料

あとがき

ピックアップされています

電子工作／マイコン（Raspberry Piなど）

Pythonライブラリ（画像処理）

CV

あなたへのおすすめ

ピックアップされています

電子工作／マイコン（Raspberry Piなど）

Pythonライブラリ（画像処理）

CV

　４－２－１．ディスク使用量確認

　４－２－２．システムアップデート

　４－２－３．スワップファイルの設定

　４－２－４．スワップファイルの再起動／確認

　４－４－１．標準版ソースコード

　４－４－２．Contrib Libraries

　４－７－１．Soファイルの参照先確認

　４－７－２．Pythonバインディングの実行