Video & Image Processing

Image & Video Capture

import cv2

img = cv2.imread('images.jpeg')

print(img.shape)

img = cv2.resize(img,(860, 620))
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # RGB2HSV, RGB2GRAY

print(img.shape)

cv2.imshow("Window Title", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

🌈 HSV ဆိုတာဘာလဲ? HSV ဆိုတာ: H = Hue (အရောင်အမျိုးအစား) 🔹 Hue က Red, Green, Blue ဆိုတဲ့ အခြေခံအရောင်တွေပါ။ 🔹 Value က 0° မှ 179° အထိ ရှိတတ်တယ် (OpenCV မှာ Hue ကို 0-179 သာသုံးတယ်) S = Saturation (အရောင်အဆာ) 🔹 အရောင်ရောနှောမှု အဆာကောင်းလား၊ မကောင်းလားဆိုတာ။ 🔹 Value က 0 (အရောင်မရှိဘူး, ဖြူဖြူစင်စင်) မှ 255 (အရောင်ပြည့်ဝ) အထိ။ V = Value (အလင်းအမှောင်) 🔹 အလင်းအတောက်ရှိလား မရှိဘူးလားဆိုတာ။ 🔹 0 ဆိုတာ အမှောင်လုံးဝ၊ 255 ဆိုတာ အလင်းအတောက်။

import cv2

video = cv2.VideoCapture('ITE.mp4')
# video = cv2.VideoCapture(0) # ဒါက Camera ကို ဖွင့်တာ။ 0 ဆိုတာက Default Camera ပါ။

while True:
    try:
        res, frame = video.read()

        cv2.imshow("Video", frame)
    except:
        pass

    if cv2.waitKey(1000) & 0xff == ord('q'):  # cv2.waitKey(1000) ထဲက 1000 ဟာ milliseconds ပါ။
        break
    
video.release()  # <-- release the camera
cv2.destroyAllWindows()

Canny

import cv2

img = cv2.imread('images.jpeg')
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
new_img = cv2.Canny(gray_img, 150, 200)

cv2.imshow("Image", new_img)
cv2.waitKey(0)
cv2.destoryAllWindow()

import cv2

video = cv2.VideoCapture(0)

while True:
    try:
        ret, frame = video.read()
        frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        frame = cv2.Canny(frame, 150, 200)
        
        cv2.imshow("Video", frame)
    except:
        pass

    k = cv2.waitKey(1) & 0xff  # ESC (keycode 27) to exit
    if k == 27:
        break

video.release()
cv2.destroyAllWindows()

Erode & Dilate

import cv2
import numpy as np

org_img = cv2.imread('basketball.png')
org_img = cv2.cvtColor(org_img, cv2.COLOR_BGR2GRAY)
new_img = cv2.Canny(org_img, 150, 200)

kernel = np.ones((1, 1),np.uint8)
erode = cv2.erode(new_img, kernel, iterations=1)
# dil = cv2.dilate(new_img, kernel, iterations=1)

cv2.imshow("Image", erode)
# cv2.imshow("Image", dil)
cv2.waitKey(0)
cv2.destroyAllWindows()

Numpy

import cv2
import numpy as np

# blank = np.zeros((500, 500), dtype = 'uint8')
blank = np.zeros((500, 500,3), dtype = 'uint8') #BGR
blank[:] = 150, 160, 200

print(blank)

cv2.imshow('Window', blank)
cv2.waitKey(0)
cv2.destroyAllWindows()

[[[150 160 200]
  [150 160 200]
  [150 160 200]
  ...
  [150 160 200]
  [150 160 200]
  [150 160 200]]

 [[150 160 200]
  [150 160 200]
  [150 160 200]
  ...
  [150 160 200]
  [150 160 200]
  [150 160 200]]

 [[150 160 200]
  [150 160 200]
  [150 160 200]
  ...
  [150 160 200]
  [150 160 200]
  [150 160 200]]

 ...
...
  ...
  [150 160 200]
  [150 160 200]
  [150 160 200]]]
Output is truncated. View as a scrollable element or open in a text editor. Adjust cell output settings...
2025-04-27 10:36:58.758 Python[28592:5208744] +[IMKClient subclass]: chose IMKClient_Modern
2025-04-27 10:36:58.758 Python[28592:5208744] +[IMKInputSession subclass]: chose IMKInputSession_Modern

Rectangle, Circle, Lines & Text

import cv2
import numpy as np

blank = np.zeros((500, 500,3), dtype = 'uint8')
blank[:] = 0, 255, 0

# Rectangle 1
blank[200:300, 300:400] = 255, 0, 0

# Rectangle 2
rect = cv2.rectangle(blank, (0, 0), (250, 500), (255, 0, 0), thickness = 2)
# rect = cv2.rectangle(blank, (0, 0), (250, 500), (255, 0, 0), 2)
# rect = cv2.rectangle(blank, (0, 0), (250, 500), (255, 0, 0), thickness = cv2.FILLED)
# rect = cv2.rectangle(blank, (0, 0), (250, 500), (255, 0, 0), cv2.FILLED)

# Circle
cir = cv2.circle(blank, (blank.shape[1]//2, blank.shape[0]//2), 40, (0, 0, 255), thickness = 5)

# Line
lin1 = cv2.line(blank, (0, 0), (blank.shape[1]//2, blank.shape[0]//2), (255, 255, 255), thickness = 5)
lin2 = cv2.line(blank, (250, 230), (250, 450), (255, 255, 255), thickness = 5)

# Text
text = cv2.putText(blank, "Hello, world!", (100, 300), cv2.FONT_HERSHEY_TRIPLEX, 1.0, (255, 255, 255))
text = cv2.putText(blank, "Hello, world!", (100, 300), cv2.FONT_HERSHEY_TRIPLEX, 1.0, (255, 255, 255), thickness = 5)
text = cv2.putText(blank, "Hello, world!", (100, 300), cv2.FONT_HERSHEY_TRIPLEX, 1.0, (255, 255, 255), 5)

cv2.imshow('Window', blank)
cv2.waitKey(0)
cv2.destroyAllWindows()

Colors Detection & Recognition

import cv2
import numpy as np

web = cv2.VideoCapture(0)

while (1):
    _, frame = web.read()  # 📸 webcam ကနေ frame တစ်ခုဖတ်တယ်
    hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)  # 📷 BGR ကို HSV ပြောင်းတယ်

    # 🎯 Red color ရဲ့ HSV Range ခန့်မှန်း & mask တစ်ခုလုပ်တယ်
    red_L = np.array([135, 85, 115], np.uint8)
    red_U = np.array([185, 250, 250], np.uint8)
    redM = cv2.inRange(hsv, red_L, red_U)

    # 🧼 Mask ကို ပိုကြည့်ရလွယ်အောင် dilation လုပ်တယ်
    kernel = np.ones((5, 5), 'uint8')  # 5x5 white box kernel
    redM = cv2.dilate(redM, kernel)

    # 🟥 Original frame မှာ mask ပြန်တပ်ပြီး သေချာပြတယ်
    red = cv2.bitwise_and(frame, frame, mask=redM)

    # 📐 Contour တွေရှာတယ် (အနီဖြစ်တဲ့ မျက်နှာပြင်တွေ)
    cont, hier = cv2.findContours(redM, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

    for pic, cont in enumerate(cont):  # 🔁 contour တစ်ခုချင်းစီစစ်
        area = cv2.contourArea(cont)  # 📏 Contour ရဲ့ မျက်နှာပြင်ထုထည်
        if (area > 300):  # 📌 မျက်နှာပြင် 300 px ထက်ကြီးရင်
            x, y, w, h = cv2.boundingRect(cont)  # 🔲 rectangle box တည်ဆောက်
            frame = cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 0, 255), 2)
            cv2.putText(frame, "Red Colour", (x, y), cv2.FONT_HERSHEY_SIMPLEX, 1.0, (0, 0,  255))

    cv2.imshow("Detect", frame)

    if cv2.waitKey(1) & 0xff == ord('q'):
        web.release()
        cv2.destroyAllWindows()

import cv2
import numpy as np

web = cv2.VideoCapture(0)

while (1):
    _, frame = web.read()
    hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)

    red_L = np.array([135, 85, 115], np.uint8)
    red_U = np.array([185, 250, 250], np.uint8)
    redM = cv2.inRange(hsv, red_L, red_U)

    green_L = np.array([30, 55, 75], np.uint8)
    green_U = np.array([105, 250, 250], np.uint8)
    greenM = cv2.inRange(hsv, green_L, green_U)

    kernel = np.ones((5, 5), 'uint8')

    redM = cv2.dilate(redM, kernel)
    greenM = cv2.dilate(greenM, kernel)

    red = cv2.bitwise_and(frame, frame, mask=redM)
    green = cv2.bitwise_and(frame, frame, mask=greenM)

    cont1, hier1 = cv2.findContours(redM, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
    cont2, hier2 = cv2.findContours(greenM, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

    for pic, cont1 in enumerate(cont1):
        area = cv2.contourArea(cont1)
        if (area > 300):
            x, y, w, h = cv2.boundingRect(cont1)
            frame = cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 0, 255), 2)
            cv2.putText(frame, "Red Colour", (x, y), cv2.FONT_HERSHEY_SIMPLEX, 1.0, (0, 0,  255))

    for pic, cont2 in enumerate(cont2):
        area = cv2.contourArea(cont2)
        if (area > 300):
            x, y, w, h = cv2.boundingRect(cont2)
            frame = cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)
            cv2.putText(frame, "Green Colour", (x, y), cv2.FONT_HERSHEY_SIMPLEX, 1.0, (0, 255,  0))

    cv2.imshow("Detect", frame)

    if cv2.waitKey(1) & 0xff == ord('q'):
        web.release()
        cv2.destroyAllWindows()
        break

Face Detection & Recognition

https://github.com/opencv/opencv.git

import cv2
# 🧠 Haar cascade classifier (မျက်နှာ model) ကို load လုပ်တယ်
face_cascade = cv2.CascadeClassifier('opencv-4.x/data/haarcascades/haarcascade_frontalface_default.xml')

cap = cv2.VideoCapture(0)

while True:
    _, frame = cap.read()
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    
    # 🧠 မျက်နှာတွေကို ရှာတယ် (detectMultiScale ဆိုတာ Classifier ကနေ detect လုပ်တာ)
    faces = face_cascade.detectMultiScale(gray, 1.1, 4)  
    # 1.1 → scale factor (မျက်နှာကို အနည်းငယ်ချဲ့ကြည့်မယ်) / 1.1 ~ 1.3 ဆိုတာက အသုံးများတဲ့ range ဖြစ်တယ်။
    # 4 → min neighbors (မျက်နှာထင်ရှားစေဖို့ ယှဉ်တွဲ count) / 3 ~ 6 ဆိုတာက သင့်တော်တဲ့ value တွေ။

    for (x, y, w, h) in faces:  # 🔁 detect ဖြစ်တဲ့ မျက်နှာတစ်ခုချင်းစီ loop
        cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 0, 0), 4)

    cv2.imshow('Image', frame)

    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

import cv2
import face_recognition
import os
import numpy as np

# လေ့လာပြီးသား မျက်နှာပုံများ သိမ်းထားတဲ့ Folder
known_faces_dir = "known_faces"  # မျက်နှာပုံတွေအတွက် Directory
known_encodings = []  # မျက်နှာ feature vector တွေကို သိမ်းမယ်
known_names = []  # မျက်နှာနာမည်တွေကို သိမ်းမယ်

# Directory ထဲက မျက်နှာပုံများကို Load လုပ်
for filename in os.listdir(known_faces_dir):
    if filename.endswith(".jpg") or filename.endswith(".png"):  # jpg နဲ့ png ဖိုင်တွေကိုသာ ယူ
        image_path = os.path.join(known_faces_dir, filename)  # File လမ်းကြောင်း ပြုလုပ်
        image = face_recognition.load_image_file(image_path)  # မျက်နှာပုံဖတ်
        encoding = face_recognition.face_encodings(image)[0]  # မျက်နှာ Encoding ထုတ်

        known_encodings.append(encoding)  # Encoding တွေကို စုထား
        name = os.path.splitext(filename)[0]  # ဖိုင်နာမည်ကနေ နာမည်ထုတ်
        known_names.append(name)  # နာမည် စုထား

cap = cv2.VideoCapture(0)

while True:
    ret, frame = cap.read()

    # Frame ကို 1/4 ချုံ့ Resize လုပ် (မြန်မြန် detect လို့ရအောင်)
    small_frame = cv2.resize(frame, (0, 0), fx=0.25, fy=0.25)
    rgb_small_frame = cv2.cvtColor(small_frame, cv2.COLOR_BGR2RGB)

    # မျက်နှာတွေကို detect လုပ် + encode ထုတ်
    face_locations = face_recognition.face_locations(rgb_small_frame)
    face_encodings = face_recognition.face_encodings(rgb_small_frame, face_locations)

    # မျက်နှာတစ်ပုံချင်းစီအတွက်
    for (top, right, bottom, left), face_encoding in zip(face_locations, face_encodings):
        # လေ့လာပြီးသားမျက်နှာတွေနဲ့ နှိုင်းယှဉ်
        matches = face_recognition.compare_faces(known_encodings, face_encoding)
        name = "Unknown"  # မတွေ့ရင် Unknown

        # မျက်နှာနီးစပ်မှုကို တိုင်းပြီး Best match ရွေး
        face_distances = face_recognition.face_distance(known_encodings, face_encoding)
        best_match_index = np.argmin(face_distances)

        if matches[best_match_index]:
            name = known_names[best_match_index]  # Best Match နဲ့ Name ထုတ်

        # Coordinate တွေကို ပြန်ကြီး (Original Frame အရွယ်)
        top *= 4
        right *= 4
        bottom *= 4
        left *= 4

        # မျက်နှာပုံပေါ်မှာ Box နဲ့ Label ရိုက်ထည့်
        cv2.rectangle(frame, (left, top), (right, bottom), (0, 255, 0), 2)
        cv2.rectangle(frame, (left, bottom - 35), (right, bottom), (0, 255, 0), cv2.FILLED)
        cv2.putText(frame, name, (left + 6, bottom - 6), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (255, 255, 255), 1)

    cv2.imshow("Face Recognition", frame)

    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

MediaPipe

import cv2
import mediapipe as mp

# MediaPipe မှာ Drawing အတွက် function တွေ ယူမယ်
mp_drawing = mp.solutions.drawing_utils
# MediaPipe မှာ Holistic (Face + Hands + Pose) detect လုပ်မယ်
mp_holistic = mp.solutions.holistic

cap = cv2.VideoCapture(0)

# Holistic model ကိုသုံးပြီး detection လုပ်မယ်
with mp_holistic.Holistic(
    min_detection_confidence=0.5,   # Detect မှန်မှန်ကန်ကန် လိုအပ်တဲ့ confidence
    min_tracking_confidence=0.5     # Track မှန်မှန်ကန်ကန် လိုအပ်တဲ့ confidence
) as holistic:

    while cap.isOpened():  # Camera ဖွင့်နေသရွေ့ loop ဆက်မယ်
        ret, frame = cap.read()  # Frame တစ်ခုဖမ်းမယ်
        img = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)  # BGR ကို RGB ပြောင်း (MediaPipe input format)
        results = holistic.process(img)  # Holistic model နဲ့ process လုပ်မယ်
        img = cv2.cvtColor(img, cv2.COLOR_RGB2BGR)  # ပြန် BGR ပြောင်း (OpenCV display format)

        # မျက်နှာ landmark တွေကို ရေးမယ်
        mp_drawing.draw_landmarks(frame, results.face_landmarks, mp_holistic.FACEMESH_TESSELATION)
        # ညာဘက်လက် landmark တွေကို ရေးမယ်
        mp_drawing.draw_landmarks(frame, results.right_hand_landmarks, mp_holistic.HAND_CONNECTIONS)
        # ဘယ်ဘက်လက် landmark တွေကို ရေးမယ်
        mp_drawing.draw_landmarks(frame, results.left_hand_landmarks, mp_holistic.HAND_CONNECTIONS)
        # ခန္ဓာကိုယ် (pose) landmark တွေကို ရေးမယ်
        mp_drawing.draw_landmarks(frame, results.pose_landmarks, mp_holistic.POSE_CONNECTIONS)

        cv2.imshow("Detect", frame)

        if cv2.waitKey(10) & 0xff == ord('q'):
            cap.release()
            cv2.destroyAllWindows()

Game

Finger Counter

# လိုအပ်တဲ့ library တွေကို import လုပ်
import cv2
import mediapipe as mp

# MediaPipe ထဲက Hand tracking ကို initialize လုပ်
mp_hands = mp.solutions.hands 
hands = mp_hands.Hands(max_num_hands=1, min_detection_confidence=0.7)  # တစ်လက်သာ ဖမ်းမယ်၊ Detect မှန်မှန်အောင် threshold 0.7
mp_draw = mp.solutions.drawing_utils  # လက်အမှတ်တွေနဲ့ ဆက်သွယ်မှုကို ရေးဆွဲဖော်ပြဖို့

# လက်မလေးများ (finger tips) ရဲ့ landmark ID တွေ
finger_tips = [8, 12, 16, 20]  # လက်ချောင်းထိပ် IDs
thumb_tip = 4  # လက်မ (thumb) ရဲ့ tip ID

# Webcam ဖွင့်
cap = cv2.VideoCapture(0)

# အဓိက Game Loop
while True:
    ret, frame = cap.read()
    h, w, _ = frame.shape  # Frame အရွယ်အစား သိမ်းထား
    frame_rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)  # OpenCV က BGR ဆိုတော့ RGB ပြောင်း
    result = hands.process(frame_rgb)  # MediaPipe ကို frame ကိုထုတ်ပေး

    finger_count = 0  # လက်ချောင်းရေ စောင့်ထား

    # လက်တွေတွေ့ရရင်
    if result.multi_hand_landmarks:
        for hand_landmarks in result.multi_hand_landmarks:
            lm_list = []  # Landmark တွေကို သိမ်းမယ်
            for id, lm in enumerate(hand_landmarks.landmark):
                lm_list.append((int(lm.x * w), int(lm.y * h)))  # Landmark တွေရဲ့ (x,y) coordinate ပြောင်း

            # လက်မ (Thumb) အတွက် Check
            if lm_list[thumb_tip][0] > lm_list[thumb_tip - 1][0]:  # လက်မတော်တော်ပေါ်ပြီလား စစ်
                finger_count += 1

            # အခြားလက်ချောင်း ၄ ခု အတွက် Check
            for tip in finger_tips:
                if lm_list[tip][1] < lm_list[tip - 2][1]:  # လက်ချောင်းထိပ်ပိုမိုမြင့်တက်နေမလား စစ်
                    finger_count += 1

            # လက်အမှတ်တွေနဲ့ ဆက်သွယ်မှုတွေနဲ့ လက်ပုံပေါ်မှာ ဆွဲ
            mp_draw.draw_landmarks(frame, hand_landmarks, mp_hands.HAND_CONNECTIONS)

    # လက်ချောင်းရေ ကို Screen ပေါ်မှာ ပြမယ်
    cv2.putText(frame, f'Fingers: {finger_count}', (50, 100),
                cv2.FONT_HERSHEY_SIMPLEX, 2, (0, 255, 0), 3)

    # ပြသရန် Window ဖွင့်
    cv2.imshow("Finger Counter", frame)

    # 'q' နှိပ်ရင် Program ပိတ်
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# Webcam ပိတ် + Window ပိတ်
cap.release()
cv2.destroyAllWindows()

Hill Climb

# မီဒီယာပိုက် (Mediapipe) ကို import လုပ်တယ်
import mediapipe as mp

# OpenCV ကို import လုပ်တယ်
import cv2

# Keyboard ကို simulate ဖို့ pyautogui ကို import လုပ်တယ်
import pyautogui

# Mediapipe ထဲက အရေးကြီးတဲ့ modules တွေ ထုတ်ယူထားတယ်
mp_drawing = mp.solutions.drawing_utils
mp_holistic = mp.solutions.holistic
mp_pose = mp.solutions.pose

# Camera ကို ဖွင့်တယ်
cap = cv2.VideoCapture(0)

# Camera ရဲ့ width နဲ့ height ကို ပြင်တယ်
cap.set(3, 560)  # Width = 560 pixels
cap.set(4, 400)  # Height = 400 pixels

# Holistic Model ကို အသုံးပြုပြီး pose detection စတင်တယ်
with mp_holistic.Holistic(min_detection_confidence=0.5, min_tracking_confidence=0.5) as holistic:
    while cap.isOpened():  # Camera ပိတ်မသွားသရွေ့ loop ပြန်တယ်
        success, img = cap.read()  # တစ်ခုချင်းရိုက်ယူတယ်

        img = cv2.flip(img, 1)  # ညာဘက်ကို ပြောင်းပြန်ပြတယ်
        img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)  # OpenCV image ကို RGB format ပြောင်းတယ်
        results = holistic.process(img)  # Mediapipe နဲ့ process လုပ်တယ်
        img = cv2.cvtColor(img, cv2.COLOR_RGB2BGR)  # ပြန်ပြီး OpenCV BGR ပြန်ပြောင်းတယ်

        height, width, _ = img.shape  # ပုံရဲ့ အရွယ်အစားယူတယ်

        try:
            # Right hand (သင့်လက်ဝဲကမျက်နှာပြန်လှည့်ပြီးကြည့်ရတဲ့လက်ညာ) Wrist ကို သိမ်းတယ်
            right_hand = (int(results.pose_landmarks.landmark[mp_pose.PoseLandmark.LEFT_WRIST].x * width),
                          int(results.pose_landmarks.landmark[mp_pose.PoseLandmark.LEFT_WRIST].y * height))

            # Left hand (သင့်လက်ညာကမျက်နှာပြန်လှည့်ပြီးကြည့်ရတဲ့လက်ဝဲ) Wrist ကို သိမ်းတယ်
            left_hand = (results.pose_landmarks.landmark[mp_pose.PoseLandmark.RIGHT_WRIST].x * width,
                        results.pose_landmarks.landmark[mp_pose.PoseLandmark.RIGHT_WRIST].y * height)

            # ပုံရဲ့ အလယ်ပိုင်း (Y axis) ကို ရှာတယ်
            y_mid = height // 2

            # လက်ကို တွေ့မြင်တာ ရှင်းပြပေးတယ်
            cv2.circle(img, right_hand, 10, (0, 255, 0), cv2.FILLED)  # လက်ညာကိုစက်ပြထားတယ် (အစိမ်းရောင်)
            cv2.line(img, (width // 2, 0), right_hand, (0, 255, 255), 2)  # အပေါ်မှ လက်ညာကို မျဉ်းဆွဲတယ် (အဝါအစိမ်းရောင်)

            pose = "Gas"  # Default pose ကို Gas လို့သတ်မှတ်ထားတယ်
            if right_hand[1] < y_mid:
                pose = "Acc"  # အပေါ်တက်ရင် accelerate လုပ်တယ်
                pyautogui.keyDown('right')  # ညာဘက် သွားမယ်
                print("Up")
                pyautogui.keyUp('left')  # ဘယ်ဘက်ရပ်မယ်
            elif right_hand[1] > y_mid:
                pose = "Break"  # အောက်ကျရင် brake လုပ်တယ်
                pyautogui.keyDown('left')  # ဘယ်ဘက်သွားမယ်
                print("Down")
                pyautogui.keyUp('right')  # ညာဘက်ရပ်မယ်

            # မျက်နှာပြင်ပေါ်မှာ pose အတိုင်း စာထည့်ပြသတယ်
            cv2.putText(img, pose, (20, 8), cv2.FONT_HERSHEY_PLAIN, 2, (255, 255, 0), 2)

            # Y axis အလယ်မျဉ်းကို ပုံထဲမှာဆွဲတယ်
            cv2.line(img, (0, y_mid), (width, y_mid), (255, 0, 255), 2)

        except:
            pass  # Error တက်ရင် လွှတ်လိုက်တယ်

        # Result ကို ပြတယ်
        cv2.imshow("Car Game", img)

        # q ကိုနှိပ်ရင် Game ပိတ်မယ်
        if cv2.waitKey(1) == ord('q'):
            break

# Camera ပိတ်တယ်
cap.release()

# Window တွေ ပိတ်တယ်
cv2.destroyAllWindows()

Basketball

import cv2
import numpy as np
import random
import time
from collections import deque
from imutils.video import VideoStream
import imutils

cap = cv2.VideoCapture(0)

# Game အတွက် Setting များ
levels = 3  # ကစားရမယ့် Level အရေအတွက်
points_per_level = 10  # Level တစ်ခုစီမှာထိရမယ့် point အရေအတွက်
touch_radius = 40  # ဘောလုံးနဲ့ပွိုင့်ကို ထိတဲ့ အဝေးအကွာ (radius)
game_duration = 180  # ဂိမ်းကစားချိန် စုစုပေါင်း (seconds)
font = cv2.FONT_HERSHEY_SIMPLEX  # အက္ခရာဖောင့်
padding = 100  # ပွိုင့် random မထွက်ရအောင် edge ကနေ ဝေးတာ

# ဘောလုံးရောင်စပ် (HSV Color Space)
orangeLower = (5, 150, 150)
orangeUpper = (15, 255, 255)

# Game State များ
score = 0  # အမှတ်
current_level = 1  # စတင်မှာ Level 1
points = []  # ပွိုင့်စာရင်း
start_time = time.time()  # စတင်ချိန်
point_index = 0  # ပွိုင့် Index
pts = deque(maxlen=64)  # ဘောလုံးလမ်းကြောင်း Trail History

# Random Point တစ်ခု ဖန်တီးခြင်း
def generate_random_point(frame):
    h, w, _ = frame.shape
    return (
        random.randint(padding, w - padding),
        random.randint(padding, h - padding)
    )

# Random Point မှာ အနည်းငယ် Animation ပြသခြင်း
def show_animation(frame, target):
    x, y = target
    for i in range(10):
        radius = 30 + i * 5  # Radius တိုးတက်လာ
        color = (0, 255, 255)  # အရောင် Yellow
        thickness = 10  # Border ထူထူ
        temp = frame.copy()
        cv2.circle(temp, (x, y), radius, color, thickness)
        cv2.imshow("Game", temp)
        cv2.waitKey(1)

# Ball tracking နဲ့ Game Loop
while True:
    ret, frame = cap.read()
    if not ret:
        break
    frame = cv2.flip(frame, 1)  # မျက်နှာပြောင်း
    frame = cv2.resize(frame, (1920, 1080))  # Frame size မြှင့်
    frame = imutils.resize(frame, width=1500)  # နောက်ထပ် resize

    # Frame ကို နူးညံ့စေပြီး HSV Color Space ကိုပြောင်း
    blurred = cv2.GaussianBlur(frame, (11, 11), 0)
    hsv = cv2.cvtColor(blurred, cv2.COLOR_BGR2HSV)

    # ဘောလုံးရောင် mask ပြုလုပ်
    mask = cv2.inRange(hsv, orangeLower, orangeUpper)
    mask = cv2.erode(mask, None, iterations=2)
    mask = cv2.dilate(mask, None, iterations=2)

    # ဘောလုံးကိုရှာ
    cnts = cv2.findContours(mask.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    cnts = imutils.grab_contours(cnts)
    ball_center = None

    if len(cnts) > 0:
        c = max(cnts, key=cv2.contourArea)  # အကြီးဆုံး Contour
        ((x, y), radius) = cv2.minEnclosingCircle(c)
        M = cv2.moments(c)
        if M["m00"] > 0:
            ball_center = (int(M["m10"] / M["m00"]), int(M["m01"] / M["m00"]))

            if radius > 10:
                # ဘောလုံးကို Draw လုပ်
                cv2.circle(frame, (int(x), int(y)), int(radius), (0, 255, 255), 2)
                cv2.circle(frame, ball_center, 5, (0, 0, 255), 10)

    # ဘောလုံးလမ်းကြောင်း Update လုပ်
    pts.appendleft(ball_center)

    # Red Trail လမ်းကြောင်းကို တစ်ချောင်းချင်းဆွဲ
    for i in range(1, len(pts)):
        if pts[i - 1] is None or pts[i] is None:
            continue
        thickness = int(np.sqrt(64 / float(i + 1)) * 2.5)
        cv2.line(frame, pts[i - 1], pts[i], (250, 205, 126), thickness)

    # Random Point များ ဖန်တီး
    if len(points) < points_per_level:
        points.append(generate_random_point(frame))

    # လက်ရှိ Target Point ကို ဆွဲ
    if point_index < len(points):
        target = points[point_index]
        cv2.circle(frame, target, 60, (255, 255, 255), 6)  # Outer White
        cv2.circle(frame, target, 50, (15, 255, 255), -1)  # Inner Blue

    # ဘောလုံးနဲ့ ပွိုင့် ထိစစ်
    if ball_center and point_index < len(points):
        px, py = points[point_index]
        bx, by = ball_center
        dist = np.sqrt((bx - px) ** 2 + (by - py) ** 2)
        if dist < touch_radius + 20:
            score += 10  # အမှတ်ပေါင်း
            show_animation(frame, target)  # Animation ပြ
            point_index += 1  # နောက်ပွိုင့်ဆက်
            if point_index == points_per_level:
                current_level += 1  # Level တိုး
                point_index = 0
                points = []
                if current_level > levels:
                    break

    # Game အခြေအနေတွေ ပြသ
    elapsed_time = int(time.time() - start_time)
    remaining_time = max(0, game_duration - elapsed_time)

    cv2.putText(frame, f"Level: {min(current_level, levels)}", (1350, 40), font, 1, (0, 0, 0), 2)
    cv2.putText(frame, f"Score: {score}", (10, 40), font, 1, (0, 0, 0), 2)
    cv2.putText(frame, f"Time: {remaining_time}s", (650, 40), font, 1, (0, 0, 0), 2)

    cv2.imshow("Game", frame)

    # Game ပြီးဆုံးပဲဖြစ်ဖြစ် Quit နှိပ်ရင် break
    if remaining_time <= 0 or current_level > levels:
        break
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# ဂိမ်းအဆုံးအတွင် ပြသရန်
cap.release()
cv2.destroyAllWindows()

# Final Screen ပြသ
final_frame = 255 * np.ones((480, 640, 3), dtype=np.uint8)
cv2.putText(final_frame, "Game Over!", (150, 200), font, 2, (0, 0, 255), 3)
cv2.putText(final_frame, f"Final Score: {score}", (150, 270), font, 1.5, (0, 100, 255), 3)
cv2.putText(final_frame, "Press any key to restart...", (80, 350), font, 1, (128, 128, 128), 2)
cv2.imshow("Game Over", final_frame)
cv2.waitKey(0)
cv2.destroyAllWindows()