OpenCV入門教程！這篇夠你學習半個月了！萬字長文入門

woff

一、Python OpenCV 入門

歡迎閱讀系列教程，內容涵蓋 OpenCV，它是一個圖像和視頻處理庫，包含 C ++，C，Python 和 Java 的綁定。 OpenCV 用於各種圖像和視頻分析，如面部識別和檢測，車牌閱讀，照片編輯，高級機器人視覺，光學字符識別等等。

你將需要兩個主要的庫，第三個可選：python-OpenCV，Numpy 和 Matplotlib。

Windows 用戶：

python-OpenCV：有其他的方法，但這是最簡單的。 下載相應的 wheel（.whl）文件，然後使用pip進行安裝。 觀看視頻來尋求幫助。

1. pip install numpy

複製代碼

不熟悉使用pip？ 請參閱pip安裝教程來獲得幫助。

Linux/Mac 用戶

1. pip3 install numpy

複製代碼

或者

1. apt-get install python3-numpy

複製代碼

你可能需要apt-get來安裝python3-pip。

1. pip3 install matplotlib

複製代碼

或者

1. apt-get install python3-matplotlib

複製代碼

Matplotlib 是用於展示來自視頻或圖像的幀的可選選項。 我們將在這裡展示幾個使用它的例子。 Numpy 被用於「數值和 Python」的所有東西。 我們主要利用 Numpy 的數組功能。 最後，我們使用python-OpenCV，它是 Python 特定的 OpenCV 綁定。

OpenCV 有一些操作，如果沒有完整安裝 OpenCV （大小約 3GB），你將無法完成，但是實際上你可以用 python-OpenCV 最簡安裝。 我們將在本系列的後續部分中使用 OpenCV 的完整安裝，如果你願意的話，你可以隨意獲得它，但這三個模塊將使我們忙碌一段時間！

通過運行 Python 並執行下列命令來確保你安裝成功：

1. import cv2

複製代碼

如果你沒有錯誤，那麼你已經準備好了。好了嘛？讓我們下潛吧！

首先，在圖像和視頻分析方面，我們應該了解一些基本的假設和範式。對現在每個攝像機的記錄方式來說，記錄實際上是一幀一幀地顯示，每秒 30-60 次。但是，它們的核心是靜態幀，就像圖像一樣。因此，圖像識別和視頻分析大部分使用相同的方法。有些東西，如方向跟蹤，將需要連續的圖像（幀），但像面部檢測或物體識別等東西，在圖像和視頻中代碼幾乎完全相同。

接下來，大量的圖像和視頻分析歸結為儘可能簡化來源。這幾乎總是起始於轉換為灰度，但也可以是彩色濾鏡，漸變或這些的組合。從這裡，我們可以對來源執行各種分析和轉化。一般來說，這裡發生的事情是轉換完成，然後是分析，然後是任何覆蓋，我們希望應用在原始來源上，這就是你可以經常看到，對象或面部識別的「成品」在全色圖像或視頻上顯示。然而，數據實際上很少以這種原始形式處理。有一些我們可以在基本層面上做些什麼的例子。所有這些都使用基本的網絡攝像頭來完成，沒有什麼特別的：

背景提取

顏色過濾

邊緣檢測

用於對象識別的特徵匹配

一般對象識別

在邊緣檢測的情況下，黑色對應於(0,0,0)的像素值，而白色線條是(255,255,255)。視頻中的每個圖片和幀都會像這樣分解為像素，並且像邊緣檢測一樣，我們可以推斷，邊緣是基於白色與黑色像素對比的地方。然後，如果我們想看到標記邊緣的原始圖像，我們記錄下白色像素的所有坐標位置，然後在原始圖像或視頻上標記這些位置。

到本教程結束時，你將能夠完成上述所有操作，並且能夠訓練你的機器識別你想要的任何對象。就像我剛開始說的，第一步通常是轉換為灰度。在此之前，我們需要加載圖像。因此，我們來做吧！在整個教程中，我極力鼓勵你使用你自己的數據來玩。如果你有攝像頭，一定要使用它，否則找到你認為很有趣的圖像。如果你有麻煩，這是一個手錶的圖像：

1. import cv2 import numpy as np

複製代碼

首先，我們正在導入一些東西，我已經安裝了這三個模塊。接下來，我們將img定義為cv2.read(image file, parms)。默認值是IMREAD_COLOR，這是沒有任何 alpha 通道的顏色。如果你不熟悉，alpha 是不透明度（與透明度相反）。如果你需要保留 Alpha 通道，也可以使用IMREAD_UNCHANGED。很多時候，你會讀取顏色版本，然後將其轉換為灰度。如果你沒有網絡攝像機，這將是你在本教程中使用的主要方法，即加載圖像。

你可以不使用IMREAD_COLOR ...等，而是使用簡單的數字。你應該熟悉這兩種選擇，以便了解某個人在做什麼。對於第二個參數，可以使用-1，0或1。顏色為1，灰度為0，不變為-1。因此，對於灰度，可以執行cv2.imread('watch.jpg', 0)。

一旦加載完成，我們使用cv2.imshow(title,image)來顯示圖像。從這裡，我們使用cv2.waitKey(0)來等待，直到有任何按鍵被按下。一旦完成，我們使用cv2.destroyAllWindows()來關閉所有的東西。

正如前面提到的，你也可以用 Matplotlib 顯示圖像，下面是一些如何實現的代碼：

1. import cv2

複製代碼

請注意，你可以繪製線條，就像任何其他 Matplotlib 圖表一樣，使用像素位置作為坐標的。 不過，如果你想繪製你的圖片，Matplotlib 不是必需的。 OpenCV 為此提供了很好的方法。 當你完成修改後，你可以保存，如下所示：

1. cv2.imwrite('watchgray.png',img)

複製代碼

將圖片導入 OpenCV 似乎很容易，加載視頻源如何？ 在下一個教程中，我們將展示如何加載攝像頭或視頻源。

完整文章請點此連結