一篇文章帶你順利通過Python OpenCV入門階段

第一篇文章帶你順利通過PythonOpenCV入門階段目錄1.OpenCV初識(shí)與安裝2.OpenCV模塊簡介3.OpenCV圖像讀取，顯示，保存4.攝像頭和視頻讀取，保存5.OpenCV常用數(shù)據(jù)結(jié)構(gòu)和顏色空間6.OpenCV常用繪圖函數(shù)7.OpenCV界面事件操作之鼠標(biāo)與滑動(dòng)條8.圖像像素、通道分離與合并9.圖像邏輯運(yùn)算10.圖像ROI與mask掩膜11.圖像幾何變換12.圖像濾波13.圖像固定閾值與自適應(yīng)閾值14.圖像膨脹腐蝕15.邊緣檢測16.霍夫變換17.圖像直方圖計(jì)算及繪制18.模板匹配19.輪廓查找與繪制20.輪廓特征屬性及應(yīng)用21.高級(jí)部分-分水嶺算法及圖像修補(bǔ)22.GrabCutFloodFill圖像分割、角點(diǎn)檢測23.特征檢測與匹配24.OpenCV應(yīng)用部分之運(yùn)動(dòng)物體跟蹤與人臉識(shí)別

1.OpenCV初識(shí)與安裝

本部分要了解OpenCV（OpenSourceComputerVisionLibrary）的相關(guān)簡介，OpenCv可以運(yùn)行在多平臺(tái)之上，輕量級(jí)而且高效，由一系列C函數(shù)和少量C++類構(gòu)成，提供了Python、Ruby、MATLAB等語言的接口，所以在學(xué)習(xí)的時(shí)候，要注意查閱資料的語言實(shí)現(xiàn)相關(guān)問題。

這個(gè)階段除了安裝OpenCV相關(guān)庫以外，建議收藏官方網(wǎng)址，官方手冊，官方入門教程，這些都是最佳的學(xué)習(xí)資料。

模塊安裝完畢，需要重點(diǎn)測試OpenCV是否安裝成功，可通過Python查詢安裝版本。

2.OpenCV模塊簡介

先從全局上掌握OpenCV都由哪些模塊組成。例如下面這些模塊，你需要找到下述模塊的應(yīng)用場景與簡介。

core、imgproc、highgui、calib3d、features2d、contrib、flann、gpu、legacy、ml、objdetect、photo、stitching。

整理每個(gè)模塊的核心功能，并完成第一個(gè)OpenCV案例，讀取顯示圖片。

3.OpenCV圖像讀取，顯示，保存

安裝OpenCV之后，從圖像獲取開始進(jìn)行學(xué)習(xí)，包含本地加載圖片，相機(jī)獲取圖片，視頻獲取，創(chuàng)建圖像等內(nèi)容。

只有先獲取圖像之后，才能對圖像進(jìn)行操作處理，信息提取，結(jié)果輸出，圖像顯示，圖像保存。

對于一個(gè)圖像而言，在OpenCV中進(jìn)行讀取展示的步驟如下，你可以將其代碼進(jìn)行對應(yīng)。

1.圖像讀??；

2.窗口創(chuàng)建；

3.圖像顯示；

4.圖像保存；

5.資源釋放。

涉及需要學(xué)習(xí)的函數(shù)有cv2.imread()、dWindow()、cv2.imshow()、cv2.imwrite()、cv2.destroyWindow()、cv2.destroyAllWindows()、cv2.imshow()、cv2.cvtColor()、cv2.imwrite()、cv2.waitKey()。

4.攝像頭和視頻讀取，保存

第一個(gè)要重點(diǎn)學(xué)習(xí)VideoCapture類，該類常用的方法有：

open()函數(shù)；

isOpened()函數(shù)；

release()函數(shù)；

grab()函數(shù)；

retrieve()函數(shù)；

get()函數(shù)；

set()函數(shù)；

除了讀取視頻外，還需要掌握Opencv提供的VideoWriter類，用于保存視頻文件。

學(xué)習(xí)完相關(guān)知識(shí)之后，可以進(jìn)行這樣一個(gè)實(shí)驗(yàn)，將一個(gè)視頻逐幀保存為圖片。

5.OpenCV常用數(shù)據(jù)結(jié)構(gòu)和顏色空間

這部分要掌握的類有Point類、Rect類、Size類、Scalar類，除此之外，在Python中用numpy對圖像進(jìn)行操作，所以numpy相關(guān)的知識(shí)點(diǎn)，建議提前學(xué)習(xí)，效果更佳。

OpenCV中常用的顏色空間有BGR顏色空間、HSV/HLS顏色空間、Lab顏色空間，這些都需要了解，優(yōu)先掌握BGR顏色空間。

6.OpenCV常用繪圖函數(shù)

掌握如下函數(shù)的用法，即可熟練的在Opencv中繪制圖形。

cv2.line()；

cv2.circle()；

cv2.rectangle()；

cv2.ellipse()；

cv2.fillPoly()；

cv2.polylines()；

cv2.putText()。

7.OpenCV界面事件操作之鼠標(biāo)與滑動(dòng)條

第一個(gè)要掌握的函數(shù)是鼠標(biāo)操作消息回調(diào)函數(shù)，cv2.setMouseCallback()，滑動(dòng)條涉及兩個(gè)函數(shù)，分別是：cv2.createTrackbar()和cv2.getTrackbarPos()。

掌握上述內(nèi)容之后，可以實(shí)現(xiàn)兩個(gè)案例，其一為鼠標(biāo)在一張圖片上拖動(dòng)框選區(qū)域進(jìn)行截圖，其二是通過滑動(dòng)條讓視頻倍速播放。

8.圖像像素、通道分離與合并

了解圖像像素矩陣，熟悉圖片的像素構(gòu)成，可以訪問指定像素的像素值，并對其進(jìn)行修改。

通道分離函數(shù)cv2.split()，通道合并函數(shù)cv2.merge()。

9.圖像邏輯運(yùn)算

掌握圖像之間的計(jì)算，涉及函數(shù)如下：

cv2.add()；cv2.addWeighted()；cv2.subtract()；cv2.absdiff()；cv2.bitwise_and()；cv2.bitwise_not()；cv2.bitwise_xor()。

還可以研究圖像乘除法。

10.圖像ROI與mask掩膜

本部分屬于OpenCV中的重點(diǎn)知識(shí)，第一個(gè)為感興趣區(qū)域ROI，第二個(gè)是mask掩膜（掩碼）操作。

學(xué)習(xí)ROI部分時(shí)，還可以學(xué)習(xí)一下圖像的深淺拷貝。

11.圖像幾何變換

圖像幾何變換依舊是對基礎(chǔ)函數(shù)的學(xué)習(xí)與理解，涉及內(nèi)容如下：

圖像縮放cv2.resize()；

圖像平移cv2.warpAffine()；

圖像旋轉(zhuǎn)cv2.getRotationMatrix2D()；

圖像轉(zhuǎn)置cv2.transpose()；

圖像鏡像cv2.flip()；

圖像重映射cv2.remap()。

12.圖像濾波

理解什么是濾波，高頻與低頻濾波，圖像濾波函數(shù)。

線性濾波：方框?yàn)V波、均值濾波、高斯濾波，

非線性濾波：中值濾波、雙邊濾波，

方框?yàn)V波cv2.boxFilter()；

均值濾波cv2.blur()；

高斯濾波cv2.GaussianBlur()；

中值濾波cv2.medianBlur()；

雙邊濾波cv2.bilateralFilter()。

13.圖像固定閾值與自適應(yīng)閾值

圖像閾值化是圖像處理的重要基礎(chǔ)部分，應(yīng)用很廣泛，可以根據(jù)灰度差異來分割圖像不同部分，閾值化處理的圖像一般為單通道圖像(灰度圖)，核心要掌握的兩個(gè)函數(shù)：

固定閾值：cv2.threshold()；

自適應(yīng)閾值：cv2.adaptiveThreshold()。

14.圖像膨脹腐蝕

膨脹、腐蝕屬于形態(tài)學(xué)的操作，是圖像基于形狀的一系列圖像處理操作。

膨脹腐蝕是基于高亮部分（白色）操作的，膨脹是対高亮部分進(jìn)行膨脹，類似“領(lǐng)域擴(kuò)張”，腐蝕是高亮部分被腐蝕，類似“領(lǐng)域被蠶食”。

膨脹腐蝕的應(yīng)用和功能：

消除噪聲；

分割獨(dú)立元素或連接相鄰元素；

尋找圖像中的明顯極大值、極小值區(qū)域；

求圖像的梯度；

核心需要掌握的函數(shù)如下：

膨脹cv2.dilate()；

腐蝕cv2.erode()。

形態(tài)學(xué)其他操作，開運(yùn)算、閉運(yùn)算、頂帽、黑帽、形態(tài)學(xué)梯度這些都是基于膨脹腐蝕基礎(chǔ)之上，利用cv2.morphologyEx()函數(shù)進(jìn)行操作。

15.邊緣檢測

邊緣檢測可以提取圖像重要輪廓信息，減少圖像內(nèi)容，可用于分割圖像、特征提取等操作。

邊緣檢測的一般步驟：

濾波：濾出噪聲対檢測邊緣的影響；

增強(qiáng)：可以將像素鄰域強(qiáng)度變化凸顯出來—梯度算子；

檢測：閾值方法確定邊緣；

常用邊緣檢測算子：

Canny算子，Canny邊緣檢測函數(shù)cv2.Canny()；

Sobel算子，Sobel邊緣檢測函數(shù)cv2.Sobel()；

Scharr算子，Scharr邊緣檢測函數(shù)cv2.Scahrr()；

Laplacian算子，Laplacian邊緣檢測函數(shù)cv2.Laplacian()。

16.霍夫變換

霍夫變換（HoughTransform）是圖像處理中的一種特征提取技術(shù)，該過程在一個(gè)參數(shù)空間中，通過計(jì)算累計(jì)結(jié)果的局部最大值，得到一個(gè)符合該特定形狀的集合，作為霍夫變換的結(jié)果。

本部分要學(xué)習(xí)的函數(shù)：

標(biāo)準(zhǔn)霍夫變換、多尺度霍夫變換cv2.HoughLines()；

累計(jì)概率霍夫變換cv2.HoughLinesP()；

霍夫圓變換cv2.HoughCricles()。

17.圖像直方圖計(jì)算及繪制

先掌握直方圖相關(guān)概念，在掌握核心函數(shù)，最后通過matplotlib模塊對直方圖進(jìn)行繪制。計(jì)算直方圖用到的函數(shù)是cv2.calcHist()。

直方圖相關(guān)應(yīng)用：

直方圖均衡化cv2.equalizeHist()；

直方圖對比pareHist()；

反向投影cv2.calcBackProject()。

18.模板匹配

模板匹配是在一幅圖像中尋找與另一幅模板圖像最匹配（相似）部分的技術(shù)。

核心用到的函數(shù)如下：

模板匹配cv2.matchTemplate()；

矩陣歸一化cv2.normalize()；

尋找最值cv2.minMaxLoc()。

19.輪廓查找與繪制

核心要理解到在OpenCV中，查找輪廓就像在黑色背景中找白色物體。

常用函數(shù)：

查找輪廓cv2.findContours()；

繪制輪廓cv2.drawContours()。

最后應(yīng)該掌握針對每個(gè)輪廓進(jìn)行操作。

20.輪廓特征屬性及應(yīng)用

這部分內(nèi)容比較重要，并且知識(shí)點(diǎn)比較多，核心內(nèi)容與函數(shù)分別如下：

尋找凸包c(diǎn)v2.convexHull()與凸性檢測cv2.isContourConvex()；

輪廓外接矩形cv2.boundingRect()；

輪廓最小外接矩形cv2.minAreaRect()；

輪廓最小外接圓cv2.minEnclosingCircle()；

輪廓橢圓擬合cv2.fitEllipse()；

逼近多邊形曲線cv2.approxPolyDP()；

計(jì)算輪廓面積cv2.contourArea()；

計(jì)算輪廓長度cv2.arcLength()；

計(jì)算點(diǎn)與輪廓的距離及位置關(guān)系cv2.pointPolygonTest()；

形狀匹配cv2.matchShapes()。

21.高級(jí)部分-分水嶺算法及圖像修補(bǔ)

掌握分水嶺算法的原理，掌握核心函數(shù)cv2.watershed()。

可以擴(kuò)展補(bǔ)充圖像修補(bǔ)技術(shù)及相關(guān)函數(shù)cv2.inpaint()，學(xué)習(xí)完畢可以嘗試人像祛斑應(yīng)用。

22.GrabCutFloodFill圖像分割、角點(diǎn)檢測

這部分內(nèi)容都需要一些圖像專業(yè)背景知識(shí)，先掌握相關(guān)概念知識(shí)，在重點(diǎn)學(xué)習(xí)相關(guān)函數(shù)。

GrabCut算法cv2.grabCut()；

漫水填充算法cv2.floodFill()；

Harris角點(diǎn)檢測cv2.cornerHarris()；

Shi-Tomasi角點(diǎn)檢測cv2.goodFeaturesToTrack()；

亞像素角點(diǎn)檢測cv2.cornerSubPix()。

23.特征檢測與匹配

特征點(diǎn)的檢測和匹配是計(jì)算機(jī)視覺中非常重要的技術(shù)之一,在物體識(shí)別、視覺跟蹤、三維重建等領(lǐng)域都有很廣泛的應(yīng)用。

OpenCV提供了如下特征檢測方法：

“FAST”FastFeatureDetector；

“STAR”StarFeatureDetector；

“SIFT”SIFT(nonfreemodule)Opencv3移除，需調(diào)用xfeature2d庫；