OpenCV已更新到 4.x,计算机视觉和机器学习的软件库
git地址:https://github.com/opencv/opencv
1. 跨平台:Linux,Windows,Android,Mac OS
2. 由C和C++轻量级编写
3. 提供C++,Java,Python,Ruby,MATLAB,C#、Ch、Ruby,GO接口
应用:
图像处理(滤波、边缘检测等)
视频处理(实时视频处理等)
物体检测和识别(人脸识别、物体跟踪等)
机器学习(支持向量机、神经网络等)
文档
C++:
https://docs.opencv.org/4.x/index.html
Python:
https://docs.opencv.org/4.x/d6/d00/tutorial_py_root.html
JAVA:
https://docs.opencv.org/4.x/javadoc/index.html
入门学习建议用Python,代码简洁容易看,环境搭建简单
下面用Python来搭建好OpenCV的应用环境
搭建环境
1. 安装Anaconda,可以创建多个Python环境,且方便管理包
具体安装过程🉑参考:
【想要了解Anaconda介绍、安装配置及使用,看这篇文章就够了】-CSDN博客
如遇到什么问题也可在本文底下评论,作者会回复。
2. 创建环境
3. 右键点击选择Open Terminal,进入改环境下的终端
Terminal终端,即命令行,windows系统的cmd等,以下bash代码都是要在终端运行的。
4. 安装opencv-python和 jupyter notebook
如果有mac电脑,最好用mac,环境简单,出问题概率小。而且,如果要部署到服务器,操作和mac系统的操作是类似的。
pip install opencv-python
conda install jupyter
jupyter notebook可以快速运行python写的代码,安装和使用简单,缺点是不稳定,易卡。常用于演示,项目一般是不会用此开发,项目开发一般用pycharm下面会讲。
5. 验证是否可以正常使用open-cv
jupyter notebook
新建文档来写代码
保存下可以看终端,可以知道当前环境的地址,方便之后,写图片路径,可以写相对地址,之后的演示里都是写的相对地址。
例如:Saving file at /Untitled1.ipynb
import cv2 as cv
import sys
import time
# 读取图片
img = cv.imread(cv.samples.findFile("1.jpeg"))
if img is None:
sys.exit("Could not read the image.")
# 窗口显示图片
cv.imshow("Display window", img)
# 任意按键按下,图片显示结束,返回按键键值
k = cv.waitKey(0)
点击运行,可能出现
对应位置没有图片,记得改正确的图片地址
open-cv这个库能正常使用。
不过,jupyter notebook虽然方便,但是有些不稳定,有的时候就是运行不成功,也没有提示,最好还是下载pycharm,有pycharm基本可以实现python项目的编码和测试。
pycharm同样可以管理多个版本的pip,如果是安卓开发的同学,原理是和android studio差不多的。
为什么这里还要先给同学用下Anaconda,是否安装这个软件有点多余?
这个给的解答是,Anaconda适合你并不需要去建个python项目,但是需要用到不同版本的python。像vue等的前端项目有些包也是需要python环境的和写ec脚本训练模型,这两个是比较常见的。也就是你需要在终端用python做一些操作,Anaconda对于Python类似于nvm之于npm。
安装可以参考:
新建工程也可以用之前的Anaconda的环境
项目就建好了,之后我们就要在这个项目里学习了。代码git每次博客最前面会先给大家。