Python进阶专栏《爬虫实战进阶》，《数据分析入门与实战》原创作者

本文是该专栏的第16篇，后面将持续分享OpenCV计算机视觉的干货知识。Canny边缘检测算法是由John Canny于1986年提出的，它是一种多阶段的算法，其主要目的是在于提取图像中有用的结构信息，同时尽可能降低它的错误率。而Canny算法的高效性，主要体现在以下三个标准上：低误差率：标志着边缘检测必须尽可能精确地捕获图像中的边缘；高定位性：检测到的边缘点必须尽可能接近真实边缘的中心；最小响应：图像中的边缘只能被标记一次，并且可能存在的噪声不应产生误检。边缘检测，它是计算机视觉中的一项基础而重要的处理技

本文是该专栏的第15篇，后面将持续分享OpenCV计算机视觉的干货知识。​在本专栏之前，笔者在文章《Python|OpenCV-实现检测人脸以及性别检测(12)》中，有详细介绍通过OpenCV实现对图像中的人物人脸进行性别以及人脸检测，对此领域感兴趣的同学，可直接点击翻阅查看。而本文，笔者将重点来介绍另外一个知识点。那就是基于OpenCV，实现对“视频”中的“人物人脸”进行自动追踪以及人脸检测。具体细节部分以及完整代码的实现，跟着笔者直接往下看正文内容。（附带完整代码）

本文是该专栏的第14篇，后面将持续分享OpenCV计算机视觉的干货知识。本文主要来详细说明，基于OpenCV来获取鼠标点击位置的坐标，并按坐标的位置进行自动绘制图像。具体怎么实现，笔者在正文中将结合实际代码案例进行详细说明。具体细节部分以及完整代码的实现，跟着笔者直接往下看正文内容。（附带完整代码）

本文是该专栏的第13篇，后面将持续分享OpenCV计算机视觉的干货知识。性别检测是计算机视觉领域里面的一个重要学习领域，简单的来说，它可以实现自动识别一张图片中的人物性别。为此在本文中，笔者将结合OpenCV和Tensorflow来实现对一张图进行“图片中的人物人脸自动识别，并对人脸再次进行性别检测”。具体细节部分以及完整代码的实现，直接往下看正文内容。（附带完整代码）

本文是该专栏的第12篇，后面将持续分享OpenCV计算机视觉的干货知识。在图像处理中，给图像添加噪点是一个常见的预处理步骤，用于模拟真实世界中的噪声条件，从而评估或测试图像处理算法的性能。OpenCV是一个强大的计算机视觉库，它提供了许多函数和方法来处理图像，甚至是包括添加噪点。而本文，笔者将结合实际代码案例，基于OpenCV给目标图像增加噪点。（附带完整代码）

本文是该专栏的第11篇，后面将持续分享OpenCV计算机视觉的干货知识。cv2.error: OpenCV(4.9.0) D:\a\opencv-python\opencv-python\opencv\modules\highgui\src\window.cpp:971: error: (-215:Assertion failed) size.width>0 && size.height>0 in function 'cv::imshow'的解决方法，看这里

本文是该专栏的第10篇，后面将持续分享OpenCV计算机视觉的干货知识。在使用OpenCV对目标图像进行操作处理的时候，可能会临时需要你使用OpenCV对图像进行分割。那么问题来了，我们在使用OpenCV对目标图像进行操作处理的时候，需要怎么做？才能让OpenCV对目标图像，进行分割或者平均分割呢？而本文，笔者将结合实际项目案例以及完整代码，对上述问题进行详细介绍。具体细节部分，以及详细思路和逻辑代码，跟着笔者直接往下看正文详细内容。（附带完整代码）

本文是该专栏的第9篇，后面将持续分享OpenCV计算机视觉的干货知识。在面对图像处理的项目需求时，要知道程序每秒都会处理大量的数据工作，而我们想要让程序达到实用的效果。必须要让自己的代码能提供最准确的解决方法，且该方法能以最快的效率去执行完成。所以当你想要测试你的执行代码的性能时，OpenCV提供了一些方法可以帮助你测试代码的性能，以及提升你代码性能的建议。具体是怎样的方法和建议，笔者将在正文内容结合“实际代码”来详细介绍。（附带完整代码）要知道，除了OpenCV之外，python

本文是该专栏的第8篇，后面将持续分享OpenCV计算机视觉的干货知识。在使用OpenCV库对图像操作的时候，有时需要对图像进行运算操作，类似于加法，减法，位操作等处理。而本文，笔者将针对OpenCV对图像的添加，混合以及位操作进行详细的介绍说明和使用。下面，跟着笔者直接往下看正文详细内容。（附带完整代码）

在使用opencv处理图像的时候，会不可避免的对图像的一些具体区域进行一些操作。比如说，想要给目标图像创建一个围绕图像的边框。简单的来说，就是在图片的周围再填充一个粗线框。在目标图像的周围，会填充一层自定义的颜色区域来围绕图像。那么对此需求，OpenCV要如何去实现呢？废话不多说，直接往下看正文。（附带完整代码）如上述代码所示，参数

在使用OpenCV对图像进行操作的时候，通常需要熟练掌握一些Numpy知识点。因为有的时候需要用到Numpy和OpenCV结合去实现图像的操作，所以说想要写出较好的OpenCV代码的最好方法，就需要有Numpy知识的储备量。而在本文，将结合Numpy和OpenCV来详细介绍“访问并获取图片的像素值，如何正确修改图片像素值”，以及“如何正确鉴别彩色图片和灰色图片”等知识点。在开始之前，我们先在桌面随机准备一张图片“test.jpg”。如下所示：注意：笔者这里桌面的图片名称，你们可以随意更名，笔者文中的代码仅以

本文是该专栏的第5篇，后面将持续分享OpenCV计算机视觉的干货知识。在色彩学中，人们建立了多种色彩模型，以一维、二维、三维甚至四维空间坐标来表示某种色彩，这种坐标系统所能定义的的色彩范围就是色彩空间，而我们通常用到的色彩空间主要有“RGB，CMYK，Lab”等。使用过ps的同学，或多或少都熟悉RGB，CMYK等相关知识点，其主要在于在不同的坐标点设置不同的值，其获取的色彩就会不一样。而本文将结合OpenCV，来实现RGB的轨迹调色。具体细节部分，跟着笔者直接往下看正文。（附带完整代码）

本文是该专栏的第4篇，后面将持续分享OpenCV计算机视觉的干货知识，记得关注。​在本专栏之前，有详细介绍使用OpenCV绘制图形以及添加文字的方法，感兴趣的同学可往前翻阅查看“Python|OpenCV-绘制图形和添加文字的方法(2)”。而本文重点来介绍使用OpenCV来操作鼠标，以及操作鼠标绘制图像的使用方法。为了方便OpenCV实战技巧的快速应用，笔者将在本文结合代码对鼠标的操作以及鼠标绘制图像进行详细介绍。（附带完整代码）使用OpenCV结合鼠标并实现自动绘图，主要在于鼠标事件和cv函数方法的结合使

在使用OpenCV处理视频的时候，不论是摄像头画面还是视频文件，通常情况下都要使用VideoCapture类来进行每一帧图像的处理。对于OpenCV而言，只要使用视频文件作为参数，它就可以打开视频文件，进行每一帧的画面的读取。同样，当摄像机编号进行传递的时候，OpenCV便可以打开摄像机，进行实时读取摄像机画面。那么对于OpenCV来说，它是如何从摄像机和文件里面去读取视频呢？读取视频之后，又如何进行保存？结合代码，OpenCV又怎么去实现呢？下面，跟着笔者直接往下看正文详细内容。（附带完整代码）

继本专栏上一篇详细介绍OpenCV的基本使用和图像处理方法，本文再来详细介绍OpenCV如何绘制目标图形以及OpenCV给目标图像添加文字的方法。OpenCV的相关基础知识点以及应用领域，感兴趣的同学，可自行查看本专栏第一篇，笔者这里就不过多详述。而通过本文，你将熟练掌握OpenCV绘制不同的几何形状，以及如何给目标图像添加文字。在使用OpenCV开始绘图之前，先大致了解以下函数方法：值得一提的是，上述函数方法都有共同的常见参数，举例如下：下面以OpenCV绘制线条为例，在使用OpenCV绘制线条之前，我们

OpenCV是一个非常强大和灵活的计算机视觉库，可以应用于各种不同的场景，例如图像处理、图像分析、目标检测、人脸识别、三维重建等等。OpenCV提供了丰富的图像处理函数和算法，可以帮助开发者快速实现各种图像处理任务。除此之外，OpenCV另一个特点是跨平台性。它支持多种操作系统，如Windows、Linux、Mac OS等。同时，它还支持多种编程语言，如C++、Python、Java等。这使得OpenCV可以轻松地集成到各种项目中，并可以在不同平台和语言之间进行无缝的交互和使用。在python中使用Open