OpenCV 基础

OpenCV 基础

OpenCV是Open Source Computer Vision Library的简称，是一个被业界广泛使用的图像处理和计算机视觉开发工具库。OpenCV项目由英特尔公司于1999开始开发，2006年，英特尔公司发布OpenCV 1.0 版本，2009年10月发布OpenCV 2.0 版本，目前，OpenCV已经发布了4.0 版本。2012年8月，英特尔公司把OpenCV的营运交由一个非营利组织（OpenCV.org）维护。OpenCV提供了C++、 Python、Java 版本，能够安装在Linux、 MacOS、Windows、iOS、Android等操作系统上。

OpenCV的模块

• Core：核心库，定义了基本数据结构和函数，被其他模块库调用
• Imagproc库: 图像处理库，包括图像滤波，几何变换，颜色空间转换，直方图
• Imgcodecs库: 图像文件的读取和写入
• Videoio库: 视频文件的抓取，读取和写入
• Highgui库: 高层图形用户界面，功能包括：创建和操作显示图像的窗口；为窗口界面提供键盘和鼠标操作的控件
• Video库: 视频分析库，包括背景提取，运动估计，物体跟踪算法
• Calib3d库: 相机配准和3D重构库，包括多维视角几何算法，立体对应算法，姿态估计，平面和立体配准，3D重构
• features2d: 2维特征框架库，包括特征检测，描述子，描述子匹配
• objdetect: 物体检测库，检测预先定义的物体，例如人脸，汽车，马路，猫，狗，桌子，瓶子邓等
• dnn: 深度神经网络库，创建一个新层的接口，从层构造和修改神经网络的接口，从不同的深度学习框架导入串型网络
• ml: 机器学习库，一组类和函数，用于分类，回归，聚类等等
• flann: 聚类和搜索库，实现快速邻居搜索
• shape: 外形距离计算和匹配库，根据外形实现匹配，检索和比较
• superres: 方案提升库，提升现有算法性能
• viz: 三维度可视库，实现与场景和组件的交互
• stitching: 图像缝补库，videostab: 视频稳定化库，photo: 计算摄影学库

图 1. OpenCV 2.0 的模块

OpenCV-Python 安装

在 Python 中使用 OpenCV 十分简单，只要安装 opencv-python 包即可，但因为安装包很大，预设是从 pypi 网站下载，所以先将安装镜像档先修改到国内，可以有效的降低安装时间。

# 设定镜像源：
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
# pip安装源的可信问题：
pip config set install.trusted-host pypi.tuna.tsinghua.edu.cn
# pip安装源的超时设置：
pip config set global.timeout 6000
# 安装 OpenCV-Python 
pip install opencv-python

读取图像
imread(filename, flag=1)
读取图像。图像应该在工作目录或图像的完整路径应给出。第二个参数是一个标志，它指定了读取图像的方式。

• IMREAD_COLOR： 加载彩色图像。任何图像的透明度都会被忽视。它是默认标志。
• IMREAD_GRAYSCALE：以灰度模式加载图像。
• IMREAD_UNCHANGED：加载图像，包括alpha通道。

imshow(winname, mat)
显示图像，带两个参数，winname图像窗口名，mat图像矩阵。注意，在 jupyter 环境下，opencv 的 cv.imshow() 函数无法正常显示图片，所以用 plt.imshow() 函数替代。

waitkey(delay=0)
等待敲击键盘, delay为等待时间，毫秒，默认为0，表示一直等待，返回被敲的键的ASC编码；如果时间终止没有敲击，返回-1。

destroyWindow(winname)
销毁指定的窗口 winname，若没指定，则是销毁所有窗口。

参考源码 .py

import cv2
#加载彩色图像
img1 = cv2.imread('../data/gd.jpg',cv2.IMREAD_COLOR)
#加载灰度图像
img2 = cv2.imread('../data/gd.jpg',cv2.IMREAD_GRAYSCALE)

cv2.imshow('win1',img1)
cv2.imshow('win2',img2)
cv2.waitKey(0)
cv2.destroyWindow()

参考源码 .ipynb

from matplotlib import pyplot as plt
import cv2
#加载彩色图像
img1 = cv2.imread('../data/gd.jpg',cv2.IMREAD_COLOR)
img2 = cv2.imread('../data/gd.jpg',cv2.IMREAD_GRAYSCALE)
plt.figure(figsize=(8,12))
plt.subplot(211)
plt.imshow(img1)
plt.subplot(212)
plt.imshow(img2,plt.cm.gray)
plt.show()

图 2. OpenCV 读取图像

图像感兴趣区域ROI
有时候，我们不得不处理一些特定区域的图像。对于图像中的眼睛检测，首先对整个图像进行人脸检测。在获取人脸图像时，我们只选择人脸区域，搜索其中的眼睛，而不是搜索整个图像。它提高了准确性(因为眼睛总是在面部上和性能(因为我们搜索的区域很小)。使用 Numpy 索引再次获得 ROI(Region of Interest) 。我们选择球并将其复制到图像中的另一个区域：

参考源码

from matplotlib import pyplot as plt
import cv2
#加载彩色图像
img1 = cv2.imread('../data/messi.jpg',cv2.IMREAD_COLOR)
img1=cv2.cvtColor(img1, cv2.COLOR_BGR2RGB)
#plt.figure(figsize=(12,8))
figure, plots = plt.subplots(ncols=3, nrows=1,figsize=(12,6))
plots[0].imshow(img1)
ball_ = img1[400:500, 450:550]
plots[1].imshow(ball_)
img1[400:500, 100:200] = ball_
plots[2].imshow(img1)
plt.show()

图 3. 复制感兴趣区域

参考资料

• OpenCV API, https://docs.opencv.org/
• matplotlib.pyplot.subplot, https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.subplot.html#matplotlib.pyplot.subplot
• matplotlib.pyplot.imshow, https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.imshow.html