NO.1 机器视觉 前言

零蚀

---

前言

• 内容

  • 我将要学的内容是基于opencv框架实现的，幸运的是Android部分现在也在更新Opencv，虽然生活工作中最近都比较忙，但是心情很愉悦。

  • 我们这前段的基础部分围绕着opencv基础展开的，前期总体可以分为两部分，一个是对图片的处理，主要是对色值，亮度，滤波等图像色彩的简单处理，第二个是对图像的识别，这部分都是依靠算法来实现的，比如物体识别，边缘识别，图片修复等操作。大体上可以算photoShop的高级模式。

  • 代码模式：前期会使用python来进行编程学习，后面会使用C++来重新实现这些逻辑。

• 机器视觉简介

  • 机器视觉，是指通过机器人代替人眼进行一些测量判断，它是通过摄像装置，将捕获到的目标转化为图像信号，传送给图像处理系统，然后将图像信息转化为数字信号，然后根据相应的结果来设置设备动作。

---

opencv接入

• 接入之前

  • 我们测试opencv需要一个opencv的虚拟环境，这里我们可以使用ubuntu进行下载pip，因为需要用到conda创建虚拟环境。如果没有conda，我们可以通过以下步骤来安装conda。

   # 安装pip
  sudo apt-get update
  sudo apt install python-pip
   # 安装 python3
  sudo apt-get install python3.6
  sudo apt-get install python3-pip
   # 安装conda （conda文件在百度网盘）
  sh Anaconda3-5.3.0-Linux-x86_64.sh 
  sudo rm -rf /usr/local/anaconda3
  rm -rf ~/.condarc ~/.conda ~/.continuum
  export PATH=/usr/local/anconda3/bin:$PATH
  source ~/.bashrc
  conda // 检测是否安装成功
  

  • 创建一个虚拟的环境,这里的conda目前很多东西已经不支持python2.7了，所以后续ros也会做出相关的升级，毕竟在melodic后几个版本都是支持python3的。

  # 创建python3虚拟环境的
  conda create -n opencvtestone python=3
  # 检查是否创建了环境
  $  conda env list
  base                  *  /home/parallels/anaconda3
  opencvtestone            /home/parallels/anaconda3/envs/opencvtestone
  #     $ conda activate opencvtestone 开启环境
  #     $ conda deactivate 结束环境
  # 使用自己创建的环境
  $ conda activate opencvtestone
  (opencvtestone) parallels@zero-ubuntu:~$ # 可以看到环境已经发生变化
  

  • 安装opencv

  # 查看opencv所有的版本
  $ pip install opencv-python==111111111fadsfdsa（任意数）
  ERROR: Could not find a version that satisfies the requirement opencv-python==111111111fadsfdsa 
  (from versions: 3.4.8.29, 3.4.9.31, 3.4.9.33, 3.4.10.35, 3.4.10.37, 3.4.11.39, 3.4.11.41, 4.1.2.30, 4.2.0.32, 4.2.0.34, 4.3.0.36, 4.3.0.38, 4.4.0.40, 4.4.0.42)
  # 工业场景一般会使用稳定版本，3.4版本
  $ pip install opencv-python==3.4.9.33（这个网速比较快）
  # 测试
  >>> import cv2
  >>> cv2.__version__
  '3.4.9'
  

---

图像的基本操作（Python）

• 图片的读写

  • 如果你的pycharm中没有opencv的依赖，装了之后可以清缓存重新启动一下。

  

  • 读取图片并显示，代码如下。这里的mat是一个读取到的矩阵，里面的元素就是RGB元素，这个和android中的mat一样都是储存相片信息的一个容器。和Android版一样都是通过imread来读取本地的数据。

  • 这里的imshow是展示一个小窗口，然后waitKey是等待用户按键，返回值是按键的ASCII码，参数delay是等待时间，0表示一直等待。

  import cv2 as cv
  
  mat = cv.imread("../source/android.png")
  cv.imshow("window", mat) 
  cv.waitKey(0)
  

  

  • 将RGB图像转为灰度图像,具体的参数种类可以参考Android Opencv篇中的描述 🔗 NO.1 Android Opencv 初见 这里不再赘述。

  # 原样读取
  mat = cv.imread("../source/android.png",cv.IMREAD_UNCHANGED)
  # 彩色读取
  mat = cv.imread("../source/android.png",cv.IMREAD_COLOR)
  # 灰度读取
  mat = cv.imread("../source/android.png",cv.IMREAD_GRAYSCALE)
  

  

  • 写入图片

  # 写入路径 mat矩阵
  cv.imwrite("../source/an.png",mat)
  

• 像素操作

  • 首先我们可以对之前的图片进行像素绘制，比如每个像素的值取反（这个图像的像素值为200*200）。为什么是row在后呢，因为列数表示每一行又多少元素，行数表示每一列有多少元素。而这里的矩阵的数据单元是BGR模式。所以就出现了以下代码。

  import cv2 as cv
  zeroMat = cv.imread("../source/android.png", cv.IMREAD_COLOR)
  
  for row in range(200):
      for cols in range(200):
          b = 255-zeroMat[cols, row][0]
          g = 255-zeroMat[cols, row][1]
          r = 255-zeroMat[cols, row][2]
          zeroMat[cols, row] = [b, g, r]
  
  cv.imshow("draw", zeroMat)
  cv.waitKey(0)
  

  

  • 绘制一个直线出来,这里有很多东西不在赘述了，首先这里的zeros是创建了一个图像矩阵，而其中的tuple类型的参数，是指的像素宽,高和通道数。然后我们将其中的每一列的100行变成白色。

  import cv2 as cv
  import numpy as np
  zeroMat = np.zeros((200, 200, 3), np.uint8)
  
  for row in range(200):
      zeroMat[100, row] = [255, 255, 255]
  
  cv.imshow("draw", zeroMat)
  cv.waitKey(0)
  

  

  • 我们可以通过结合上述两种方式来实现图片的剪切

  import cv2 as cv
  import numpy as np
  src = cv.imread("../source/android.png", cv.IMREAD_COLOR)
  dst = np.zeros((100, 100, 3), np.uint8)
  height = dst.shape[0]
  width = dst.shape[1]
  
  dst = src[0:height, 0:width]
  cv.imshow("draw", dst)
  cv.waitKey(0)
  

  

  • 获取图像的信息

  print(src.shape)  # (200, 200, 3)
  print(src.dtype)  # uint8 颜色数值0-255 所以是uint8
  

---

🔗 前言
🔗 机器人视觉篇
🔗 NO.2 机器视觉 几何变化 & 特效处理
🔗 NO.3 机器视觉 直方图 & 帧提取
🔗 NO.4 机器视觉 人脸识别&色彩过滤
🔗 NO.5 机器人视觉 二值化 & 卷积
🔗 NO.6 机器人视觉 霍夫检测 & 边缘查找
🔗 NO.7 C++中使用Opencv
🔗 NO.8 C++ 直方图 & 卷积
🔗 NO.9 C++ 匹配 & 变化
🔗 NO.10 C++ 图像算法