opencv从入门到精通哦吼01

出其东门225

已于 2022-09-19 10:54:46 修改

阅读量942

点赞数 1

分类专栏： python 文章标签： opencv 计算机视觉 python

于 2022-09-19 10:48:38 首次发布

本文链接：https://blog.csdn.net/qq_62218542/article/details/126919532

版权

python 专栏收录该内容

26 篇文章 3 订阅

订阅专栏

本次主要分为这几个阶段

第 1 篇：入门篇。本篇包括 Python 与 OpenCV、搭建开发环境、图像处理的基本操作、像素的操作和色彩空间与通道。这些内容的作用相当于「扫盲」，即完成一个从「什么都不知道」到「掌握关键知识点」的转变过程，为学习后面的内容奠定基础。

第 2 篇：基础篇。本篇介绍了绘制图形和文字、图像的几何变换、图像的阈值处理和图像的运算。学习完这一部分后，读者不仅能够直观地看到运用 OpenCV 处理图像后的效果，还能够了解 OpenCV 程序的编码步骤和注意事项。

第 3 篇：进阶篇。本篇的内容较多，包含了 6 章内容，分别是模板匹配、滤波器、腐蚀与膨胀、图形检测、视频处理以及人脸检测和人脸识别。这 6 章内容虽然相对独立，但是在实际开发过程中，是相辅相成、相得益彰的。

第 4 篇：项目篇。本篇通过一个完整的小型 MR 智能视频打卡系统，按照「需求分析 → 系统设计 → 文件系统设计 → 数据实体模块设计 → 工具模块设计 → 服务模块设计 → 程序入口设计」顺序，手把手指导读者运用 Python OpenCV 完成软件项目的开发实践

前言 Preface

OpenCV 的设计初衷是提供易于使用的计算机视觉接口，以帮助开发人员在实际开发中快速建立精巧的视觉应用。为此，OpenCV 库包含了从计算机视觉各个领域衍生出来的 500 多种方法。这使得 OpenCV 自测试版发布以来，就被广泛地应用在安保行业、航空领域和其他高精尖的科研工作中。近年来，随着 Python 语言的强势崛起，Python OpenCV 已经成为一个很好的学习方向。

1.2　OpenCV 概述

OpenCV 是一个开源的计算机视觉库，可以在 Windows、Linux、MacOS 等操作系统上运行。它起源于英特尔性能实验室的实验研究，由俄罗斯的专家负责实现和优化，并以为计算机视觉提供通用性接口为目标。

人类的视觉能够很轻易地从这幅图像中识别花朵。但是，计算机视觉不会像人类视觉那样能够对图像进行感知和识别，更不会自动控制焦距和光圈，而是把图像解析为按照栅格状排列的数字。以图 1.7 为例，计算机视觉将其解析为如图所示的按照栅格状排列的数字（图下只是图 1.7 的一部分）。

图像处理的基本操作

OpenCV 的作用在于让开发人员更容易地通过编码来处理图像。那么，处理图像需要执行哪些操作呢？图像处理的基本操作包含 4 个方面的内容：读取图像、显示图像、保存图像和获取图像属性。其中，常用的图像属性有 3 个：shape、size 和 dtype。本章将依次详解实现图像处理的 4 个基本操作，并分别阐明常用的 3 个图像属性各自的含义及其使用方法。

image = cv2.imread(filename, flags)

　image：imread()方法的返回值，返回的是读取到的图像。

　filename：要读取的图像的完整文件名。例如，要读取当前项目目录下的 3.1.jpg，filename 的值为「3.1.jpg」（双引号是英文格式的）。

　flags：读取图像颜色类型的标记。当 flags 的默认值为 1 时，表示读取的是彩色图像，此时的 flags 值可以省略；当 flags 的值为 0 时，表示读取的是灰度图像（如果读取的是彩色图像，也将转换为与彩色图像对应的灰度图像）。

说明

灰度图像是一种每个像素都是从黑到白，被处理为 256 个灰度级别的单色图像。256 个灰度级别分别用 0（纯黑色）～255（纯白色）的数值表示。

显示图像

相比图 3.2 中密密麻麻的数字，如

果能够将这幅图像显示出来，就可以更加直观地看到它。为此，OpenCV 提供了 imshow()方法、waitKey()方法和 destroyAllWindows()方法。

cv2.imshow(winname, mat)

保存图像

 cv2.imwrite(filename, img)

filename：保存图像时所用的完整路径。

　img：要保存的图像。

获取图像属性

在处理图像的过程中，经常需要获取图像的大小、类型等图像属性。为此，OpenCV 提供了 shape、size 和 dtype 3 个常用属性，具体含义分别如下。

shape：如果是彩色图像，那么获取的是一个包含图像的水平像素、垂直像素和通道数的数组，即（垂直像素，水平像素，通道数）；如果是灰度图像，那么获取的是一个包含图像的水平像素和垂直像素的数组，即（垂直像素，水平像素）。

size：获取的是图像包含的像素个数，其值为「水平像素 × 垂直像素 × 通道数」。灰度图像的通道数为 1。

dtype：获取的是图像的数据类型。

像素的操作

像素是图像的最小单位。每一幅图像都是由M行N列的像素组成的，其中每一个像素都存储一个像素值。以灰度图像为例，计算机通常把灰度图像的像素处理为 256 个灰度级别，256 个灰度级别分别使用区间[0，255]中的整数数值表示。其中，「0」表示纯黑色；「255」表示纯白色。本章将围绕着像素展开，介绍如何使用 NumPy 模块操作像素。

确定像素的位置

正方向分别是往右和往下

读取像素

 import cv2

 image = cv2.imread（「D:/4.1.jpg」）  # 读取 D 盘根目录下的 4.1.jpg
 px = image[291， 218]              # 坐标(291， 218)上的像素

获取像素的 BGR 值

blue green red

通常我们用的是RBG值但是opencv中用的是反过来的用BGR值

所以我们平时的（0，0，255）其实是纯红色

import cv2

image = cv2.imread（「D:/4.1.jpg」）
blue = image[291， 218， 0]         # 坐标(291， 218)上的像素的 B 通道的值 
green = image[291， 218， 1]        # 坐标(291， 218)上的像素的 G 通道的值 
red = image[291， 218， 2]          # 坐标(291， 218)上的像素的 R 通道的值 
print（blue， green， red）

修改像素的 BGR 值

直接给像素赋值即可

例如