嵌入式人工智能（OpenCV-图像的基本操作）

1、OpenCV简介

人工智能一个重要方面的应用就是计算机视觉，而OpenCV正是基于BSD许可发行的开源、跨平台的计算机视觉库。它可以运行在Linux、Windows、Android和Mac OS操作系统上。 [1]它轻量级而且高效——由一系列 C 函数和C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。

计算机视觉包括底层的图像处理、中层的图像分析以及高层的视觉技术，OpenCV已经延伸到计算机视觉的每个领域，其功能涵盖每个研究方向。应用领域包括人机互动、物体识别、图像分割、人脸识别、动作识别、运动跟踪、机器人、运动分析、机器视觉、结构分析、汽车安全驾驶。

2、图像处理过程

图像处理指对图像进行分析、加工和处理，使其满足视觉、心理、或其他要求的技术、图像处理是信号处理在图像领域上的一个应用。。当前大多是图像是以数字形式存储，因为图像处理又称数字图像处理。

（1）导入图像

（2）去噪处理

（3）图像增强

（4）图像复原

（5）彩色图像转灰度

（6）灰度图转二值图

（7）边缘检测/分割

（8）直方图匹配/轮廓匹配

3、图像的载入、显示、转化为灰度图

（1）OpenCV安装

OpenCV库在Python中安装和导入非常方便

pip install opencv-python就可以了，安装完可以查看版本

import cv2
print(cv2.__version__)

（2）图像的获取

图像的获取可以加载本地图片，也可以从摄像头读取一张图片。

在本地新建一个图片1.png

 上传给树莓派SSH服务器。然后通过imead读取，imshow显示。

image = cv2.imread('1.png')
print(type(image))
# 显示读取的图像，窗口名称为buster
cv2.imshow('buster', image)
# 使程序停留，等待任意键按下，参数表示停留的时间，0表示无限长
k = cv2.waitKey(0)
# 按下ESC键（ASCII码为27）后，销毁所有窗口，终止程序
if k == 27:
    cv2.destroyAllWindows()

如果使用imshow函数，需要为当前的py文件在pycharm中开启SSH的Xserver显示功能。

可能会有同学报错，见下图。提示不支持验证协议。

 编辑 /etc/ssh/ssh_config文件，下面2行注释给去掉

然后在pycharm运行该文件，则正常显示了。

 注意红框的内容，这里显示的x、y的值是从图像上选择的像素点，距左边和上边的距离，RGB是三通道的值。

从摄像头获取图片，保存。保存的图片是放到树莓派的开发板上面。默认保存的图像分辨率为640*480

import cv2
cap = cv2.VideoCapture(0)
# cap.set(cv2.CAP_PROP_FRAME_WIDTH,1440)
# cap.set(cv2.CAP_PROP_FRAME_HEIGHT,960)
while cap.isOpened() :
    # 摄像头工作时,读取一帧图像
    ret, frame = cap.read()
    # 显示图像窗口在树莓派的屏幕上
    cv2.imshow('Capture', frame)
    # 按下q键退出,s键保存图像，保存到树莓派上面
    key = cv2.waitKey(1)
    if key & 0x00FF == ord('s'):
        cv2.imwrite('imgshoot.jpg',frame)
    if key & 0x00FF == ord('q'):
        break

# cap.set(cv2.CAP_PROP_FRAME_WIDTH,1440)
# cap.set(cv2.CAP_PROP_FRAME_HEIGHT,960)

cap.set用来设置图片的分辨率，由于开发板的处理能力相对较弱，一般图像的显示和存储、处理不用太高的分辨率，不然爆显存导致死机，程序中止等故障。除了分辨率控制图像大小，还有就是通过灰度图来控制图像大小。

# 将读取后的图片转换为灰度图片
img_gray = cv2.cvtColor(image, cv2.COLOR_RGB2GRAY)

image = cv2.imread('1.png')
#创建一个窗口。可以调整窗口显示大小 cv2.WINDOW_NORMAL，也可以在初始化的时候给定大小
cv2.namedWindow('buster', cv2.WINDOW_NORMAL)
#cv2.resizeWindow('buster', 320, 240)
# 将读取后的图片转换为灰度图片
img_gray = cv2.cvtColor(image, cv2.COLOR_RGB2GRAY)
# 显示灰度图像
cv2.imshow("buster", img_gray)
key = cv2.waitKey(0)
# 保存灰度图像
cv2.imwrite("buster_gray.png", img_gray)

 灰度图就没有RGB三通道的值了。