python中使用opencv_在python中使用OpenCV

网上对于Python调用OpenCV库的例程和资料都比较少。Python中调用OpenCV可以使用CV2，也可以使用CV。两者的不同在于，CV2的数据结构全部为numpy结构。所以一般如下：

import cv2

import numpy as np

……

使用CV2的好处在于，numpy的数据结构容易处理，编程风格与matlab非常相近。

与CV2相比，CV库就大相径庭了，其数据结构、函数组织形式基本与C++版的OpenCV相差无几:

import cv2.cv as cv

import numpy as np

……

在使用CV库时最好也导入numpy库，因为有的地方还是可以用到的。

由于个人觉得CV与商业应用的调用格式比较相近，学好CV库对将来从事OpenCV的正规工作会有一定帮助，所以我选择了CV库的学习。可能是因为一时兴起的原因，我并没有系统地学习OpenCV的基础知识，其实，如果要学好OpenCV最好是借一本专业的书籍，从基本的数据结构、命名规则学起。当然，如果能弄懂里面那些函数的算法原理就更好了。这方面一般OpenCV的学习书籍是不会讲的。不过网上可以找到一些chm格式的帮助文档（有中文的），我发现里面有很多函数的原理会做简短的说明，这部分对于想完全弄懂图像处理原理的人很有用。需要这方面资料的可以百度“opencv参考手册.chm”。

图像读入：img =

cv.LoadImage('ImageName')

变换彩色空间：cv.CvtColor(src, dst,

cv.CV_BGR2YCrCb) #这里也可以把图像转换为灰度图。

变换图像时，要注意dst要事先分配内存：

cv.CreateImage(cv.GetSize(img), cv.IPL_DEPTH_8U, 3)

将彩色图像的各个通道分开：

cv.Split(img,

ch1, ch2, ch3, None)

有时我们会用到矩阵：

matrix = cv.CreateMat(rows,

cols, cv.CV_32FC1)

上面语句中，CV_32FC1代表32位浮点型单通道。‘C'代表通道，’F'代表浮点型。通过这个语句就创建了一个rows行，cols列的矩阵，并且分配了空间。

如果要对矩阵进行赋值可以用如下 ：

data

=[[1,1,1],[1,2,1],[1,-10,1],[1,2,1]]#data 为一个3x3的二维列表

for i in range(3):

for j in

range(3):

matrix[i,j] = data[i][j]

对于矩阵里的数据，普通方法是没法查看的，可以利用np库：

print np.asarray(matrix)

#这里就是我为什么在CV库中也导入numpy库的原因了。如果有时对数据不明白，想打印出来时，利用np这个函数就比较方便了。

(待续……）