图像处理OpenCV(1)——OpenCV简介

1.简介

1.1图像简介

1.1.1 图像的起源和数字图像

• 图像是人类视觉的基础，是自然景物的客观反映，是人类认识世界和人类本身的重要源泉。图是物体反射或透射光的分布，像是人的视觉系统所接受的图在人脑中所形成的印象或认识、照片、绘画、剪贴画、地画、书法作品、X光、心电图等都是图像。

1.1.2 模拟图像和数字图像

• 模拟图像又称连续图像。通过某种物理量的强弱变化来记录图像亮度信息，所以是连续变换的。模拟信号的特点是容易受干扰，如今已经基本被数字图像替代。
• 数字图像：分级存储的数据。

1.1.2.1数字图像的表示

1. 位数

• 计算机采用0/1编码，数字图像也利用0/1记录信息。我们平常接触的图像都是8位数图像，包含0-255灰度，0最黑，1表示最白。
• 人眼对灰度非常敏感，在16位到32位之间。

2.图像的分类

• 二值图像：二值图像的二维矩阵仅由0 1 构成，由于每一像素取值仅有0 1两种可能，因此计算机中二值图像的数据类型通常为1个二进制位。二值图像通常用于文字、线条图的扫描识别（OCR）和掩膜图像的存储。
• 灰度图：每个像素只有一个采样颜色的图像，这类图像通常显示位最暗黑色和最亮白色的灰度。灰色图像与黑白图像不同，黑白图像只有黑色和白色两种颜色，而灰度图像在黑色和白色之间还有许多灰度级的颜色深度。灰度图像通常是在单个电磁波频谱如可见光内测量每个像素的亮度得到的，用于显示的灰度图像通常用每个采样像素8位的非线性尺度来保存，这样可以有256级灰度。
• 彩色图：每个像素分别是由R,G,B三个分量来表示，分量介于(0,255)。RGB图像与索引图像一样都可以用来表示彩色图像。与索引图象一样，它分别用RGB三原色的组合来表示每个像素的颜色，但与索引图像不同的是，RGB图像每个像素的颜色值（由RGB三原色表示）直接存放在图像矩阵中，由于每一像素的颜色需由RGB三个分量来表示，M、N分别表示图像的行列数，三个M×N的二维矩阵分别表示各个像素的RGB三个颜色分量。RGB图像的数据类型一般为8位无符号整型，通常用于表示和存放真彩色图像。

1.2 OpenCV的简介及其部署

1.2.1OpenCV简介

OpenCV是由Inte俄罗斯公司发起并参与和维护的一个计算机视觉处理开源软件库，支持与计算机视觉和机器学习相关的众多算法。

• OpenCV的优势
  1. 编程语言：OpenCV基于C++实现，同时提供python，Ruby，Matlab等语言的接口。OpenCV-Python是OpenCV的PythonAPI，金额和了OpenCV C++ API和Python语言的最佳特性。
  2. 跨平台：可以在不同的系统平台上使用，包括Windows，Linux，OS X，Android和iOS.基于CUDA和OpenCL的高速GPU操作接口也在积极开发中。
  3. 活跃的开发团队
  4. 丰富的API：完善的传统计算机视觉算法，涵盖主流的机器学习算法，同时添加了对深度学习的支持。

1.2.2 OpenCV-Python

• OpenCV-Python是一个Python绑定库，旨在解决计算机视觉问题
• Python可以使用C/C++扩展，这使得我们可以在C/C++中编写计算密集型代码，并创建可用作Python模块的Python包装器。OpenCV-Python是原始OpenCV C++实现的Python包装器
• OpenCV-Python使用Numpy，这是一个高度优化的数据库操作库，具有MATLAB风格的语法。所有OpenCV数组结构都转换为Numpy数组，这使得与使用Numpy的其他库（比如SciPy和Matplotlib）集成更容易。

1.2.3 OpenCV部署方法

• 安装OpenCV之前需要安装Numpy，matplotlib

• 创建Python虚拟环境CV，在CV中安装即可

• 先安装OpenCV-Python，使用3.4.3以下的版本(一些经典算法被申请了版权，新版本由较大限制)：

  pip install opencv-python==3.4.2.17
  

• 测试是否安装成功，运行以下代码无报错则说明安装成功：

  import cv2
  # 读取一个文件并进行显示(图片路径需要自己指定）
  lena = cv2.imread("1.png")
  cv2.imshow("image",lena)
  cv2.waitKey(0)
  

• 如果要用SIFT和SURF等进行特征提取，则还需要安装：

  pip install opencv-contrib-python==3.4.2.17
  

1.3 OpenCV的模块

• core、highgui、imgprc是最基础的模块：
  • core:实现了最核心的数据结构及其基本运算，如绘图函数、数组操作相关函数等
  • highgui模块实现了视频与图像的读取、显示、存储等接口
  • imgproc模块实现了图像处理的基本方法，包括图像滤波、图像的几何变换、平滑、阈值分割、形态学处理、边缘检测、目标检测、运动分析和对象跟踪等。
• 对于图像处理其他更高层次的方向及应用，OpenCV也有相关的模块实现：
  • features2d模块用于提取图像特征以及特征匹配，nonfree模块提供了一些专利算法，如sift特征
  • objdetect模块实现了一些目标检测的功能，经典的基于Haar、LBP特征的人脸检测，基于HOG的行人、汽车等目标检测，分类器使用Cascade Classfication(级联分类)和Latent SVM等。
  • stitching模块实现了图像拼接功能
  • FLANN模块包含快速近似最近邻搜索FLANN和聚类Clustering算法
  • ml模块机器学习模块(SVM,决策树，Boosting等等)
  • photo模块包含图像修复和图像去噪两个部分
  • video模块针对视频处理，如背景分离、前景检测、对象跟踪等
  • calib3d模块即Calibration3D，这个模块主要是相机校准和三位重修相关的内容，包含了基本的多视角几何算法，单个立体摄像头标定，物体姿态估计，立体相似性算法，3D信息的重建等
  • G-API模块包含超高效的图像处理pipeline引擎