【探索AI】计算机视觉-常用的库及常用的函数

计算机视觉学习中，常用的库及常用的函数

在计算机视觉应用中，常用的库及其相关的常用函数大致可以分为图像处理类、数学类和神经网络类。以下是这些类别中的一些常用库和函数：

图像处理类

1. OpenCV（Open Source Computer Vision Library）:

   • imread(): 读取图像文件。
   • imshow(): 显示图像。
   • cvtColor(): 颜色空间转换（如BGR到GRAY）。
   • GaussianBlur(): 高斯模糊。
   • Canny(): Canny边缘检测。

2. PIL（Python Imaging Library）/ Pillow:

   • Image.open(): 打开图像文件。
   • Image.save(): 保存图像。
   • Image.resize(): 调整图像大小。
   • Image.rotate(): 旋转图像。

3. Matplotlib:

   • pyplot.imshow(): 显示图像。
   • pyplot.savefig(): 保存图像。
   • pyplot.title(): 设置图像标题。
   • pyplot.xlabel(), pyplot.ylabel(): 设置x轴和y轴标签。

数学类

1. Numpy:
   • numpy.array(): 创建数组。
   • numpy.shape: 获取数组形状。
   • numpy.mean(): 计算数组均值。
   • numpy.std(): 计算数组标准差。
   • numpy.dot(): 数组点积。

神经网络类

1. TensorFlow:

   • tf.data.Dataset: 构建数据集。
   • tf.keras.models.Sequential(): 构建顺序模型。
   • tf.keras.layers.*: 各种神经网络层（如Dense, Conv2D, MaxPooling2D等）。
   • tf.train.AdamOptimizer(): 优化器。
   • tf.keras.losses.*: 损失函数（如MSE, CrossEntropy等）。

2. Keras:

   • keras.models.Sequential(): 构建顺序模型。
   • keras.layers.*: 各种神经网络层。
   • keras.optimizers.*: 优化器。
   • keras.losses.*: 损失函数。

3. PyTorch:

   • torch.Tensor: PyTorch张量。
   • torch.nn.Module: 构建神经网络模型。
   • torch.nn.*: 各种神经网络层。
   • torch.optim.*: 优化器。
   • torch.nn.functional.*: 损失函数和其他函数。

以上仅列举了一些常用库和函数，实际应用中还有很多其他功能和函数可供使用。选择哪个库和函数取决于具体任务的需求和个人偏好。