计算机视觉环境配置（pycharm安装)(opencv引入)(anaconda安装)(pytorch安装)(YOLO V5安装和实验)(Harris和SIFT角点检测)

一、Pycharm安装、配置、使用

下载：可以到官网下载，然后进行购买进行激活（支持正版！手动狗头）

or 百度网盘下载加破解
https://pan.baidu.com/s/1RaZJicGGUhBFCEh1Jy12lw
[提取码]：a66w

压缩包内有完整步骤参考即可

效果图：

二、Anaconda 安装、配置

（1）Anaconda 下载安装

下载地址：https://www.anaconda.com/download/
详细安装教程：参考链接
之后选择.exe文件，傻瓜式安装即可，但建议最好不要安装到C盘
然后安装时最好选择添加到PATH，不然后续添加路径很麻烦

检查安装是否成果可以打开cmd

  conda --version
  python --version

三、Open CV 安装与使用

（1）完成Open CV 库的导入

可以打开cmd或者在pycharm下方的命令框输入一下命令

• （1）.安装opencv-python

  pip install opencv-python --user -i https://pypi.tuna.tsinghua.edu.cn/simple
  

• （2）安装opencv-contrib-python

  pip install opencv-contrib-python --user -i https://pypi.tuna.tsinghua.edu.cn/simple
  

（2）完成Harris和SIFT 角点检测

正常来说之前安装正常后，pycharm就能够智能导入了，

• （1）Harris角点检测代码和注释

import cv2
import numpy as np

# 1. 加载图像、转化为灰度图
img = cv2.imread('1.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
gray = np.float32(gray) # 32位浮点

# 2. harris角点检测
dst = cv2.cornerHarris(gray, 2, 23, 0.04)

# 3. 绘制角点
img[dst > 0.01 * dst.max()] = [0, 255, 0]
cv2.imshow('corners', img)
cv2.waitKey(0)

运行效果

• （2）SIFT角点检测代码和注释

import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt

# 1 读取图像
img = cv.imread('1.jpg')
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
# 2 sift关键点检测
# 2.1 实例化sift对象
sift = cv.SIFT_create()

# 2.2 关键点检测：kp关键点信息包括方向，尺度，位置信息，des是关键点的描述符
kp, des = sift.detectAndCompute(gray, None)
# 2.3 在图像上绘制关键点的检测结果
cv.drawKeypoints(img, kp, img, flags=cv.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)
# 3 图像显示
plt.figure(figsize=(8, 6), dpi=100)
plt.imshow(img[:, :, ::-1]), plt.title('sift detection')
plt.xticks([]), plt.yticks([])
plt.show()

运行效果：

（2）Anaconda 中选择适当Python版本创建环境

……这个作业我没有太明白老师意思，因为anaconda自带Python，而且Pycharm很智能，可以自动检测到路径下的python.exe文件，直接创建即可

四、Pytorch 安装

（1）在新环境中完成Pytorch 的安装

在pytorch官网找到合适的版本

安装的时候建议选择conda，而不是pip，这样就自动配置到Anaconda的环境中去了
打开cmd，输入 Run this Command后的命令

测试：
可以在pycharm中创建新工程，选择anaconda中的python.exe的注释器，用以下代码进行测试：

from __future__ import print_function
import torch
x = torch.empty(5, 3)
print(x)

效果：

五、目标检测算法实践

（1）在新环境中导入YOLO V5

首先在GitHub下载： https://github.com/ultralytics/yolov5
解压后用pycharm打开该文件夹，具体工程配置跟上文中相同

（2）完成YOLO V5 所需包的安装

之后在Pycharm下方的命令提示框内输入

pip install -r requirements.txt

便可以完成安装

（3）执行 YOLO V5 推理并得到结果

具体效果查看可以打开该工程中的 yolov5-master\runs\detect\exp
可以查看到训练完成的示例照片

建立自己的数据集进行YOLO识别训练

参考我在评论区发布的链接

具体内容就这么多啦！
如有问题评论区见
创作不易，建议打赏（狗头狗头）