OpenCV图像处理应用（面向Python）之入门操作

欢迎来到梁老湿课堂

版权声明：
作者：OpenCV小课堂
导师：Fu Xianjun
本文版权归作者导师共有，欢迎转载，但未经作者同意必须在文章页面注明来源及原作者或原文链接，否则保留追究法律责任的权利。

课前闲聊

众所周知程序员是一个高薪职业，可以看下面这张图

你要想获得比别人多的工资，首先你得比别人努力，其次是多做项目、多练习而后具备以下过硬的条件：
1.有图像处理、机器学习相关的学习和研究经历，具有较好的数学和算法基础；
2.熟悉Python 、C/C++、Java等语言，熟练使用OpenCV等视觉库，掌握图像处理的接口函数、深入了解OpenCV部分源码；
3.熟悉Ubuntu、redhat等系统下深度学习环境搭建及yolo、caffe-ssd、caffe-faster-rcnn等深度学习模型训练，并能进行调优；
4.强大的学习能力，能快速掌握新技术并理解其运用场景；
5.根据业务需求，设计并实现新的算法。

进入正题

本章重点：
图像获取、显示以及相关信息获取
本章难点：
图像像素访问与修改
我们学习这门课时，首先要知道什么是图像？
图：
客观世界物体反射或透射光的分布，是客观世界的反映
像：
人类视觉系统对图的响应，是人的大脑的印象或认识，是人的感觉的一种
数字图像：
是由二维的元素组成；每个元素包含一个坐标以及响应值
数字图像处理：
针对特定任务；提升图像的可理解性
我们OpenCV的起源是：
研究员 Gary Bradski在为英特尔时注意到MIT 的媒体实验室，拥有非常完备的内部公开的计算机视觉开发接口——代码从一个学生传到另一个学生手中，并且会给每个新来的学生一个有价值的由他们自己开发的视觉应用方案。
我们OpenCV的目标是：
为高级的视觉研究提供开源并且优化过的基础代码，不再需要重复造轮子。以提供开发者可以在此基础上进行开发的通用接口为手段传播视觉相关知识，这样代码有更强的可读性和移植性。以创造可移植的、优化过的免费开源代码来推动基于高级视觉的商业应用，这些代码可以自由使用，不要求商业应用程序开放或免费。

使用的软件

可以根据下面图片，安装所需软件

我们先来进行图像读取、显示、保存

图像读取：
1.img=cv2.imread(‘peppa.png’)—peppa可替换
2.img=cv2.imread(‘peppa.png’,cv2.IMREAD_GRAYSCALE)
3.img=cv2.imread(‘peppa.png’, cv2.IMREAD_COLOR)
图像显示：
1.cv2.imshow(name,img)
2. cv2.waitKey(0)
3. cv2.destroyAllWindows()
图像保存：
cv2.imwrite(mycat2.png’,img)

温馨提醒

imread() 读取不同类型图像
imshow() 显示窗口与关闭
imwrite() 保存图像

图像像素处理

1.导入Numpy包：
import numpy as np
2.进行像素的修改
for循环
item（）
itemset（）

课后练习

把第一张原图变为与最后一张相似

课堂总结

1.多学多思考；
2.如果感觉不是很明白，就是学习不够，推荐多学几遍；
3.任何一个人都是平庸的，他们靠的都是不断努力，不断学习；
4.打好基础为以后做铺垫。

多练多学多坚持，我们下期再见。