OpenCV+Python

最新推荐文章于 2024-04-14 18:27:14 发布
最新推荐文章于 2024-04-14 18:27:14 发布
阅读量4.8k 收藏 32
点赞数 2
分类专栏： 网络通信 文章标签： opencv python 计算机视觉
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_56102526/article/details/121916432
版权

OpenCV+Python

一、基础

（一）基础函数

1.源代码·

import cv2 as cv
import numpy as np

def stackImages(scale, imgArray):
    """
        将多张图像压入同一个窗口显示
        :param scale:float类型，输出图像显示百分比，控制缩放比例，0.5=图像分辨率缩小一半
        :param imgArray:元组嵌套列表，需要排列的图像矩阵
        :return:输出图像
    """
    rows = len(imgArray)
    cols = len(imgArray[0])
    rowsAvailable = isinstance(imgArray[0], list)
    width = imgArray[0][0].shape[1]
    height = imgArray[0][0].shape[0]
    if rowsAvailable:
        for x in range(0, rows):
            for y in range(0, cols):
                if imgArray[x][y].shape[:2] == imgArray[0][0].shape[:2]:
                    imgArray[x][y] = cv.resize(imgArray[x][y], (0, 0), None, scale, scale)
                else:
                    imgArray[x][y] = cv.resize(imgArray[x][y], (imgArray[0][0].shape[1], imgArray[0][0].shape[0]),
                                                None, scale, scale)
                if len(imgArray[x][y].shape) == 2: imgArray[x][y] = cv.cvtColor(imgArray[x][y], cv.COLOR_GRAY2BGR)
        imageBlank = np.zeros((height, width, 3), np.uint8)
        hor = [imageBlank] * rows
        hor_con = [imageBlank] * rows
        for x in range(0, rows):
            hor[x] = np.hstack(imgArray[x])
        ver = np.vstack(hor)
    else:
        for x in range(0, rows):
            if imgArray[x].shape[:2] == imgArray[0].shape[:2]:
                imgArray[x] = cv2.resize(imgArray[x], (0, 0), None, scale, scale)
            else:
                imgArray[x] = cv2.resize(imgArray[x], (imgArray[0].shape[1], imgArray[0].shape[0]), None, scale, scale)
            if len(imgArray[x].shape) == 2: imgArray[x] = cv2.cvtColor(imgArray[x], cv2.COLOR_GRAY2BGR)
        hor = np.hstack(imgArray)
        ver = hor
    return ver


# Read in an image
# 读取图片
img = cv.imread('../Resources/Photos/park.jpg')


# Converting to grayscale
# 转灰度
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)


# Blur
# 高斯滤波
blur = cv.GaussianBlur(img, (7,7), cv.BORDER_DEFAULT)


# Edge Cascade
# Canny算子边缘检测
canny = cv.Canny(blur, 125, 175)


# Dilating the image
# 膨胀
dilated = cv.dilate(canny, (7,7), iterations=3)


# Eroding
# 腐蚀
eroded = cv.erode(dilated, (7,7), iterations=3)


# Resize
# 重新设置图片大小
resized = cv.resize(img, (500,500), interpolation=cv.INTER_CUBIC)


# Cropping
# 剪切图片
cropped = img[50:200, 200:400]


cv.putText(img, "Park", (0, 100), cv.FONT_HERSHEY_SIMPLEX, 3.0, (255, 0, 0), 3)
cv.putText(gray, "Gray", (0, 100), cv.FONT_HERSHEY_SIMPLEX, 3.0, (255, 0, 0), 3)
cv.putText(blur, "blur",(0, 100), cv.FONT_HERSHEY_SIMPLEX, 3.0, (255, 0, 0), 3)
cv.putText(canny, "Canny Edges", (0, 100), cv.FONT_HERSHEY_SIMPLEX, 3.0, (255, 0, 0), 3)
cv.putText(dilated, "Dilated", (0, 100), cv.FONT_HERSHEY_SIMPLEX, 3.0, (255, 0, 0), 3)
cv.putText(eroded, "Eroded", (0, 100), cv.FONT_HERSHEY_SIMPLEX, 3.0, (255, 0, 0), 3)
cv.putText(resized, "Resized", (0, 100), cv.FONT_HERSHEY_SIMPLEX, 3.0, (255, 0, 0), 3)
cv.putText(cropped, "Cropped", (0, 100), cv.FONT_HERSHEY_SIMPLEX, 3.0, (255, 0, 0), 3)

imgStack = stackImages(0.5,([img,gray,blur,canny],[dilated,eroded,resized,cropped]))
cv.imshow("imgStack", imgStack)
cv.waitKey(0)

2.运行结果

（1）读取图片
在这里插入图片描述
（2）灰度图片
在这里插入图片描述

（3）高斯滤波
在这里插入图片描述

（4）边缘检测
在这里插入图片描述

（5）膨胀
在这里插入图片描述

（6）腐蚀
在这里插入图片描述
（7）改变图片尺寸
在这里插入图片描述

（8）裁剪图片
在这里插入图片描述

（二）找中心

1.源代码

import cv2 as cv
import numpy as np
#读取图片
img = cv.imread('../Resources/Photos/cats.jpg')
cv.imshow('Cats', img)
#图片变成全黑
blank = np.zeros(img.shape, dtype='uint8')
cv.imshow('Blank', blank)
#转为灰度
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
cv.imshow('Gray', gray)
#高斯滤波
blur = cv.GaussianBlur(gray, (5,5), cv.BORDER_DEFAULT)
cv.imshow('Blur', blur)
#边缘检测
canny = cv.Canny(blur, 125, 175)
cv.imshow('Canny Edges', canny)
#二值化
ret, thresh = cv.threshold(gray, 125, 255, cv.THRESH_BINARY)
cv.imshow('Thresh', thresh)
#找中心
contours, hierarchies = cv.findContours(canny, cv.RETR_LIST, cv.CHAIN_APPROX_SIMPLE)
print(f'{len(contours)} contour(s) found!')
#绘制
cv.drawContours(blank, contours, -1, (0,0,255), 1)
cv.imshow('Contours Drawn', blank)

cv.waitKey(0)

2.运行结果
（1）读取图像
在这里插入图片描述

(2)图片变成全黑
在这里插入图片描述
(3)转为灰度
在这里插入图片描述
(4)高斯滤波
在这里插入图片描述
(5）边缘检测
在这里插入图片描述
（7）二值化
在这里插入图片描述
（8）找中心绘制结果
在这里插入图片描述

（三）绘制

1.代码


import cv2 as cv
import numpy as np

def stackImages(scale, imgArray):
    """
        将多张图像压入同一个窗口显示
        :param scale:float类型，输出图像显示百分比，控制缩放比例，0.5=图像分辨率缩小一半
        :param imgArray:元组嵌套列表，需要排列的图像矩阵
        :return:输出图像
    """
    rows = len(imgArray)
    cols = len(imgArray[0])
    rowsAvailable = isinstance(imgArray[0], list)
    width = imgArray[0][0].shape[1]
    height = imgArray[0][0].shape[0]
    if rowsAvailable:
        for x in range(0, rows):
            for y in range(0, cols):
                if imgArray[x][y].shape[:2] == imgArray[0][0].shape[:2]:
                    imgArray[x][y] = cv.resize(imgArray[x][y], (0, 0), None, scale, scale)
                else:
                    imgArray[x][y] = cv.resize(imgArray[x][y], (imgArray[0][0].shape[1], imgArray[0][0].shape[0]),
                                                None, scale, scale)
                if len(imgArray[x][y].shape) == 2: imgArray[x][y] = cv.cvtColor(imgArray[x][y], cv.COLOR_GRAY2BGR)
        imageBlank = np.zeros((height, width, 3), np.uint8)
        hor = [imageBlank] * rows
        hor_con = [imageBlank] * rows
        for x in range(0, rows):
            hor[x] = np.hstack(imgArray[x])
        ver = np.vstack(hor)
    else:
        for x in range(0, rows):
            if imgArray[x].shape[:2] == imgArray[0].shape[:2]:
                imgArray[x] = cv2.resize(imgArray[x], (0, 0), None, scale, scale)
            else:
                imgArray[x] = cv2.resize(imgArray[x], (imgArray[0].shape[1], imgArray[0].shape[0]), None, scale, scale)
            if len(imgArray[x].shape) == 2: imgArray[x] = cv2.cvtColor(imgArray[x], cv2.COLOR_GRAY2BGR)
        hor = np.hstack(imgArray)
        ver = hor
    return ver

# 创造一个黑色背景板
img_1 = np.zeros((500,500,3), dtype='uint8')
# 绘制边缘线便于区分
cv.line(img_1, (0,0), (0,img_1.shape[0]), (255,255,255), thickness=3)
cv.line(img_1, (0,img_1.shape[0]), (img_1.shape[1],img_1.shape[0]), (255,255,255), thickness=3)


# 1. Paint the image a certain colour
# 把一个区域设置为指定颜色
img_2=img_1.copy()
img_2[200:300, 300:400]=0,0,255


# 2. Draw a Rectangle
# 画一个矩形
# 第一个参数为目标图片
# 第二个参数为矩形起始坐标,矩形左上角
# 第三个参数为矩形终止坐标,矩形右下角
# 第四个参数为颜色
# 第五个参数为线条宽度,-1表示填充
img_3=img_2.copy()
cv.rectangle(img_3, (0,0), (img_3.shape[1]//2, img_3.shape[0]//2), (0,255,0), thickness=-1)


# 3. Draw A circle
# 画一个圆
# 第一个参数为目标图片
# 第二个参数为圆心坐标
# 第三个参数为半径
# 第四个参数为颜色
# 第五个参数为线条宽度,-1表示填充
img_4=img_3.copy()
cv.circle(img_4, (img_4.shape[1]//2, img_4.shape[0]//2), 40, (0,0,255), thickness=-1)


# 4. Draw a line
# 画一条直线
# 第一个参数为目标图片
# 第二个参数为起始坐标
# 第三个参数为终止坐标
# 第四个参数为颜色
# 第五个参数为线条宽度
img_5=img_4.copy()
cv.line(img_5, (100,250), (300,400), (255,255,255), thickness=3)


# 5. Write text
# 在图片上写字
# 第一个参数为目标图片
# 第二个参数为显示内容
# 第三个参数为显示起始坐标
# 第四个参数为字体类型
# 第五个参数为字体大小
# 第六个参数为字体颜色
# 第七个参数为字体线条粗细
img_6=img_5.copy()
cv.putText(img_6, 'HelloWorld', (255,150), cv.FONT_HERSHEY_TRIPLEX, 1.0, (255,255,255), 2)


imgStack = stackImages(0.5,([img_1,img_2,img_3],[img_4,img_5,img_6]))
cv.imshow("imgStack", imgStack)
cv.waitKey(0)

2.运行结果
在这里插入图片描述
在这里插入图片描述

（四）读取图片和视频

1.代码

import cv2 as cv
#读取图片
img = cv.imread('../Resources/Photos/cats.jpg')
cv.imshow('Cats', img)

cv.waitKey(0)
#读取视频
# Reading Videos
capture = cv.VideoCapture('../Resources/Videos/dog.mp4')

while True:
    isTrue, frame = capture.read()
    
    # if cv.waitKey(20) & 0xFF==ord('d'):
    # This is the preferred way - if `isTrue` is false (the frame could 
    # not be read, or we're at the end of the video), we immediately
    # break from the loop. 
    if isTrue:    
        cv.imshow('Video', frame)
        if cv.waitKey(20) & 0xFF==ord('d'):
            break            
    else:
        break

capture.release()
cv.destroyAllWindows()

2运行结果
（1）图片
在这里插入图片描述
（2）视频
在这里插入图片描述

（五）二值化

1.源代码

import cv2 as cv
#读取图像
img = cv.imread('../Resources/Photos/cats.jpg')
cv.imshow('Cats', img)
#转灰度
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
cv.imshow('Gray', gray)
#二值化
# Simple Thresholding
threshold, thresh = cv.threshold(gray, 150, 255, cv.THRESH_BINARY )
cv.imshow('Simple Thresholded', thresh)

threshold, thresh_inv = cv.threshold(gray, 150, 255, cv.THRESH_BINARY_INV )
cv.imshow('Simple Thresholded Inverse', thresh_inv)

# Adaptive Thresholding
adaptive_thresh = cv.adaptiveThreshold(gray, 255, cv.ADAPTIVE_THRESH_GAUSSIAN_C, cv.THRESH_BINARY_INV, 11, 9)
cv.imshow('Adaptive Thresholding', adaptive_thresh)

cv.waitKey(0)

2.运行结果
（1）原图和灰度图片
在这里插入图片描述

（2）二值化
在这里插入图片描述
在这里插入图片描述

（六）变换

1.源代码

import cv2 as cv
import numpy as np
#读取图像
img = cv.imread('../Resources/Photos/park.jpg')
cv.imshow('Park', img)

# 缩放
def translate(img, x, y):
    transMat = np.float32([[1,0,x],[0,1,y]])
    dimensions = (img.shape[1], img.shape[0])
    return cv.warpAffine(img, transMat, dimensions)

# -x --> Left
# -y --> Up
# x --> Right
# y --> Down

translated = translate(img, -100, 100)
cv.imshow('Translated', translated)

# 旋转
def rotate(img, angle, rotPoint=None):
    (height,width) = img.shape[:2]

    if rotPoint is None:
        rotPoint = (width//2,height//2)
    
    rotMat = cv.getRotationMatrix2D(rotPoint, angle, 1.0)
    dimensions = (width,height)

    return cv.warpAffine(img, rotMat, dimensions)

rotated = rotate(img, -45)
cv.imshow('Rotated', rotated)

rotated_rotated = rotate(img, -90)
cv.imshow('Rotated Rotated', rotated_rotated)

# Resizing
#调整
resized = cv.resize(img, (500,500), interpolation=cv.INTER_CUBIC)
cv.imshow('Resized', resized)

# Flipping
#翻转
flip = cv.flip(img, -1)
cv.imshow('Flip', flip)

# Cropping
#裁剪
cropped = img[200:400, 300:400]
cv.imshow('Cropped', cropped)

2.运行结果
（1）读取的图片
在这里插入图片描述
（2）缩放
在这里插入图片描述
（3）旋转
在这里插入图片描述

（4）调整
在这里插入图片描述

（5）翻转
在这里插入图片描述

（6）裁剪
在这里插入图片描述

二、进阶

（一）图片基本运算

1.源代码

#pylint:disable=no-member

import cv2 as cv
import numpy as np

blank = np.zeros((400,400), dtype='uint8')

rectangle = cv.rectangle(blank.copy(), (30,30), (370,370), 255, -1)
circle = cv.circle(blank.copy(), (200,200), 200, 255, -1)

cv.imshow('Rectangle', rectangle)
cv.imshow('Circle', circle)

# bitwise AND --> intersecting regions
bitwise_and = cv.bitwise_and(rectangle, circle)
cv.imshow('Bitwise AND', bitwise_and)

# bitwise OR --> non-intersecting and intersecting regions
bitwise_or = cv.bitwise_or(rectangle, circle)
cv.imshow('Bitwise OR', bitwise_or)

# bitwise XOR --> non-intersecting regions
bitwise_xor = cv.bitwise_xor(rectangle, circle)
cv.imshow('Bitwise XOR', bitwise_xor)

# bitwise NOT
bitwise_not = cv.bitwise_not(circle)
cv.imshow('Circle NOT', bitwise_not)

cv.waitKey(0)

2.结果
在这里插入图片描述

在这里插入图片描述

（二）滤波

1.源代码

#pylint:disable=no-member

import cv2 as cv

img = cv.imread('../Resources/Photos/cats.jpg')
cv.imshow('Cats', img)

# Averaging
average = cv.blur(img, (3,3))
cv.imshow('Average Blur', average)

# Gaussian Blur
gauss = cv.GaussianBlur(img, (3,3), 0)
cv.imshow('Gaussian Blur', gauss)

# Median Blur
median = cv.medianBlur(img, 3)
cv.imshow('Median Blur', median)

# Bilateral
bilateral = cv.bilateralFilter(img, 10, 35, 25)
cv.imshow('Bilateral', bilateral)

cv.waitKey(0)

2.运行结果
（1）读取图片

在这里插入图片描述
（2）处理效果
在这里插入图片描述
在这里插入图片描述

（三）颜色转换

1.源代码

#pylint:disable=no-member

import cv2 as cv
import matplotlib.pyplot as plt

img = cv.imread('../Resources/Photos/park.jpg')
cv.imshow('Park', img)

# plt.imshow(img)
# plt.show()

# BGR to Grayscale
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
cv.imshow('Gray', gray)

# BGR to HSV
hsv = cv.cvtColor(img, cv.COLOR_BGR2HSV)
cv.imshow('HSV', hsv)

# BGR to L*a*b
lab = cv.cvtColor(img, cv.COLOR_BGR2LAB)
cv.imshow('LAB', lab)

# BGR to RGB
rgb = cv.cvtColor(img, cv.COLOR_BGR2RGB)
cv.imshow('RGB', rgb)

# HSV to BGR
lab_bgr = cv.cvtColor(lab, cv.COLOR_LAB2BGR)
cv.imshow('LAB --> BGR', lab_bgr)

cv.waitKey(0)

2.运行结果
在这里插入图片描述
在这里插入图片描述在这里插入图片描述

（四）梯度计算

1.源代码


import cv2 as cv
import numpy as np

img = cv.imread('../Resources/Photos/park.jpg')
cv.imshow('Park', img)

gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
cv.imshow('Gray', gray)

# Laplacian
lap = cv.Laplacian(gray, cv.CV_64F)
lap = np.uint8(np.absolute(lap))
cv.imshow('Laplacian', lap)

# Sobel 
sobelx = cv.Sobel(gray, cv.CV_64F, 1, 0)
sobely = cv.Sobel(gray, cv.CV_64F, 0, 1)
combined_sobel = cv.bitwise_or(sobelx, sobely)

cv.imshow('Sobel X', sobelx)
cv.imshow('Sobel Y', sobely)
cv.imshow('Combined Sobel', combined_sobel)

canny = cv.Canny(gray, 150, 175)
cv.imshow('Canny', canny)
cv.waitKey(0)

2.运行结果
（1）读取原图
在这里插入图片描述
（2）处理结果
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

（五）直方图

1.源代码

#pylint:disable=no-member

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

img = cv.imread('../Resources/Photos/cats.jpg')
cv.imshow('Cats', img)

blank = np.zeros(img.shape[:2], dtype='uint8')

gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
cv.imshow('Gray', gray)

mask = cv.circle(blank, (img.shape[1]//2,img.shape[0]//2), 100, 255, -1)

masked = cv.bitwise_and(img,img,mask=mask)
cv.imshow('Mask', masked)

#GRayscale histogram
gray_hist = cv.calcHist([gray], [0], mask, [256], [0,256] )

plt.figure()
plt.title('Grayscale Histogram')
plt.xlabel('Bins')
plt.ylabel('# of pixels')
plt.plot(gray_hist)
plt.xlim([0,256])
plt.show()

# Colour Histogram

plt.figure()
plt.title('Colour Histogram')
plt.xlabel('Bins')
plt.ylabel('# of pixels')
colors = ('b', 'g', 'r')
for i,col in enumerate(colors):
    hist = cv.calcHist([img], [i], mask, [256], [0,256])
    plt.plot(hist, color=col)
    plt.xlim([0,256])

plt.show()

cv.waitKey(0)

2.运行结果
（1）颜色直方图
在这里插入图片描述
（2）灰度直方图
在这里插入图片描述

（六）掩饰

1.源代码

#pylint:disable=no-member

import cv2 as cv
import numpy as np

img = cv.imread('../Resources/Photos/cats 2.jpg')
cv.imshow('Cats', img)

blank = np.zeros(img.shape[:2], dtype='uint8')
cv.imshow('Blank Image', blank)

circle = cv.circle(blank.copy(), (img.shape[1]//2 + 45,img.shape[0]//2), 100, 255, -1)

rectangle = cv.rectangle(blank.copy(), (30,30), (370,370), 255, -1)

weird_shape = cv.bitwise_and(circle,rectangle)
cv.imshow('Weird Shape', weird_shape)

masked = cv.bitwise_and(img,img,mask=weird_shape)
cv.imshow('Weird Shaped Masked Image', masked)

cv.waitKey(0)

2.运行结果
在这里插入图片描述

（七）视频播放

1.源代码

import cv2 as cv

# img = cv.imread('../Resources/Photos/cat.jpg')
# cv.imshow('Cat', img)

def rescaleFrame(frame, scale=0.75):
    # Images, Videos and Live Video
    width = int(frame.shape[1] * scale)
    height = int(frame.shape[0] * scale)

    dimensions = (width,height)

    return cv.resize(frame, dimensions, interpolation=cv.INTER_AREA)

def changeRes(width,height):
    # Live video
    capture.set(3,width)
    capture.set(4,height)
    
# Reading Videos
capture = cv.VideoCapture('../Resources/Videos/dog.mp4')

while True:
    isTrue, frame = capture.read()

    frame_resized = rescaleFrame(frame, scale=.2)
    
    cv.imshow('Video', frame)
    cv.imshow('Video Resized', frame_resized)

    if cv.waitKey(20) & 0xFF==ord('d'):
        break

capture.release()
cv.destroyAllWindows()

2.效果
在这里插入图片描述

（八）通道分离与合并

1.源代码

import cv2 as cv
import numpy as np

img = cv.imread('../Resources/Photos/park.jpg')
cv.imshow('Park', img)

blank = np.zeros(img.shape[:2], dtype='uint8')

b,g,r = cv.split(img)

blue = cv.merge([b,blank,blank])
green = cv.merge([blank,g,blank])
red = cv.merge([blank,blank,r])


cv.imshow('Blue', blue)
cv.imshow('Green', green)
cv.imshow('Red', red)

print(img.shape)
print(b.shape)
print(g.shape)
print(r.shape)

merged = cv.merge([b,g,r])
cv.imshow('Merged Image', merged)

cv.waitKey(0)

2.运行结果
（1）读取原图
在这里插入图片描述

（2）效果
在这里插入图片描述

三、总结

本次实验了解了很多关于opencv处理图像视频的基础函数，以及他们的用法，学会了用各种函数来对图像进行处理，达到需要的效果。

参考链接

OpenCV+Python简单实践

一只特立独行的猪 ️
关注
  • 2
    点赞
  • 踩
  • 32
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
Python+OpenCV实时图像处理
不脱发的程序猿
01-04 25万+
初学OpenCV图像处理的小伙伴肯定对什么高斯函数、滤波处理、阈值二值化等特性非常头疼，这里给各位分享一个小项目，可通过摄像头实时动态查看各类图像处理的特点，也可对各位调参、测试有一定帮助。
基于Opencv+python的车牌识别系统，
05-05
本项目采用OpenCV库和Python编程语言实现了一个车牌识别系统，下面将详细探讨其关键技术和流程。 **1. 图像预处理** 图像预处理是车牌识别的第一步，包括灰度化、二值化、噪声消除等。OpenCV提供了一系列函数，如`...
超详细OpenCV之python操作
热门推荐
kuokay的博客
08-03 8万+
图像处理是什么 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版的印象或认识，照片、绘画、剪贴画、地图、书法作品、手写汉学、传真、卫星云图、影视画面、X光片、脑电图、心电图等都是图像。 模拟图像和数字图像 图像起源于1826年前后法国科学家Joseph Nicéphore Niépce发明的第一张可永久保存的照片，属于模拟图像。模拟图像又称连续图像，它通过某种物理量（如光、电等）的强弱变化来记录图像亮
Opencv-Python入门———配置opencv-python环境
weixin_62401171的博客
11-06 4187
(36条消息) python，pycharm的安装及其环境变量的配置_zh_huan的博客-CSDN博客_pycharm需要配置环境变量吗。3.搜索opencv-python选择opencv-python，点击“安装软件包”2.点击“项目”->“Python解释器”->“+”号，添加软件包。5. 当显示安装成功opencv-pythong软件包即成功安装。4.运行没有报错即opencv-python软件包安装成功。1.3添加Opencv-Python的软件包。1.选择“文件”点击“设置”
小白学视觉 | 使用OpenCV+Python进行图像处理的初学者指南
csdn_xmj的博客
04-14 1008
我们都知道一句话：“每张照片都可以告诉我们一个故事”。图像中可能隐藏着很多信息，我们可以用不同的方式和视角来解释它。那么，什么是图像，如何处理图像？简而言之，我们可以说图像是事物的视觉表示，可以使用计算机视觉轻松处理（从机器学习的角度来看）。视频呢？视频可以描述为一组移动图像或连续帧的记录。
使用OpenCV+Python进行图像处理的初学者指南
小白学视觉
05-17 937
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达介绍我们都知道一句话：“每张照片都可以告诉我们一个故事”。图像中可能隐藏着很多信息，我们可以用不同的方式和视角来解释它。那么，什么是图像，如何处理图像？简而言之，我们可以说图像是事物的视觉表示，可以使用计算机视觉轻松处理（从机器学习的角度来看）。视频呢？视频可以描述为一组移动图像或连续帧的记录。你们中的一些人现在可能已经知道计算...
1.OpenCV 运行环境配置（Python）
清山博客
06-13 3766
安装时勾选了添加环境变量，在cmd里就可以直接用python命令了，如果安装时没勾选添加环境变量，需手动加一下。在安装OpenCV前，我们可以设置下pip的源，用cmd进入Python安装目录下的Scripts目录，pip.exe在这个目录下。这里我们用直接编译好的文件（自己编译太麻烦，一时半会儿弄不好），通过Python的pip命令进行安装。3.win+r 运行cmd命令，输入：python，可以检查是否安装成功，并查看python版本。至此，OpenCV+Python 的运行环境就配置好了。
opencv+python 实现人脸识别
03-16
视觉处理，opencv+python3.6人脸识别代码，自己录制视频，检测出人脸，并保存视频，学习使用
OpenCV+Python+Dlib面部标定、眨眼和疲劳检测代码
12-11
本项目专注于使用OpenCV、Python和Dlib库进行面部标定、眨眼检测以及驾驶疲劳监测，这些都是安全驾驶辅助系统的关键技术。以下是这些技术的详细解释： 1. **OpenCV**：OpenCV（开源计算机视觉库）是一个强大的跨...
计算机视觉+OpenCV+Python教程+入门指南
01-04
计算机视觉+OpenCV+Python教程+入门指南 算机视觉+OpenCV+项目资源+实战案例 计算机视觉+OpenCV+面试题+知识点总结 计算机视觉+OpenCV+面试题+知识点总结 计算机视觉+OpenCV+面试题+知识点总结 计算机视觉+OpenCV+...
基于 OpenCV + Python 的人脸识别上课签到系统
最新发布
05-09
《基于OpenCV+Python的人脸识别上课签到系统详解》 在信息技术日益发达的今天，教育领域的现代化管理也正逐步推进。"基于OpenCV+Python的人脸识别上课签到系统"便是这种趋势的一个典型体现。该系统利用了计算机视觉...
Python+OpenCV实用案例应用教程：安装OpenCV
Lee达森的博客
07-01 1085
第1章 安装OpenCV 拿起这本教程的时候，你可能就已经对OpenCV有所了解了。你也许 在科幻小说中看到过其中的一些功能，比如训练人工智能模型来识别 它通过摄像头看到的所有东西。如果这是你的兴趣，那你就不会失 望！OpenCV是开源计算机视觉（Open Source Computer Vision）的缩 写。这是一个免费计算机视觉库，允许你操作图像和视频来完成各种 任务，从显示网络摄像头的视频帧到教机器人识别真实物体。 通过本教程，你将学会基于Python编程语言来利用OpenCV的巨大潜 力。Pyth
Python OpenCV 详解
02-15 4647
Python OpenCV 详解
OpenCV 4.0+Python机器学习与计算机视觉实战
努力是为了站在万人之中，成为别人的光
07-27 5933
OpenCV是一款广泛应用于计算机视觉和图像处理领域的开源库。本文将引导读者通过Python使用OpenCV 4.0以上版本，实现一系列机器学习与计算机视觉的应用，包括图像处理、特征提取、目标检测、机器学习等内容。最终，我们将通过一个实战项目构建一个简单的人脸识别系统。通过本文的学习，我们掌握了使用OpenCV 4.0及Python进行机器学习与计算机视觉的基础知识。我们学习了图像处理基础、图像特征提取与描述、目标检测与识别、图像分类与机器学习，并最终完成了一个实战项目：人脸识别系统。
Python中自带的OpenCV使用指南
我点评的博客
07-13 1655
Python中自带的OpenCV是一种基于Python语言的OpenCV库，它提供了Python开发人员使用OpenCV的便捷方式。在本文中，我们将探讨如何在Python中使用自带的OpenCV库。在本文中，我们探讨了如何在Python中使用自带的OpenCV库。在Python中，您可以使用cv2.imread函数读取图像，并使用cv2.imshow函数显示图像。在本例中，cv2.waitKey和cv2.destroyAllWindows函数用于保持图像在屏幕上显示，并在用户按下任意键时关闭图像窗口。
python的opencv使用总结
jack的博客
12-02 6489
巴拉巴拉
【人工智能】Python+OpenCV图像处理（一篇全）
E_vens
06-20 1万+
参考：1、网易云课堂https://study.163.com/course/courseMain.htm?courseId=1005317018&share=1&shareId=1015101551 2、【在水一方xym的博客】业精于勤荒于嬉，行成于思毁于随 - CSDN博客 https://blog.csdn.net/zaishuiyifangxym 3、 模块c......
opencv+python（一）
m0_61456316的博客
04-01 242
图像处理、opencv、python
opencv+python
04-24
Opencv是一个开源的计算机视觉库，它使用C++编写，同时也提供了Python接口。对于Python开发者来说，使用Opencv可以更加方便的处理图像和视频数据。您可以使用Opencv进行图像处理、特征提取、目标跟踪、运动检测、...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值