一、OpenCV简介
OpenCV是一款由Intel公司俄罗斯团队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,并且正在日益扩展。
1.1 OpenCV的优势:
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Python API,结合了OpenCV C++ API和Python语言的最佳特性。
跨平台可以在不同的系统平台上使用,opencv图像处理代码,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
活跃的开发团队
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 OpenCV-Python
OpenCV-Python是一个Python绑定库,旨在解决计算机视觉问题。
Python是一种由Guido van Rossum开发的通用编程语言,它很快就变得非常流行,主要是因为它的简单性和代码可读性。它使程序员能够用更少的代码行表达思想,而不会降低可读性。
与C / C++等语言相比,Python速度较慢。也就是说,Python可以使用C / C++轻松扩展,这使我们可以在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。这给我们带来了两个好处:首先,代码与原始C / C++代码一样快(因为它是在后台工作的实际C++代码),其次,在Python中编写代码比使用C / C++更容易。OpenCV-Python是原始OpenCV C++实现的Python包装器。
我们只要把这个工程导入到和我们项目工程的同一个目录下,然后做以下操作就可以调用opencv库函数了。对你的工程点击右键选择Properties。然后点击Add按钮,将OpenCV-2.3.1这个工程添加到Is Library里面就ok了。记住:OpenCV-2。.
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。这也使得与使用Numpy的其他库(如SciPy和Matplotlib)集成更容易。
1.3 OpenCV部署方法
安装OpenCV之前需要先安装numpy,matplotlib。
创建Python虚拟环境cv,在cv中安装即可。
先安装OpenCV-Python,由于一些经典的算法被申请了版权,新版本有很大的限制,所以选用3.4.3以下的版本
pip install opencv-python==3.4.2.17
现在可以测试下是否安装成功,运行以下代码无报错则说明安装成功。
import cv234;1.jpg&34;image",lena)cv2.waitKey(0)
如果我们要利用SIFT和SURF等进行特征提取时,还需要安装:
pip install opencv-contrib-python==3.4.2.17
1.4 OpenCV的模块
下图列出了OpenCV中包含的各个模块:
其中core、highgui、imgproc是最基础的模块,该课程主要是围绕这几个模块展开的,分别介绍如下:
1、使用opencv内置的库读取两幅图片 2、生成一个SiftFeatureDetector的对象,这个对象顾名思义就是SIFT特征的探测器,用它来探测衣服图片中SIFT点的特征,存到一个KeyPoint类型的vector中。这里有必要说keypoint的数据结构,涉。
core模块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础方法,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模块实现了一些专利算法,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 Classification(级联分类)和Latent SVM等。
stitching模块实现了图像拼接功能。
FLANN模块(Fast Library for Approximate Nearest Neighbors),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。
G-API模块包含超高效的图像处理pipeline引擎
二、图像的基础操作
2.1 图像的IO操作
这里我们会给大家介绍如何读取图像,如何显示图像和如何保存图像。
(1)读取图像
API
C:\Program Files \OpenCV\cxcore\include(新版本需要)C:\Program Files \OpenCV\otherlibs\cvcam\include 每一条之间用逗号隔开。其中C:\Program Files\Intel\opencv 为OpenCV的安装路径,这是通用的安装路径,建议最好采用。
cv.imread()
参数:
要读取的图像
读取方式的标志
cv.IMREAD*COLOR:以彩色模式加载图像,任何图像的透明度都将被忽略。这是默认参数。
cv.IMREAD*GRAYSCALE:以灰度模式加载图像
cv.IMREAD_UNCHANGED:包括alpha通道的加载图像模式。可以使用1、0或者-1来替代上面三个标志
import numpy as npimport cv2 as cv39;messi5.jpg',0)
注意:如果加载的路径有错误,不会报错,会返回一个None值
(2)显示图像
1 . API
cv.imshow()
参数:
显示图像的窗口名称,以字符串类型表示
要加载的图像
注意:在调用显示图像的API后,要调用cv.waitKey()给图像绘制留下时间,否则窗口会出现无响应情况,并且图像无法显示出来。
另外我们也可使用matplotlib对图像进行展示。
39;image& matplotlib中展示plt.imshow(img[:,:,::-1])
从OpenCV2.4开始,加入了新的类FaceRecognizer,我们可以使用它便捷地进行人脸识别实验。本文既介绍代码使用,又介绍算法原理。(他写的源代码,我们可以在OpenCV的opencv\modules\contrib\doc\facerec\src下找到,当然也可以在他的github中找到。
(3)保存
API
cv.imwrite()
参数:
文件名,要保存在哪里
要保存的图像
cv.imwrite(&39;,img)
2.2 绘制几何图形
绘制直线
cv.line(img,start,end,color,thickness)
参数:
img:要绘制直线的图像
Start,end: 直线的起点和终点
color: 线条的颜色
Thickness: 线条宽度
1.使用OpenCV Java API。OpenCV安装路径“F:\OpenCV-2.3.1-android-bin”下有两个文件夹,将文件夹“OpenCV-2.3.1”拷贝到你的Eclipse工作空间所在的目录,也就是在你的项目的上一级目录中,然后导入到工作空间中,在Package Explorer中。
绘制圆形
cv.circle(img,centerpoint,r,color,thickness)
参数:
img:要绘制圆形的图像
Centerpoint,r: 圆心和半径
color: 线条的颜色
Thickness: 线条宽度,为-1时生成闭合图案并填充颜色
绘制矩形
参数:
img:要绘制矩形的图像
Leftupper,rightdown: 矩形的左上角和右下角坐标
color: 线条的颜色
Thickness: 线条宽度
向图像中添加文字
参数:
img: 图像
text:要写入的文本数据
station:文本的放置位置
font:字体
Fontsize :字体大小
效果展示
我们生成一个全黑的图像,然后在里面绘制图像并添加文字
import numpy as npimport cv2 as cvimport matplotlib.pyplot as plt 2 绘制图形cv.line(img,(0,0),(511,511),(255,0,0),5)cv.rectangle(img,(384,0),(510,128),(0,255,0),3)cv.circle(img,(447,63),63,(0,0,255),-1)font = cv.FONT_HERSHEY_SIMPLEXcv.putText(img,&39;,(10,500),font,4,(255,255,255),2,cv.LINE_AA)39;匹配结果'),plt.xticks([]),plt.yticks([])plt.show()
结果:
2.3 获取并修改图像中的像素点
我们可以通过行和列的坐标值获取该像素点的像素值。对于BGR图像,它返回一个蓝,绿,红值的数组。对于灰度图像,仅返回相应的强度值。使用相同的方法对像素值进行修改。
import numpy as npimport cv2 as cvimg = cv.imread(&39;) 仅获取蓝色通道的强度值blue = img[100,100,0]# 修改某个位置的像素值img[100,100] = [255,255,255]
2.4 获取图像的属性
图像属性包括行数,列数和通道数,图像数据类型,像素数等。
2.5 图像通道的拆分与合并
有时需要在B,G,R通道图像上单独工作。在这种情况下,需要将BGR图像分割为单个通道。或者在其他情况下,可能需要将这些单独的通道合并到BGR图像。你可以通过以下方式完成。
通道合并img = cv.merge((b,g,r))
2.6 色彩空间的改变
OpenCV中有150多种颜色空间转换方法。最广泛使用的转换方法有两种,BGR↔Gray和BGR↔HSV。
API:
如果要调整图像大小,即调整50%,只需将fx = 1更改为fx = 0.5即可。我们还需要找出两幅图像中匹配的特征。我们将使用opencv_contrib的SIFT描述符。SIFT (Scale constant Feature Transform)是一种非常强大的OpenCV算法。这。
cv.cvtColor(input_image,flag)
参数:
input_image: 进行颜色空间转换的图像
flag: 转换类型
cv.COLOR_BGR2GRAY : BGR↔Gray
cv.COLOR_BGR2HSV: BGR→HSV