?OpenCV是應(yīng)用廣泛的開源圖像處理庫，我們以其為基礎(chǔ)，介紹相關(guān)的圖像處理方法：包括基本的圖像處理方法：幾何變換，形態(tài)學(xué)變換，圖像平滑，直方圖操作，模板匹配，霍夫變換等；特征提取和描述方法：理解角點(diǎn)特征，Harris和Shi-Tomas算法，SIFT/SURF算法，Fast算法，ORB算法等；還有OpenCV在視頻操作中的應(yīng)用，最后的案例是使用OpenCV進(jìn)行人臉檢測。

1.1 圖像是什么

圖像是人類視覺的基礎(chǔ)，是自然景物的客觀反映，是人類認(rèn)識(shí)世界和人類本身的重要源泉。“圖”是物體反射或透射光的分布，“像“是人的視覺系統(tǒng)所接受的圖在人腦中所形版的印象或認(rèn)識(shí)，照片、繪畫、剪貼畫、地圖、書法作品、手寫漢學(xué)、傳真、衛(wèi)星云圖、影視畫面、X光片、腦電圖、心電圖等都是圖像?！γ? 數(shù)字圖像處理：機(jī)械工業(yè)出版社，2014年。

1.1.1?模擬圖像和數(shù)字圖像

圖像起源于1826年前后法國科學(xué)家Joseph Nicéphore Niépce發(fā)明的第一張可永久保存的照片，屬于模擬圖像。模擬圖像又稱連續(xù)圖像，它通過某種物理量（如光、電等）的強(qiáng)弱變化來記錄圖像亮度信息，所以是連續(xù)變換的。模擬信號的特點(diǎn)是容易受干擾，如今已經(jīng)基本全面被數(shù)字圖像替代。

在第一次世界大戰(zhàn)后，1921年美國科學(xué)家發(fā)明了Bartlane System，并從倫敦傳到紐約傳輸了第一幅數(shù)字圖像，其亮度用離散數(shù)值表示，將圖片編碼成5個(gè)灰度級，如下圖所示，通過海底電纜進(jìn)行傳輸。在發(fā)送端圖片被編碼并使用打孔帶記錄，通過系統(tǒng)傳輸后在接收方使用特殊的打印機(jī)恢復(fù)成圖像。

1950年左右，計(jì)算機(jī)被發(fā)明，數(shù)字圖像處理學(xué)科正式誕生。

模擬圖像和數(shù)字圖像的對比，我們可以看一下：

1.2 數(shù)字圖像的表示

1.2.1 位數(shù)

計(jì)算機(jī)采用0/1編碼的系統(tǒng)，數(shù)字圖像也是利用0/1來記錄信息，我們平常接觸的圖像都是8位數(shù)圖像，包含0～255灰度，其中0，代表最黑，1，表示最白。

?人眼對灰度更敏感一些，在16位到32位之間。

1.2.2 圖像的分類

二值圖像：

一幅二值圖像的二維矩陣僅由0、1兩個(gè)值構(gòu)成，“0”代表黑色，“1”代白色。由于每一像素（矩陣中每一元素）取值僅有0、1兩種可能，所以計(jì)算機(jī)中二值圖像的數(shù)據(jù)類型通常為1個(gè)二進(jìn)制位。二值圖像通常用于文字、線條圖的掃描識(shí)別（OCR）和掩膜圖像的存儲(chǔ)。

灰度圖：

每個(gè)像素只有一個(gè)采樣顏色的圖像，這類圖像通常顯示為從最暗黑色到最亮的白色的灰度，盡管理論上這個(gè)采樣可以任何顏色的不同深淺，甚至可以是不同亮度上的不同顏色。灰度圖像與黑白圖像不同，在計(jì)算機(jī)圖像領(lǐng)域中黑白圖像只有黑色與白色兩種顏色；但是，灰度圖像在黑色與白色之間還有許多級的顏色深度?；叶葓D像經(jīng)常是在單個(gè)電磁波頻譜如可見光內(nèi)測量每個(gè)像素的亮度得到的，用于顯示的灰度圖像通常用每個(gè)采樣像素8位的非線性尺度來保存，這樣可以有256級灰度（如果用16位，則有65536級）。

彩色圖：

每個(gè)像素通常是由紅（R）、綠（G）、藍(lán)（B）三個(gè)分量來表示的，分量介于（0，255）。RGB圖像與索引圖像一樣都可以用來表示彩色圖像。與索引圖像一樣，它分別用紅（R）、綠（G）、藍(lán)（B）三原色的組合來表示每個(gè)像素的顏色。但與索引圖像不同的是，RGB圖像每一個(gè)像素的顏色值（由RGB三原色表示）直接存放在圖像矩陣中，由于每一像素的顏色需由R、G、B三個(gè)分量來表示，M、N分別表示圖像的行列數(shù)，三個(gè)M x N的二維矩陣分別表示各個(gè)像素的R、G、B三個(gè)顏色分量。RGB圖像的數(shù)據(jù)類型一般為8位無符號整形，通常用于表示和存放真彩色圖像。

2.1 OpenCV簡介

OpenCV是一款由Intel公司俄羅斯團(tuán)隊(duì)發(fā)起并參與和維護(hù)的一個(gè)計(jì)算機(jī)視覺處理開源軟件庫，支持與計(jì)算機(jī)視覺和機(jī)器學(xué)習(xí)相關(guān)的眾多算法，并且正在日益擴(kuò)展。

OpenCV的優(yōu)勢：

編程語言

OpenCV基于C++實(shí)現(xiàn)，同時(shí)提供python, Ruby, Matlab等語言的接口。OpenCV-Python是OpenCV的Python API，結(jié)合了OpenCV C++ API和Python語言的最佳特性。

跨平臺(tái)

可以在不同的系統(tǒng)平臺(tái)上使用，包括Windows，Linux，OS X，Android和iOS?；贑UDA和OpenCL的高速GPU操作接口也在積極開發(fā)中

活躍的開發(fā)團(tuán)隊(duì)

豐富的API

完善的傳統(tǒng)計(jì)算機(jī)視覺算法，涵蓋主流的機(jī)器學(xué)習(xí)算法，同時(shí)添加了對深度學(xué)習(xí)的支持。

2.2 OpenCV-Python

OpenCV-Python是一個(gè)Python綁定庫，旨在解決計(jì)算機(jī)視覺問題。

Python是一種由Guido van Rossum開發(fā)的通用編程語言，它很快就變得非常流行，主要是因?yàn)樗暮唵涡院痛a可讀性。它使程序員能夠用更少的代碼行表達(dá)思想，而不會(huì)降低可讀性。

與C / C++等語言相比，Python速度較慢。也就是說，Python可以使用C / C++輕松擴(kuò)展，這使我們可以在C / C++中編寫計(jì)算密集型代碼，并創(chuàng)建可用作Python模塊的Python包裝器。這給我們帶來了兩個(gè)好處：首先，代碼與原始C / C++代碼一樣快（因?yàn)樗窃诤笈_(tái)工作的實(shí)際C++代碼），其次，在Python中編寫代碼比使用C / C++更容易。OpenCV-Python是原始OpenCV C++實(shí)現(xiàn)的Python包裝器。

OpenCV-Python使用Numpy，這是一個(gè)高度優(yōu)化的數(shù)據(jù)庫操作庫，具有MATLAB風(fēng)格的語法。所有OpenCV數(shù)組結(jié)構(gòu)都轉(zhuǎn)換為Numpy數(shù)組。這也使得與使用Numpy的其他庫（如SciPy和Matplotlib）集成更容易。

2.3 OpenCV部署方法

安裝OpenCV之前需要先安裝numpy, matplotlib。

創(chuàng)建Python虛擬環(huán)境cv, 在cv中安裝即可。

先安裝OpenCV-Python, 由于一些經(jīng)典的算法被申請了版權(quán)，新版本有很大的限制，所以選用3.4.3以下的版本

pip install opencv-python==3.4.2.17

現(xiàn)在可以測試下是否安裝成功，運(yùn)行以下代碼無報(bào)錯(cuò)則說明安裝成功。

import cv2 # 讀一個(gè)圖片并進(jìn)行顯示(圖片路徑需自己指定) lena=cv2.imread("opencv.jpg") cv2.imshow("image",lena) cv2.waitKey(0)

如果我們要利用SIFT和SURF等進(jìn)行特征提取時(shí)，還需要安裝：

pip install opencv-contrib-python==3.4.2.17

2.4?OpenCV的模塊

下圖列出了OpenCV中包含的各個(gè)模塊：

其中core、highgui、imgproc是最基礎(chǔ)的模塊，該課程主要是圍繞這幾個(gè)模塊展開的，分別介紹如下：

• core模塊實(shí)現(xiàn)了最核心的數(shù)據(jù)結(jié)構(gòu)及其基本運(yùn)算，如繪圖函數(shù)、數(shù)組操作相關(guān)函數(shù)等。
• highgui模塊實(shí)現(xiàn)了視頻與圖像的讀取、顯示、存儲(chǔ)等接口。
• imgproc模塊實(shí)現(xiàn)了圖像處理的基礎(chǔ)方法，包括圖像濾波、圖像的幾何變換、平滑、閾值分割、形態(tài)學(xué)處理、邊緣檢測、目標(biāo)檢測、運(yùn)動(dòng)分析和對象跟蹤等。

對于圖像處理其他更高層次的方向及應(yīng)用，OpenCV也有相關(guān)的模塊實(shí)現(xiàn)

• features2d模塊用于提取圖像特征以及特征匹配，nonfree模塊實(shí)現(xiàn)了一些專利算法，如sift特征。
• objdetect模塊實(shí)現(xiàn)了一些目標(biāo)檢測的功能，經(jīng)典的基于Haar、LBP特征的人臉檢測，基于HOG的行人、汽車等目標(biāo)檢測，分類器使用Cascade Classification（級聯(lián)分類）和Latent SVM等。
• stitching模塊實(shí)現(xiàn)了圖像拼接功能。
• FLANN模塊（Fast Library for Approximate Nearest Neighbors），包含快速近似最近鄰搜索FLANN 和聚類Clustering算法。
• ml模塊機(jī)器學(xué)習(xí)模塊（SVM，決策樹，Boosting等等）。
• photo模塊包含圖像修復(fù)和圖像去噪兩部分。
• video模塊針對視頻處理，如背景分離，前景檢測、對象跟蹤等。
• calib3d模塊即Calibration（校準(zhǔn)）3D，這個(gè)模塊主要是相機(jī)校準(zhǔn)和三維重建相關(guān)的內(nèi)容。包含了基本的多視角幾何算法，單個(gè)立體攝像頭標(biāo)定，物體姿態(tài)估計(jì)，立體相似性算法，3D信息的重建等等。
• G-API模塊包含超高效的圖像處理pipeline引擎

---

總結(jié)

OpenCV是計(jì)算機(jī)視覺的開源庫

優(yōu)勢：

• 支持多種編程語言

• 跨平臺(tái)

• 活躍的開發(fā)團(tuán)隊(duì)

• 豐富的API

圖像是什么

圖：物體反射或透射光的分布

像：人的視覺系統(tǒng)所接受的圖在人腦中所形版的印象或認(rèn)識(shí)

模擬圖像和數(shù)字圖像

模擬圖像：連續(xù)存儲(chǔ)的數(shù)據(jù)，

數(shù)字圖像：分級存儲(chǔ)的數(shù)據(jù)

數(shù)字圖像

位數(shù)：圖像的表示，常見的就是8位

分類：二值圖像，灰度圖像和彩色圖像

OpenCV 的模塊

core：最核心的數(shù)據(jù)結(jié)構(gòu)

highgui：視頻與圖像的讀取、顯示、存儲(chǔ)

imgproc：圖像處理的基礎(chǔ)方法

features2d：圖像特征以及特征匹配

總結(jié)

以上是生活随笔為你收集整理的OpenCV_01 简介+无版权安装+模块分析的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。