通俗易懂||OpenCV笔记

原创

已于 2024-07-29 13:26:06 修改 · 1.1k 阅读

29 ·

CC 4.0 BY-SA版权

文章标签：

#笔记 #opencv #计算机视觉 #机器学习 #python

于 2024-07-27 16:26:37 首次发布

1. Opencv简介

入门前可以稍稍了解一些关于OpenCV的介绍，以下做简略介绍：

OpenCV 的主要功能：

图像处理：包括图像变换（如缩放、旋转、仿射变换）、图像滤波（如平滑、锐化、边缘检测）、图像阈值处理等。
视频分析：读取、显示视频文件，视频帧处理，视频流处理等。
特征检测与匹配：检测图像中的关键点（如角点、边缘等），并用于图像匹配、目标识别等。
对象检测：使用预训练的模型检测图像中的特定对象（如人脸、车辆等）。
面部识别：利用面部特征进行身份认证或表情分析等。
3D重建：从多视角图像或视频中重建三维场景。
机器学习：OpenCV 包含了一些基本的机器学习算法，可用于图像分类、聚类等任务。

OpenCV 的官方文档：

官方网站： OpenCV - Open Computer Vision Library

文档页面： OpenCV-Python Tutorials

GitHub仓库：OpenCV GitHub Repository

1.1 图像相关概念

1.1.1 位数

计算机采用0/1编码的系统，数字图像也是利用0/1来记录信息。我们常接触的图像都是8位数图像，包含0~255灰度，其中0，表示最黑，1，表示最白。

8位图像：每个像素可以显示256种颜色的图像。这种图像通常被称为标准清晰度图像，广泛应用于电视和计算机屏幕上。8位图像可以显示的颜色数量为2e8 = 256种颜色（灰度图），对于彩色图像，如果每个颜色通道（红、绿、蓝）都是8位，则总颜色数为2563 = 16,777,216种颜色，这种图像也被称为24位图像或真彩色图像。

1.1.2 二值图

二值图是一种简洁的图像表示方式，它仅包含黑色和白色两种颜色，每个像素点非黑即白，没有中间灰度值。这种图像形式因其数据量小、处理方便且边缘清晰的特点，在图像分割、字符识别、计算机视觉等领域得到广泛应用。

1.1.3 灰度图

灰度图是一种图像表示方式，其中图像中的每个像素点具有不同的灰度级别，这些级别通常是从黑色（灰度值为0）到白色（灰度值为255）之间的连续变化。灰度图不包含颜色信息，只展示图像的亮度变化，因此在处理和分析图像时，能够更专注于图像的纹理、形状等特征。

1.1.4 彩色图

彩色图像是一种包含丰富色彩信息的图像表示方式。它不仅能够展现图像的亮度信息，还能通过红、绿、蓝（RGB，分量介于0~255）三种基色的不同组合来精确地表示出成千上万种颜色。彩色图像中的每个像素点都对应着这三个颜色通道上的具体数值，这些数值共同决定了该像素点的颜色。彩色图像因其色彩丰富、细节表现力强，被广泛应用于数字摄影、电影制作、广告设计、医学成像等多个领域，为人们提供了更加真实、生动的视觉体验。

1.2 OpenCV安装

可以参考这篇文章：Pycharm安装Opencv详细教程

https://blog.csdn.net/m0_56230886/article/details/140633611?spm=1001.2014.3001.5502https://blog.csdn.net/m0_56230886/article/details/140633611?spm=1001.2014.3001.5502

1.3 OpenCV模块

OpenCV具有多个功能模块，包括深度神经网络模块（dnn）、机器学习模块（ML）、视频分析模块（Video）、快速近似最近邻库（Flann）、照片模块（Photo）、图像拼接模块（Stitching）、形状模块（Shape）、超分辨率模块（Superres）、视频稳定模块（Videstab）、3D可视化模块（Viz）、图像编解码模块（Imgcodecs）、对象检测模块（ObjDetect）、相机标定与三维重建模块（Calib3D）、核心模块（Core）、图像处理模块（Imgproc）、高GUI模块（Highgui）、特征检测与匹配模块（Features2D）等，其中标红部分为主要学习模块，简介如下：

核心模块（Core）

该模块是其他模块的基础，提供了基本的核心功能、数据结构和函数。它包括了基本的数据类型、动态数据结构、数学函数、数组操作等。

图像处理模块（Imgproc）

专门用于图像处理，包括色彩空间转换、几何变换（如缩放、旋转、仿射变换）、图像滤波（如平滑、锐化、边缘检测）、直方图操作等。

高GUI模块（Highgui）

用于创建和操作图形用户界面元素，如显示图像的窗口、处理键盘和鼠标事件等。不过，在新版本的OpenCV中，Highgui的功能可能已被其他模块（如imgcodecs和videoio）所取代。

特征检测与匹配模块（Features2D）

包括特征检测器（如SIFT、SURF、ORB等）和描述符提取器，用于在图像中检测关键点并提取其描述符，进而进行特征匹配和图像配准。

2 OpenCV基本操作

2.1 基本操作

2.1.1 图像读取、显示、保存

图像读取：cv2.imread()

import cv2  
  
# 使用cv2.imread()读取图像  
# 参数1: 图像文件的路径  
# 参数2: 读取模式  
#     cv2.IMREAD_COLOR: 加载彩色图像，任何图像的透明度都会被忽略（默认）  
#     cv2.IMREAD_GRAYSCALE: 以灰度模式加载图像  
#     cv2.IMREAD_UNCHANGED: 包括alpha通道的加载图像  
image = cv2.imread('path_to_your_image.jpg', cv2.IMREAD_COLOR)  
  
# 检查图像是否成功加载  
if image is not None:  
    # 在这里处理图像  
    # 例如，显示图像  
    cv2.imshow('Loaded Image', image)  
    # 等待按键操作  
    cv2.waitKey(0)  
    # 关闭所有OpenCV窗口  
    cv2.destroyAllWindows()  
else:  
    print("Error: Image could not be read.")

注：图像路径中不得存在中文，否则会出现cv2.error: OpenCV(4.10.0) D:\a\opencv-python\opencv-python\opencv\modules\highgui\src\window.cpp:973: error: (-215:Assertion failed) size.width>0 && size.height>0 in function 'cv::imshow'错误。

注：opencv图像读取通道为B\G\R，matplotlib图像读取通道为R\G\B

显示图像：cv2.imshow()

# 显示图像，'Image Window'是窗口名称，image是要显示的图像  
cv2.imshow('Image Window', image)  
  
# 等待按键事件，参数为等待时间（毫秒），0表示无限期等待，按任意键结束
cv2.waitKey(0)  
  
# 关闭所有OpenCV创建的窗口  
cv2.destroyAllWindows()

保存图像：cv2.imwrite()

import cv2  
  
# 读取图像  
image = cv2.imread('input.jpg')  
  
# 检查图像是否正确读取  
if image is None:  
    print("Error: 图像未能正确读取")  
else:  
    # 保存图像  
    is_saved = cv2.imwrite('output.png', image)  
  
    # 检查图像是否保存成功  
    if is_saved:  
        print("图像已保存")  
    else:  
        print("Error: 图像未能保存")

注：保存图像路径设置最好不要有中文！！！

2.1.2 图像上绘制几何图形

绘制直线：使用cv2.line()函数来绘制线条。你需要指定线条的起点和终点坐标，以及线条的颜色和粗细。

import cv2  
import numpy as np  
  
# 创建一个黑色的空白图像  
img = np.zeros((512,512,3), np.uint8)  
  
# 绘制一条对角线  
cv2.line(img,(0,0),(511,511),(255,0,0),5)  
  
# 显示图像  
cv2.imshow('image',img)  
cv2.waitKey(0)  
cv2.destroyAllWindows()

绘制矩形：使用cv2.rectangle()函数来绘制矩形。你需要指定矩形的左上角和右下角坐标，以及颜色和线条粗细（或者如果填充的话，使用-1作为线条粗细）。

import cv2  
import numpy as np  
  
# 创建一个黑色的空白图像  
img = np.zeros((512,512,3), np.uint8)  
  
# 绘制一个蓝色的矩形  
cv2.rectangle(img,(384,0),(510,128),(255,0,0),3)  
  
# 绘制一个填充的矩形  
cv2.rectangle(img,(0,384),(128,510),(0,255,0),-1)  
  
cv2.imshow('image',img)  
cv2.waitKey(0)  
cv2.destroyAllWindows()

绘制圆形：使用cv2.circle()函数来绘制圆形。你需要指定圆心的坐标、半径、颜色以及线条粗细（或者如果填充的话，使用-1）。

import cv2  
import numpy as np  
  
# 创建一个黑色的空白图像  
img = np.zeros((512,512,3), np.uint8)  
  
# 绘制一个绿色的圆  
cv2.circle(img,(447,63), 63, (0,255,0), -1)  
  
cv2.imshow('image',img)  
cv2.waitKey(0)  
cv2.destroyAllWindows()