OpenCV，你真的了解吗？——全面解析及树莓派摄像头应用

嵌入式Jerry

已于 2025-02-23 15:59:36 修改

阅读量728

点赞数 13

分类专栏： AI 文章标签： opencv 人工智能计算机视觉目标跟踪机器学习 YOLO

于 2025-02-23 15:58:12 首次发布

本文链接：https://blog.youkuaiyun.com/Interview_TC/article/details/145811073

版权

AI 专栏收录该内容

39 篇文章

订阅专栏

1. 引言

OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉和机器学习库，广泛用于 图像处理、视频分析、计算机视觉、机器学习 等领域。它支持 C++、Python、Java 等多种语言，并且可以运行在 Windows、Linux、macOS、树莓派 以及 Android、iOS 等多个平台。

本博文将深入解析 OpenCV 的核心功能、常用模块、架构，并通过 树莓派摄像头实例 讲解如何利用 OpenCV 进行 图像采集、处理、分析，为初学者提供清晰的学习方向。

在这里插入图片描述

2. OpenCV 的核心模块

OpenCV 主要由以下核心模块组成：

模块	作用
`core`	基本数据结构（如 `Mat` 矩阵）、数学运算、数组操作
`imgproc`	图像处理（滤波、边缘检测、形态学变换等）
`video`	视频处理（光流、背景建模、运动分析）
`objdetect`	目标检测（如 Haar 级联、HOG 检测）
`ml`	机器学习（SVM、KNN、决策树等）
`highgui`	图像和视频 I/O（`imshow()`、`imread()`、`VideoCapture`）
`photo`	图像修复、去噪、HDR 处理
`features2d`	关键点检测、特征匹配（SIFT、SURF、ORB）
`calib3d`	立体视觉、相机校准
`dnn`	深度学习（支持 TensorFlow、PyTorch、ONNX）

3. OpenCV 的数据结构与基本操作

3.1 `Mat` 矩阵——OpenCV 的核心数据结构

在 OpenCV 中，所有的图像数据都存储在 Mat 矩阵中。

import cv2
import numpy as np

# 创建一个 3 通道 RGB 图像，大小为 400x400，颜色为白色
img = np.ones((400, 400, 3), dtype=np.uint8) * 255

# 画一个红色的圆
cv2.circle(img, (200, 200), 50, (0, 0, 255), -1)

# 显示图像
cv2.imshow("Image", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

解析：

np.ones((400, 400, 3), dtype=np.uint8) * 255：创建一个 白色背景 的 400×400 三通道图像。
cv2.circle()：绘制 红色圆形。
cv2.imshow()：显示图像。

3.2 读取、显示、保存图像

import cv2

# 读取图像
img = cv2.imread("example.jpg")

# 显示图像
cv2.imshow("Example Image", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 保存图像
cv2.imwrite("output.jpg", img)

4. OpenCV 处理树莓派摄像头

4.1 在树莓派上安装 OpenCV

sudo apt update
sudo apt install python3-opencv

4.2 访问树莓派摄像头

import cv2

cap = cv2.VideoCapture(0)  # 打开摄像头

while True:
    ret, frame = cap.read()
    if not ret:
        break
    
    cv2.imshow("Camera", frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

解析：

cv2.VideoCapture(0)：打开摄像头。
cap.read()：读取摄像头帧。
cv2.imshow()：实时显示视频。
按下 q 退出。

5. OpenCV 关键功能示例

5.1 边缘检测（Canny 算法）

import cv2

img = cv2.imread("example.jpg", 0)  # 读取灰度图像
edges = cv2.Canny(img, 50, 150)  # Canny 边缘检测

cv2.imshow("Edges", edges)
cv2.waitKey(0)
cv2.destroyAllWindows()

5.2 颜色识别（HSV 颜色空间）

import cv2
import numpy as np

img = cv2.imread("example.jpg")
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# 设定蓝色的 HSV 范围
lower_blue = np.array([100, 50, 50])
upper_blue = np.array([130, 255, 255])

# 创建掩码并提取蓝色部分
mask = cv2.inRange(hsv, lower_blue, upper_blue)
result = cv2.bitwise_and(img, img, mask=mask)

cv2.imshow("Blue Detection", result)
cv2.waitKey(0)
cv2.destroyAllWindows()

5.3 人脸检测（Haar 级联分类器）

import cv2

face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + "haarcascade_frontalface_default.xml")
img = cv2.imread("face.jpg")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
faces = face_cascade.detectMultiScale(gray, 1.1, 4)

for (x, y, w, h) in faces:
    cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 0), 2)

cv2.imshow("Face Detection", img)
cv2.waitKey(0)
cv2.destroyAllWindows()