Python计算机视觉 第10章-OpenCV

Python计算机视觉 第10章-OpenCV

OpenCV 是一个C++ 库，用于（实时）处理计算视觉问题。实时处理计算机视觉的 C++ 库，最初由英特尔公司开发，现由 Willow Garage 维护。OpenCV 是在 BSD 许可下发布的开源库，这意味着它对于学术研究和商业应用是免费的。

10.1 OpenCV的Python接口

OpenCV（Open Source Computer Vision Library）是一个开源计算机视觉库，提供了大量的图像和视频处理功能。其 Python 接口使得用户能够方便地在 Python 中使用 OpenCV 的功能。OpenCV Python 接口通过 cv2 模块提供了对各种计算机视觉算法和工具的访问，包括图像处理、视频分析、机器学习等。

使用

#直接pip没法安装下来
pip install cv2

#需要按照如下命令安装才会成功
pip install opencv-python

如果安装速度太慢可以使用清华源：

pip install 包名 -i https://pypi.tuna.tsinghua.edu.cn/simple

10.2 OpenCV基础知识

主要功能：

1. 图像读取和显示

   • 读取图像：cv2.imread()
   • 显示图像：cv2.imshow()
   • 保存图像：cv2.imwrite()

2. 图像处理

   • 图像转换：cv2.cvtColor()
   • 图像平滑：cv2.GaussianBlur(), cv2.medianBlur()
   • 边缘检测：cv2.Canny()

3. 几何变换

   • 图像缩放：cv2.resize()
   • 旋转和仿射变换：cv2.warpAffine()
   • 透视变换：cv2.warpPerspective()

4. 特征检测与描述

   • 角点检测：cv2.cornerHarris()
   • 特征匹配：cv2.BFMatcher(), cv2.FlannBasedMatcher()

5. 视频处理

   • 捕捉视频：cv2.VideoCapture()
   • 播放视频：cv2.imshow()（与图像处理相同）

6. 机器学习与深度学习

   • 加载预训练模型：cv2.dnn.readNet()
   • 进行推理：cv2.dnn.forward()

示例代码如下：

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

# 读取图像
image = cv2.imread('test.jpg')

# 显示原图
cv2.imshow('Original Image', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 转换为灰度图
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 图像平滑
smoothed_image = cv2.GaussianBlur(gray_image, (5, 5), 0)

# 边缘检测
edges = cv2.Canny(smoothed_image, 100, 200)

# 显示处理结果
fig, axs = plt.subplots(1, 3, figsize=(15, 5))
axs[0].imshow(cv2.cvtColor(gray_image, cv2.COLOR_BGR2RGB), cmap='gray')
axs[0].set_title('Gray Image')
axs[0].axis('off')

axs[1].imshow(cv2.cvtColor(smoothed_image, cv2.COLOR_BGR2RGB), cmap='gray')
axs[1].set_title('Smoothed Image')
axs[1].axis('off')

axs[2].imshow(cv2.cvtColor(edges, cv2.COLOR_BGR2RGB), cmap='gray')
axs[2].set_title('Edges')
axs[2].axis('off')

plt.show()

处理结果如下：

实验图1 示例代码处理结果

其中：

1. 读取图像：cv2.imread('test.jpg)

2. 转换为灰度图：cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

3. 图像平滑：cv2.GaussianBlur(gray_image, (5, 5), 0)

4. 边缘检测：cv2.Canny(smoothed_image, 100, 200)

5. 显示结果：使用 matplotlib 展示灰度图、平滑图像和边缘检测结果

10.3 处理视频

OpenCV 提供了全面的视频处理功能，主要包括以下几个方面：

1. 读取视频：

   • 打开视频文件或摄像头进行视频流读取。
   • 使用 cv2.VideoCapture() 进行视频捕捉。

2. 显示视频：

   • 显示视频帧或视频流。
   • 使用 cv2.imshow() 显示每一帧图像。

3. 处理视频：

   • 对视频帧进行各种图像处理操作，如颜色转换、滤镜应用、对象检测等。

4. 写入视频：

   • 将处理后的视频保存到文件中。
   • 使用 cv2.VideoWriter() 进行视频编写和保存。

5. 视频属性获取：

   • 获取视频的帧率、分辨率、总帧数等信息。
   • 通过 cv2.CAP_PROP_FPS、cv2.CAP_PROP_FRAME_WIDTH、cv2.CAP_PROP_FRAME_HEIGHT