OpenCV-Python入门指南：零基础学计算机视觉 – wiki大全

作者： /

我注意到 write_file 工具似乎无法使用。很抱歉，我将直接以 Markdown 格式返回文章内容给您。

OpenCV-Python入门指南：零基础学计算机视觉

前言

欢迎来到计算机视觉的世界！无论你是希望构建下一个“智能”应用，还是仅仅对图像和视频处理充满好奇，OpenCV-Python 都是你开启这段旅程的完美工具。本指南将带你从零开始，逐步掌握OpenCV的基础知识，并为你探索更高级的计算机视觉技术打下坚实的基础。

1. 什么是计算机视觉和OpenCV？

计算机视觉 (Computer Vision, CV) 是一门研究如何让计算机“看”懂世界的科学。它旨在通过分析图像和视频，让机器能够像人类一样识别物体、场景和活动。这项技术已经渗透到我们生活的方方面面，例如手机上的人脸解锁、自动驾驶汽车的环境感知、医疗影像分析等。

OpenCV (Open Source Computer Vision Library) 是一个开源的计算机视觉和机器学习软件库。它包含了成千上万个优化的算法，涵盖了从基础的图像处理到高级的计算机视觉任务，如物体检测、人脸识别等。

为什么选择 Python？ Python 语法简洁、易于学习，并且拥有庞大的社区和丰富的第三方库支持（如 NumPy 用于科学计算，Matplotlib 用于数据可视化）。OpenCV-Python 接口将 OpenCV 的强大功能与 Python 的易用性完美结合，使其成为初学者和专业人士的首选。

2. 环境搭建：安装 OpenCV

在开始之前，你需要确保你的电脑已经安装了 Python (推荐 3.6 或更高版本)。

安装 OpenCV 非常简单。你只需要打开终端或命令提示符，然后使用 pip（Python的包管理器）来安装 opencv-python 和 numpy。NumPy 是一个用于处理多维数组的库，OpenCV 中的图像就是以 NumPy 数组的形式存储的。

bash
pip install opencv-python numpy

安装完成后，你可以在 Python 解释器中尝试导入 cv2 来验证是否成功：

python
import cv2
print(cv2.__version__)

如果成功打印出版本号，那么恭喜你，环境已经准备就绪！

3. OpenCV核心概念：图像的基本操作

3.1 读取、显示和保存图像

这是你使用 OpenCV 要学习的第一步。

  • cv2.imread(): 用于从文件中读取一张图像。
  • cv2.imshow(): 用于在一个窗口中显示图像。
  • cv2.imwrite(): 用于将图像保存到文件中。

下面是一个完整的例子：

“`python
import cv2
import numpy as np

1. 读取图像

第二个参数是读取方式的标志：

cv2.IMREAD_COLOR (1): 加载彩色图像，忽略 alpha 通道。这是默认选项。

cv2.IMREAD_GRAYSCALE (0): 以灰度模式加载图像。

cv2.IMREAD_UNCHANGED (-1): 加载完整图像，包括 alpha 通道。

img = cv2.imread(‘path/to/your/image.jpg’, cv2.IMREAD_COLOR)

检查图像是否成功加载

if img is None:
print(“错误：无法读取图像，请检查文件路径！”)
else:
# 2. 显示图像
# 第一个参数是窗口的名称，第二个参数是要显示的图像
cv2.imshow(‘My Image Window’, img)

# 3. 等待键盘输入
# cv2.waitKey() 是一个键盘绑定函数。其参数是等待键盘输入的毫秒数。
# 如果参数为 0，它将无限期地等待一个按键。
# 这对于显示图像至关重要，否则窗口会立即关闭。
key = cv2.waitKey(0)

# 4. 销毁所有窗口
# 这是一个很好的习惯，可以清除所有打开的窗口。
cv2.destroyAllWindows()

# 5. 保存图像
# 如果用户按下了 's' 键，就保存图像
if key == ord('s'):
    cv2.imwrite('saved_image.png', img)
    print("图像已保存为 saved_image.png")

“`

关键点：
* cv2.waitKey(0): 这是让图像窗口保持打开的关键。程序会暂停在这里，直到你按下任意键。
* cv2.destroyAllWindows(): 当你完成操作后，用它来关闭所有由 OpenCV 创建的窗口。
* ord('s'): 这个函数返回字符 ‘s’ 的 ASCII 值，用于判断按键。

3.2 图像的本质：NumPy 数组

在 OpenCV 中，图像其实就是一个 NumPy 数组！这为你对图像进行各种数学运算和操作提供了极大的便利。

  • 彩色图像: 是一个三维数组，维度顺序是 (高度, 宽度, 通道数)。
  • 灰度图像: 是一个二维数组，维度顺序是 (高度, 宽度)。

颜色通道：BGR vs RGB
一个需要特别注意的地方是，OpenCV 默认的颜色通道顺序是 BGR (蓝-绿-红)，而不是我们通常习惯的 RGB (红-绿-蓝)。如果你使用其他库（如 Matplotlib）来显示 OpenCV 读取的图像，颜色看起来可能会很奇怪。

你可以使用 cv2.cvtColor() 函数来转换颜色空间：

“`python
import cv2

img_bgr = cv2.imread(‘image.jpg’)
img_rgb = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2RGB)
img_gray = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2GRAY)
“`

你也可以直接访问和修改像素值：

“`python

获取 (100, 50) 坐标处的像素值 (BGR)

pixel = img[100, 50]
print(pixel)

将该像素设置为白色

img[100, 50] = [255, 255, 255]
“`

3.3 在图像上绘图

OpenCV 提供了一系列函数，可以让你在图像上绘制各种形状和文字。

“`python
import cv2
import numpy as np

创建一个 512×512 的黑色画布

canvas = np.zeros((512, 512, 3), dtype=”uint8″)

绘制一条蓝色的线

参数：画布, 起点, 终点, 颜色 (BGR), 线宽

cv2.line(canvas, (0, 0), (511, 511), (255, 0, 0), 5)

绘制一个绿色的矩形

参数：画布, 左上角顶点, 右下角顶点, 颜色, 线宽 (用 -1 表示填充)

cv2.rectangle(canvas, (100, 100), (300, 250), (0, 250, 0), 3)

绘制一个红色的圆

参数：画布, 圆心, 半径, 颜色, 线宽

cv2.circle(canvas, (400, 400), 50, (0, 0, 255), -1)

在图像上添加文字

参数：画布, 文字, 起始坐标, 字体, 字体大小, 颜色, 线宽

font = cv2.FONT_HERSHEY_SIMPLEX
cv2.putText(canvas, ‘OpenCV’, (10, 500), font, 4, (255, 255, 255), 10)

显示最终的画布

cv2.imshow(“Drawing Canvas”, canvas)
cv2.waitKey(0)
cv2.destroyAllWindows()
“`

4. 视频处理入门

处理视频和处理图像非常相似。视频本质上就是一系列连续的图像帧。

4.1 从摄像头捕获视频

你可以使用 cv2.VideoCapture(0) 来访问你的默认摄像头。

“`python
import cv2

参数 0 表示默认的摄像头。如果有多个摄像头，可以尝试 1, 2, …

cap = cv2.VideoCapture(0)

if not cap.isOpened():
print(“错误：无法打开摄像头。”)
else:
while True:
# cap.read() 返回两个值：
# 1. ret: 一个布尔值，如果成功读取到帧，则为 True
# 2. frame: 捕获到的图像帧
ret, frame = cap.read()

    if not ret:
        print("无法接收到帧，正在退出...")
        break

    # 在这里可以对 frame 进行处理，例如转为灰度图
    gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # 显示原始帧和处理后的帧
    cv2.imshow('Original Video', frame)
    cv2.imshow('Grayscale Video', gray_frame)

    # 如果按下 'q' 键，则退出循环
    if cv2.waitKey(1) == ord('q'):
        break

操作完成后，释放摄像头资源

cap.release()
cv2.destroyAllWindows()
“`

4.2 从文件读取视频

从视频文件读取与从摄像头读取几乎一样，只需将设备索引 0 换成视频文件的路径即可。

python
cap = cv2.VideoCapture('path/to/your/video.mp4')

5. 简单的计算机视觉技术

现在你已经掌握了基础，让我们来尝试一些真正的计算机视觉技术。

5.1 图像阈值处理

阈值处理是图像分割最简单的方法之一。简单来说，就是将图像像素根据其强度值分为两类（通常是黑色和白色）。

“`python
import cv2

img_gray = cv2.imread(‘gradient.png’, cv2.IMREAD_GRAYSCALE)

cv2.threshold(源图像, 阈值, 最大值, 阈值类型)

如果像素值大于 127，则设置为 255 (白色)，否则设置为 0 (黑色)

ret, thresh1 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY)

cv2.imshow(‘Original’, img_gray)
cv2.imshow(‘Thresholded’, thresh1)
cv2.waitKey(0)
cv2.destroyAllWindows()
“`

5.2 边缘检测

边缘检测是一种识别图像中亮度急剧变化的技术。Canny 边缘检测是目前最流行和效果最好的边缘检测算法之一。

“`python
import cv2

img = cv2.imread(‘image.jpg’, cv2.IMREAD_GRAYSCALE)

Canny(图像, 最小阈值, 最大阈值)

边缘的强度梯度在 minVal 和 maxVal 之间的被认为是边缘

edges = cv2.Canny(img, 100, 200)

cv2.imshow(‘Original Image’, img)
cv2.imshow(‘Canny Edges’, edges)
cv2.waitKey(0)
cv2.destroyAllWindows()
“`

6. 总结与展望

恭喜你！你已经完成了 OpenCV-Python 的入门学习。我们回顾一下你学到的知识：
– 安装并配置了 OpenCV 环境。
– 掌握了图像的读取、显示、保存和颜色空间转换。
– 学会了在图像上绘制基本形状和文字。
– 能够从摄像头或视频文件捕获和处理视频流。
– 体验了两种基础但强大的计算机视觉技术：阈值处理和边缘检测。

这仅仅是冰山一角。计算机视觉是一个广阔而迷人的领域。接下来，你可以继续探索：
– 图像滤波与模糊：如高斯模糊、中值模糊，用于降噪。
– 形态学操作：如腐蚀、膨胀、开运算和闭运算，用于去除噪声和连接物体。
– 直方图：用于分析图像的像素分布。
– 特征检测与匹配：如 SIFT, SURF, ORB，用于在不同图像中寻找匹配点。
– 物体检测：使用 Haar 级联分类器或深度学习模型（如 YOLO, SSD）来识别和定位图像中的特定物体。

希望本指南能为你打开一扇通往计算机视觉世界的大门。不断实践，不断探索，你将创造出令人惊叹的项目！

滚动至顶部