什么是 OpenCV？计算机视觉基本任务入门

如果你有兴趣或计划做与图像或视频相关的事情，你绝对应该考虑使用计算机视觉。计算机视觉 （CV） 是人工智能 （AI） 的一个分支，它使计算机能够从图像、视频和其他视觉输入中提取有意义的信息，并采取必要的行动。例如自动驾驶汽车、自动交通管理、监控、基于图像的质量检查等等。

什么是 OpenCV？

OpenCV 是一个主要针对计算机视觉的库。它拥有你在使用计算机视觉 （CV） 时所需的所有工具。“Open”代表开源，“CV”代表计算机视觉。我会学到什么？本文包含使用 OpenCV 库开始使用计算机视觉所需的全部内容。你会在计算机视觉方面感到更加自信和高效。

读取和显示图像

首先让我们了解如何读取图像并显示它，这是CV的基础知识。

读取图像：

import numpy as np

import cv2 as cv

import matplotlib．pyplot as plt

img＝cv2．imread（＇．．／input／images－for－computer－vision／tiger1．jpg＇）

＇img＇ 包含 numpy 数组形式的图像。让我们打印它的类型和形状

print（type（img））

print（img．shape）

numpy 数组的形状为 （667， 1200， 3），其中，

667 – 图像高度，1200 – 图像宽度，3 – 通道数，

在这种情况下，有 RGB 通道，所以我们有 3 个通道。原始图像是 RGB 的形式，但 OpenCV 默认将图像读取为 BGR，因此我们必须在显示之前将其转换回RGB

显示图像：

＃ Converting image from BGR to RGB for displaying

img＿convert＝cv．cvtColor（img， cv．COLOR＿BGR2RGB）

plt．imshow（img＿convert）

在图像上绘图

我们可以绘制线条、形状和文本图像。

＃ Rectangle

color＝（240，150，240） ＃ Color of the rectangle

cv．rectangle（img， （100，100），（300，300），color，thickness＝10， lineType＝8） ＃＃ For filled rectangle， use thickness ＝ －1

＃＃ （100，100） are （x，y） coordinates for the top left point of the rectangle and （300， 300） are （x，y） coordinates for the bottom right point

＃ Circle

color＝（150，260，50）

cv．circle（img， （650，350），100， color，thickness＝10） ＃＃ For filled circle， use thickness ＝ －1

＃＃ （250， 250） are （x，y） coordinates for the center of the circle and 100 is the radius

＃ Text

color＝（50，200，100）

font＝cv．FONT＿HERSHEY＿SCRIPT＿COMPLEX

cv．putText（img， ＇Save Tigers＇，（200，150）， font， 5， color，thickness＝5， lineType＝20）

＃ Converting BGR to RGB

img＿convert＝cv．cvtColor（img， cv．COLOR＿BGR2RGB）

plt．imshow（img＿convert）

混合图像

我们还可以使用 OpenCV 混合两个或多个图像。图像只不过是数字，你可以对数字进行加、减、乘、除运算，从而得到图像。需要注意的一件事是图像的大小应该相同。

＃ For plotting multiple images at once

def myplot（images，titles）： fig， axs＝plt．subplots（1，len（images），sharey＝True） fig．set＿figwidth（15） for img，ax，title in zip（images，axs，titles）： if img．shape［－1］＝＝3： img＝cv．cvtColor（img， cv．COLOR＿BGR2RGB） ＃ OpenCV reads images as BGR， so converting back them to RGB else： img＝cv．cvtColor（img， cv．COLOR＿GRAY2BGR） ax．imshow（img） ax．set＿title（title）

img1 ＝ cv．imread（＇．．／input／images－for－computer－vision／tiger1．jpg＇）

img2 ＝ cv．imread（＇．．／input／images－for－computer－vision／horse．jpg＇）

＃ Resizing the img1

img1＿resize ＝ cv．resize（img1， （img2．shape［1］， img2．shape［0］））

＃ Adding， Subtracting， Multiplying and Dividing Images

img＿add ＝ cv．add（img1＿resize， img2）

img＿subtract ＝ cv．subtract（img1＿resize， img2）

img＿multiply ＝ cv．multiply（img1＿resize， img2）

img＿divide ＝ cv．divide（img1＿resize， img2）

＃ Blending Images

img＿blend ＝ cv．addWeighted（img1＿resize， 0．3， img2， 0．7， 0） ＃＃ 30％ tiger and 70％ horse

myplot（［img1＿resize， img2］， ［＇Tiger＇，＇Horse＇］）

myplot（［img＿add， img＿subtract， img＿multiply， img＿divide， img＿blend］， ［＇Addition＇， ＇Subtraction＇， ＇Multiplication＇， Division＇， ＇Blending＇］）

乘法图像几乎为白色，分割图像为黑色，这是因为白色表示255，黑色表示0。当我们将图像的两个像素值相乘时，我们得到的数字更大，因此其颜色变为白色或接近白色，与分割图像相反。

图像变换

图像变换包括平移、旋转、缩放、裁剪和翻转图像。

img＝cv．imread（＇．．／input／images－for－computer－vision／tiger1．jpg＇）

width， height， ＿＝img．shape

＃ Translating

M＿translate＝np．float32（［［1，0，200］，［0，1，100］］） ＃ 200＝＞ Translation along x－axis and 100＝＞translation along y－axis

img＿translate＝cv．warpAffine（img，M＿translate，（height，width））

＃ Rotating

center＝（width／2，height／2）

M＿rotate＝cv．getRotationMatrix2D（center， angle＝90， scale＝1）

img＿rotate＝cv．warpAffine（img，M＿rotate，（width，height））

＃ Scaling

scale＿percent ＝ 50

width ＝ int（img．shape［1］ ＊ scale＿percent ／ 100）height ＝ int（img．shape［0］ ＊ scale＿percent ／ 100）

dim ＝ （width， height）

img＿scale ＝ cv．resize（img， dim， interpolation ＝ cv．INTER＿AREA）

＃ Flipping

img＿flip＝cv．flip（img，1） ＃ 0：Along horizontal axis， 1：Along verticle axis， －1： first along verticle then horizontal

＃ Shearing

srcTri ＝ np．array（ ［［0， 0］， ［img．shape［1］ － 1， 0］， ［0， img．shape［0］ － 1］］ ）．astype（np．float32）

dstTri ＝ np．array（ ［［0， img．shape［1］＊0．33］， ［img．shape［1］＊0．85， img．shape［0］＊0．25］， ［img．shape［1］＊0．15，

img．shape［0］＊0．7］］ ）．astype（np．float32）

warp＿mat ＝ cv．getAffineTransform（srcTri， dstTri）

img＿warp ＝ cv．warpAffine（img， warp＿mat， （height， width））

myplot（［img， img＿translate， img＿rotate， img＿scale， img＿flip， img＿warp］， ［＇Original Image＇， ＇Translated Image＇， ＇Rotated Image＇， ＇Scaled Image＇， ＇Flipped Image＇， ＇Sheared Image＇］）

图像预处理

阈值处理：在阈值处理中，小于阈值的像素值变为 0（黑色），大于阈值的像素值变为 255（白色）。

我将阈值设为 150，但你也可以选择任何其他数字。

＃ For visualising the filters

import plotly．graph＿objects as go

from plotly．subplots import make＿subplots

def plot＿3d（img1， img2， titles）： fig ＝ make＿subplots（rows＝1， cols＝2，

specs＝［［｛＇is＿3d＇： True｝， ｛＇is＿3d＇： True｝］］， subplot＿titles＝［titles［0］， titles［1］］， ） x， y＝np．mgrid［0：img1．shape［0］， 0：img1．shape［1］］ fig．add＿trace（go．Surface（x＝x， y＝y， z＝img1［：，：，0］）， row＝1， col＝1） fig．add＿trace（go．Surface（x＝x， y＝y， z＝img2［：，：，0］）， row＝1， col＝2） fig．update＿traces（contours＿z＝dict（show＝True， usecolormap＝True， highlightcolor＝＂limegreen＂， project＿z＝True）） fig．show（）

img＝cv．imread（＇．．／input／images－for－computer－vision／simple＿shapes．png＇）

＃ Pixel value less than threshold becomes 0 and more than threshold becomes 255

＿，img＿threshold＝cv．threshold（img，150，255，cv．THRESH＿BINARY）

plot＿3d（img， img＿threshold， ［＇Original Image＇， ＇Threshold Image＝150＇］）

应用阈值后，150 的值变为等于 255

过滤： 图像过滤是通过改变像素的值来改变图像的外观。每种类型的过滤器都会根据相应的数学公式更改像素值。我不会在这里详细介绍数学，但我将通过在 3D 中可视化它们来展示每个过滤器的工作原理。

limg＝cv．imread（＇．．／input／images－for－computer－vision／simple＿shapes．png＇）

＃ Gaussian Filter

ksize＝（11，11） ＃ Both should be odd numbers

img＿guassian＝cv．GaussianBlur（img， ksize，0）

plot＿3d（img， img＿guassian， ［＇Original Image＇，＇Guassian Image＇］）

＃ Median Filter

ksize＝11

img＿medianblur＝cv．medianBlur（img，ksize）

plot＿3d（img， img＿medianblur， ［＇Original Image＇，＇Median blur＇］）

＃ Bilateral Filter

img＿bilateralblur＝cv．bilateralFilter（img，d＝5， sigmaColor＝50， sigmaSpace＝5）

myplot（［img， img＿bilateralblur］，［＇Original Image＇， ＇Bilateral blur Image＇］）

plot＿3d（img， img＿bilateralblur， ［＇Original Image＇，＇Bilateral blur＇］）

高斯滤波器：通过去除细节和噪声来模糊图像。

中值滤波器：非线性过程可用于减少脉冲噪声或椒盐噪声

双边滤波器：边缘保留和降噪平滑。简单来说，过滤器有助于减少或去除亮度或颜色随机变化的噪声，这称为平滑。

特征检测

特征检测是一种通过计算图像信息的抽象，在每个图像点上做出局部决策的方法。例如，对于一张脸的图像，特征是眼睛、鼻子、嘴唇、耳朵等，我们尝试识别这些特征。让我们首先尝试识别图像的边缘。

边缘检测

img＝cv．imread（＇．．／input／images－for－computer－vision／simple＿shapes．png＇）

img＿canny1＝cv．Canny（img，50， 200）

＃ Smoothing the img before feeding it to canny

filter＿img＝cv．GaussianBlur（img， （7，7）， 0）img＿canny2＝cv．Canny（filter＿img，50， 200）

myplot（［img， img＿canny1， img＿canny2］， ［＇Original Image＇， ＇Canny Edge Detector（Without Smoothing）＇， ＇Canny Edge Detector（With Smoothing）＇］）

这里我们使用 Canny 边缘检测器，它是一种边缘检测算子，它使用多阶段算法来检测图像中的各种边缘。它由 John F． Canny 于 1986 年开发。我不会详细介绍 Canny 的工作原理，但这里的关键点是它用于提取边缘。

在使用 Canny 边缘检测方法检测边缘之前，我们平滑图像以去除噪声。正如你从图像中看到的，平滑后我们得到清晰的边缘。

轮廓

img＝cv．imread（＇．．／input／images－for－computer－vision／simple＿shapes．png＇）

img＿copy＝img．copy（）

img＿gray＝cv．cvtColor（img，cv．COLOR＿BGR2GRAY）

＿，img＿binary＝cv．threshold（img＿gray，50，200，cv．THRESH＿BINARY）

＃Edroing and Dilating for smooth contours

img＿binary＿erode＝cv．erode（img＿binary，（10，10）， iterations＝5）

img＿binary＿dilate＝cv．dilate（img＿binary，（10，10）， iterations＝5）

contours，hierarchy＝cv．findContours（img＿binary，cv．RETR＿TREE， cv．CHAIN＿APPROX＿SIMPLE）

cv．drawContours（img， contours，－1，（0，0，255），3） ＃ Draws the contours on the original image just like draw function

myplot（［img＿copy， img］， ［＇Original Image＇， ＇Contours in the Image＇］）

侵蚀，使用用于探测和降低包含在图像中的形状的结构元素的侵蚀操作。

膨胀：将像素添加到图像中对象的边界，与侵蚀相反

Hullsimg＝cv．imread（＇．．／input／images－for－computer－vision／simple＿shapes．png＇，0）

＿，threshold＝cv．threshold（img，50，255，cv．THRESH＿BINARY）

contours，hierarchy＝cv．findContours（threshold，cv．RETR＿TREE， cv．CHAIN＿APPROX＿SIMPLE）

hulls＝［cv．convexHull（c） for c in contours］

img＿hull＝cv．drawContours（img， hulls，－1，（0，0，255），2） ＃Draws the contours on the original image just like draw function

plt．imshow（img）

总结我们看到了如何读取和显示图像、在图像上绘制形状、文本、混合两个图像、旋转、缩放、平移等变换图像，使用高斯模糊、中值模糊、双边模糊过滤图像，以及检测使用 Canny 边缘检测和在图像中查找轮廓的特征。