国外网站 设计,自助网站建设推广优化策略,房管局网站建设方案,如何建设学校的微网站OpenCV(Python)基础—9小时入门版
#
# Author : Mikigo
# Time : 2021/12/1
# 一、一句话简介
OpenCV (Open Source Computer Vision Library) 是用 C 语言编写#xff0c;提供 Python、Java 等语言 API的一个开源计算机视觉库。
二、安装
1、Debian 系使用 apt 安装 O…OpenCV(Python)基础—9小时入门版
#
# Author : Mikigo
# Time : 2021/12/1
#
一、一句话简介
OpenCV (Open Source Computer Vision Library) 是用 C 语言编写提供 Python、Java 等语言 API的一个开源计算机视觉库。
二、安装
1、Debian 系使用 apt 安装 OpencCV
sudo apt install python-opencv
在 UOS 系统上也可以使用
sudo apt install python3-opencv
支持 AMD、ARM、MIPS 架构安装。
2、安装 NumPy
NumPy 是 Python中的一个运算速度非常快的数学库数组玩到起飞如果你玩数据科学、机器学习这是必学库。所有 OpenCV 数组结构都转换为 NumPy 数组要想 OpenCV 学得好必须熟悉它学习 OpenCV 基础多少需要了解一点。
sudo apt -y install python3-numpy
好多同学安装 Python 库都习惯使用 pip 安装实际上 OpenCV 也可以但是目前只支持在 AMD所以考虑到兼容性还是建议使用 apt 进行安装并且官方文档也是建议使用 apt 安装。
三、入门基础
所有 OpenCV 类和函数都放在 cv 名称空间中在 py 文件中导入
import cv2 as cv
后续内容默认都使用了导入。
1、图像
1.1、读图像
img cv.imread()
参数1文件路径。(str)参数2读取图像的方式。 cv.IMREAD_COLOR 加载一个彩色图像忽略 alpha 通道。默认值cv.IMREAD_GRAYSCALE 加载图像为灰度模式。cv.IMREAD_UNCHANGED 加载图像包括 alpha 通道。还可以简单地分别传递整数1、0或 -1。
1.2、显示图像
cv.show()
参数1窗口名称。str参数2图像。obj
在窗口中显示图像窗口自动适合图像大小。
销毁窗口
cv.destroyAllWindows() # 销毁所有窗口
cv.destroyWindow(window_name) # 销毁某个窗口参数传入窗口名称
1.3、写图像
cv.imwrite()
参数1文件名。参数2图像。obj
2、视频
2.1、从摄像头捕获视频
cap cv.VideoCapture(0)
它的参数可以是设备索引或视频文件的名称。设备索引就是指定哪个摄像头的数字。一般我们连接一个摄像头所以传0(或-1)。当然可以通过传递1来选择第二个相机以此类推。
import cv2 as cv
cap cv.VideoCapture(0)# 判断是否打开
if not cap.isOpened(): exit()
while True: # 逐帧捕获ret, frame cap.read() # 判断是否读取到if not ret: break# 转灰度gray cv.cvtColor(frame, cv.COLOR_BGR2GRAY)# 显示图像cv.imshow(frame, gray)# 监控键盘信号if cv.waitKey(1) ord(q):break
# 释放
cap.release()
cv.destroyAllWindows()
一切都看起来很和谐哈。
需要注意其他的两个判断
有时候摄像头可能没有初始化成功所以用cap.isOpened() 来判断并退出。可能没有接收到帧停止循环。
获取视频的一些属性
cap.get(id)
id 是一个从0到18的数字每个数字表示视频的一个属性。每个属性代表什么→docs.opencv.org/4.1.2/d4/d1…
cap.set() 属于进阶用法这里按下不表。
2.2、从文件中播放视频
原理和从摄像头中捕获是一样的区别在于
cap cv.VideoCapture(vtest.avi)
参数是文件名称。
2.3、保存视频
out VideoWriter()
参数1文件名参数2fourcc cv.VideoWriter_fourcc(*‘XVID’) FourCC 是一个4字节的代码用于指定视频编解码器。DIVX, XVID, MJPG, X264, WMV1, WMV2不同的操作系统有差异 www.fourcc.org/codecs.php 参数3帧率参数3分辨率
import cv2 as cv
cap cv.VideoCapture(0)
fourcc cv.VideoWriter_fourcc(*XVID)
out cv.VideoWriter(output.avi, fourcc, 20.0, (640, 480))
while cap.isOpened():ret, frame cap.read()if not ret:break# 旋转后写入frame cv.flip(frame, 0)out.write(frame)cv.imshow(frame, frame)if cv.waitKey(1) ord(q):break
# 释放
cap.release()
out.release()
cv.destroyAllWindows()
结合前面摄像头捕获视频的代码看起来很简单
3、绘图
3.1、画线
cv.line()
举例创建一个黑色图像并从左上角到右下角在上面画一条蓝线
import numpy as np
import cv2 as cv
# 写一个黑色的图像
img np.zeros((512,512,3), np.uint8)
# 画一根5像素款的蓝线
cv.line(img,(0,0),(511,511),(255,0,0),5)
(255,0,0) 代表蓝色最后一个参数是线的宽度。
3.2、画圆
cv.circle(img,(447,63), 63, (0,0,255), -1)
参数中心坐标和半径
3.3、画矩形
cv.rectangle(img,(384,0),(510,128),(0,255,0),3)
参数矩形的左上角和右下角
支持其他图形。。。
四、核心功能
1、图像的基本操作
1.1、访问和修改像素值
import numpy as np # 官方建议固定写法
import cv2 as cv
img cv.imread(messi5.jpg)
px img[100,100]
# (100, 100)的像素值[157 166 200]B、G和R值
blue img[100,100,0]
修改
img[100,100] [255,255,255]
直接赋值即可修改但是直接访问非常缓慢更好的像素访问和编辑方法:
img.item(10,10,2) # 访问R值
img.itemset((10,10,2),100) # 修改R值
1.2、访问图像属性
图像属性包括行数、列数和通道数、图像数据类型、像素数等。
img.shape
# (342,548,3)
返回一个行、列和通道数的元组。
img.size # 访问像素总数
1.3、特定区域
机器学习中经常需要抠图比如人脸识别时一般会先选择人脸区域搜索其中的眼睛而不是搜索整个图像以提供精确度。
ball img[280:340, 330:390] # 抠一个区域
img[273:333, 100:160] ball # 复制到另一个区域
1.4、图像信道的分裂与合并
b,g,r cv.split(img) # 分裂
img cv.merge((b,g,r)) # 合并
或者
b img[:,:,0]
比如将所有红色像素设置为零
img[:,:,2] 0
2、图像的算术运算
2.1、图片添加
cv.add()
可以添加两个图像
x np.uint8([250])
y np.uint8([10])
cv.add(x y) # 25010 260 255
OpenCV 的加法和 Numpy 的加法是有区别的。OpenCV 加法是一个饱和操作而 Numpy 加法是一个除余操作。
x y # 25010 260 % 256 4
2.2、图像混合
cv.addWeighted()
也是图像添加但不同的权重给予图像使它给人一种混合或透明的感觉。
参数1、2图像1及其权重。参数3、4图像2及其权重。参数5图像混合的α 值通过改变 α 从0→1你可以在一张图片到另一张图片之间进行一个很魔幻的转换。
img1 cv.imread(ml.png)
img2 cv.imread(opencv-logo.png)
# 第一幅图像的权重为0.7第二幅图像的权重为0.3
dst cv.addWeighted(img1,0.7,img2,0.3,0)
cv.imshow(dst,dst)
cv.waitKey(0)
cv.destroyAllWindows()
2.3、按位操作
按位 AND、 OR、 NOT 和 XOR 操作。
可以理解为图像的逻辑运算
img1 cv.imread(messi5.jpg)
img2 cv.imread(opencv-logo-white.png)
# 把标志放在左上角所以创建了一个roi
rows,cols,channels img2.shape
roi img1[0:rows, 0:cols ]
# 创建一个标志图案以及它的反面
img2gray cv.cvtColor(img2,cv.COLOR_BGR2GRAY) # 灰度处理
ret, mask cv.threshold(img2gray, 10, 255, cv.THRESH_BINARY)
mask_inv cv.bitwise_not(mask)
# 黑掉 ROI 中的 logo 区域
img1_bg cv.bitwise_and(roi,roi,mask mask_inv)
# 只取标志图像中的标志区域
img2_fg cv.bitwise_and(img2,img2,mask mask)
# 将 logo 放入 ROI 中并修改主图像
dst cv.add(img1_bg,img2_fg)
img1[0:rows, 0:cols ] dst
cv.imshow(res,img1)
cv.waitKey(0)
cv.destroyAllWindows()
五、图像处理
1、改变色彩空间
OpenCV 目前有150多种颜色空间转换方法。但其中两个最广泛使用的
1.1、Gray
cv.COLOR_BGR2GRAY
顾名思义BGR → Gray
这个图像识别中经常使用可以提供识别速度和准确度。
1.2、HSV
cv.COLOR_BGR2HSV
顾名思义BGR → HSV
HSV 图像可以用它来提取有色物体在 HSV 中比在 BGR 颜色空间中更容易表示颜色。
import cv2 as cv
import numpy as np
cap cv.VideoCapture(0)
while True:# 取出视频的每一帧_, frame cap.read()# 从 BGR 到 HSV 颜色空间的转换hsv cv.cvtColor(frame, cv.COLOR_BGR2HSV)# 定义 HSV 中蓝色的范围lower_blue np.array([110,50,50])upper_blue np.array([130,255,255])# 得到蓝色mask cv.inRange(hsv, lower_blue, upper_blue)# 按位-and 蒙版和原始图像res cv.bitwise_and(frame,frame, mask mask)cv.imshow(frame,frame)cv.imshow(mask,mask)cv.imshow(res,res)k cv.waitKey(5) 0xFFif k 27:break
cv.destroyAllWindows()
2、几何变换
2.1、缩放
res cv.resize(InputArray, OutputArray, Size, fx, fy, interpolation)
参数解释nputArray src输入图片OutputArray dst输出图片Size输出图片尺寸fx, fy沿x轴y轴的缩放系数interpolation插入方式
interpolation 默认情况下使用的插值方法是 cv.INTER_LINEAR用于所有调整大小。
举例
import numpy as np
import cv2 as cv
img cv.imread(messi5.jpg)
res cv.resize(img,None,fx2, fy2, interpolation cv.INTER_CUBIC)
2.2、旋转
cv.getRotationMatrix2D()
旋转90度
img cv.imread(messi5.jpg,0)
rows,cols img.shape
# cols-1 and rows-1 are the coordinate limits.
M cv.getRotationMatrix2D(((cols-1)/2.0,(rows-1)/2.0),90,1)
dst cv.warpAffine(img,M,(cols,rows))
3、图像阈值化
3.1、自适应阈值分割
如果像素值小于阈值则将其设置为0否则将其设置为最大值。
ret,thresh1 cv.threshold(img,127,255,cv.THRESH_BINARY)
cv.THRESH_BINARYcv.THRESH_BINARY_INVcv.THRESH_TRUNCcv.THRESH_TOZEROcv.THRESH_TOZERO_INV
如果一个图像在不同的区域有不同的照明条件全局使用一个阈值一般是不可用的对同一幅图像的不同区域采用不同的阈值对不同光照条件下的图像取得了较好的效果。
cv.ADAPTIVE_THRESH_MEAN_C 阈值是邻近区域的平均值减去常数 ccv.ADAPTIVE_THRESH_GAUSSIAN_C 阈值是邻域值减去常数 c 的高斯加权和
import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
img cv.imread(sudoku.png,0)
img cv.medianBlur(img,5)
ret,th1 cv.threshold(img,127,255,cv.THRESH_BINARY)
th2 cv.adaptiveThreshold(img,255,cv.ADAPTIVE_THRESH_MEAN_C,cv.THRESH_BINARY,11,2)
th3 cv.adaptiveThreshold(img,255,cv.ADAPTIVE_THRESH_GAUSSIAN_C,cv.THRESH_BINARY,11,2)
titles [Original Image, Global Thresholding (v 127),Adaptive Mean Thresholding, Adaptive Gaussian Thresholding]
images [img, th1, th2, th3]
for i in xrange(4):plt.subplot(2,2,i1),plt.imshow(images[i],gray)plt.title(titles[i])plt.xticks([]),plt.yticks([])
plt.show()
4、模板匹配
4.1、单目标匹配
模板匹配是一种在较大图像中搜索和查找模板图像位置的方法。
cv.matchTemplate()
参数1大图参数2小图参数3匹配方法 cv.TM_CCOEFFcv.TM_CCOEFF_NORMEDcv.TM_CCORRcv.TM_CCORR_NORMEDcv.TM_SQDIFFcv.TM_SQDIFF_NORMED
查找最大/最小值 cv.minMaxLoc()
res cv.matchTemplate(source, template, cv.TM_CCOEFF_NORMED)
cv.minMaxLoc(res)
4.2、多目标匹配
cv.minMaxLoc()不会给出所有位置。
通过阈值处理多个模板匹配。
import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
img_rgb cv.imread(mario.png)
img_gray cv.cvtColor(img_rgb, cv.COLOR_BGR2GRAY)
template cv.imread(mario_coin.png,0)
w, h template.shape[::-1]
res cv.matchTemplate(img_gray,template,cv.TM_CCOEFF_NORMED)
loc np.where( res 0.8)
for pt in zip(*loc[::-1]):cv.rectangle(img_rgb, pt, (pt[0] w, pt[1] h), (0,0,255), 2)
cv.imwrite(res.png,img_rgb)
如果你对Python感兴趣想要学习python这里给大家分享一份Python全套学习资料都是我自己学习时整理的希望可以帮到你一起加油
有需要的小伙伴可以点击下方链接免费领取或者V扫描下方二维码免费领取 Python全套学习资料 1️⃣零基础入门
① 学习路线
对于从来没有接触过Python的同学我们帮你准备了详细的学习成长路线图。可以说是最科学最系统的学习路线你可以按照上面的知识点去找对应的学习资源保证自己学得较为全面。
② 路线对应学习视频
还有很多适合0基础入门的学习视频有了这些视频轻轻松松上手Python~
③练习题
每节视频课后都有对应的练习题哦可以检验学习成果哈哈
2️⃣国内外Python书籍、文档
① 文档和书籍资料 3️⃣Python工具包项目源码合集
①Python工具包
学习Python常用的开发软件都在这里了每个都有详细的安装教程保证你可以安装成功哦
②Python实战案例
光学理论是没用的要学会跟着一起敲代码动手实操才能将自己的所学运用到实际当中去这时候可以搞点实战案例来学习。100实战案例源码等你来拿
③Python小游戏源码
如果觉得上面的实战案例有点枯燥可以试试自己用Python编写小游戏让你的学习过程中增添一点趣味
4️⃣Python面试题
我们学会了Python之后有了技能就可以出去找工作啦下面这些面试题是都来自阿里、腾讯、字节等一线互联网大厂并且有阿里大佬给出了权威的解答刷完这一套面试资料相信大家都能找到满意的工作。
上述所有资料 ⚡️ 朋友们如果有需要的可以扫描下方二维码免费领取
