1.OpenCV初識(shí)與安裝

本部分要了解OpenCV(OpenSourceComputerVisionLibrary)的相關(guān)簡(jiǎn)介，OpenCv可以運(yùn)行在多平臺(tái)之上，輕量級(jí)而且高效，由一系列C函數(shù)和少量C++類構(gòu)成，提供了Python、Ruby、MATLAB等語(yǔ)言的接口，所以在學(xué)習(xí)的時(shí)候，要注意查閱資料的語(yǔ)言實(shí)現(xiàn)相關(guān)問(wèn)題。

這個(gè)階段除了安裝OpenCV相關(guān)庫(kù)以外，建議收藏官方網(wǎng)址，官方手冊(cè)，官方入門教程，這些都是最佳的學(xué)習(xí)資料。

模塊安裝完畢，需要重點(diǎn)測(cè)試OpenCV是否安裝成功，可通過(guò)Python查詢安裝版本。

2.OpenCV模塊簡(jiǎn)介

先從全局上掌握OpenCV都由哪些模塊組成。例如下面這些模塊，你需要找到下述模塊的應(yīng)用場(chǎng)景與簡(jiǎn)介。

core、imgproc、highgui、calib3d、features2d、contrib、flann、gpu、legacy、ml、objdetect、photo、stitching。

整理每個(gè)模塊的核心功能，并完成第一個(gè)OpenCV案例，讀取顯示圖片。

3.OpenCV圖像讀取，顯示，保存

安裝OpenCV之后，從圖像獲取開始進(jìn)行學(xué)習(xí)，包含本地加載圖片，相機(jī)獲取圖片，視頻獲取，創(chuàng)建圖像等內(nèi)容。

只有先獲取圖像之后，才能對(duì)圖像進(jìn)行操作處理，信息提取，結(jié)果輸出，圖像顯示，圖像保存。

對(duì)于一個(gè)圖像而言，在OpenCV中進(jìn)行讀取展示的步驟如下，你可以將其代碼進(jìn)行對(duì)應(yīng)。

圖像讀取;

窗口創(chuàng)建;

圖像顯示;

圖像保存;

資源釋放。

涉及需要學(xué)習(xí)的函數(shù)有cv2.imread()、cv2.namedWindow()、cv2.imshow()、cv2.imwrite()、cv2.destroyWindow()、cv2.destroyAllWindows()、cv2.imshow()、cv2.cvtColor()、cv2.imwrite()、cv2.waitKey()。

4.攝像頭和視頻讀取，保存

第一個(gè)要重點(diǎn)學(xué)習(xí)VideoCapture類，該類常用的方法有：

open()函數(shù);

isOpened()函數(shù);

release()函數(shù);

grab()函數(shù);

retrieve()函數(shù);

get()函數(shù);

set()函數(shù);

除了讀取視頻外，還需要掌握Opencv提供的VideoWriter類，用于保存視頻文件。

學(xué)習(xí)完相關(guān)知識(shí)之后，可以進(jìn)行這樣一個(gè)實(shí)驗(yàn)，將一個(gè)視頻逐幀保存為圖片。

5.OpenCV常用數(shù)據(jù)結(jié)構(gòu)和顏色空間

這部分要掌握的類有Point類、Rect類、Size類、Scalar類，除此之外，在Python中用numpy對(duì)圖像進(jìn)行操作，所以numpy相關(guān)的知識(shí)點(diǎn)，建議提前學(xué)習(xí)，效果更佳。

OpenCV中常用的顏色空間有BGR顏色空間、HSV/HLS顏色空間、Lab顏色空間，這些都需要了解，優(yōu)先掌握BGR顏色空間。

6.OpenCV常用繪圖函數(shù)

掌握如下函數(shù)的用法，即可熟練的在Opencv中繪制圖形。

cv2.line();

cv2.circle();

cv2.rectangle();

cv2.ellipse();

cv2.fillPoly();

cv2.polylines();

cv2.putText()。

7.OpenCV界面事件操作之鼠標(biāo)與滑動(dòng)條

第一個(gè)要掌握的函數(shù)是鼠標(biāo)操作消息回調(diào)函數(shù)，cv2.setMouseCallback()，滑動(dòng)條涉及兩個(gè)函數(shù)，分別是：cv2.createTrackbar()和cv2.getTrackbarPos()。

掌握上述內(nèi)容之后，可以實(shí)現(xiàn)兩個(gè)案例，其一為鼠標(biāo)在一張圖片上拖動(dòng)框選區(qū)域進(jìn)行截圖，其二是通過(guò)滑動(dòng)條讓視頻倍速播放。

8.圖像像素、通道分離與合并

了解圖像像素矩陣，熟悉圖片的像素構(gòu)成，可以訪問(wèn)指定像素的像素值，并對(duì)其進(jìn)行修改。

通道分離函數(shù)cv2.split()，通道合并函數(shù)cv2.merge()。

9.圖像邏輯運(yùn)算

掌握?qǐng)D像之間的計(jì)算，涉及函數(shù)如下：

cv2.add();

cv2.addWeighted();

cv2.subtract();

cv2.absdiff();

cv2.bitwise_and();

cv2.bitwise_not();

cv2.bitwise_xor()。

還可以研究圖像乘除法。

10.圖像ROI與mask掩膜

本部分屬于OpenCV中的重點(diǎn)知識(shí)，第一個(gè)為感興趣區(qū)域ROI，第二個(gè)是mask掩膜(掩碼)操作。

學(xué)習(xí)ROI部分時(shí)，還可以學(xué)習(xí)一下圖像的深淺拷貝。

11.圖像幾何變換

圖像幾何變換依舊是對(duì)基礎(chǔ)函數(shù)的學(xué)習(xí)與理解，涉及內(nèi)容如下：

圖像縮放cv2.resize();

圖像平移cv2.warpAffine();

圖像旋轉(zhuǎn)cv2.getRotationMatrix2D();

圖像轉(zhuǎn)置cv2.transpose();

圖像鏡像cv2.flip();

圖像重映射cv2.remap()。

12.圖像濾波

理解什么是濾波，高頻與低頻濾波，圖像濾波函數(shù)。

線性濾波：方框?yàn)V波、均值濾波、高斯濾波，

非線性濾波：中值濾波、雙邊濾波，

方框?yàn)V波cv2.boxFilter();

均值濾波cv2.blur();

高斯濾波cv2.GaussianBlur();

中值濾波cv2.medianBlur();

雙邊濾波cv2.bilateralFilter()。

13.圖像固定閾值與自適應(yīng)閾值

圖像閾值化是圖像處理的重要基礎(chǔ)部分，應(yīng)用很廣泛，可以根據(jù)灰度差異來(lái)分割圖像不同部分，閾值化處理的圖像一般為單通道圖像(灰度圖)，核心要掌握的兩個(gè)函數(shù)：

固定閾值：cv2.threshold();

自適應(yīng)閾值：cv2.adaptiveThreshold()。

14.圖像膨脹腐蝕

膨脹、腐蝕屬于形態(tài)學(xué)的操作，是圖像基于形狀的一系列圖像處理操作。

膨脹腐蝕是基于高亮部分(白色)操作的，膨脹是対高亮部分進(jìn)行膨脹，類似“領(lǐng)域擴(kuò)張”，腐蝕是高亮部分被腐蝕，類似“領(lǐng)域被蠶食”。

膨脹腐蝕的應(yīng)用和功能：

消除噪聲;

分割獨(dú)立元素或連接相鄰元素;

尋找圖像中的明顯極大值、極小值區(qū)域;

求圖像的梯度;

核心需要掌握的函數(shù)如下：

膨脹cv2.dilate();

腐蝕cv2.erode()。

形態(tài)學(xué)其他操作，開運(yùn)算、閉運(yùn)算、頂帽、黑帽、形態(tài)學(xué)梯度這些都是基于膨脹腐蝕基礎(chǔ)之上，利用cv2.morphologyEx()函數(shù)進(jìn)行操作。

15.邊緣檢測(cè)

邊緣檢測(cè)可以提取圖像重要輪廓信息，減少圖像內(nèi)容，可用于分割圖像、特征提取等操作。

邊緣檢測(cè)的一般步驟：

濾波：濾出噪聲対?rùn)z測(cè)邊緣的影響;

增強(qiáng)：可以將像素鄰域強(qiáng)度變化凸顯出來(lái)—梯度算子;

檢測(cè)：閾值方法確定邊緣;

常用邊緣檢測(cè)算子：

Canny算子，Canny邊緣檢測(cè)函數(shù)cv2.Canny();

Sobel算子，Sobel邊緣檢測(cè)函數(shù)cv2.Sobel();

Scharr算子，Scharr邊緣檢測(cè)函數(shù)cv2.Scahrr();

Laplacian算子，Laplacian邊緣檢測(cè)函數(shù)cv2.Laplacian()。

16.霍夫變換

霍夫變換(HoughTransform)是圖像處理中的一種特征提取技術(shù)，該過(guò)程在一個(gè)參數(shù)空間中，通過(guò)計(jì)算累計(jì)結(jié)果的局部最大值，得到一個(gè)符合該特定形狀的集合，作為霍夫變換的結(jié)果。

本部分要學(xué)習(xí)的函數(shù)：

標(biāo)準(zhǔn)霍夫變換、多尺度霍夫變換cv2.HoughLines();

累計(jì)概率霍夫變換cv2.HoughLinesP();

霍夫圓變換cv2.HoughCricles()。

17.圖像直方圖計(jì)算及繪制

先掌握直方圖相關(guān)概念，在掌握核心函數(shù)，最后通過(guò)matplotlib模塊對(duì)直方圖進(jìn)行繪制。計(jì)算直方圖用到的函數(shù)是cv2.calcHist()。

直方圖相關(guān)應(yīng)用：

直方圖均衡化cv2.equalizeHist();

直方圖對(duì)比cv2.compareHist();

反向投影cv2.calcBackProject()。

18.模板匹配

模板匹配是在一幅圖像中尋找與另一幅模板圖像最匹配(相似)部分的技術(shù)。

核心用到的函數(shù)如下：

模板匹配cv2.matchTemplate();

矩陣歸一化cv2.normalize();

尋找最值cv2.minMaxLoc()。

19.輪廓查找與繪制

核心要理解到在OpenCV中，查找輪廓就像在黑色背景中找白色物體。

常用函數(shù)：

查找輪廓cv2.findContours();

繪制輪廓cv2.drawContours()。

最后應(yīng)該掌握針對(duì)每個(gè)輪廓進(jìn)行操作。

20.輪廓特征屬性及應(yīng)用

這部分內(nèi)容比較重要，并且知識(shí)點(diǎn)比較多，核心內(nèi)容與函數(shù)分別如下：

尋找凸包c(diǎn)v2.convexHull()與凸性檢測(cè)cv2.isContourConvex();

輪廓外接矩形cv2.boundingRect();

輪廓最小外接矩形cv2.minAreaRect();

輪廓最小外接圓cv2.minEnclosingCircle();

輪廓橢圓擬合cv2.fitEllipse();

逼近多邊形曲線cv2.approxPolyDP();

計(jì)算輪廓面積cv2.contourArea();

計(jì)算輪廓長(zhǎng)度cv2.arcLength();

計(jì)算點(diǎn)與輪廓的距離及位置關(guān)系cv2.pointPolygonTest();

形狀匹配cv2.matchShapes()。

21.高級(jí)部分-分水嶺算法及圖像修補(bǔ)

掌握分水嶺算法的原理，掌握核心函數(shù)cv2.watershed()。

可以擴(kuò)展補(bǔ)充圖像修補(bǔ)技術(shù)及相關(guān)函數(shù)cv2.inpaint()，學(xué)習(xí)完畢可以嘗試人像祛斑應(yīng)用。

22.GrabCut&FloodFill圖像分割、角點(diǎn)檢測(cè)

這部分內(nèi)容都需要一些圖像專業(yè)背景知識(shí)，先掌握相關(guān)概念知識(shí)，在重點(diǎn)學(xué)習(xí)相關(guān)函數(shù)。

GrabCut算法cv2.grabCut();

漫水填充算法cv2.floodFill();

Harris角點(diǎn)檢測(cè)cv2.cornerHarris();

Shi-Tomasi角點(diǎn)檢測(cè)cv2.goodFeaturesToTrack();

亞像素角點(diǎn)檢測(cè)cv2.cornerSubPix()。

23.特征檢測(cè)與匹配

特征點(diǎn)的檢測(cè)和匹配是計(jì)算機(jī)視覺(jué)中非常重要的技術(shù)之一,在物體識(shí)別、視覺(jué)跟蹤、三維重建等領(lǐng)域都有很廣泛的應(yīng)用。

OpenCV提供了如下特征檢測(cè)方法：

“FAST”FastFeatureDetector;

“STAR”StarFeatureDetector;

“SIFT”SIFT(nonfreemodule)Opencv3移除，需調(diào)用xfeature2d庫(kù);

“SURF”SURF(nonfreemodule)Opencv3移除，需調(diào)用xfeature2d庫(kù);

“ORB”O(jiān)RBOpencv3移除，需調(diào)用xfeature2d庫(kù);

“MSER”MSER;

“GFTT”GoodFeaturesToTrackDetector;

“HARRIS”(配合Harrisdetector);

“Dense”DenseFeatureDetector;

“SimpleBlob”SimpleBlobDetector。

24.OpenCV應(yīng)用部分之運(yùn)動(dòng)物體跟蹤與人臉識(shí)別

了解何為運(yùn)動(dòng)物體檢測(cè)，OpenCV中常用的運(yùn)動(dòng)物體檢測(cè)方法有背景減法、幀差法、光流法，跟蹤算法常用的有meanShift，camShift，粒子濾波，光流法等。

meanShift跟蹤算法cv2.meanShift();

CamShift跟蹤算法cv2.CamShift()。

如果學(xué)習(xí)人臉識(shí)別，涉及的知識(shí)點(diǎn)為：

人臉檢測(cè)：從圖像中找出人臉位置并標(biāo)識(shí);

人臉識(shí)別：從定位到的人臉區(qū)域區(qū)分出人的姓名或其它信息;

機(jī)器學(xué)習(xí)。

以上內(nèi)容為大家介紹了PythonOpenCV的知識(shí)體系，希望對(duì)大家有所幫助，如果想要了解更多Python相關(guān)知識(shí)，請(qǐng)關(guān)注IT培訓(xùn)機(jī)構(gòu):千鋒教育。http://m.2667701.com/