1. OpenCV 初識(shí)與安裝

本部分要了解 OpenCV （Open Source Computer Vision Library）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)。

1.圖像讀?。?/p>

2.窗口創(chuàng)建；

3.圖像顯示；

4.圖像保存；

5.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（Hough Transform）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 cv2.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(nonfree module) Opencv3 移除，需調(diào)用 xfeature2d 庫(kù)；
• “SURF” SURF(nonfree module) Opencv3 移除，需調(diào)用 xfeature2d 庫(kù)；
• “ORB” ORB Opencv3 移除，需調(diào)用 xfeature2d 庫(kù)；
• “MSER” MSER；
• “GFTT” GoodFeaturesToTrackDetector；
• “HARRIS” (配合 Harris detector)；
• “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)。

以上就是一篇文章帶你順利通過(guò)Python OpenCV入門階段的詳細(xì)內(nèi)容，更多關(guān)于Python OpenCV的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！