OPENCV（0-1之0.1）

OPENCV-0.1

学习安排
计算机视觉简介
OpenCV简介
安装(windows_python)
- pip安装
- 验证安装（记得安装jupyter）
第一个OpenCV程序
实践练习

官方文档

学习安排

计算机视觉简介

目标：了解计算机视觉是如何使计算机"看"到并理解图像和视频的。
学习内容：

计算机视觉的定义和应用领域，比如自动驾驶、安防监控、医学图像处理等。

基础概念，包括图像识别、物体检测、图像分割、场景重建等。

OpenCV简介

目标：了解OpenCV库的历史、特点和能为你的项目带来什么优势。
学习内容：

OpenCV的历史背景和主要贡献者。

OpenCV支持的语言和平台。

OpenCV库的主要模块和功能。

安装OpenCV

目标：在你的操作系统上安装OpenCV，并配置好开发环境。
学习内容：

在Windows上安装OpenCV

第一个OpenCV程序

目标：学会使用OpenCV读取、显示和保存图像。
学习内容：

使用cv2.imread()函数读取图像。

使用cv2.imshow()函数显示图像。

使用cv2.imwrite()函数保存图像。

了解图像的基本属性，如大小、类型和像素值。

实践练习

读取并显示图像：选择一张图像，使用OpenCV读取并显示出来。

图像转换：将读取的图像转换为灰度图，并显示。

保存图像：将转换后的灰度图保存到你的磁盘上。

计算机视觉简介

是什么？

计算机视觉是一门研究如何使机器"看"的科学。更具体地说，它是指用摄像机和计算机代替人眼对目标进行识别、跟踪和测量的技术，进而对这些信息进行处理，使计算机能够进一步处理、理解和解释视觉世界。

应用领域

自动驾驶：利用计算机视觉来识别道路上的车辆、行人、交通标志等，实现自动驾驶汽车的导航和安全。
安防监控：通过监控视频来检测异常行为、识别特定人群，提高安全防护效率。
医学图像处理：分析X光片、MRI等医学图像，帮助诊断疾病、规划治疗方案。
零售：在零售行业中，计算机视觉技术可以用于顾客行为分析、智能结账系统等。
增强现实（AR）和虚拟现实（VR）：通过理解和解释用户的视觉环境，增强或创建全新的虚拟体验。

基础概念

图像识别：从图像中识别一个或多个特定对象的过程。这是计算机视觉中最基本的任务之一，比如识别照片中的人脸。
物体检测：不仅识别图像中的对象，还确定它们在图像中的位置。通常表现为定位框或边界框。
图像分割：将图像细分为多个部分或对象的过程。目的是简化或改变图像的表现形式，使其更容易分析。
场景重建：通过分析图像或视频序列来重建三维场景的过程。这在自动驾驶、机器人导航等领域非常重要。

OpenCV简介

历史背景和主要贡献者

历史背景：OpenCV最初由Intel在1999年启动，并在2000年首次公开发布。该项目的目的是提供一个通用的基础设施，能够加速计算机视觉的应用开发过程，并推动该领域内的商业应用和学术研究。Gary Bradski是OpenCV项目的创始人之一。
主要贡献者：自诞生以来，OpenCV已经吸引了全球数千名开发者的贡献。虽然最初由Intel支持，但后来也得到了其他公司和组织的支持，包括Google、NVIDIA、AMD等，它现在是由一个非营利组织------OpenCV.org负责维护和发展。

支持的语言和平台

支持的语言：OpenCV最初是用C++编写的，提供了良好的C++接口。随着项目的发展，它现在也提供了Python、Java和MATLAB等语言的接口，这使得它可以轻松地被集成到各种应用中。
支持的平台：OpenCV可以在多种操作系统上运行，包括Windows、Linux、Mac OS X、甚至在移动平台如Android和iOS上也有良好支持。

主要模块和功能

核心功能（Core functionality）：基本数据结构，绘图函数，数组操作等。
图像处理（Imgproc）：图像滤波，图像变换，颜色空间转换等。
图像分析（Imgcodecs）：读写图像，图像编码等。
视频分析（Video）：运动估计，背景减法等。
特征检测和描述（Features2D）：关键点检测，描述符提取等。
摄像头标定和3D重建（Calib3d）：立体视觉，摄像头标定等。
机器学习（ML）：SVM，决策树，神经网络等。
深度学习（Dnn）：支持多种深度学习框架，如TensorFlow、Torch/PyTorch等。
等其他模块

安装(windows_python)

pip安装

前提是安装好python环境。

python：官网下载

anaconda：官网下载
tips:记得勾选添加环境变量。

在终端命令行中执行以下语句

python 复制代码

pip install opencv-python

如下图所示(包含创建、切换conda环境)：

验证安装（记得安装jupyter）

代码：

python 复制代码

import cv2

# 打印OpenCV版本
print(cv2.__version__)

# 尝试打开摄像头
cap = cv2.VideoCapture(0)
if not cap.isOpened():
    print("无法打开摄像头")
else:
    print("摄像头已就绪")
    cap.release()

结果(记得打开摄像头权限，这里未打开)：

第一个OpenCV程序

代码

python 复制代码

import cv2

# 读取图像
image = cv2.imread('../image.jpg')  # 读取图片
# 打印图像的基本属性
print(f'Width: {image.shape[1]} pixels')
print(f'Height: {image.shape[0]} pixels')
print(f'Channels: {image.shape[2]}')
# 显示图像
cv2.imshow('Image', image)
cv2.waitKey(0)  # 等待任意键盘按键
cv2.destroyAllWindows()  # 关闭所有OpenCV窗口

# 保存图像
cv2.imwrite('image_copy.jpg', image)  # 保存图像的路径

结果

实践练习

python 复制代码

import cv2

# 图像路径
image_path = '../image.jpg'

# 读取图像
image = cv2.imread(image_path)

# 检查图像是否正确加载
if image is None:
    print("Error: 图像未加载，请检查路径。")
else:
    # 转换图像为灰度图
    gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

    # 显示原图
    cv2.imshow('Original Image', image)
    # cv2.waitKey(0)  # 等待按键
    # cv2.destroyAllWindows()  # 关闭窗口

    # 显示灰度图
    cv2.imshow('Grayscale Image', gray_image)
    cv2.waitKey(0)  # 等待按键
    cv2.destroyAllWindows()  # 关闭窗口

    # 保存灰度图到磁盘
    save_path = 'gray_image.jpg'
    cv2.imwrite(save_path, gray_image)
    print(f"灰度图已保存到 {save_path}")

结果