Python OpenCV入门

Python OpenCV入门







正如前面提到的，你也可以用 Matplotlib 显示图像，下面是一些如何实现的代码：









下面，我们可以开始绘制，这样：





在下一个教程中，我们将介绍我们可以执行的基本图像操作。
四、图像操作
在 OpenCV 教程中，我们将介绍一些我们可以做的简单图像操作。 每个视频分解成帧。 然后每一帧，就像一个图像，分解成存储在行和列中的，帧/图片中的像素。 每个像素都有一个坐标位置，每个像素都由颜色值组成。 让我们列举访问不同的位的一些例子。
我们将像往常一样读取图像（如果可以，请使用自己的图像，但这里是我在这里使用的图像）



首先，让我们看看简单的加法会做什么：

255 ） 这 是 因 为 颜 色 是 0 一 255 ， 其 中 255 ： 2e5 ， 381 ， 27g 4 《 奂 冫 〈 2e5 ， 2 接 下 来 ， 我 们 可 以 添 加 图 像 ， 并 可 以 假 设 每 个 图 像 都 有 不 同 的 “ 权 重 “ 。 这 是 如 何 工 作 的 ．” class=”align-none”>









更简单，但是我们仍然在这里忽略了很多背景。 接下来，我们可以尝试自适应阈值，这将尝试改变阈值，并希望弄清楚弯曲的页面。

还有另一个版本的阈值，可以使用，叫做大津阈值。 它在这里并不能很好发挥作用，但是：









下一对是“开放”和“关闭”。 开放的目标是消除“假阳性”。 有时在背景中，你会得到一些像素“噪音”。 “关闭”的想法是消除假阴性。 基本上就是你检测了你的形状，例如我们的帽子，但物体仍然有一些黑色像素。 关闭将尝试清除它们。



在下一个教程中，我们将讨论图像渐变和边缘检测。
十、边缘检测和渐变
欢迎阅读另一个 Python OpenCV 教程。 在本教程中，我们将介绍图像渐变和边缘检测。 图像渐变可以用来测量方向的强度，边缘检测就像它所说的：它找到了边缘！ 我敢打赌你肯定没看到。
首先，我们来展示一些渐变的例子：



这真是太棒了！ 但是，这并不完美。 注意阴影导致了边缘被检测到。 其中最明显的是蓝狗窝发出的阴影。
在下一个 OpenCV 教程中，我们将讨论如何在其他图像中搜索和查找相同的图像模板。

这只是其中一个端口，但我们很好奇，看看我们是否可以匹配任何其他端口。 我们确实要选择一个阈值，其中某种东西可能是 80% 匹配，那么我们说这就匹配。 所以，我们将开始加载和转换图像：

到目前为止，我们加载了两个图像，转换为灰度。 我们保留原始的 RGB 图像，并创建一个灰度版本。 我之前提到过这个，但是我们这样做的原因是，我们在灰度版本上执行所有的处理，然后在彩色图像上使用相同的标签来标记。
对于主要图像，我们只有彩色版本和灰度版本。 我们加载模板并记下尺寸。




下个教程中，我们打算讨论如何执行角点检测。
十三、角点检测
欢迎阅读 Python OpenCV 角点检测教程。 检测角点的目的是追踪运动，做 3D 建模，识别物体，形状和角色等。
对于本教程，我们将使用以下图像：


十四、特征匹配（单映射）爆破
欢迎阅读 Python OpenCV 特征匹配教程。 特征匹配将是稍微更令人印象深刻的模板匹配版本，其中需要一个完美的，或非常接近完美的匹配。
我们从我们希望找到的图像开始，然后我们可以在另一幅图像中搜索这个图像。 这里的完美是图像不需要相同的光照，角度，旋转等。 特征只需要匹配。
首先，我们需要一些示例图像。 我们的“模板”，或者我们将要尝试匹配的图像：



十五、MOG 背景减弱
在这个 Python OpenCV 教程中，我们将要讨论如何通过检测运动来减弱图像的背景。 这将要求我们回顾视频的使用，或者有两个图像，一个没有你想要追踪的人物/物体，另一个拥有人物/物体。 如果你希望，你可以使用你的摄像头，或者使用如下的视频：
这里的代码实际上很简单，就是我们现在知道的：




在这里，我们找到了面部，它们的大小，绘制矩形，并注意 ROI。 接下来，我们找了一些眼睛：

完整代码：









opencv_createsamples -img watch5050.jpg -bg bg.txt -info info/info.lst -pngoutput info -maxxangle 0.5 -maxyangle 0.5 -maxzangle 0.5 -num 1950


现在让我们运行训练命令：
opencv_traincascade -data data -vec positives.vec -bg bg.txt -numPos 1800 -numNeg 900 -numStages 10 -w 20 -h 20
在这里，我们表明了，我们想要数据去的地方，矢量文件的位置，背景文件的位置，要使用多少个正片图像和底片图像，多少个阶段以及宽度和高度。请注意，我们使用的 numPos比我们少得多。这是为了给阶段腾出空间。





很酷！ 所以你可能没有使用我的手表，你是怎么做的？ 如果遇到麻烦，请尝试使用与我完全相同的所有内容。 检测图像，而不是检测摄像头，这里是一个：

谢谢阅读！！！

本文仅代表作者观点，不代表百度立场。本文系作者授权百家号发表，未经许可，不得转载。
已使用 Microsoft OneNote 2016 创建。