OpenCV介绍

• Python安装OpenCV ：对于 Linux 和 Windows 操作系统，首先需要在 shell 或 cmd 中运行以下命令安装 NumPy ：pip install numpy 。然后再安装 OpenCV，可以选择仅安装主模块包 ：pip install opencv-python ，或者安装完整包（包括主模块和附加模块）：pip install opencv-contrib-python 。

• OpenCV主要模块 ：OpenCV 可以被划分为不同模块，其主要模块包括 core（核心模块，定义基本数据结构，包含库中所有其他模块使用的基本函数）、imgproc（图像处理模块，涵盖图像滤波、几何图像变换、颜色空间变换和直方图等）、imgcodecs（图像文件读写）、highgui（高级 GUI，提供 UI 功能接口，如创建和操作可显示的窗口、添加滑动条、处理键盘命令和鼠标事件等）、videoio（视频 I/O，视频捕获和视频编解码器的接口）、video（视频分析模块，包含背景减法、运动估计和目标跟踪算法等）、calib3d（摄像机标定和三维重建，涉及多视点几何算法、立体匹配算法、目标姿态估计、单摄像机和立体摄像机标定以及三维重建等）、features2d（二维特征框架，包括特征检测器、描述符和描述符匹配器）、objdetect（目标检测，用于检测预定义类的对象和实例，如人脸、眼睛、人和汽车等）、dnn（深度神经网络模块，包含创建新层的 API、常用层、从层构造和修改神经网络的 API、从不同深度学习框架加载序列化网络模型的功能等）、ml（机器学习库，是一组可用于分类、回归和聚类目的的类和方法）、flann（快速近似近邻库，是一组非常适合快速近邻搜索的算法，用于多维空间中的聚类和搜索）、photo（计算摄影，提供一些计算摄影的函数）、stitching（图像拼接，实现自动拼接全景图像的拼接流水线）、shape（形状距离和匹配模块，可用于形状匹配、检索或比较）、superres（超分辨率，包含可用于提高分辨率的类和方法）、videostab（视频稳定，包含用于视频稳定的类和方法）、viz（三维可视化工具，用于显示与场景交互的小部件）。

• OpenCV应用场景 ：OpenCV 可应用于二维和三维特征提取、街景图像拼接、人脸识别系统、手势识别、人机交互、动作识别、物体识别、自动检查和监视、分割与识别、医学图像分析、运动跟踪、增强现实、视频 / 图像搜索与检索、机器人与无人驾驶汽车导航与控制、驾驶员疲劳驾驶检测等诸多场景。

OpenCV图像处理基础

• 图像基础

  • 图像处理中的主要问题 ：图像可看作三维世界的二维视图，数字图像由像素表示。计算机视觉目标是将 2D 数据转换为新数据表示、决策目标、目标结果或信息提取。图像处理中常见问题有图像的模糊性（因透视影响导致视觉外观变化）、受自然因素（光照、天气、反射和运动等）影响、部分对象被遮挡（使被遮挡对象难以检测或分类）等。以人脸检测系统为例，需考虑光照、天气、头部运动、戴眼镜或太阳镜等对算法的影响，需使用大量测试图像验证算法，按测试图像困难程度分类以提高算法鲁棒性。

  • 图像处理流程 ：完整的图像处理程序通常分为读取图像（从相机、视频流、磁盘、在线资源等获取）、图像处理（应用图像处理技术实现功能，如检测图像中的猫）和显示结果（以人类可读方式呈现处理结果，如绘制边界框或保存到磁盘）三个步骤。其中，图像处理又可进一步分为低层处理（预处理，输入输出均为图像，如噪声消除、图像锐化等）、中层处理（提取预处理后图像的主要特征，输出某种图像表示）和高层处理（接受中层处理得到的图像特征并输出最终结果，如检测到的人脸）。

• 像素、颜色、通道、图像和颜色空间

  • 图像描述 ：图像可描述为 2D 函数 f(x,y)，其中 (x,y) 是空间坐标，f(x,y) 是图像在点 (x,y) 处的亮度或灰度或颜色值。当 f(x,y) 和 (x,y) 值都是有限离散量时，该图像为数字图像，此时 x∈0,h−1，h 为图像高度；y∈0,w−1，w 为图像宽度；f(x,y)∈0，L−1，对于 8 位灰度图像，L=256。彩色图像需定义三个函数分别表示红色、绿色和蓝色值，黑白图像仅需一个函数，f(x,y) 只能取两个值，通常 0 表示黑色、1 表示白色。

  • 图像文件类型 ：OpenCV 支持多种文件格式及扩展名，如 Windows bitmaps（*.bmp 和 *.dib）、JPEG files（*.JPEG、*.jpg 和 *.jpe）、JPEG 2000 files