地址|https://bbs./blogs/301327观前提醒,本篇文章涉及知识点巨大,建议先收藏,再慢慢学习。本篇文章目的将为你详细罗列 Python OpenCV 的学习路线与重要知识点。核心分成 24 个小节点,全部掌握,OpenCV 入门阶段就顺利通过了。
01
本部分要了解 OpenCV (Open Source Computer Vision Library)的相关简介,OpenCv 可以运行在多平台之上,轻量级而且高效,由一系列 C 函数和少量 C++类构成,提供了 Python、Ruby、MATLAB 等语言的接口,所以在学习的时候,要注意查阅资料的语言实现相关问题。这个阶段除了安装 OpenCV 相关库以外,建议收藏官方网址,官方手册,官方入门教程,这些都是最佳的学习资料。模块安装完毕,需要重点测试 OpenCV 是否安装成功,可通过 Python 查询安装版本。02
先从全局上掌握 OpenCV 都由哪些模块组成。例如下面这些模块,你需要找到下述模块的应用场景与简介。core、imgproc、highgui、calib3d、features2d、contrib、flann、gpu、legacy、ml、objdetect、photo、stitching。整理每个模块的核心功能,并完成第一个 OpenCV 案例,读取显示图片。03
安装 OpenCV 之后,从图像获取开始进行学习,包含本地加载图片,相机获取图片,视频获取,创建图像等内容。只有先获取图像之后,才能对图像进行操作处理,信息提取,结果输出,图像显示,图像保存。对于一个图像而言,在 OpenCV 中进行读取展示的步骤如下,你可以将其代码进行对应。涉及需要学习的函数有 cv2.imread()、cv2.namedWindow()、cv2.imshow()、cv2.imwrite()、cv2.destroyWindow()、cv2.destroyAllWindows()、 cv2.imshow()、cv2.cvtColor()、cv2.imwrite()、cv2.waitKey()。04
第一个要重点学习 VideoCapture 类,该类常用的方法有:除了读取视频外,还需要掌握 Opencv 提供的 VideoWriter 类,用于保存视频文件。学习完相关知识之后,可以进行这样一个实验,将一个视频逐帧保存为图片。05
这部分要掌握的类有 Point 类、Rect 类、Size 类、Scalar 类,除此之外,在 Python 中用 numpy 对图像进行操作,所以 numpy 相关的知识点,建议提前学习,效果更佳。OpenCV 中常用的颜色空间有 BGR 颜色空间、HSV/HLS 颜色空间、Lab 颜色空间,这些都需要了解,优先掌握 BGR 颜色空间。06
掌握如下函数的用法,即可熟练的在 Opencv 中绘制图形。
07
第一个要掌握的函数是鼠标操作消息回调函数,cv2.setMouseCallback() ,滑动条涉及两个函数,分别是:cv2.createTrackbar() 和 cv2.getTrackbarPos()。掌握上述内容之后,可以实现两个案例,其一为鼠标在一张图片上拖动框选区域进行截图,其二是通过滑动条让视频倍速播放。08
了解图像像素矩阵,熟悉图片的像素构成,可以访问指定像素的像素值,并对其进行修改。通道分离函数 cv2.split(),通道合并函数 cv2.merge()。09
10
本部分属于 OpenCV 中的重点知识,第一个为感兴趣区域 ROI,第二个是 mask 掩膜(掩码)操作 。学习 ROI 部分时,还可以学习一下图像的深浅拷贝。
11
图像几何变换依旧是对基础函数的学习与理解,涉及内容如下:- 图像旋转 cv2.getRotationMatrix2D();
12
线性滤波:方框滤波、均值滤波、高斯滤波, 非线性滤波:中值滤波、双边滤波,- 双边滤波 cv2.bilateralFilter()。
13
图像阈值化是图像处理的重要基础部分,应用很广泛,可以根据灰度差异来分割图像不同部分,阈值化处理的图像一般为单通道图像(灰度图),核心要掌握的两个函数:- 自适应阈值:cv2.adaptiveThreshold()。
14
膨胀、腐蚀属于形态学的操作,是图像基于形状的一系列图像处理操作。 膨胀腐蚀是基于高亮部分(白色)操作的,膨胀是対高亮部分进行膨胀,类似“领域扩张”, 腐蚀是高亮部分被腐蚀,类似“领域被蚕食”。形态学其他操作,开运算、闭运算、顶帽、黑帽、形态学梯度 这些都是基于膨胀腐蚀基础之上,利用 cv2.morphologyEx() 函数进行操作。
15
边缘检测可以提取图像重要轮廓信息,减少图像内容,可用于分割图像、特征提取等操作。- 增强:可以将像素邻域强度变化凸显出来—梯度算子 ;
- Canny 算子,Canny 边缘检测函数 cv2.Canny();
- Sobel 算子,Sobel 边缘检测函数 cv2.Sobel();
- Scharr 算子,Scharr 边缘检测函数 cv2.Scahrr() ;
- Laplacian 算子,Laplacian 边缘检测函数 cv2.Laplacian()。
16
霍夫变换(Hough Transform)是图像处理中的一种特征提取技术,该过程在一个参数空间中,通过计算累计结果的局部最大值,得到一个符合该特定形状的集合,作为霍夫变换的结果。- 标准霍夫变换、多尺度霍夫变换 cv2.HoughLines() ;
- 累计概率霍夫变换 cv2.HoughLinesP() ;
- 霍夫圆变换 cv2.HoughCricles() 。
17
先掌握直方图相关概念,在掌握核心函数,最后通过 matplotlib 模块对直方图进行绘制。计算直方图用到的函数是 cv2.calcHist()。- 直方图均衡化 cv2.equalizeHist();
- 反向投影 cv2.calcBackProject()。
18
模板匹配是在一幅图像中寻找与另一幅模板图像最匹配(相似)部分的技术。- 模板匹配 cv2.matchTemplate();
19
核心要理解到在 OpenCV 中,查找轮廓就像在黑色背景中找白色物体。- 绘制轮廓 cv2.drawContours() 。
20
这部分内容比较重要,并且知识点比较多,核心内容与函数分别如下:- 寻找凸包 cv2.convexHull() 与 凸性检测 cv2.isContourConvex();
- 轮廓外接矩形 cv2.boundingRect();
- 轮廓最小外接矩形 cv2.minAreaRect();
- 轮廓最小外接圆 cv2.minEnclosingCircle();
- 逼近多边形曲线 cv2.approxPolyDP();
- 计算轮廓面积 cv2.contourArea();
- 计算点与轮廓的距离及位置关系 cv2.pointPolygonTest();
21 掌握分水岭算法的原理,掌握核心函数 cv2.watershed() 。可以扩展补充图像修补技术及相关函数 cv2.inpaint(),学习完毕可以尝试人像祛斑应用。
22
GrabCut & FloodFill 图像分割、角点检测这部分内容都需要一些图像专业背景知识,先掌握相关概念知识,在重点学习相关函数。- GrabCut 算法 cv2.grabCut();
- Harris 角点检测 cv2.cornerHarris();
- Shi-Tomasi 角点检测 cv2.goodFeaturesToTrack();
- 亚像素角点检测 cv2.cornerSubPix()。
23
特征点的检测和匹配是计算机视觉中非常重要的技术之一, 在物体识别、视觉跟踪、三维重建等领域都有很广泛的应用。- “FAST” FastFeatureDetector;
- “STAR” StarFeatureDetector;
- “SIFT” SIFT(nonfree module) Opencv3 移除,需调用 xfeature2d 库;
- “SURF” SURF(nonfree module) Opencv3 移除,需调用 xfeature2d 库;
- “ORB” ORB Opencv3 移除,需调用 xfeature2d 库;
- “GFTT” GoodFeaturesToTrackDetector;
- “HARRIS” (配合 Harris detector);
- “Dense” DenseFeatureDetector;
- “SimpleBlob” SimpleBlobDetector。
24
了解何为运动物体检测,OpenCV 中常用的运动物体检测方法有背景减法、帧差法、光流法,跟踪算法常用的有 meanShift, camShift,粒子滤波, 光流法 等。- meanShift 跟踪算法 cv2.meanShift();
- CamShift 跟踪算法 cv2.CamShift()。
- 人脸识别:从定位到的人脸区域区分出人的姓名或其它信息;
OpenCV 4详解教程,基于Python语言实现,剖析利用OpenCV 4进行图像处理的基本操作,配合项目实战,真实应用场景,附赠源代码、讲解视频及PPT。送书规则: 在本文下方留言,至本周日(12月26日晚22:00) 点赞最高的第1到5名,可获赠书一本! 免费图书等你来取!快快留言+点赞+转发, 你就有会免费获取本书!
|