1.OpenCV初識與安裝

本部分要了解OpenCV(OpenSourceComputerVisionLibrary)的相關(guān)簡介，OpenCv可以運行在多平臺之上，輕量級而且高效，由一系列C函數(shù)和少量C++類構(gòu)成，提供了Python、Ruby、MATLAB等語言的接口，所以在學習的時候，要注意查閱資料的語言實現(xiàn)相關(guān)問題。

這個階段除了安裝OpenCV相關(guān)庫以外，建議收藏官方網(wǎng)址，官方手冊，官方入門教程，這些都是最佳的學習資料。

模塊安裝完畢，需要重點測試OpenCV是否安裝成功，可通過Python查詢安裝版本。

2.OpenCV模塊簡介

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用場景與簡介。

core、imgproc、highgui、calib3d、features2d、contrib、flann、gpu、legacy、ml、objdetect、photo、stitching。

整理每個模塊的核心功能，并完成第一個OpenCV案例，讀取顯示圖片。

3.OpenCV圖像讀取，顯示，保存

安裝OpenCV之后，從圖像獲取開始進行學習，包含本地加載圖片，相機獲取圖片，視頻獲取，創(chuàng)建圖像等內(nèi)容。

只有先獲取圖像之后，才能對圖像進行操作處理，信息提取，結(jié)果輸出，圖像顯示，圖像保存。

對于一個圖像而言，在OpenCV中進行讀取展示的步驟如下，你可以將其代碼進行對應。

圖像讀取;

窗口創(chuàng)建;

圖像顯示;

圖像保存;

資源釋放。

涉及需要學習的函數(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

第一個要重點學習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。

學習完相關(guān)知識之后，可以進行這樣一個實驗，將一個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對圖像進行操作，所以numpy相關(guān)的知識點，建議提前學習，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與滑動條

第一個要掌握的函數(shù)是鼠標操作消息回調(diào)函數(shù)，cv2.setMouseCallback()，滑動條涉及兩個函數(shù)，分別是：cv2.createTrackbar()和cv2.getTrackbarPos()。

掌握上述內(nèi)容之后，可以實現(xiàn)兩個案例，其一為鼠標在一張圖片上拖動框選區(qū)域進行截圖，其二是通過滑動條讓視頻倍速播放。

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，可以訪問指定像素的像素值，并對其進行修改。

通道分離函數(shù)cv2.split()，通道合并函數(shù)cv2.merge()。

9.圖像邏輯運算

掌握圖像之間的計算，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中的重點知識，第一個為感興趣區(qū)域ROI，第二個是mask掩膜(掩碼)操作。

學習ROI部分時，還可以學習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基礎(chǔ)函數(shù)的學習與理解，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：方框濾波、均值濾波、高斯濾波，

非線性濾波：中值濾波、雙邊濾波，

方框濾波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閾值

圖像閾值化是圖像處理的重要基礎(chǔ)部分，應用很廣泛，可以根據(jù)灰度差異來分割圖像不同部分，閾值化處理的圖像一般為單通道圖像(灰度圖)，核心要掌握的兩個函數(shù)：

固定閾值：cv2.threshold();

自適應閾值：cv2.adaptiveThreshold()。

14.圖像膨脹腐蝕

膨脹、腐蝕屬于形態(tài)學的操作，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行膨脹，類似“領(lǐng)域擴張”，腐蝕是高亮部分被腐蝕，類似“領(lǐng)域被蠶食”。

膨脹腐蝕的應用和功能：

消除噪聲;

分割獨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)學其他操作，開運算、閉運算、頂帽、黑帽、形態(tài)學梯度這些都是基于膨脹腐蝕基礎(chǔ)之上，利用cv2.morphologyEx()函數(shù)進行操作。

15.邊緣檢測

邊緣檢測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。

邊緣檢測的一般步驟：

濾波：濾出噪聲対檢測邊緣的影響;

增強：可以將像素鄰域強度變化凸顯出來—梯度算子;

檢測：閾值方法確定邊緣;

常用邊緣檢測算子：

Canny算子，Canny邊緣檢測函數(shù)cv2.Canny();

Sobel算子，Sobel邊緣檢測函數(shù)cv2.Sobel();

Scharr算子，Scharr邊緣檢測函數(shù)cv2.Scahrr();

Laplacian算子，Laplacian邊緣檢測函數(shù)cv2.Laplacian()。

16.霍夫變換

霍夫變換(HoughTransform)是圖像處理中的一種特征提取技術(shù)，該過程在一個參數(shù)空間中，通過計算累計結(jié)果的局部最大值，得到一個符合該特定形狀的集合，作為霍夫變換的結(jié)果。

本部分要學習的函數(shù)：

標準霍夫變換、多尺度霍夫變換cv2.HoughLines();

累計概率霍夫變換cv2.HoughLinesP();

霍夫圓變換cv2.HoughCricles()。

17.圖像直方圖計算及繪制

先掌握直方圖相關(guān)概念，在掌握核心函數(shù)，最后通過matplotlib模塊對直方圖進行繪制。計算直方圖用到的函數(shù)是cv2.calcHist()。

直方圖相關(guān)應用：

直方圖均衡化cv2.equalizeHist();

直方圖對比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()。

最后應該掌握針對每個輪廓進行操作。

20.輪廓特征屬性及應用

這部分內(nèi)容比較重要，并且知識點比較多，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();

計算輪廓面積cv2.contourArea();

計算輪廓長度cv2.arcLength();

計算點與輪廓的距離及位置關(guān)系cv2.pointPolygonTest();

形狀匹配cv2.matchShapes()。

21.高級部分-分水嶺算法及圖像修補

掌握分水嶺算法的原理，掌握核心函數(shù)cv2.watershed()。

可以擴展補充圖像修補技術(shù)及相關(guān)函數(shù)cv2.inpaint()，學習完畢可以嘗試人像祛斑應用。

22.GrabCut&FloodFill圖像分割、角點檢測

這部分內(nèi)容都需要一些圖像專業(yè)背景知識，先掌握相關(guān)概念知識，在重點學習相關(guān)函數(shù)。

GrabCut算法cv2.grabCut();

漫水填充算法cv2.floodFill();

Harris角點檢測cv2.cornerHarris();

Shi-Tomasi角點檢測cv2.goodFeaturesToTrack();

亞像素角點檢測cv2.cornerSubPix()。

23.特征檢測與匹配

特征點的檢測和匹配是計算機視覺中非常重要的技術(shù)之一,在物體識別、視覺跟蹤、三維重建等領(lǐng)域都有很廣泛的應用。

OpenCV提供了如下特征檢測方法：

“FAST”FastFeatureDetector;

“STAR”StarFeatureDetector;

“SIFT”SIFT(nonfreemodule)Opencv3移除，需調(diào)用xfeature2d庫;

“SURF”SURF(nonfreemodule)Opencv3移除，需調(diào)用xfeature2d庫;

“ORB”O(jiān)RBOpencv3移除，需調(diào)用xfeature2d庫;

“MSER”MSER;

“GFTT”GoodFeaturesToTrackDetector;

“HARRIS”(配合Harrisdetector);

“Dense”DenseFeatureDetector;

“SimpleBlob”SimpleBlobDetector。

24.OpenCV應用部分之運動物體跟蹤與人臉識別

了解何為運動物體檢測，OpenCV中常用的運動物體檢測方法有背景減法、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()。

如果學習人臉識別，涉及的知識點為：

人臉檢測：從圖像中找出人臉位置并標識;

人臉識別：從定位到的人臉區(qū)域區(qū)分出人的姓名或其它信息;

機器學習。

以上內(nèi)容為大家介紹了PythonOpenCV的知識體系，希望對大家有所幫助，如果想要了解更多Python相關(guān)知識，請關(guān)注IT培訓機構(gòu):千鋒教育。http://www.parentadvocate.org/