本部分要了解 OpenCV （Open Source Computer Vision Library）的相關(guān)簡介，OpenCv 可以運(yùn)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(xué)習(xí)的時候，要注意查閱資料的語言實(shí)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(xué)習(xí)資料。
模塊安裝完畢，需要重點(diǎn)測試 OpenCV 是否安裝成功，可通過 Python 查詢安裝版本。
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(yīng)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。
安裝 OpenCV 之后，從圖像獲取開始進(jìn)行學(xué)習(xí)，包含本地加載圖片，相機(jī)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(jìn)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(jìn)行讀取展示的步驟如下，你可以將其代碼進(jìn)行對應(yīng)。
1.圖像讀取；
2.窗口創(chuàng)建；
3.圖像顯示；
4.圖像保存；
5.資源釋放。
涉及需要學(xué)習(xí)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()。
第一個要重點(diǎn)學(xué)習(xí) VideoCapture 類，該類常用的方法有：
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(xué)習(xí)完相關(guān)知識之后，可以進(jìn)行這樣一個實(shí)驗(yàn)，將一個視頻逐幀保存為圖片。
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(jìn)行操作，所以 numpy 相關(guān)的知識點(diǎn)，建議提前學(xué)習(xí)，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。
掌握如下函數(shù)的用法，即可熟練的在 Opencv 中繪制圖形。
第一個要掌握的函數(shù)是鼠標(biāo)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(shí)現(xiàn)兩個案例，其一為鼠標(biāo)在一張圖片上拖動框選區(qū)域進(jìn)行截圖，其二是通過滑動條讓視頻倍速播放。
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(jìn)行修改。
通道分離函數(shù) cv2.split()，通道合并函數(shù) cv2.merge()。
掌握圖像之間的計(jì)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。
本部分屬于 OpenCV 中的重點(diǎn)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(xué)習(xí) ROI 部分時，還可以學(xué)習(xí)一下圖像的深淺拷貝。
圖像幾何變換依舊是對基礎(chǔ)函數(shù)的學(xué)習(xí)與理解，涉及內(nèi)容如下：
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?yàn)V波、均值濾波、高斯濾波，
非線性濾波：中值濾波、雙邊濾波，
圖像閾值化是圖像處理的重要基礎(chǔ)部分，應(yīng)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)：
膨脹、腐蝕屬于形態(tài)學(xué)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(jìn)行膨脹，類似“領(lǐng)域擴(kuò)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(yīng)用和功能：
核心需要掌握的函數(shù)如下：
形態(tài)學(xué)其他操作，開運(yùn)算、閉運(yùn)算、頂帽、黑帽、形態(tài)學(xué)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(jìn)行操作。
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：
常用邊緣檢測算子：
霍夫變換（Hough Transform）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(jì)算累計(jì)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(xué)習(xí)的函數(shù)：
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(jìn)行繪制。計(jì)算直方圖用到的函數(shù)是 cv2.calcHist()。
直方圖相關(guān)應(yīng)用：
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：
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)：
最后應(yīng)該掌握針對每個輪廓進(jìn)行操作。
這部分內(nèi)容比較重要，并且知識點(diǎn)比較多，核心內(nèi)容與函數(shù)分別如下：
掌握分水嶺算法的原理，掌握核心函數(shù) cv2.watershed() 。
可以擴(kuò)展補(bǔ)充圖像修補(bǔ)技術(shù)及相關(guān)函數(shù) cv2.inpaint()，學(xué)習(xí)完畢可以嘗試人像祛斑應(yīng)用。
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(diǎn)學(xué)習(xí)相關(guān)函數(shù)。
特征點(diǎn)的檢測和匹配是計(jì)算機(jī)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(yīng)用。
OpenCV 提供了如下特征檢測方法：
了解何為運(yùn)動物體檢測，OpenCV 中常用的運(yùn)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。
如果學(xué)習(xí)人臉識別，涉及的知識點(diǎn)為：
以上就是一篇文章帶你順利通過Python OpenCV入門階段的詳細(xì)內(nèi)容，更多關(guān)于Python OpenCV的資料請關(guān)注腳本之家其它相關(guān)文章！
標(biāo)簽：銀川 湘西 安慶 呼倫貝爾 三亞 呼倫貝爾 烏魯木齊 葫蘆島
巨人網(wǎng)絡(luò)通訊聲明：本文標(biāo)題《一篇文章帶你順利通過Python OpenCV入門階段》，本文關(guān)鍵詞 一篇,文章,帶你,順利,通過,；如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問題，煩請?zhí)峁┫嚓P(guān)信息告之我們，我們將及時溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò)，涉及言論、版權(quán)與本站無關(guān)。
