什么是OpenCV-Python?

OpenCV是一个计算机视觉和机器学习的开源库。拥有2500+个优化算法——一套非常全面的既经典又最先进的计算机视觉和机器学习算法的集合，具备很多接口，包括Python，Java，C++和Matlab。

这次，让我们来攻克Python的接口：

目录

安装

import cv2
image = cv2.imread("./Path/To/Image.extension")
cv2.imshow("Image", image)
cv2.waitKey(0)
cv2.destroyAllWindows()

rgb_image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)

import cv2def viewImage(image, name_of_window):
    cv2.namedWindow(name_of_window, cv2.WINDOW_NORMAL)
    cv2.imshow(name_of_window, image)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

import cv2
cropped = image[10:500, 500:2000]
viewImage(cropped, "Doggo after cropping.")

import cv2
scale_percent = 20 # percent of original sizewidth = int(img.shape[1] * scale_percent / 100)
height = int(img.shape[0] * scale_percent / 100)
dim = (width, height)

resized = cv2.resize(img, dim, interpolation = cv2.INTER_AREA)

viewImage(resized, "After resizing with 20%")

旋转：Rotating

上方: 照片来自Pexels的Jonathan Meyer.

下方：旋转180度后的狗狗

import cv2
(h, w, d) = image.shape
center = (w // 2, h // 2)
M = cv2.getRotationMatrix2D(center, 180, 1.0)
rotated = cv2.warpAffine(image, M, (w, h))
viewImage(rotated, "Doggo after rotation by 180 degrees")

image.shape输出了图像的高度，宽度和通道数。M是旋转矩阵——根据图像中心旋转180度。-ve按照顺指针方向旋转图像 & +ve 则是按照逆时针方向旋转。

灰度和阈值（黑 & 白效果）

import cv2
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
ret, threshold_image = cv2.threshold(im, 127, 255, 0)
viewImage(gray_image, "Gray-scale doggo")
viewImage(threshold_image, "Black & White doggo")

gray_image是图像的灰度单通道版本。阈值函数将所有阴影变为比127更暗（更小）到0并且所有更亮（更大）到255。

另外一个例子：

ret, threshold = cv2.threshold(im, 150, 200, 10)

这将使所有阴影小于150到10并且全部大于200。

更多关于阈值函数，查阅这里。

                  左方: 灰度图像狗狗                                                                  右方: 黑白狗狗

模糊/平滑

上方: 图像来自Pixabay. 下方: 模糊的狗狗

import cv2
blurred = cv2.GaussianBlur(image, (51, 51), 0)
viewImage(blurred, "Blurred doggo")

GussianBlur函数接收3个参数：

• 第一个参数是你想要模糊的图像

• 第二个参数必须是两个正奇数的元组。当他们增加时，模糊效果会增加。

• 第三个参数是sigmaX和sigmaY。当保留为0时，他们将根据内核大小自动计算

更多的模糊函数，参看 这里。

上方: 图像来自Pexels. 下方: 狗狗脸上画了一个矩形框

import cv2
output = image.copy()
cv2.rectangle(output, (2600, 800), (4100, 2400), (0, 255, 255), 10)
viewImage(output, "Doggo with a rectangle on his face")

在图片上绘制线段

上方: 图像来自Pexels. 下方: 2只狗狗被一条直线分隔

import cv2
output = image.copy()
cv2.line(output, (60, 20), (400, 200), (0, 0, 255), 5)
viewImage(output, "2 Doggos separated by a line")

line函数需要传入5个参数：

• 第一个参数是你需要在上面绘制线段的图像。

• 第二个参数是直线的x1, y1坐标。

• 第三个参数是直线的x2 y2坐标。

• 第四个参数是线段的颜色（可以是GBR/也可以是RGB，这取决于你导入的图片的格式）。

• 第五个参数是线段的粗细。

在图片上输入文字

上方: 图像来自Pexels. 下方: 含有文字的图片

import cv2
output = image.copy()
cv2.putText(output, "We <3 Dogs", (1500, 3600),cv2.FONT_HERSHEY_SIMPLEX, 15, (30, 105, 210), 40) 
viewImage(output, "image with text")

人脸识别

来自于 Pixabay的免费图片

import cv2

image_path = "./Path/To/Photo.extension"face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

image = cv2.imread(image_path)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
faces = face_cascade.detectMultiScale(
    gray,
    scaleFactor= 1.1,
    minNeighbors= 5,
    minSize=(10, 10)
)

faces_detected = format(len(faces)) + " faces detected!"print(faces_detected)# Draw a rectangle around the facesfor (x, y, w, h) in faces:
    cv2.rectangle(image, (x, y), (x+w, y+h), (255, 255, 0), 2)
    
viewImage(image,faces_detected)

detectMultiScale函数是一个检测物体的通用函数。当我们把它用于人脸检测时，它就会从图像中检测出人脸。

detectMultiScale函数 包含四个参数 

• 第一个参数是灰度图

• 第二个参数是缩放比例。因为在我们的图片中，有些人脸由于更靠近照相机，导致他们看起来比后面的人脸更大些。缩放参数就是为了解决这种问题的。

• 检测算法使用了滑动窗口来检测目标物体。minNeighbors参数定义了当识别出一个人脸之前在当前物体周围需要检测的物体数目。

• 同时minSize参数给出了窗口的大小

• 在图片中检测出两张人脸

• 通过轮廓来检测物体

• 使用基于颜色的图片分段，我们可以实现物体的检测。cv2.findContours 和 cv2.drawContours  两个函数可以帮我们实现上述目标。

• 近期，我写了一篇非常详细的文章，文章的题目是使用python来实现基于颜色的图片分段的物体检测。如果你想了解关于轮廓的知识，您可以阅读这篇文章。

• 最后，保存图片

• import cv2
  image = cv2.imread("./Import/path.extension")
  cv2.imwrite("./Export/Path.extension", image)
  

最后总结

OpenCv是一个包含大量易于使用的算法的库，这些算法可用于3D建模、高级图像和视频编辑、跟踪视频中的识别对象、对在视频中执行特定操作的人进行分类、从图像集中查找类似图像等等。
归根结底，学习opencv对于那些想参与与图像相关的机器学习项目的人来说至关重要。

发起：王立鱼 校对：唐里 审核：咩咩咩鱼

参与翻译（2人）：linlh、肯恩•阿瑟

英文原文：OpenCV-Python Cheat Sheet: From Importing Images to Face Detection

一THE END一

免责声明：本文来自互联网新闻客户端自媒体，不代表本网的观点和立场。

合作及投稿邮箱：E-mail:editor@tusaishared.com