恒源云(GPUSHARE)_opencv(論文筆記)

文章來(lái)源 | 恒源云社區(qū)

原文地址 | opencv

原文作者 | instter

不逛不知道，一逛有驚喜！哈哈哈哈哈，隨手一翻，就看見(jiàn)一位版主在社區(qū)發(fā)的新論文筆記，開(kāi)屏就是顏值暴擊啊啊啊，就沖著這份暴擊，我也得不辭辛苦的搬運(yùn)出來(lái)給大家伙瞅一瞅，接下來(lái)，和小編一起欣賞精彩內(nèi)容吧！

正文開(kāi)始

一、opencv簡(jiǎn)介

1 圖像的起源

1.1 圖像是什么

圖像是人類(lèi)視覺(jué)的基礎(chǔ)，是自然景物的客觀(guān)反映，是人類(lèi)認(rèn)識(shí)世界和人類(lèi)本身的重要源泉?！皥D”是物體反射或透射光的分布，“像“是人的視覺(jué)系統(tǒng)所接受的圖在人腦中所形版的印象或認(rèn)識(shí)，照片、繪畫(huà)、剪貼畫(huà)、地圖、書(shū)法作品、手寫(xiě)漢學(xué)、傳真、衛(wèi)星云圖、影視畫(huà)面、X光片、腦電圖、心電圖等都是圖像。—姚敏. 數(shù)字圖像處理：機(jī)械工業(yè)出版社，2014年。

1.2 模擬圖像和數(shù)字圖像
圖像起源于1826年前后法國(guó)科學(xué)家Joseph Nicéphore Niépce發(fā)明的第一張可永久保存的照片，屬于模擬圖像。==模擬圖像又稱(chēng)連續(xù)圖像==，它通過(guò)某種物理量（如光、電等）的強(qiáng)弱變化來(lái)記錄圖像亮度信息，所以是連續(xù)變換的。模擬信號(hào)的特點(diǎn)是容易受干擾，如今已經(jīng)基本全面被數(shù)字圖像替代。

在第一次世界大戰(zhàn)后，1921年美國(guó)科學(xué)家發(fā)明了Bartlane System，并從倫敦傳到紐約傳輸了第一幅數(shù)字圖像，==其亮度用離散數(shù)值表示==，將圖片編碼成5個(gè)灰度級(jí)，如下圖所示，通過(guò)海底電纜進(jìn)行傳輸。在發(fā)送端圖片被編碼并使用打孔帶記錄，通過(guò)系統(tǒng)傳輸后在接收方使用特殊的打印機(jī)恢復(fù)成圖像。

1950年左右，計(jì)算機(jī)被發(fā)明，數(shù)字圖像處理學(xué)科正式誕生。

模擬圖像和數(shù)字圖像的對(duì)比，我們可以看一下：

2 數(shù)字圖像的表示

2.1 位數(shù)
計(jì)算機(jī)采用0/1編碼的系統(tǒng)，數(shù)字圖像也是利用0/1來(lái)記錄信息，我們平常接觸的圖像都是8位數(shù)圖像，包含0～255灰度，其中0，代表最黑，1，表示最白。

人眼對(duì)灰度更敏感一些，在16位到32位之間。

2.2 圖像的分類(lèi)
二值圖像：
一幅二值圖像的二維矩陣僅由0、1兩個(gè)值構(gòu)成，“0”代表黑色，“1”代白色。由于每一像素（矩陣中每一元素）取值僅有0、1兩種可能，所以計(jì)算機(jī)中二值圖像的數(shù)據(jù)類(lèi)型通常為1個(gè)二進(jìn)制位。二值圖像通常用于文字、線(xiàn)條圖的掃描識(shí)別（OCR）和掩膜圖像的存儲(chǔ)。

灰度圖：
每個(gè)像素只有一個(gè)采樣顏色的圖像，這類(lèi)圖像通常顯示為從最暗黑色到最亮的白色的灰度，盡管理論上這個(gè)采樣可以任何顏色的不同深淺，甚至可以是不同亮度上的不同顏色?；叶葓D像與黑白圖像不同，在計(jì)算機(jī)圖像領(lǐng)域中黑白圖像只有黑色與白色兩種顏色；但是，灰度圖像在黑色與白色之間還有許多級(jí)的顏色深度。灰度圖像經(jīng)常是在單個(gè)電磁波頻譜如可見(jiàn)光內(nèi)測(cè)量每個(gè)像素的亮度得到的，用于顯示的灰度圖像通常用每個(gè)采樣像素8位的非線(xiàn)性尺度來(lái)保存，這樣可以有256級(jí)灰度（如果用16位，則有65536級(jí)）。

彩色圖：
每個(gè)像素通常是由紅（R）、綠（G）、藍(lán)（B）三個(gè)分量來(lái)表示的，分量介于（0，255）。RGB圖像與索引圖像一樣都可以用來(lái)表示彩色圖像。與索引圖像一樣，它分別用紅（R）、綠（G）、藍(lán)（B）三原色的組合來(lái)表示每個(gè)像素的顏色。但與索引圖像不同的是，RGB圖像每一個(gè)像素的顏色值（由RGB三原色表示）直接存放在圖像矩陣中，由于每一像素的顏色需由R、G、B三個(gè)分量來(lái)表示，M、N分別表示圖像的行列數(shù)，三個(gè)M x N的二維矩陣分別表示各個(gè)像素的R、G、B三個(gè)顏色分量。RGB圖像的數(shù)據(jù)類(lèi)型一般為8位無(wú)符號(hào)整形，通常用于表示和存放真彩色圖像。

3 OPENCV-PYTHON

OpenCV-Python是一個(gè)Python綁定庫(kù)，旨在解決計(jì)算機(jī)視覺(jué)問(wèn)題。

Python是一種由Guido van Rossum開(kāi)發(fā)的通用編程語(yǔ)言，它很快就變得非常流行，主要是因?yàn)樗暮?jiǎn)單性和代碼可讀性。它使程序員能夠用更少的代碼行表達(dá)思想，而不會(huì)降低可讀性。

與C / C++等語(yǔ)言相比，Python速度較慢。也就是說(shuō)，Python可以使用C / C++輕松擴(kuò)展，這使我們可以在C / C++中編寫(xiě)計(jì)算密集型代碼，并創(chuàng)建可用作Python模塊的Python包裝器。這給我們帶來(lái)了兩個(gè)好處：首先，代碼與原始C / C++代碼一樣快（因?yàn)樗窃诤笈_(tái)工作的實(shí)際C++代碼），其次，在Python中編寫(xiě)代碼比使用C / C++更容易。OpenCV-Python是原始OpenCV C++實(shí)現(xiàn)的Python包裝器。

OpenCV-Python使用Numpy，這是一個(gè)高度優(yōu)化的數(shù)據(jù)庫(kù)操作庫(kù)，具有MATLAB風(fēng)格的語(yǔ)法。所有OpenCV數(shù)組結(jié)構(gòu)都轉(zhuǎn)換為Numpy數(shù)組。這也使得與使用Numpy的其他庫(kù)（如SciPy和Matplotlib）集成更容易。

3.1 OpenCV部署方法
安裝OpenCV之前需要先安裝numpy, matplotlib。

創(chuàng)建Python虛擬環(huán)境cv, 在cv中安裝即可。

先安裝OpenCV-Python, 由于一些經(jīng)典的算法被申請(qǐng)了版權(quán)，新版本有很大的限制，所以選用3.4.3以下的版本

pip install opencv-python==3.4.2.17

現(xiàn)在可以測(cè)試下是否安裝成功，運(yùn)行以下代碼無(wú)報(bào)錯(cuò)則說(shuō)明安裝成功。

import cv2
# 讀一個(gè)圖片并進(jìn)行顯示(圖片路徑需自己指定)
lena=cv2.imread("1.jpg")
cv2.imshow("image",lena)
cv2.waitKey(0)

如果我們要利用SIFT和SURF等進(jìn)行特征提取時(shí)，還需要安裝：

pip install opencv-contrib-python==3.4.2.17

3.2 OPENCV的模塊
下圖列出了OpenCV中包含的各個(gè)模塊：

其中core、highgui、imgproc是最基礎(chǔ)的模塊，該課程主要是圍繞這幾個(gè)模塊展開(kāi)的，分別介紹如下：

  • core模塊實(shí)現(xiàn)了最核心的數(shù)據(jù)結(jié)構(gòu)及其基本運(yùn)算，如繪圖函數(shù)、數(shù)組操作相關(guān)函數(shù)等。
  • highgui模塊實(shí)現(xiàn)了視頻與圖像的讀取、顯示、存儲(chǔ)等接口。
  • imgproc模塊實(shí)現(xiàn)了圖像處理的基礎(chǔ)方法，包括圖像濾波、圖像的幾何變換、平滑、閾值分割、形態(tài)學(xué)處理、邊緣檢測(cè)、目標(biāo)檢測(cè)、運(yùn)動(dòng)分析和對(duì)象跟蹤等。

對(duì)于圖像處理其他更高層次的方向及應(yīng)用，OpenCV也有相關(guān)的模塊實(shí)現(xiàn)

  • features2d模塊用于提取圖像特征以及特征匹配，nonfree模塊實(shí)現(xiàn)了一些專(zhuān)利算法，如sift特征。
  • objdetect模塊實(shí)現(xiàn)了一些目標(biāo)檢測(cè)的功能，經(jīng)典的基于Haar、LBP特征的人臉檢測(cè)，基于HOG的行人、汽車(chē)等目標(biāo)檢測(cè)，分類(lèi)器使用Cascade Classification（級(jí)聯(lián)分類(lèi)）和Latent SVM等。
  • stitching模塊實(shí)現(xiàn)了圖像拼接功能。
  • FLANN模塊（Fast Library for Approximate Nearest Neighbors），包含快速近似最近鄰搜索FLANN 和聚類(lèi)Clustering算法。
  • ml模塊機(jī)器學(xué)習(xí)模塊（SVM，決策樹(shù)，Boosting等等）。
  • photo模塊包含圖像修復(fù)和圖像去噪兩部分。
  • video模塊針對(duì)視頻處理，如背景分離，前景檢測(cè)、對(duì)象跟蹤等。
  • calib3d模塊即Calibration（校準(zhǔn)）3D，這個(gè)模塊主要是相機(jī)校準(zhǔn)和三維重建相關(guān)的內(nèi)容。包含了基本的多視角幾何算法，單個(gè)立體攝像頭標(biāo)定，物體姿態(tài)估計(jì)，立體相似性算法，3D信息的重建等等。
  • G-API模塊包含超高效的圖像處理pipeline引擎

二、opencv基本操作

1 圖像的IO操作

這里我們會(huì)給大家介紹如何讀取圖像，如何顯示圖像和如何保存圖像。

1.1 讀取圖像
API

cv.imread()

參數(shù)：

  • 要讀取的圖像

  • 讀取方式的標(biāo)志
    1??cv.IMREADCOLOR：以彩色模式加載圖像，任何圖像的透明度都將被忽略。這是默認(rèn)參數(shù)。
    2??cv.IMREAD    GRAYSCALE：以灰度模式加載圖像
    3?? cv.IMREAD_UNCHANGED：包括alpha通道的加載圖像模式。
    可以使用1、0或者-1來(lái)替代上面三個(gè)標(biāo)志

  • 參考代碼

import numpy as np
import cv2 as cv
# 以灰度圖的形式讀取圖像
img = cv.imread('messi5.jpg',0)

1.2顯示圖像
API

cv.imshow()

參數(shù)：

  • 顯示圖像的窗口名稱(chēng)，以字符串類(lèi)型表示

  • 要加載的圖像
    注意：在調(diào)用顯示圖像的API后，要調(diào)用cv.waitKey()給圖像繪制留下時(shí)間，否則窗口會(huì)出現(xiàn)無(wú)響應(yīng)情況，并且圖像無(wú)法顯示出來(lái)。
    另外我們也可使用matplotlib對(duì)圖像進(jìn)行展示。

  • 參考代碼

# opencv中顯示
cv.imshow('image',img)
cv.waitKey(0)
# matplotlib中展示
plt.imshow(img[:,:,::-1])

1.3 保存圖像
API

cv.imwrite()

參數(shù)：

  • 文件名，要保存在哪里
  • 要保存的圖像

參考代碼：

cv.imwrite('messigray.png',img)

1.4 總結(jié)
我們通過(guò)加載灰度圖像，顯示圖像，如果按’s’并退出則保存圖像，或者按ESC鍵直接退出而不保存。

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt
# 1 讀取圖像
img = cv.imread('messi5.jpg',0)
# 2 顯示圖像
# 2.1 利用opencv展示圖像
cv.imshow('image',img)
# 2.2 在matplotplotlib中展示圖像
plt.imshow(img[:,:,::-1])
plt.title('匹配結(jié)果'), plt.xticks([]), plt.yticks([])
plt.show()
k = cv.waitKey(0)
# 3 保存圖像
cv.imwrite('messigray.png',img)

2 繪制幾何圖形

2.1 繪制直線(xiàn)

cv.line(img,start,end,color,thickness)

參數(shù)：

  • 列img:要繪制直線(xiàn)的圖像
  • 列Start,end: 直線(xiàn)的起點(diǎn)和終點(diǎn)
  • 列color: 線(xiàn)條的顏色
  • 列Thickness: 線(xiàn)條寬度

2.2 繪制圓形

cv.circle(img,centerpoint, r, color, thickness)

參數(shù)：

  • img:要繪制圓形的圖像
  • Centerpoint, r: 圓心和半徑
  • color: 線(xiàn)條的顏色
  • Thickness: 線(xiàn)條寬度，為-1時(shí)生成閉合圖案并填充顏色

2.3 繪制矩形

cv.rectangle(img,leftupper,rightdown,color,thickness)

參數(shù)：

  • img:要繪制矩形的圖像
  • Leftupper, rightdown: 矩形的左上角和右下角坐標(biāo)
  • color: 線(xiàn)條的顏色
  • Thickness: 線(xiàn)條寬度

2.4 向圖像中添加文字

cv.putText(img,text,station, font, fontsize,color,thickness,cv.LINE_AA)

參數(shù)：

  • img: 圖像
  • text：要寫(xiě)入的文本數(shù)據(jù)
  • station：文本的放置位置
  • font：字體
  • Fontsize :字體大小

2.5 效果展示
我們生成一個(gè)全黑的圖像，然后在里面繪制圖像并添加文字

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt
# 1 創(chuàng)建一個(gè)空白的圖像
img = np.zeros((512,512,3), np.uint8)
# 2 繪制圖形
cv.line(img,(0,0),(511,511),(255,0,0),5)
cv.rectangle(img,(384,0),(510,128),(0,255,0),3)
cv.circle(img,(447,63), 63, (0,0,255), -1)
font = cv.FONT_HERSHEY_SIMPLEX
cv.putText(img,'OpenCV',(10,500), font, 4,(255,255,255),2,cv.LINE_AA)
# 3 圖像展示
plt.imshow(img[:,:,::-1])
plt.title('匹配結(jié)果'), plt.xticks([]), plt.yticks([])
plt.show()

結(jié)果：

3 獲取并修改圖像中的像素點(diǎn)

我們可以通過(guò)行和列的坐標(biāo)值獲取該像素點(diǎn)的像素值。對(duì)于BGR圖像，它返回一個(gè)藍(lán)，綠，紅值的數(shù)組。對(duì)于灰度圖像，僅返回相應(yīng)的強(qiáng)度值。使用相同的方法對(duì)像素值進(jìn)行修改。

import numpy as np
import cv2 as cv
img = cv.imread('messi5.jpg')
# 獲取某個(gè)像素點(diǎn)的值
px = img[100,100]
# 僅獲取藍(lán)色通道的強(qiáng)度值
blue = img[100,100,0]
# 修改某個(gè)位置的像素值
img[100,100] = [255,255,255]

4 獲取圖像的屬性

圖像屬性包括行數(shù)，列數(shù)和通道數(shù)，圖像數(shù)據(jù)類(lèi)型，像素?cái)?shù)等。

5 圖像通道的拆分與合并

有時(shí)需要在B，G，R通道圖像上單獨(dú)工作。在這種情況下，需要將BGR圖像分割為單個(gè)通道?；蛘咴谄渌闆r下，可能需要將這些單獨(dú)的通道合并到BGR圖像。你可以通過(guò)以下方式完成。

# 通道拆分
b,g,r = cv.split(img)
# 通道合并
img = cv.merge((b,g,r))

6 色彩空間的改變

OpenCV中有150多種顏色空間轉(zhuǎn)換方法。最廣泛使用的轉(zhuǎn)換方法有兩種，BGR<=>Gray和BGR<=>HSV。

cv.cvtColor(input_image，flag)

參數(shù)：

  • input_image: 進(jìn)行顏色空間轉(zhuǎn)換的圖像
  • flag: 轉(zhuǎn)換類(lèi)型
    1??cv.COLOR_BGR2GRAY : BGR<=>Gray
    2??cv.COLOR_BGR2HSV: BGR→HSV

三、算術(shù)操作

1.圖像的加法

你可以使用OpenCV的cv.add()函數(shù)把兩幅圖像相加，或者可以簡(jiǎn)單地通過(guò)numpy操作添加兩個(gè)圖像，如res = img1 + img2。兩個(gè)圖像應(yīng)該具有相同的大小和類(lèi)型，或者第二個(gè)圖像可以是標(biāo)量值。

注意：OpenCV加法和Numpy加法之間存在差異。OpenCV的加法是飽和操作，而Numpy添加是模運(yùn)算。

參考以下代碼：

>>> x = np.uint8([250])
>>> y = np.uint8([10])
>>> print( cv.add(x,y) ) # 250+10 = 260 => 255
[[255]]
>>> print( x+y )          # 250+10 = 260 % 256 = 4
[4]

這種差別在你對(duì)兩幅圖像進(jìn)行加法時(shí)會(huì)更加明顯。OpenCV 的結(jié)果會(huì)更好一點(diǎn)。所以我們盡量使用 OpenCV 中的函數(shù)。

我們將下面兩幅圖像：
import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt

# 1 讀取圖像
img1 = cv.imread("view.jpg")
img2 = cv.imread("rain.jpg")

# 2 加法操作
img3 = cv.add(img1,img2) # cv中的加法
img4 = img1+img2 # 直接相加

# 3 圖像顯示
fig,axes=plt.subplots(nrows=1,ncols=2,figsize=(10,8),dpi=100)
axes[0].imshow(img3[:,:,::-1])
axes[0].set_title("cv中的加法")
axes[1].imshow(img4[:,:,::-1])
axes[1].set_title("直接相加")
plt.show()

結(jié)果

2.圖像的混合

這其實(shí)也是加法，但是不同的是兩幅圖像的權(quán)重不同，這就會(huì)給人一種混合或者透明的感覺(jué)。圖像混合的計(jì)算公式如下：g(x) = (1-\alpha)f_0(x)+\alpha f_1(x)

通過(guò)修改 α 的值（0 → 1），可以實(shí)現(xiàn)非常炫酷的混合。

現(xiàn)在我們把兩幅圖混合在一起。第一幅圖的權(quán)重是0.7，第二幅圖的權(quán)重是0.3。函數(shù)cv2.addWeighted()可以按下面的公式對(duì)圖片進(jìn)行混合操作。dst=α?ing1+β?img2+γ

這里γ取為零。
參考以下代碼：

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt

# 1 讀取圖像
img1 = cv.imread("view.jpg")
img2 = cv.imread("rain.jpg")

# 2 圖像混合
img3 = cv.addWeighted(img1,0.7,img2,0.3,0)

# 3 圖像顯示
plt.figure(figsize=(8,8))
plt.imshow(img3[:,:,::-1])
plt.show()
最后編輯于 ：
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時(shí)請(qǐng)結(jié)合常識(shí)與多方信息審慎甄別。
平臺(tái)聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀(guān)點(diǎn)，簡(jiǎn)書(shū)系信息發(fā)布平臺(tái)，僅提供信息存儲(chǔ)服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容