如果你有興趣或計(jì)劃做與圖像或視頻相關(guān)的事情，你絕對(duì)應(yīng)該考慮使用計(jì)算機(jī)視覺(jué)。計(jì)算機(jī)視覺(jué) （CV） 是人工智能 （AI） 的一個(gè)分支，它使計(jì)算機(jī)能夠從圖像、視頻和其他視覺(jué)輸入中提取有意義的信息，并采取必要的行動(dòng)。例如自動(dòng)駕駛汽車、自動(dòng)交通管理、監(jiān)控、基于圖像的質(zhì)量檢查等等。

什么是 OpenCV？

OpenCV 是一個(gè)主要針對(duì)計(jì)算機(jī)視覺(jué)的庫(kù)。它擁有你在使用計(jì)算機(jī)視覺(jué) （CV） 時(shí)所需的所有工具。“Open”代表開源，“CV”代表計(jì)算機(jī)視覺(jué)。

我會(huì)學(xué)到什么？

本文包含使用 OpenCV 庫(kù)開始使用計(jì)算機(jī)視覺(jué)所需的全部?jī)?nèi)容。你會(huì)在計(jì)算機(jī)視覺(jué)方面感到更加自信和高效。

讀取和顯示圖像

首先讓我們了解如何讀取圖像并顯示它，這是CV的基礎(chǔ)知識(shí)。讀取圖像

import numpy as np

import cv2 as cv

import matplotlib．pyplot as plt

img＝cv2．imread（＇．．／input／images－for－computer－vision／tiger1．jpg＇）

＇img＇ 包含 numpy 數(shù)組形式的圖像。讓我們打印它的類型和形狀

print（type（img））

print（img．shape）

numpy 數(shù)組的形狀為 （667， 1200， 3），其中，

667 – 圖像高度，1200 – 圖像寬度，3 – 通道數(shù)，

在這種情況下，有 RGB 通道，所以我們有 3 個(gè)通道。原始圖像是 RGB 的形式，但 OpenCV 默認(rèn)將圖像讀取為 BGR，因此我們必須在顯示之前將其轉(zhuǎn)換回RGB。

顯示圖像：

＃ Converting image from BGR to RGB for displaying

img＿convert＝cv．cvtColor（img， cv．COLOR＿BGR2RGB）
plt．imshow（img＿convert）

在圖像上繪圖

我們可以繪制線條、形狀和文本圖像。

＃ Rectangle

color＝（240，150，240） ＃ Color of the rectangle

cv．rectangle（img， （100，100），（300，300），color，thickness＝10， lineType＝8） ＃＃ For filled rectangle， use thickness ＝ －1

＃＃ （100，100） are （x，y） coordinates for the top left point of the rectangle and （300， 300） are （x，y） coordinates for the bottom right point

＃ Circle

color＝（150，260，50）

cv．circle（img， （650，350），100， color，thickness＝10） ＃＃ For filled circle， use thickness ＝ －1

＃＃ （250， 250） are （x，y） coordinates for the center of the circle and 100 is the radius

＃ Text

color＝（50，200，100）

font＝cv．FONT＿HERSHEY＿SCRIPT＿COMPLEX

cv．putText（img， ＇Save Tigers＇，（200，150）， font， 5， color，thickness＝5， lineType＝20）

＃ Converting BGR to RGB

img＿convert＝cv．cvtColor（img， cv．COLOR＿BGR2RGB）

plt．imshow（img＿convert）

混合圖像

我們還可以使用 OpenCV 混合兩個(gè)或多個(gè)圖像。圖像只不過(guò)是數(shù)字，你可以對(duì)數(shù)字進(jìn)行加、減、乘、除運(yùn)算，從而得到圖像。需要注意的一件事是圖像的大小應(yīng)該相同。

＃ For plotting multiple images at once

def myplot（images，titles）：

   fig， axs＝plt．subplots（1，len（images），sharey＝True）

   fig．set＿figwidth（15）

   for img，ax，title in zip（images，axs，titles）：

       if img．shape［－1］＝＝3：

           img＝cv．cvtColor（img， cv．COLOR＿BGR2RGB） ＃ OpenCV reads images as BGR， so converting back them to RGB

       else：
                  img＝cv．cvtColor（img， cv．COLOR＿GRAY2BGR）

       ax．imshow（img）

       ax．set＿title（title）

img1 ＝ cv．imread（＇．．／input／images－for－computer－vision／tiger1．jpg＇）

img2 ＝ cv．imread（＇．．／input／images－for－computer－vision／horse．jpg＇）

＃ Resizing the img1

img1＿resize ＝ cv．resize（img1， （img2．shape［1］， img2．shape［0］））

＃ Adding， Subtracting， Multiplying and Dividing Images

img＿add ＝ cv．a(chǎn)dd（img1＿resize， img2）

img＿subtract ＝ cv．subtract（img1＿resize， img2）

img＿multiply ＝ cv．multiply（img1＿resize， img2）

img＿divide ＝ cv．divide（img1＿resize， img2）

＃ Blending Images

img＿blend ＝ cv．a(chǎn)ddWeighted（img1＿resize， 0．3， img2， 0．7， 0） ＃＃ 30％ tiger and 70％ horse

myplot（［img1＿resize， img2］， ［＇Tiger＇，＇Horse＇］）

myplot（［img＿add， img＿subtract， img＿multiply， img＿divide， img＿blend］， ［＇Addition＇， ＇Subtraction＇， ＇Multiplication＇， ＇Division＇， ＇Blending＇］）

乘法圖像幾乎為白色，分割圖像為黑色，這是因?yàn)榘咨�表�?55，黑色表示0。當(dāng)我們將圖像的兩個(gè)像素值相乘時(shí)，我們得到的數(shù)字更大，因此其顏色變?yōu)榘咨�或接近白色，與分割圖像相反。