Python：OpenCV 教程

一个开源的计算机视觉和机器学习库。支持Python和C++语法，可用于图像和视频处理，库里含数百个优化算法，涵盖了计算机视觉和图像处理的多个方面。

• 图像处理：图像滤波、边缘检测、颜色空间转换、形态学操作、特征提取等。
• 视频分析：视频捕捉、运动分析、物体检测与追踪等。
• 机器学习与人工智能：OpenCV集成了深度学习框架，可以进行人脸识别、目标检测、图像分类等。
• 计算机视觉：图像匹配、物体识别、立体视觉、深度图计算等。

1.安装(Python3.x)

pip install opencv-python

如果需要额外的模块（例如 contrib 模块），可以安装 opencv-contrib-python：

pip install opencv-contrib-python

该版本包括更多模块和功能。

用OpenCV完成一次图像读写。对单张图片的操作包括读取、显示、保存。

#导入Opencv库
import cv2

#读取图片
image_path = "C:/PythonCode/test001.png"
img = cv2.imread(image_path)

#检查读取是否成功
if img is None:
    print("Error")
    exit()

#显示图偏
cv2.imshow("display Image",img)

#等待用户按键输入，0表示无限等待，直到用户按任意键
key = cv2.waitKey(0)

#执行按键，当按下s键保存，其他键不保存
if key == ord('s'):  # 如果按下 's' 键
    # 保存图像
    output_path = "C:/Users/罗翔/Downloads/saved_image.jpg"
    cv2.imwrite(output_path, img)
    print(f"图像已保存为 {output_path}")
else:  # 如果按下其他键
    print("图像未保存。")
#关闭窗口    
cv2.destroyAllWindows()

2.图像处理基础

可以把图像理解为二维数组，每个图像就是一个多维数组，每个元素对应图像中一个像素。图像的尺寸和颜色模式也可以通过数组的形状来表示。OpenCV通过Numpy数组表示图像数据。

图像基本属性：

• 尺寸（Width，Height）：通过img.shape获取。
• 颜色通道（Channels）：通常RGB三个通道，也有单通道灰度图。
• 数据类型（Data type）：常见有uint8（0-255），也可以是float32或其他。

另一些基本操作方法

3.图像形态学操作

图像形态学操作是图像处理中的一种重要技术，主要用于处理二值图像（即黑白图像）。

4. 图像边缘检测

图像边缘检测是计算机视觉和图像处理中的一项基本任务，它用于识别图像中亮度变化明显的区域，这些区域通常对应于物体的边界。

是 OpenCV 中常用的边缘检测函数及其说明:

5.图像轮廓检测

轮廓检测是图像处理中的重要任务，用于提取图像中物体的边界。

OpenCV 提供了强大的轮廓检测功能，可以用于物体识别、形状分析、目标跟踪等应用。以下是 OpenCV 图像轮廓检测的详细说明。

轮廓检测的基本概念

• 轮廓: 图像中物体的边界，由一系列点组成。

• 轮廓层次结构: 轮廓之间的嵌套关系，例如一个轮廓是否包含另一个轮廓。

• 轮廓特征: 轮廓的面积、周长、边界矩形、最小外接矩形、最小外接圆等。

轮廓检测常用函数

轮廓检测的应用

• 物体识别: 通过轮廓检测可以识别图像中的物体，例如检测圆形、矩形等。
• 形状分析: 通过计算轮廓的特征（如面积、周长、边界矩形等），可以分析物体的形状。
• 目标跟踪: 在视频中，可以通过轮廓检测跟踪运动的目标。
• 图像分割: 通过轮廓检测可以将图像中的物体分割出来。

OpenCV 提供了强大的轮廓检测功能，可以用于提取图像中物体的边界，并计算轮廓的特征。

以下是轮廓检测的主要步骤和函数：