实操教程｜手把手带你入门OpenCV

↑ 点击 蓝字  关注极市平台

作者丨小白

来源丨小白学视觉

编辑丨极市平台

极市导读

 

本文涵盖了使用OpenCV库的7个热门主题，给出了不同的图像处理任务的实现步骤和代码参考。 >>加入极市CV技术交流群，走在计算机视觉的最前沿

OpenCV

OpenCV是计算机视觉中最受欢迎的库，最初由intel使用C和C ++进行开发的，现在也可以在python中使用。该库是一个跨平台的开源库，是免费使用的。OpenCV库是一个高度优化的库，主要关注实时应用程序。

OpenCV库是2500多种优化算法的组合，可用于检测和识别不同的人脸，实时识别图像中的对象，使用视频和网络摄像头对不同的人类动作进行分类，跟踪摄像机的运动，跟踪运动对象（例如汽车，人等），实时计数对象，缝合图像来产生高分辨率图像，从图像数据库中查找相似的图像，从使用闪光灯拍摄的图像中消除红眼并提高图像质量，跟踪眼睛的运动，跟踪脸部等。

它拥有大约4.7万活跃用户社区，下载量超过1800万。谷歌，亚马逊，特斯拉，微软，本田等许多大公司都使用Open cv来改善他们的产品，它更是驱动了AI的发展。

先决条件

在开始编写代码之前，我们需要在设备上安装opencv。

如果你是ProIn编程专家，并且熟悉每个IDE，那么请使用Pycharm并从设置中的程序包管理器安装OpenCV-python。

如果你是初学者或中级程序员，或者只是想关注博客，那么我们将使用代码编辑器而不是IDE。

只需转到Visual Studio Code网站并根据你的操作系统下载最新版本即可。

• https://code.visualstudio.com/download

现在，我们将创建一个虚拟环境，并在其中安装opencv。打开终端，然后使用cd定位到桌面，使用mkdir 创建一个名为opencv的文件夹，然后运行以下命令。

python -m venv env

现在，使用 env\scripts\activate激活环境，你会在 C:\Users\username\Desktop\opencv之前看到小括号(env)出现。

现在，只需使用pip安装OpenCV。

pip install opencv-python

我们会在本文中涵盖7个主题:

1. 读，写和显示图像

2. 读取视频并与网络摄像头集成

3. 调整大小和裁剪图像

4. 基本的图像过滤器使用的函数

5. 绘制不同的形状

6. 在图像上书写文字

7. 检测并裁剪脸部

读，写和显示图像

要使用Opencv读取图像，我们有imread()函数; 要显示图像，有imshow()函数，而对于书写，我们有imwrite()函数。让我们看看它们的语法。

imread()：

img = cv2.imread\("PATH\_TO\_IMAGE.jpg/png"\)  
Example  
img = imread\("images/dog0.jpg"\)  

imshow():

cv2.imshow\("WINDOW NAME",IMG\_VAR\)  
Example  
imshow\("Dog Image",img\)  

imwrite():

cv2.imwrite\(FILENAME, IMAGE\)  
filename: A string representing the file name. The filename must include image format like .jpg, .png, etc.  
image: It is the image that is to be saved.  
Example  
cv2.imwrite\('images/img',img\)  

读取视频并与网络摄像头集成

读取视频文件与在OpenCV中读取图像文件非常相似，区别在于我们使用了cv2.videocapture。

句法

video = cv2.VideoCapture\("FILEPATH.mp4"\)  
Example  
video = cv2.VideoCapture\("video/dog/dog.mp4"\)  

视频是许多帧结合在一起的集合，每帧都是一幅图像。要使用OpenCV观看视频，我们只需要使用while循环显示视频的每一帧。

while True:  
   success , img = cap.read\(\)  
   cv2.imshow\("Video",img\)  
   if cv2.waitKey\(1\) \& 0xff\==ord\('q'\):##key 'q' will break the loop  
       break  

要与网络摄像头集成，我们需要传递网络摄像头的端口值而不是视频路径。如果你使用的是笔记本电脑，但没有连接任何外部网络摄像头，则只需传递参数0；如果你有外部网络摄像头，则传递参数1。

cap = cv2.VideoCapture\(0\)  
cap.set\(3,640\)  ## Frame width  
cap.set\(4,480\)  ## Frame Height  
cap.set\(10,100\) ## Brightness  
while True:  
   success, img = cap.read\(\)  
   cv2.imshow\("Video",img\)  
   if cv2.waitKey\(1\) \& 0xff == ord\('q'\):  
        break  

调整大小和裁剪图像

调整大小是更改图像形状的过程。在Opencv中，我们可以使用resize函数调整图像形状的大小。

句法

cv2.resize\(IMG,\(WIDTH,HEIGHT\)\)  
IMG: image which we want to resize  
WIDTH: new width of the resize image  
HEIGHT: new height of the resize image  
Example  
cv2.resize\(img,\(224,224\)\)  

要首先调整图像的大小，我们需要知道图像的形状。我们可以使用 shape来找到任何图像的形状，然后根据图像形状，可以增加或减小图像的大小。让我们看看示例。

import cv2  
img = cv2.imread\("images/img0.jpg"\) ##Choose any image  
print\(img.shape\)  
imgResize = cv2.resize\(img,\(224,224\)\) ##Decrease size  
imgResize2 = cv2.resize\(img,\(1024,1024\)\) ##Increase size  
cv2.imshow\("Image",img\)  
cv2.imshow\("Image Resize",imgResize\)  
cv2.imshow\("Image Increase size",imgResize2\)  
print\(imgResize.shape\)  
cv2.waitKey\(0\) 

如果你不想对宽度和高度进行硬编码，也可以使用形状，然后使用索引来增加宽度和高度。

import cv2  
img = cv2.imread\("images/img0.jpg"\) ##Choose any image  
print\(img.shape\)  
shape = img.shape  
imgResize = cv2.resize\(img,\(shape\[0\]//2,shape\[1\]//2\)\)##Decrease size  
imgResize2 = cv2.resize\(img,\(shape\[0\]\*2,shape\[1\]\*2\)\) ##Increase size  
cv2.imshow\("Image",img\)  
cv2.imshow\("Image Resize",imgResize\)  
cv2.imshow\("Image Increase size",imgResize2\)  
print\(imgResize.shape\)  
cv2.waitKey\(0\)  

裁剪图像

裁剪是获取图像的一部分过程。在OpenCV中，我们可以通过定义裁剪后的矩形坐标来执行裁剪。

句法

imgCropped = img\[y1:y2, x1:x2\]  
\(x1,y1\): top-left vertex  
\(x2,y2\): bottom-right vertex  
Example  
imgCropped = img\[0:100,200:200\]  

使用裁剪方法，让我们尝试从图像中获取蒙娜丽莎的脸。

import cv2  
img = cv2.imread\("images/img0.jpg"\)  
imgCropped = img\[50:250,120:330\]  
cv2.imshow\("Image cropped",imgCropped\)  
cv2.imshow\("Image",img\)  
cv2.waitKey\(0\)  

你也可以使用paint来找到（x1，y1），（x2，y2）的正确坐标。

右键单击图像并保存，尝试从图像中获取王卡。

提示：使用paint来找到正确的坐标，最后使用调整大小来增加裁剪图像的大小。

“在寻求解决方案之前，请尝试自己动手做。”

• 解决方案: https://gist.github.com/Abhayparashar31/9b01473431de765c0a73e81271233d91

基本的图像过滤器使用的函数

我们可以在图像上使用许多基本的滤镜操作，例如将图像转换为灰度图像，模糊图像等等。让我们一一看一下比较重要的操作。

将图像转为灰度图像

要将图像转换为灰度，我们可以使用一个函数 cvtColor，这里我们将 cv2.COLOR_BGR2GRAY作为参数传递。

imgGray = cv2.cvtColor\(IMG,cv2.CODE\)  
IMG: Original image  
CODE: Conversion code for Gray\(COLOR\_BGR2GRAY\)  
Example  
imgGray = cv2.cvtColor\(img,cv2.COLOR\_BGR2GRAY\)  

将图像转为HSV

要将图像转换为HSV，我们可以使用函数 cvtColor，这里我们将 cv2.COLOR_BGR2HSV作为参数传递。它主要用于对象跟踪。

imgGray = cv2.cvtColor\(IMG,cv2.CODE\)  
IMG: Original image  
CODE: Conversion code for Gray\(COLOR\_BGR2HSV\)  
Example  
imgHsv = cv2.cvtColor\(img,cv2.COLOR\_BGR2HSV\)  

图像模糊

模糊用于去除图像中的多余噪声，也称为平滑，这是对图像应用低通滤波器的过程。要在Opencv中使用模糊，我们有一个函数GaussianBlur。

imgBlur = cv2.GaussianBlur\(img,\(sigmaX,sigmaY\),kernalSize\)  
kernalsize − A Size object representing the size of the kernel.  
sigmaX − A variable representing the Gaussian kernel standard deviation in X direction.  
sigmaY - same as sigmaX  
Exmaple  
imgBlur = cv2.GaussianBlur\(img,\(3,3\),0\)  

边缘检测

在OpenCV中，我们使用Canny边缘检测器来检测图像中的边缘，也有不同的边缘检测器，但最著名的是Canny边缘检测器。Canny边缘检测器是一种边缘检测算子，它使用多阶段算法来检测图像中的大范围边缘，它由John F. Canny在1986年开发。

imgCanny = cv2.Canny\(img,threshold1,threshold2\)  
threshold1,threshold2:Different values of threshold different for every images  
Example  
imgCanny = cv2.Canny\(img,100,150\)  

膨胀

膨胀是用来增加图像中边缘的大小。首先，我们定义一个大小为奇数(5,5)的核矩阵，然后利用核函数对图像进行放大。我们对Canny边缘检测器的输出图像进行了放大处理。

kernel = np.ones\(\(5,5\),np.uint8\) ## DEFINING KERNEL OF 5x5  
imgDialation = cv2.dilate\(imgCanny,kernel,iterations=1\) ##DIALATION  

腐蚀

腐蚀是扩张的反面，它用于减小图像边缘的尺寸。首先，我们定义一个奇数（5,5）的核矩阵大小，然后使用核对图像执行腐蚀。我们对Canny边缘检测器的输出图像施加腐蚀。

kernel = np.ones\(\(5,5\),np.uint8\) ## DEFINING KERNEL OF 5x5  
imgDialation = cv2.erode\(imgCanny,kernel,iterations=1\) ##EROSION  

现在，在同一程序中将所有基础函数应用于Monalisa映像。

绘制不同的形状

我们可以使用OpenCV来绘制矩形，圆形，直线等不同的形状。

矩形：

要在图像上绘制矩形，我们使用矩形函数。在函数中，我们传递宽度，高度，X，Y，RGB中的颜色，厚度作为参数。

cv2.rectangle\(img,\(w,h\),\(x,y\),\(R,G,B\),THICKNESS\)  
w: width  
h: height  
x: distance from x axis  
y: distance from y axis  
R,G,B: color in RGB form \(255,255,0\)  
THICKNESS: thickness of rectangel\(integer\)  
Example  
cv2.rectangle\(img,\(100,300\),\(200,300\),\(255,0,255\),2\) 

圆：

要绘制一个圆，我们使用cv2.circle。我们传递x，y，半径大小，RGB形式的颜色，厚度作为参数。

cv2.circle\(img,\(x,y\),radius,\(R,G,B\),THICKNESS\)  
x: distance from x axis  
y: distance from y axis  
radius: size of radius\(integer\)  
R,G,B: color in RGB form \(255,255,0\)  
THICKNESS: thickness of rectangel\(integer\)  
Example  
cv2.circle\(img,\(200,130\),90,\(255,255,0\),2\)  

线：

要绘制一条线，我们使用cv2.line，使用起点（x1，y1），终点（x2，y2），RGB形式的颜色，厚度作为参数。

cv2.line\(img,\(x1,y1\),\(x2,y2\),\(R,G,B\),THICKNESS\)  
x1,y1: start point of line \(integer\)  
x2,y2: end point of line \(integer\)  
R,G,B: color in RGB form \(255,255,0\)  
THICKNESS: thickness of rectangel\(integer\)  
Example  
cv2.line\(img,\(110,260\),\(300,260\),\(0,255,0\),3\)

在图像上书写文字

在OpenCV中，我们有一个函数cv2.puttext, 可以在特定位置的图像上写文本。它以图像，文本，x，y，颜色，字体，字体比例，粗细为输入。

cv2.putText\(img,text,\(x,y\),FONT,FONT\_SCALE,\(R,G,B\),THICKNESS\)  
img: image to put text on  
text: text to put on image  
X: text distance from X axis  
Y: text distance from Y axis  
FONT: Type of FONT \(ALL FONT TYPES\)  
FONT\_SCALE: Scale of Font\(Integer\)  
R,G,B: color in RGB form \(255,255,0\)  
THICKNESS: thickness of rectangel\(integer\)  
Example  
cv2.putText\(img,"HELLO",\(120,250\),cv2.FONT\_HERSHEY\_COMPLEX,1,\(255,255,255\),2\)  

下载Monalisa图片。

任务：使用形状和文本为左侧图像中所示的Monalisa脸创建框架。

提示：首先是一个圆形，然后是矩形，然后根据圆形和矩形放置文本，最后根据文本放置一行。

• 解决方案   https://gist.github.com/Abhayparashar31/af36bf25ce61345266db4b54aba33be1

检测并裁剪脸部

在创建人脸识别系统时，人脸检测是非常有用的。在OpenCV中，我们提供了许多可用于不同目的的预训练haar级联分类器。在OpenCV GitHub上查看分类器的完整列表。

• https://github.com/opencv/opencv/tree/master/data/haarcascades

为了检测OpenCV中的人脸，我们使用了haarcascade_frontalface_default.xml分类器，它会返回我们图像的四个坐标（w，h，x，y），使用这些坐标，我们将在脸部上绘制一个矩形，然后使用相同的坐标来裁剪脸部。现在使用imwrite，我们将裁剪的图像保存在目录中。

import cv2  
# Load the cascade  
face\_cascade = cv2.CascadeClassifier\('haarcascade\_frontalface\_default.xml'\)  
# Read the input image  
img = cv2.imread\('images/img0.jpg'\)  
# Convert into grayscale  
gray = cv2.cvtColor\(img, cv2.COLOR\_BGR2GRAY\)  
# Detect faces  
faces = face\_cascade.detectMultiScale\(gray, 1.3, 4\)  
# Draw rectangle around the faces  
for \(x, y, w, h\) in faces:  
    cv2.rectangle\(img, \(x, y\), \(x+w, y+h\), \(255, 0, 0\), 2\)  
    # Cropping Face  
    crop\_face = img\[y:y + h, x:x + w\]  
    #Saving Cropped Face  
    cv2.imwrite\(str\(w\) + str\(h\) + '\_faces.jpg', crop\_face\)  
cv2.imshow\('img', img\)  
cv2.imshow\("imgcropped",crop\_face\)  
cv2.waitKey\(\)  

公众号后台回复“目标检测综述”获取目标检测（2001-2021）综述PDF～

△点击卡片关注极市平台，获取 最新CV干货

极市干货

最新数据集资源 ： 医学图像开源数据集汇总（二）

技术解读 ：一文打尽NMS技术的种种｜这是一篇对YOLOv7的详细解读和剖析

极视角动态： 青岛日报专访｜极视角陈振杰：创业的每一个决定都要经得起逻辑推演 ｜ 启动报名｜2022GCVC全球人工智能视觉产业与技术大会，7月22日青岛见！

“

点击阅读原文进入CV社区

收获更多技术干货