OpenCV入门学习基础教程（从小白变大神）

　　Opencv是用于快速处理图像处理、计算机视觉问题的工具,支持多种语言进行开发如c++、python、java等,下面这篇文章主要给大家介绍了关于openCV入门学习基础教程的相关资料,需要的朋友可以参考下
　　【关注博主，持续分享编程干货~】 一、Canny边缘检测
　　该边缘检测法步骤如下：使用高斯滤波器，以平滑图像，滤除噪声。计算图像中每个像素点的梯度强度和方向。应用非极大值（Non-Maximum Suppression）抑制，以消除边缘检测带来的杂散响应。应用双阈值（Double-Threshold）检测来确定真实的和潜在的边缘。通过抑制孤立的弱边缘最终完成边缘检测。
　　高斯滤波
　　我们要进行边缘检测过程中肯定要进行梯度计算，计算梯度时那些噪音点也会影响梯度的变化，因此进行去噪。
　　梯度和方向
　　使用sobel算子，进行梯度大小和方向的计算。
　　非极大值抑制 NMS
　　算完梯度后，有些可能大点，有些可能小点，在一个核中，把一些小的梯度值抑制掉，只保留大的，即明显的。
　　如人脸识别，能够把脸框起来(有多个框框到脸了，只保留最好的。)
　　法1：
　　蓝线表示方向，dTmp1和dTmp2都是亚像素点，g1g2g3g4都是知道的，可求dTmp1和dTmp2。 在c比dTmp1和dTmp2都大的情况下，保留c，否则就被抑制掉了。
　　法2：
　　比如我们选择倾斜45°，就过了g1和g4了(上上图)，就不用插值了。当前方向离哪个角度近就用选择哪个。
　　右图中如果A比BC都大，那么A就保存下来了。
　　双阈值
　　对一些所有可能边界进行过滤，只保留最真实的。
　　A点大于maxVal 就是边界 如果有小于minVale的，那就省略掉。
　　他俩之间的B C分别进行讨论，如果c和边界是连着的，就保留。B没连着，舍弃。
　　v1=cv2.Canny(img,80,150)
　　80 150为下上阈值，一定范围内，下阈值越小，上阈值越小越容易被当作边缘。|   img=cv2.imread (＂./data/gd06.jpg＂,cv2.IMREAD _GRAYSCALE)|   v1=cv2.Canny(img,80,150)|   v2=cv2.Canny(img,50,100)|   res = np.hstack ((v1,v2))|   cv_show(＂res＂,res)
　　|   img =cv2.imread(＂./data/gd05.jpg ＂,cv2.IMREAD_GRAYSCALE )|   v1=cv2.Canny(img,120,250)|   v2=cv2.Canny(img,50,100)|   res = np.hstack ((v1,v2))|   cv_show(＂res＂,res)
　　二、 图像轮廓
　　上面说的是边缘，随便一个线段也能被检测成边缘。而轮廓是一个整体，正常是封闭的连在一起的。2.1 轮廓收集
　　cv2.findContours(img,mode,method)RETR_EXTERNAL ：只检索最外面的轮廓；RETR_LIST：检索所有的轮廓，并将其保存到一条链表当中；RETR_CCOMP：检索所有的轮廓，并将他们组织为两层：顶层是各部分的外部边界，第二层是空洞的边界;RETR_TREE：检索所有的轮廓，并重构嵌套轮廓的整个层次;(常用，推荐)
　　method:轮廓逼近方法CHAIN_APPROX_NONE：以Freeman链码的方式输出轮廓，所有其他方法输出多边形（顶点的序列）。CHAIN_APPROX_SIMPLE:压缩水平的、垂直的和斜的部分，也就是，函数只保留他们的终点部分。
　　上图就是两种method，一个是整个框，一个是点，都能起到定位作用。
　　为了更高的准确率，我们选择使用二值图像：|   img = cv2.imread(＂contours.png ＂)|   gray = cv2.cvtColor (img, cv2.COLOR_BGR2GRAY)|   ret, thresh  = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)# 127为分割阈值 ，超过的部分取255|   cv_show(＂thresh＂,thresh )
　　这里用到了cv2.threshold 是上一篇文章学的。
　　|   # contours 轮廓信息 hierarchy层级 |   contours, hierarchy = cv2.findContours (thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
　　其返回值有两个：轮廓的信息：比如上面5个图案，10个边缘(内边缘外边缘)，这10个边缘信息保存在了contours元组里。层级：hierarchy 暂时用不上，用到了再说。
　　2.2 轮廓绘制
　　res = cv2.drawContours(draw_img, contours, -1, (0, 0, 255), 2)
　　参数为：图像，轮廓，轮廓索引(-1默认所有)，颜色模式(BGR)，线条厚度(不宜太大)|   img = cv2.imread(＂contours.png ＂)|   gray = cv2.cvtColor (img, cv2.COLOR_BGR2GRAY)|   ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)# 127为分割阈值，超过的部分取255 |   |   # contours轮廓信息 hierarchy层级 |   contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)|   |   #传入 图像，轮廓，轮廓索引(-1默认所有 )，颜色模式(BGR)，线条厚度(不宜太大) |   # 注意需要copy ,不然原图会变…|   draw_img = img.copy()|    res  = cv2.drawContours(draw_img , contours, -1, (0, 0, 255), 2)|   cv_show(＂res＂,res)
　　仔细看它把10个(内外)轮廓都画出来了，这与我们传入的参数 -1 有关。
　　当然我们也可以选择其中某个：|   draw_img = img.copy ()|   # 三角的外轮廓 |   res = cv2.drawContours(draw_img, contours , 0, (0, 0, 255), 2)|   cv_show(＂res＂,res)
　　|   draw_img = img.copy()|   # 三角的内轮廓 |   res = cv2.drawContours(draw_img, contours, 1,  (0, 0, 255), 2)|   cv_show (＂res＂,res)
　　|   draw_img = img.copy()|   # 六边形外轮廓 |   res = cv2.drawContours(draw_img, contours, 2, (0, 0, 255), 2) |   cv_show(＂res＂,res)
　　2.3 轮廓特征
　　这里就介绍个周长和面积吧，后面用到别的再说。|   cnt = contours[0] # 第0个 轮廓 三角的外轮廓|   #周长 ，True表示轮廓是闭合 的|   cv2.arcLength(cnt,True) # 8500.5|    #面积 |   cv2.contourArea (cnt) # 437.9482651948929
　　2.4 轮廓近似
　　什么是轮廓近似呢，比如下图左侧图案很麻烦，我们可以把它近似看成右边的，就是轮廓近似。
　　这个的原理其实也很简单，我发挥我的绘画功能给你们展示一下：
　　把曲线AB近似成直线AB，至于要d= threshold)|   for pt in zip(*loc[::-1]): # *号表示可选参数|    bottom_right  = (pt[0] + w, pt[1] + h) |   cv2.rectangle(img_rgb, pt, bottom_right, (0, 0, 255), 2) |   cv2.imshow(＂img_rgb＂, img_rgb)|   cv2.waitKey (0)
　　匹配金币：
　　总结
　　【文章源于网络】
　　到此这篇关于openCV入门学习基础教程的文章就介绍到这了,更多相关openCV第三篇内容请关注博主以前的文章或继续浏览下面的相关文章希望大家以后多多支持！