用微信扫码二维码

分享至好友和朋友圈

入门教程、案例源码、学习资料、读者群

请访问：python666.cn

大家好，欢迎来到 Crossin的编程教室 ！

人工智能，一个已经被谈论了几十年的概念（最早是图灵在1950年提出）。如今这几年，相关技术的发展速度是越来越快。高大上如无人驾驶、智能安防、AI辅助诊断，接地气如刷脸支付、内容推荐、自动翻译等，众多领域借助人工智能的力量而进化。从百度搜索指数的变化，也能从一个侧面反映出关注度在不断上升。

而这其中，很多应用都涉及到“计算机视觉”这样一个细分领域。简单来说，就是将图像信息转化为计算机可以处理的数字信息，从而让计算机能“看得见”。这个信息不仅仅是二维的图片，也包括三维场景、视频序列等。基本上所有需要用到摄像头、图片、视频的应用场景，都离不开计算机视觉的支持。因此，这也是人工智能领域中比较热门的一个方向。

来自《2017年人工智能行业发展研究报告白皮书》- IT耳朵&IT桔子

而说到计算机视觉，就不能不提到OpenCV，它是一个历史悠久、功能丰富、社区活跃的开源视觉开发库。一方面，它提供了计算机视觉以及图像处理方面最常用最基础的功能支持，是开发的必备工具；另一方面，它在新版本中紧跟潮流，加入对新的算法、硬件的支持（v3.3 正式引入 DNN）。

OpenCV 基于 C++ 编写，但提供了 Python、Ruby、MATLAB 等多种语言接口。这对于习惯使用 Python 开发的人工智能从业者来说非常方便。之前的不少习题和开发案例中，我们都有用到过。今天我们再用几个常见的例子，演示下 OpenCV-Python 的强大功能。

安装：

OpenCV 的安装，不同平台不同版本会有一些差异。安装前需要装好numpy，强烈建议先安装好Anaconda，然后直接通过命令安装：

pip install opencv-python

如果你运气好，代码里运行import cv2没报错就是成功了。

但大多数时候可能不行。你可以考虑去这里下载安装文件：

https://www.lfd.uci.edu/~gohlke/pythonlibs/#opencv

然后通过命令从本地安装：

pip install opencv_python‑3.4.3‑cp37‑cp37m‑win_amd64.whl

这里下载的安装文件版本号务必要和你本机的Python 版本和位数相对应。

如果安装时还有其他问题，可在网上直接搜索报错，通常都会有解决方案，这里不一一赘述。

基本的图像读写：

我们用图像处理的经典范例Lenna来做测试

可自行搜索这幅图像的来头

import cv2 as cv# 读图片img = cv.imread('img/Lenna.png')# 图片信息print('图片尺寸:', img.shape)print('图片数据:', type(img), img)# 显示图片cv.imshow('pic title', img)cv.waitKey(0)# 添加文字cv.putText(img, 'Learn Python with Crossin', (50, 150), cv.FONT_HERSHEY_SIMPLEX, 1, (255, 255, 255), 4)# 保存图片cv.imwrite('img/Lenna_new.png', img)

OpenCV-Python 中的图像数据使用了numpy 库的 ndarray 类型进行管理，便于进行各种数值计算和转换。

常见的图像处理：

import numpy as np# 灰度图img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)cv.imwrite('img/Lenna_gray.png', img_gray)# 二值化_, img_bin = cv.threshold(img_gray, 127, 255, cv.THRESH_BINARY)cv.imwrite('img/Lenna_bin.png', img_bin)# 平滑img_blur = cv.blur(img, (5, 5))cv.imwrite('img/Lenna_blur.png', img_blur)# 边缘提取_, contours, _ = cv.findContours(img_bin, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)img_cont = np.zeros(img_bin.shape, np.uint8)cv.drawContours(img_cont, contours, -1, 255, 3)cv.imwrite('img/Lenna_cont.png', img_cont)

这几种都属于数字图像处理的常用方法。OpenCV-Python 基本都封装好的接口，只需一两行代码就能完成，在实际项目开发中非常方便。

我们编程教室之前的“每周一坑”栏目里，和图像相关的题目基本都可以用 OpenCV-Python 来解决。

对这方面知识感兴趣的，可以找本数字图像处理的相关教材系统地看一遍，了解数字图像处理的基础。

除了基础功能，OpenCV 在代码附带的Samples里还提供了一些经典开发案例：

人脸检测

https://github.com/opencv/opencv/blob/master/samples/python/facedetect.py

使用方法

python facedetect.py

核心代码

cascade = cv.CascadeClassifier("haarcascade_frontalface_alt.xml")rects = cascade.detectMultiScale(img, scaleFactor=1.3, minNeighbors=4, minSize=(30, 30), flags=cv.CASCADE_SCALE_IMAGE)

此功能基于Haar 分类器实现，项目中附带有训练好的分类器文件。此外，你还可以使用 OpenCV 训练针对其他目标特征的分类器。

我们之前的开发案例 就使用了 OpenCV-Python 的人脸识别代码。获取代码请在公众号（Crossin的编程教室）里回复关键字圣诞帽

姿态识别

https://github.com/opencv/opencv/blob/master/samples/dnn/openpose.py

使用方法

python openpose.py --model pose.caffemodel --proto pose.prototxt --dataset MPI

核心代码

net = cv.dnn.readNetFromCaffe(args.proto, args.model)inp = cv.dnn.blobFromImage(frame, 1.0 / 255, (inWidth, inHeight), (0, 0, 0), swapRB=False, crop=False)net.setInput(inp)out = net.forward()

详情参见文章：获取代码请在公众号（Crossin的编程教室）里回复关键字姿态

风格迁移

https://github.com/opencv/opencv/blob/master/samples/dnn/fast_neural_style.py

使用方法

python fast_neural_style.py --model starry_night.t7

核心代码

net = cv.dnn.readNetFromTorch(args.model)net.setPreferableBackend(cv.dnn.DNN_BACKEND_OPENCV);inp = cv.dnn.blobFromImage(frame, 1.0, (inWidth, inHeight), (103.939, 116.779, 123.68), swapRB=False, crop=False)net.setInput(inp)out = net.forward()

详情参见文章：获取代码请在公众号（Crossin的编程教室）里回复关键字名画

以上便是 OpenCV-Python 的一些简单应用。OpenCV 官方 Samples 代码里还有很多有趣的例子（地址：https://github.com/opencv/opencv ）更强大的功能也有待你在开发中逐步体会。

希望这篇管中窥豹的文章可以让各位对 OpenCV 和计算机视觉有一个初步的了解和直观的认识，进而共同参与到人工智能这场技术浪潮中来。

感谢转发和点赞的各位~

如需了解付费精品课程及教学答疑服务

请在Crossin的编程教室内回复:666

特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.