OpenCV 初体验

个人博客原文链接
个人掘金链接

本文简单地介绍计算机图形处理的一些基本概念，以及一些有趣的例子和对应的Open CV的代码操作。

顺便说一句，恭喜IG夺冠！

一、图片存储原理

1、颜色空间RGB

（1）RGB三通道彩色图

图片由三维矩阵叠加而成（[0,255]），通俗讲就是将三个分别只有R(red),G(green),B(blue)的矩阵叠加。

2、图像处理

（1）卷积/滤波

二、OpenCV基础

Open CV是一个开源的计算机视觉库，采用C/C++编写，提供Python、MATLAB以及其他语言的接口。

1、基本I/O操作

#-*- coding: utf-8 -*-
import cv2

# 打开图片
img = cv2.imread('lion.jpg')

# 显示图片
img = cv2.imshow('lion','lion.jpg')

# 保存图片
cv2.imwrite('lion2.jpg',img)

2、灰度、二值化处理

灰度化：在RGB模型中，如果R=G=B时，则彩色表示一种灰度颜色。

二值化：图像的二值化，就是将图像上的像素点的灰度值设置为0或255，整个图像呈现出明显的只有黑和白的视觉效果

#-*- coding: utf-8 -*-
import cv2  

# 读取图片
img = cv2.imread('wsc.jpeg')

# 灰度化处理、保存处理后文件
img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
cv2.imwrite('wsc-gray.jpg',img)

# 二值化处理、保存处理后文件
cv2.threshold(image, 550, 550, 0, image) 
cv2.imwrite('wsc-two-value.jpg',img)

图片处理前	灰度处理
图片处理前	二值处理

3、图片匹配

matchTemplate用于在图像中与模板图片比对，查找目标

cv2.matchTemplate(img,template,eval('cv2.TM_CCOEFF'))

关键参数

• TM_SQDIFF 平方差匹配法：该方法采用平方差来进行匹配；最好的匹配值为0；匹配越差，匹配值越大。

• TM_CCORR 相关匹配法：该方法采用乘法操作；数值越大表明匹配程度越好。

• TM_CCOEFF 相关系数匹配法：1表示完美的匹配；-1表示最差的匹配。

• TM_SQDIFF_NORMED 归一化平方差匹配法　　　　　　

• TM_CCORR_NORMED 归一化相关匹配法　　　　　　

• TM_CCOEFF_NORMED 归一化相关系数匹配法

三、有趣的例子

1、边缘检测

Canny边缘检测

代码

#-*- coding: utf-8 -*-
import cv2

# 读取图片
img = cv2.imread('wsc.jpeg')

# Canny边缘检测处理，并写入图片
cv2.imwrite('wsc1.jpeg',cv2.Canny(img,200,300))

图片处理前	图片处理后

2、人脸检测

haarcascade_frontalface_default.xml,该文件为人脸检测器（默认）文件，文件可在OpenCV的Github上下载。

#-*- coding: utf-8 -*-
import cv2

def detect(filename):

    face_cascade = cv2.CascadeClassifier('./data/haarcascades/haarcascade_frontalface_default.xml')

    # 读取图片
    img = cv2.imread(filename)

    # 图片灰度处理
    gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

    # 人脸检测,每次迭代图像压缩率、人脸矩形保留近邻数目最小值
    faces = face_cascade.detectMultiScale(gray,1.3,6)

    # x,y为左上角坐标，w,h表示人脸宽度和高度
    for(x,y,w,h) in faces:
        # 检测到人脸绘制成蓝色矩形
        img = cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)

    # 写入文件
    cv2.imwrite('/Users/fangzhijie/Pictures/ig1.jpeg',img)

filename = 'ig.jpeg'
detect(filename)

图片处理前

图片处理后

剩下的三位没有识别出来，待定位原因。

3、图像匹配

搜索模板图片

原图

代码

# -*- coding: utf-8 -*-

import cv2
import numpy as np
from matplotlib import pyplot as plt

# 读取图片
img = cv2.imread('ig.jpeg')
template = cv2.imread('wsc123.png')
# 对图片进行缩放，缩放到合适大小90*90
template = cv2.resize(template, (90, 90),interpolation=cv2.INTER_CUBIC)

# 进行图像匹配
res = cv2.matchTemplate(img,template,eval('cv2.TM_CCOEFF'))

# 记录模板的宽度和高度
w, h = template[:,:,0].shape[::-1]

# 王思聪边框的具体位置
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)

# 画出红框
top_left = max_loc
bottom_right = (top_left[0] + w, top_left[1] + h)
imgplt = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
cv2.rectangle(imgplt,top_left, bottom_right, 255, 2)

# 显示图片
plt.imshow(imgplt)
plt.title('Detected results'), plt.xticks([]), plt.yticks([])
plt.show()

结果

参考文档

《OpenCV 3计算机视觉》