OpenCV 机器视觉入门精选 100 题（附 Python 代码） / 四六文摘

重磅干货，第一时间送达

如今深度学习的快速发展给计算机视觉注入了前所未有的新活力！其中在计算机图形学和计算机视觉里面最流行的一个库就是 OpenCV。OpenCV 在自动驾驶和仿生机器人当中的应用非常广泛。

而在 2018 年 11 月份，OpenCV 通过 GITHUB 正式发布了 OpenCV 又一个重要里程碑版本 OpenCV 4.0。

今天给大家推荐一个干货满满的 GitHub 项目。该项目包含了 CV 领域，OpenCV 图像处理入门 100 题实例解析，并配备完整的 Pyhon 代码。

项目地址：

https://github.com/yoyoyo-yo/Gasyori100knock

极简安装：

作者推荐了 OpenCV 的极简安装方法：

1. 安装 MiniConda

地址：https://conda.io/miniconda.html

2. 创建虚拟环境并激活

$ conda create python = 3.6  -  n gasyori 100

$ source actiavte gasyori 100

3. 安装包

$ pip install -r requirement.txt

其中，requirement.txt 文件在项目根目录下，下载至命令行所在目录直接运行上述命令即可。

100 题实例：

作者写的 OpenCV 100 题按照从简单到复杂逐一解析，非常适合我们的学习路径。

例如 Q1-10：

我们首先来看一个简单的例子。

Q1. 读取图像并按 BGR 顺序更改 RGB

import cv2
# Read image

img = cv2.imread('imori.jpg')

b = img[:, :, 0].copy()

g = img[:, :, 1].copy()

r = img[:, :, 2].copy()
# RGB > BGR

img[:, :, 0] = r

img[:, :, 1] = g

img[:, :, 2] = b

# Save result cv2.imwrite('out.jpg', img) cv2.imshow('result', img) cv2.waitKey(0) cv2.destroyAllWindows()

例如 Q41-50：

我们来看一个稍微复杂的例子。

Q41. Canny边缘检测（步骤1）边缘强度

import cv2import numpy as npimport matplotlib.pyplot as plt

# Read imageimg = cv2.imread('imori.jpg').astype(np.float32)H, W, C = img.shape

# Graygray = 0.2126 * img[..., 2] + 0.7152 * img[..., 1] + 0.0722 * img[..., 0]

# Gaussian FilterK_size = 5sigma = 1.4

## Zero paddingpad = K_size // 2gau = np.zeros((H + pad*2, W + pad*2), dtype=np.float32)#gau[pad:pad+H, pad:pad+W] = gray.copy().astype(np.float32)gau = np.pad(gray, (pad, pad), 'edge')tmp = gau.copy()

## KernelK = np.zeros((K_size, K_size), dtype=np.float32)for x in range(-pad, -pad+K_size):    for y in range(-pad, -pad+K_size):        K[y+pad, x+pad] = np.exp( -(x**2 + y**2) / (2* (sigma**2)))K /= (sigma * np.sqrt(2 * np.pi))K /= K.sum()

for y in range(H):    for x in range(W):        gau[pad+y, pad+x] = np.sum(K * tmp[y:y+K_size, x:x+K_size])

## Sobel verticalKSV = np.array(((-1., -2., -1.), (0., 0., 0.), (1., 2., 1.)), dtype=np.float32)## Sobel horizontalKSH = np.array(((-1., 0., 1.), (-2., 0., 2.), (-1., 0., 1.)), dtype=np.float32)

gau = gau[pad-1:H+pad+1, pad-1:W+pad+1]fy = np.zeros_like(gau, dtype=np.float32)fx = np.zeros_like(gau, dtype=np.float32)K_size = 3pad = K_size // 2

for y in range(H):    for x in range(W):        fy[pad+y, pad+x] = np.sum(KSV * gau[y:y+K_size, x:x+K_size])        fx[pad+y, pad+x] = np.sum(KSH * gau[y:y+K_size, x:x+K_size])

fx = fx[pad:pad+H, pad:pad+W]fy = fy[pad:pad+H, pad:pad+W]

# Non-maximum suppressionedge = np.sqrt(np.power(fx, 2) + np.power(fy, 2))fx[fx == 0] = 1e-5tan = np.arctan(fy / fx)## Angle quantizationangle = np.zeros_like(tan, dtype=np.uint8)angle[np.where((tan > -0.4142) & (tan <= 0.4142))] = 0angle[np.where((tan > 0.4142) & (tan < 2.4142))] = 45angle[np.where((tan >= 2.4142) | (tan <= -2.4142))] = 95angle[np.where((tan > -2.4142) & (tan <= -0.4142))] = 135

out = angle.astype(np.uint8)

# Save resultcv2.imwrite('out.jpg', out)cv2.imshow('result', out)cv2.waitKey(0)cv2.destroyAllWindows()

项目特色：

该项目最大的特色就是 100 题循序渐进，基本涵盖了 OpenCV 的关键知识点，目前已经更新了前 60 题，后续的会陆续发布。

唯一的缺点是项目语言是日语，稍有不便。但是问题不大，笔者推荐一个方法，可以使用谷歌浏览器自动翻译网页即可。而且，所有的代码都是英文的，不妨碍理解。

如果你正在入门 CV，正在学习 OpenCV，那么这个项目将会是一个不错的从入门到进阶的教程。上手代码，亲自跑一跑结果，希望对大家有所帮助！

OpenCV 机器视觉入门精选 100 题（附 Python 代码）

相关推荐