文章目录
- 1.OpenCV 介绍
- 1.1 OpenCV 的特点
- 1.2 OpenCV 的主要模块
- 1.3 OpenCV 的应用场景
- 2.OpenCV-Python 库
- 3.OpenCV 安装
1.OpenCV 介绍
OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉和机器学习软件库。它由英特尔公司于1999年首次发布，旨在为实时计算机视觉应用提供一个高效的工具集。OpenCV被广泛应用于各种领域，包括图像处理、视频分析、物体识别、机器学习等。
1.1 OpenCV 的特点
- 跨平台支持：OpenCV支持多个操作系统，包括Windows、Linux、macOS、Android和iOS。
- 多语言接口：除了C++，OpenCV还提供了Python、Java和MATLAB等多种编程语言的接口。
- 丰富的功能：OpenCV包含了超过2500个优化的算法，涵盖了从基本的图像处理到复杂的机器学习模型。
- 高效性：OpenCV的许多核心功能都经过高度优化，能够在实时应用中高效运行。
- 社区支持：作为一个开源项目，OpenCV拥有一个活跃的开发者和用户社区，提供了丰富的文档和教程。
1.2 OpenCV 的主要模块
OpenCV库被分为多个模块，每个模块都提供特定的功能：
- 核心模块（core）：提供基本的数据结构和算法，如矩阵操作、随机数生成等。
- 图像处理模块（imgproc）：包含各种图像处理算法，如滤波、边缘检测、形态学操作等。
- 视频分析模块（video）：提供运动检测、对象跟踪等功能。
- 相机校准和3D重建模块（calib3d）：用于相机标定、立体视觉等。
- 特征检测和描述模块（features2d）：提供各种特征检测和描述算法，如SIFT、SURF、ORB等。
- 对象检测模块（objdetect）：包含人脸检测、行人检测等预训练模型。
- 机器学习模块（ml）：提供各种机器学习算法，如KNN、SVM、决策树等。
- 图形用户界面模块（highgui）：提供简单的图形用户界面功能，用于显示图像和视频。
1.3 OpenCV 的应用场景
- 图像处理：如图像增强、去噪、滤波、边缘检测等。
- 视频分析：如运动检测、对象跟踪、视频稳定等。
- 对象识别：如人脸识别、车牌识别、手势识别等。
- 机器学习：如图像分类、对象检测、特征提取等。
- 增强现实（AR）：如相机标定、姿态估计、3D重建等。
OpenCV是一个功能强大且广泛应用的计算机视觉库，适用于从学术研究到工业应用的各种场景。它的跨平台支持、多语言接口和丰富的功能使其成为计算机视觉领域的首选工具之一。
2.OpenCV-Python 库
OpenCV-Python 是 OpenCV 库的 Python 绑定，它使得 Python 开发者能够方便地使用 OpenCV 提供的各种计算机视觉和图像处理功能。OpenCV-Python 结合了 OpenCV 的强大功能和 Python 的简洁易用，使得图像处理和计算机视觉的开发变得更加高效和便捷。
OpenCV-Python 的特点
- 易于使用：Python 语言本身简洁易懂，结合 OpenCV 的强大功能，使得图像处理和计算机视觉的开发变得更加简单。
- 跨平台支持：OpenCV-Python支 持多个操作系统，包括Windows、Linux、macOS、Android 和 iOS。
- 丰富的功能：OpenCV-Python 提供了 OpenCV 库中的所有功能，包括图像处理、视频分析、对象检测、机器学习等。
- 社区支持：OpenCV-Python 拥有一个活跃的开发者和用户社区，提供了丰富的文档、教程和示例代码。
3.OpenCV 安装
安装OpenCV之前需要先安装numpy，matplotlib。
- 安装
numpy，matplotlib库；
pip install numpy matplotlib
- 安装
opencv-python库；
pip install opencv-python
- 如果我们要利用
SIFT和SURF等进行特征提取时，还需要安装：
pip install opencv-contrib-python
4.验证是否安装成功；
import cv2
# 读取图像
image = cv2.imread('iu.jpg') #改为你自己的图片路径
# 显示图像
cv2.imshow('iu', image)
# 等待按键事件
cv2.waitKey(0)
# 关闭所有窗口
cv2.destroyAllWindows()
