使用Python+OpenCV進行圖像處理之入門教程

點擊上方“小白學視覺”，選擇加"星標"或“置頂”

重磅干貨，第一時間送達

簡介

人臉識別和目標檢測這樣的術(shù)語聽起來覺得很酷，但是當涉及到從頭開始實現(xiàn)它們時，每個初學者都會覺得困難，這些技術(shù)實際上并沒有那么難實現(xiàn)，一旦你掌握了其基本原理，那么實現(xiàn)它們就相當簡單了。

圖像處理有很多種應用，包括用于解析文檔和生成相應文本的光學字符識別(OCR)、圖像增強與重建、物體識別、人體運動識別、手勢識別、人臉識別等。

在學習的過程中，你會遇到過奇形怪狀的各種圖像濾波器，那有沒有去思考如何實現(xiàn)它嗎，在本文中，我們將通過實現(xiàn)一個簡單的濾波器來開始我們的圖像處理之旅！

什么是OpenCV

OpenCV是一個開源庫，包含了許多計算機視覺算法。它在計算機視覺和圖像處理中起著重要作用，用于實時操作，其效率足以滿足工業(yè)上的要求。OpenCV可以與其他庫一起使用，比如Numpy，這使得Python能夠處理OpenCV數(shù)組結(jié)構(gòu)。

實現(xiàn)我們的第一個濾波器

檢測邏輯

計算機不能像人類一樣識別物體，為了能讓計算機達到這個目的，我們可以使用各種技術(shù)來讓計算機理解圖像，我們會將顏色作為檢測物體的主要依據(jù)。

我們使用HSV顏色空間作為檢測特征。

什么是HSV

HSV是Hue, Saturation 和Value(色調(diào)、飽和度和值)。

• 色調(diào)：根據(jù)光譜，物體的顏色可分為紅、藍、綠、黃四種顏色。
• 飽和度：它定義了顏色的強度。
• 值：定義顏色的亮度。

OpenCV中有150多種顏色空間轉(zhuǎn)換方法，其中一種是彩色圖像到HSV圖像的轉(zhuǎn)換。

我們來看看代碼

我們需要導入我們要使用的庫-OpenCV(cv2)和Numpy。

import?cv2
import?numpy?as?np

Numpy是一個python庫，用于處理數(shù)組，它比傳統(tǒng)的python列表快50倍，這對我們來說非常重要，因為我們要處理很多圖像。Numpy給了我們在線性代數(shù)、傅立葉變換、矩陣等領(lǐng)域工作的函數(shù)。

import?cv2
import?numpy?as?np
def?nothing():
??pass
cap=cv2.VideoCapture(0)
while(1):
??_,?img?=?cap.read()
??k=cv2.waitkey(1)&0xFF
??if?k==27:
????break
cap.release()
cv2.destroyAllWindows()

我們創(chuàng)建了一個回調(diào)函數(shù)，它什么也不做，讓我們看看為什么。

我們使用一個窗口來控制HSV，因為我們不知道要檢測的對象的HSV，因此我們用它來調(diào)整HSV的上下限。

因為當我們使用創(chuàng)建trackbar的方法時，我們需要傳遞一個必要的回調(diào)函數(shù)，在我們的例子中，這個回調(diào)函數(shù)什么也不做(但是它的使用會根據(jù)父函數(shù)的需要而改變)；然后我們使用了一個方法cv2.videocapture(0)，它是一個內(nèi)置函數(shù)，用來從默認攝像機捕捉視頻(0表示選擇默認攝像機)；最后，我們刪除了所有的窗口，并在一個點擊事件(這里我們設(shè)置為ESC鍵)后釋放捕獲。

我們可以用下面的函數(shù)命名一個窗口。

cv2.namedWindow()

讓我們繼續(xù)敲代碼…

import?cv2
import?numpy?as?np
def?nothing(x):
????pass
??
cap=cv2.VideoCapture(0)
cv2.namedWindow('tracking')
cv2.createTrackbar('LH','tracking',0,255,nothing)
cv2.createTrackbar('LS','tracking',0,255,nothing)
cv2.createTrackbar('LV','tracking',0,255,nothing)
cv2.createTrackbar('UH','tracking',255,255,nothing)
cv2.createTrackbar('US','tracking',255,255,nothing)
cv2.createTrackbar('UV','tracking',255,255,nothing)

因此，在設(shè)置檢測條件后，我們需要將原始數(shù)據(jù)(即彩色圖像)轉(zhuǎn)換為HSV圖像。為了將基本彩色圖像轉(zhuǎn)換為HSV圖像，我們使用

?=?cv2.cvtColor(,cv2.COLOR_BGR2HSV)

然后利用Numpy數(shù)組方法設(shè)置trackbar中數(shù)據(jù)的上下界。

?=?np.array()

使用這個，我們會得到上面設(shè)置的所有軌跡條值。接下來我們主要做兩件事：

1.創(chuàng)建掩碼

掩碼是一種二進制圖像，它指示要在其中執(zhí)行操作的像素。

2.我們將使用位和邏輯來屏蔽原始圖像。我們使用名為“bitwise_and”的cv2方法，它執(zhí)行邏輯與運算。

?=?cv2.inRange(hav,?l_b,?u_b)

res?=?cv2.bitwise_and(,?,?mask?=?)

import?cv2
import?numpy?as?np
def?nothing(x):
????pass
cap=cv2.VideoCapture(0)

cv2.namedWindow('tracking')
cv2.createTrackbar('LH','tracking',0,255,nothing)
cv2.createTrackbar('LS','tracking',0,255,nothing)
cv2.createTrackbar('LV','tracking',0,255,nothing)
cv2.createTrackbar('UH','tracking',255,255,nothing)
cv2.createTrackbar('US','tracking',255,255,nothing)
cv2.createTrackbar('UV','tracking',255,255,nothing)

while?(1):
????_,?img=cap.read()
????hav=cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
????l_h=cv2.getTrackbarPos('LH','tracking')
????l_s=cv2.getTrackbarPos('LS',?'tracking')
????l_v=cv2.getTrackbarPos('LV',?'tracking')
????u_h=cv2.getTrackbarPos('UH',?'tracking')
????u_s=cv2.getTrackbarPos('US',?'tracking')
????u_v=cv2.getTrackbarPos('UV',?'tracking')
????l_b=np.array([l_h,l_s,l_v])
????u_b=np.array([u_h,u_s,u_v])
????mask=cv2.inRange(hav,?l_b,?u_b)
????res?=?cv2.bitwise_and(img,?img,?mask=mask)
????cv2.imshow('image',?img)
????cv2.imshow('mask',?mask)
????cv2.imshow('res',?res)
????k=cv2.waitKey(1)&0xFF
????if?k==27:
????????break
cap.release()
cv2.destroyAllWindows()

這些幀使用名為“imshow”的方法顯示。

cv2.imshow(,?)

結(jié)果

結(jié)果只檢測到粉紅色的物體，這是因為我們只想選擇粉紅色的物體！實際上，我們已經(jīng)使用軌跡條為特定的粉紅色設(shè)置了HSV值，這就是輸出只有特定粉紅色的原因。您可以選擇要檢測的任何特定顏色值。

結(jié)論

本文我們實現(xiàn)了一個濾波器，可以檢測我們指定特定顏色的物體。我們所做的只是圖像處理和目標檢測的一個非常基本的介紹性任務(wù)。近年來，計算機視覺領(lǐng)域有了很大的發(fā)展，其中大部分都包含了機器學習和深度學習技術(shù)。在許多項目中，對象檢測是首先執(zhí)行的基本任務(wù)，因為它為我們提供了有關(guān)環(huán)境的信息，我們可以根據(jù)使用情況進行過濾。

參考引用

• Implementing colour and shape-based object detection and tracking with OpenCV(https://hub.packtpub.com/implementing-color-and-shape-based-object-detection-and-tracking-with-opencv-and-cuda-tutorial/).

下載1：OpenCV-Contrib擴展模塊中文版教程

在「小白學視覺」公眾號后臺回復：擴展模塊中文教程，即可下載全網(wǎng)第一份OpenCV擴展模塊教程中文版，涵蓋擴展模塊安裝、SFM算法、立體視覺、目標跟蹤、生物視覺、超分辨率處理等二十多章內(nèi)容。

下載2：Python視覺實戰(zhàn)項目31講

在「小白學視覺」公眾號后臺回復：Python視覺實戰(zhàn)項目31講，即可下載包括圖像分割、口罩檢測、車道線檢測、車輛計數(shù)、添加眼線、車牌識別、字符識別、情緒檢測、文本內(nèi)容提取、面部識別等31個視覺實戰(zhàn)項目，助力快速學校計算機視覺。

下載3：OpenCV實戰(zhàn)項目20講

在「小白學視覺」公眾號后臺回復：OpenCV實戰(zhàn)項目20講，即可下載含有20個基于OpenCV實現(xiàn)20個實戰(zhàn)項目，實現(xiàn)OpenCV學習進階。

下載4：leetcode算法開源書

在「小白學視覺」公眾號后臺回復：leetcode，即可下載。每題都 runtime beats 100% 的開源好書，你值得擁有！

交流群

歡迎加入公眾號讀者群一起和同行交流，目前有SLAM、三維視覺、傳感器、自動駕駛、計算攝影、檢測、分割、識別、醫(yī)學影像、GAN、算法競賽等微信群（以后會逐漸細分），請掃描下面微信號加群，備注：”昵稱+學校/公司+研究方向“，例如：”張三?+?上海交大?+?視覺SLAM“。請按照格式備注，否則不予通過。添加成功后會根據(jù)研究方向邀請進入相關(guān)微信群。請勿在群內(nèi)發(fā)送廣告，否則會請出群，謝謝理解~