一、OpenCV 简介

1.1 图像处理简介

1.1.1 图像

图像定义：图像是人类视觉的基础，是自然景物的客观反映，是人类认识世界和人类本身的重要源泉。“图”是物体反射或透射光的分布，“像“是人的视觉系统所接受的图在人脑中所形版的印象或认识。照片、绘画、剪贴画、地图、书法作品、手写汉学、传真、卫星云图、影视画面、X光片、脑电图、心电图等都是图像。

图像的起源从模拟图像开始。

1.1.2 数字图像

表示：数字图像跟计算机一样也是利用 0/1 来记录信息，平常接触的图像都是 8 位数图像，包含 0～255 灰度，其中 0 代表最黑，255 表示最白。如下图左边是灰度值，右边是灰度图。随着灰度值的增加，图像越亮。

人眼对灰度更敏感一些，在 16 位到 32 位之间，也就是在 0-2¹⁶-1和0-2³²-1 之间，而且每个人对灰度的感受是有差别的。如下图，左右两边各有 1 条线，感觉是左边的线更亮，但实际上两条线的灰度值是一样的，是因为人眼受到对周围信息的对比干扰。

1.2 OpenCV 的简介及安装方法

1.2.1 简介

介绍：OpenCV 是一个计算机视觉处理开源软件库，支持与计算机视觉和机器学习相关的众多算法。

OpenCV-Python：OpenCV-Python 是一个 Python 绑定库，是原始 OpenCV C++ 实现的 Python包装器，旨在解决计算机视觉问题。
优点：Python 因为其简单性，使程序员能够用更少的代码行表达思想。与 C/C++ 等语言相比，Python 运行速度较慢，但OpenCV-Python提供 C/C++ 扩展，因此可以在 C/C++ 中编写计算密集型代码，并创建可用作 Python 模块的 Python 包装器。这带来两个好处，首先，代码与原始 C/C++ 代码一样快（因为它是在后台工作的，后台是 C++ 代码），其次，在 Python 中编写代码比使用 C/C++ 更容易。
说明：OpenCV-Python使用 numpy，numpy 是一个高度优化的数据库操作库，具有 MATLAB 风格的语法。因为图像读取出来的数据是二维数组，所有 OpenCV 数组结构都转换为 Numpy 数组，使得与使用 Numpy 的其他库（如 SciPy 和 Matplotlib）集成更容易。

1.2.2 OpenCV 部署方法

①安装 OpenCV之前需要先安装 numpy 和 matplotlib；
②创建 Python 虚拟环境 cv（机器学习），在 cv 中安装即可；
③先安装 OpenCV-Python，由于一些经典的算法、函数被申请了版权，新版本有很大的限制，所以选用 3.4.3 以下的版本，但是 python 3.6 版本是没有办法下载 3.4.2 的 opencv，所以想要下载 3.4.2 版本首先要降低版本 python 的版本。安装命令如下：
pip install opencv-python==3.4.2.17
④测试是否安装成功，运行以下代码无报错则说明安装成功。

import cv2

# 读一个图片并进行显示。其中图片路径需自己指定，读取图像支持 bmp、jpg、png、tiff 等常用格式
read_image = cv2.imread("D:\OnePiece.png")
# 展示窗口名字为 ShowImage，展示的图片为 read_image
cv2.imshow("ShowImage", read_image)
# 按下任意按键继续
cv2.waitKey(0)
# 销毁所有打开的 GUI 窗口
cv2.destroyAllWindows()

# 如果安装成功，这个图像就会显示出来，也可以打印处图片的行数和列数进一步验证
print(f"size=width*hight={read_image.shape[0]}ppi*{read_image.shape[1]}ppi")

因为 opencv-python 没有 SIFT 和 SURF 算法，SIFT 和 SURF 算法在扩展库 opencv-contrib-python，如果要利用 SIFT 和 SURF 等进行特征提取时，还需要安装：
pip install opencv-contrib-python==3.4.2.17

1.3 OpenCV 的模块

其中 core、highgui、imgproc 是最基础的模块：

	① core 模块实现了最核心的数据结构及其基本运算，如绘图函数、数组操作相关函数等。
	② highgui 模块实现了视频与图像的读取、显示、存储等接口。
	③ imgproc 模块实现了图像处理的基础方法，包括图像滤波、图像的几何变换、平滑、阈值分割、形态学处理、边缘检测、目标检测、运动分析和对象跟踪等。

对于图像处理其他更高层次的方向及应用，OpenCV 也提供特征提取相关模块、机器学习模块：

	① features2d 模块用于提取图像特征以及特征匹配，其里面的 nonfree 模块（非免费模块）实现了一些专利算法，如 sift 特征（nonfree 模块在 3.4.3 及其以上版本才有）
	② objdetect 模块实现了一些目标检测的功能，经典的基于 Haar、LBP 特征的人脸检测，基于 HOG 的行人、汽车等目标检测，分类器使用 Cascade Classification（级联分类）和Latent SVM 等。
	③ stitching 模块实现了图像拼接功能，常用于遥感影像。
	④ FLANN 模块（Fast Library for Approximate Nearest Neighbors），包含快速近似最近邻搜索 FLANN 和聚类 Clustering 算法。
	⑤ ml 模块机器学习模块（SVM，决策树，Boosting 等等）。
	⑥ photo 模块包含图像修复和图像去噪两部分。
	⑦ video 模块针对视频处理，如背景分离，前景检测、对象跟踪等。
	⑧ calib3d 模块即Calibration（校准）3D，这个模块主要是相机校准和三维重建相关的内容。包含了基本的多视角几何算法，单个立体摄像头标定，物体姿态估计，立体相似性算法，3D 信息的重建等等。
	⑨ G-API 模块包含超高效的图像处理 pipeline 引擎