OpenCV概述与安装

发布时间:2024年01月19日

OpenCV概述与安装

视觉概述

人类的视觉能够很轻易地从图像中识别出内容。但是,计算机视觉不会像人类视觉那样能够对图像进行感知和识别,更不会自动控制焦距和光圈,而是把图像解析为按照栅格状排列的数字。

这些按照栅格状排列的数字包含大量的噪声,噪声在图像上常表现为引起较强视觉效果的孤立像素点或像素块,使得图像模糊不清。因此,噪声是计算机视觉面临的一个难题。要想让图片变得清晰,就需要对抗噪声。

计算机视觉使用统计的方法对抗噪声,例如,计算机视觉虽然很难通过某个像素或者这个像素的相邻像素判断这个像素是否在图像主体的边缘上,但是如果对图像某一区域内的像素做统计,那么上述判断就变得简单了,即在指定区域内,图像主体的边缘应该表现为一连串独立的像素,而且这一连串像素的方向应该是一致的。

OpenCV常用模块
模块介绍
Core包函OpenCV库的基础结构以及基本操作
Improc包函基本的图像转换,包括滤波、卷积
Highgui轻量级的UI工具包
Video读写视频流的方法
Calib3d校准单个、双目以及多个相机的算法实现
Feature2d检测、描述、匹配特征点算法
Objecttect检测待定目标的算法
ML包含大量机器学习算法
Flann多维空间的聚类和搜索
GPU包含在CUDA GPU上优化实现的方法
Photo计算机摄影学的一些方法
Stitching图像拼接流程的实现
dnn深度神经网络模块
安装

安装Python这里我使用的是Anaconda

  1. 创建虚拟环境

    conda create --name 环境名称 python=3.8

  2. 进入环境

    activate 环境名称

    在这里插入图片描述

  3. 修改源

    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/

  4. 查看源如下图既可

    conda config --show channels

    在这里插入图片描述

  5. 安装需要的依赖

    pip install numpy pandas matplotlib opencv-python

  6. 查看是否安装成功

    pip list

    在这里插入图片描述

  7. 测试一下是否安装成功

    准备一张图片 这里我命名为image.jpg

    import cv2
    image = cv2.imread("image.jpg")
    print(image)
    

    输出类似如下:

    在这里插入图片描述

文章来源:https://blog.csdn.net/weixin_44144773/article/details/135688226
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。