计算机视觉是人工智能领域的一个重要分支，它涉及到图像的获取、处理、分析以及理解。Python作为一门强大且易学的语言，已经成为计算机视觉开发的首选工具之一，而OpenCV（开源计算机视觉库）则是Python中用于图像处理的核心库。本文将详细介绍OpenCV在Python中的基本命令和用法。
安装OpenCV库非常简单，可以使用pip命令：
```shell
pip install opencv-python
```
一旦安装完成，我们就可以开始处理图像了。OpenCV提供了许多函数来读取、显示和保存图像：
1. **读取图像**：使用`cv2.imread()`函数读取图像文件。
```python
import cv2
img = cv2.imread('image_path.jpg')
```
参数可以是灰度、彩色等模式。
2. **显示图像**：使用`cv2.imshow()`函数展示图像，`cv2.waitKey()`等待用户按键，`cv2.destroyAllWindows()`关闭所有窗口。
```python
cv2.imshow('Image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
```
3. **保存图像**：使用`cv2.imwrite()`函数将图像保存到本地。
```python
cv2.imwrite('output_image.jpg', img)
```
图像处理包括颜色空间转换、图像缩放、旋转、平移等操作。例如，从BGR到灰度图像的转换：
```python
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
```
图像的缩放和平移：
```python
scale_factor = 0.5
dim = None
resized_img = cv2.resize(img, dim, interpolation=cv2.INTER_LINEAR)
translation_x = 50
translation_y = 75
M = np.float32([[1, 0, translation_x], [0, 1, translation_y]])
translated_img = cv2.warpAffine(resized_img, M, (img.shape[1], img.shape[0]))
```
OpenCV也支持边缘检测、特征检测等高级操作。例如，Canny边缘检测：
```python
edges = cv2.Canny(img, 100, 200)
```
或者Harris角点检测：
```python
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
corners = cv2.cornerHarris(gray, blockSize=2, ksize=3, k=0.04)
corners = cv2.dilate(corners, None)
img[corners > 0.01 * corners.max()] = [0, 0, 255]
```
对于对象检测和识别，OpenCV提供Haar级联分类器和HOG（Histograms of Oriented Gradients）等方法。Haar级联分类器常用于人脸识别：
```python
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5)
for (x, y, w, h) in faces:
cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 0), 2)
```
OpenCV还可以进行视频处理，如读取、播放、分析和处理视频帧。例如，读取并显示视频：
```python
cap = cv2.VideoCapture('video.mp4')
while cap.isOpened():
ret, frame = cap.read()
if ret:
cv2.imshow('Video', frame)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
else:
break
cap.release()
cv2.destroyAllWindows()
```
以上只是OpenCV Python库的部分基本功能，实际应用中，你可以结合其他库如Numpy、Scikit-image等，实现更复杂的计算机视觉任务，如深度学习模型的集成，图像分割，物体追踪等。持续探索OpenCV，你会发现更多强大的图像处理和计算机视觉功能。
Computer-Vision-with-python-main.zip （10个子文件） 
Computer-Vision-with-python-main 
Mouse Event Handling.py 2KB
