在這篇文章中，將嘗試解釋Computer Vision和OpenCV庫的工作原理。

在整篇文章中，將介紹：什么是計(jì)算機(jī)視覺？計(jì)算機(jī)視覺如何工作？計(jì)算機(jī)視覺的應(yīng)用、什么是OpenCV？OpenCV的簡史、OpenCV快速入門

讓我們逐步開始。

什么是計(jì)算機(jī)視覺？

Computer Vision是一個工作場所，可讓我們以數(shù)字方式檢測圖像并對這些圖像執(zhí)行操作。Computer Vision是一個人工智能工作區(qū)，在這里我們可以通過訪問數(shù)字媒體中的圖像特征來收集信息并提取特征。在其他來源中，其定義如下：

維基百科：

計(jì)算機(jī)視覺是一門跨學(xué)科的科學(xué)領(lǐng)域，涉及計(jì)算機(jī)如何從數(shù)字圖像或視頻中獲得高級了解。從工程學(xué)的角度來看，它試圖理解和自動化人類視覺系統(tǒng)可以完成的任務(wù)。

IBM：

計(jì)算機(jī)視覺是人工智能（AI）的領(lǐng)域，它使計(jì)算機(jī)和系統(tǒng)能夠從數(shù)字圖像，視頻和其他視覺輸入中獲取有意義的信息，并根據(jù)該信息采取行動或提出建議。如果AI使計(jì)算機(jī)能夠思考，則計(jì)算機(jī)視覺使他們能夠看到，觀察和理解。計(jì)算機(jī)視覺的主要目的是理解圖像并解釋它們以供我們使用。作為人類，我們可以用眼睛輕松感知任何街道上的移動物體。計(jì)算機(jī)使用許多不同的算法來理解這一點(diǎn)。但是，使用這些算法，計(jì)算機(jī)可能仍無法給出非常高精度的結(jié)果。

計(jì)算機(jī)視覺如何工作？

計(jì)算機(jī)使用某些算法來檢測數(shù)字媒體中的圖像。數(shù)字媒體中的圖像由像素組成。任何圖像中的像素都具有顏色和坐標(biāo)。想象一下，每個像素都有自己的標(biāo)識。在其ID上，它寫入坐標(biāo)和顏色信息。這是計(jì)算機(jī)可以檢測和識別圖像的方式。像素的坐標(biāo)和顏色信息用數(shù)字表示。數(shù)字是根據(jù)RGB格式定義的。由于圖像身份中的此信息是用數(shù)字表示的，因此計(jì)算機(jī)可以理解這一點(diǎn)。每個圖像可以包含數(shù)千個像素。這些像素也作為矩陣保留在圖像上。因此，如果我們要在視覺上進(jìn)行操作，則需要通過矩陣進(jìn)行操作。

計(jì)算機(jī)視覺分為三個基本步驟：

1．獲取圖像

可以通過視頻，照片或3D技術(shù)實(shí)時獲取甚至大集合的圖像進(jìn)行分析。

2．處理圖像

深度學(xué)習(xí)模型會自動執(zhí)行此過程的大部分過程，但是通常會先向模型提供數(shù)千張標(biāo)記或預(yù)先識別的圖像，然后對模型進(jìn)行訓(xùn)練。

3．了解圖像

最后一步是解釋性步驟，在此步驟中對對象進(jìn)行識別或分類。

計(jì)算機(jī)視覺的應(yīng)用

最受歡迎的計(jì)算機(jī)視覺應(yīng)用程序的示例：

癌癥檢測

COVID－19診斷

口罩檢測

車輛分類

交通流量分析

停車占用檢測

自動車牌識別

客戶追蹤

人數(shù)盤點(diǎn)

社會距離

球追蹤球

門線技術(shù)

什么是OpenCV？

OpenCV，即開源計(jì)算機(jī)視覺庫。可以理解，它是一個開放源代碼的計(jì)算機(jī)視覺庫。如今，它在圖像處理領(lǐng)域非常流行。你可以使用Java，C ＋＋或Python語言在OpenCV上工作。通過使用OpenCV，人們可以處理圖像和視頻以識別對象，面部，甚至是人的筆跡。當(dāng)它與各種庫（例如Numpy）集成時，python能夠處理OpenCV數(shù)組結(jié)構(gòu)以進(jìn)行分析。為了識別圖像模式及其各種特征，我們使用向量空間并對這些特征執(zhí)行數(shù)學(xué)運(yùn)算。

OpenCV的簡史

OpenCV由加里·布拉德斯基（Gary Bradsky）于1999年在英特爾創(chuàng)立，第一版于2000年問世。瓦迪姆·皮薩列夫斯基（Vadim Pisarevsky）與加里·布拉德斯基（Gary Bradsky）一起管理英特爾的俄羅斯軟件OpenCV團(tuán)隊(duì)。2005年，OpenCV用于Stanley，該車贏得了2005年DARPA大挑戰(zhàn)賽的冠軍。后來，在Willow Garage的支持下，它的發(fā)展得以繼續(xù)，Gary Bradsky和Vadim Pisarevsky領(lǐng)導(dǎo)了該項(xiàng)目。OpenCV現(xiàn)在支持與計(jì)算機(jī)視覺和機(jī)器學(xué)習(xí)有關(guān)的多種算法，并且正在日益擴(kuò)展。OpenCV支持多種編程語言，例如C ＋＋，Python，Java等，并且可在包括Windows，Linux，OS X，Android和iOS在內(nèi)的不同平臺上使用。基于CUDA和OpenCL的高速GPU操作的接口也正在積極開發(fā)中。OpenCV－Python是用于OpenCV的Python API，結(jié)合了OpenCV C ＋＋ API的最佳質(zhì)量和Python語言。

OpenCV快速入門

在討論了計(jì)算機(jī)視覺和OpenCV之后，我想向你展示我們可以使用一些簡單的應(yīng)用程序來做些什么。這樣，你既可以練習(xí)得更好，又可以進(jìn)入學(xué)習(xí)過程。讀取圖像首先，我們將使用OpenCV進(jìn)行讀取圖像并將其顯示在屏幕上的過程。如果在使用Python的IDE中未安裝OpenCV，則必須先安裝它。pip install opencv－python

安裝之后，首先，你必須導(dǎo)入庫。你可以將OpenCV庫稱為cv2。你需要將要讀取的圖像保存到對象中。你可以使用cv2．imread（ ）函數(shù)讀取圖像。此函數(shù)將獲取圖像的文件的路徑作為參數(shù)。由于我的python工作文件與圖片位于同一文件夾中，因此我直接輸入圖片的名稱。這里要注意的一點(diǎn)是編寫視覺效果的擴(kuò)展。別忘了這個。當(dāng)我們運(yùn)行代碼時，我們給該窗口命名，因?yàn)樗鼘⒃诳梢暣翱谥写蜷_。我們使用cv2．namedWindow（ ）．函數(shù)執(zhí)行此操作。該函數(shù)將窗口的名稱作為其第一個參數(shù)。實(shí)際上，這就足夠了。

但是由于我希望能夠更改打開的窗口的大小，因此我添加了參數(shù)cv2．WINDOW＿NORMAL．代碼運(yùn)行時，函數(shù)cv2．imshow（ ）用于在屏幕上顯示當(dāng)前圖像。它有兩個參數(shù)。第一個是我們將要顯示的視覺效果的名稱，第二個是它在其中注冊的對象。在這里，我將圖像保存為img。因此，我將img用作第二個參數(shù)。

最后，我編寫該函數(shù)cv2．waitKey（0）是因?yàn)橄Ｍ�在打開的可視屏幕上隨時關(guān)閉它。此函數(shù)以毫秒為單位獲取數(shù)字值。當(dāng)我們在此處寫入0時，表示我們可以隨時關(guān)閉窗口。另外，養(yǎng)成添加函數(shù)cv2．destroyAllWindows（）．的習(xí)慣。當(dāng)我們執(zhí)行高級項(xiàng)目時，我們會忘記關(guān)閉許多在屏幕上打開的窗口。此函數(shù)可避免這種情況。你可以在下面找到所有代碼。import cv2                                                        
img ＝ cv2．imread（＂klon．jpg＂）
cv2．namedWindow（＂Image＂，cv2．WINDOW＿NORMAL）
cv2．imshow（＂Image＂， img）
cv2．waitKey（0）
cv2．destroyAllWindows（）

從網(wǎng)絡(luò)攝像頭讀取視頻現(xiàn)在，讓我們檢查一下如何從計(jì)算機(jī)攝像機(jī)讀取視頻。首先，我們導(dǎo)入OpenCV庫。然后，我們將從計(jì)算機(jī)攝像機(jī)拍攝的圖像寫在一個物體上。我將此對象設(shè)置為捕獲。我們使用cv2．VideoCapture（0）函數(shù)從計(jì)算機(jī)攝像頭捕獲視頻。此處的值0用于訪問連接到計(jì)算機(jī)的相機(jī)。如果你有攝像機(jī)，則可以將其設(shè)為0。如果你有更多攝像機(jī)，則可以嘗試1，2 ．．訪問相應(yīng)的攝像機(jī)。如你所知，視頻由幀組成。為了查看我們在視頻中捕獲的圖像，我們必須將它們循環(huán)打印在屏幕上。

因此，我們進(jìn)行了定義，將讀取捕獲的圖像，然后將該圖像返回給我們。ret， frame ＝ capture．read（）

然后我們進(jìn)行調(diào)整。要在鏡中看到自己看到的捕獲圖像，我們需要將它們反轉(zhuǎn)為y軸。這就是為什么我們在frame ＝ cv2．flip（frame， 1）．此處編寫代碼的原因，當(dāng)我們在幀后輸入?yún)��?shù)為1時，它給出了y軸圖像的倒數(shù)。然后，我們編寫代碼cv2．imshow（＂Webcam＂， frame）以顯示從相機(jī)拍攝的幀。然后，我們確定捕獲的圖像將在屏幕上保留幾毫秒。除此之外，當(dāng)我們按下鍵盤上的q鍵時，我們將編寫以下代碼以停止接收圖像。cv2．imshow（＂Webcam＂， frame）
if cv2．waitKey（30） ＆ 0xFF ＝＝ ord（＂q＂）：
   break

在此，0xFF ＝＝ ord（＂q＂）是指按鍵盤上的q鍵。最后，在處理完視頻之后，完成后，我們需要編寫一些代碼來發(fā)布圖像。如下。capture．release（）
你可以在下面找到所有代碼。import cv2
 
capture ＝ cv2．VideoCapture（0）                                        
while True：
    ret， frame ＝ capture．read（）
    frame ＝ cv2．flip（frame， 1）
    cv2．imshow（＂Webcam＂， frame）
    if cv2．waitKey（30） ＆ 0xFF ＝＝ ord（＂q＂）：
        break
capture．release（）
cv2．destroyAllWindows（）

長寬比應(yīng)用現(xiàn)在，我將向你展示一個長寬比應(yīng)用程序。在某些情況下，我們可能不知道圖像的尺寸。在這種情況下，可以通過避免手動計(jì)算來使用此類應(yīng)用程序來實(shí)現(xiàn)此目的的自動化。我們定義了一個名為resizewithAspectRatio的函數(shù)。我們?yōu)榇撕瘮?shù)設(shè)置了4個參數(shù)。這些是：為其保留圖像的變量的名稱寬度高度并具有避免在調(diào)整大小時插值的功能讓我們繼續(xù)執(zhí)行要應(yīng)用的步驟。首先，我們定義一個維變量，其預(yù)定義為空。然后，將原始尺寸中圖像的前兩個尺寸分別作為高度和寬度的h和w保存到一個元組中。如果未指定寬度和高度，則我們希望圖像返回其原始狀態(tài)。如果未指定寬度，我們希望執(zhí)行以下操作。r ＝ height ／ float（h）
dimension ＝ （int（w＊r），height）

讓我告訴你這是什么意思。我們計(jì)算原始圖像中給定的高度與尺寸的比率。然后，我們將該比例乘以原始寬度，然后得出新尺寸。因此，在視覺上沒有尺寸的變形。否則，如果沒有給出高度，我們將再次應(yīng)用類似的程序。結(jié)果，我們希望根據(jù)使用以下代碼編寫的函數(shù)輸出調(diào)整大小后的視覺效果。return cv2．resize（img， dimension， interpolation＝ inter）
然后，根據(jù)編寫的函數(shù)讀取原始圖像和調(diào)整大小后的圖像。img ＝ cv2．imread（＂klon．jpg＂）
img1 ＝ resizewithAspectRatio（img，
                            width ＝ None，
                            height ＝ 600，
                            inter ＝ cv2．INTER＿AREA）

最后，我們通過編寫一些我們知道的代碼來完成應(yīng)用程序。cv2．imshow（＂Original＂，img）
cv2．imshow（＂Resized＂，img1）
cv2．waitKey（0）
cv2．destroyAllWindows（）
你可以在下面找到所有代碼。import cv2
def resizewithAspectRatio（  img
                         ， width ＝ None
                         ， height ＝ None
                         ， inter ＝ cv2．INTER＿AREA）：              
   dimension： None
   （h，w） ＝  img．shape［：2］
   if width is None and height is None：
       return img
   if width is None：
       r ＝ height ／ float（h）
       dimension ＝ （int（w＊r），height）
   else：
       r ＝ width ／ float（w）
       dimension ＝ （width， int（h＊r））
   return cv2．resize（img， dimension， interpolation＝ inter）
img ＝ cv2．imread（＂klon．jpg＂）
img1 ＝ resizewithAspectRatio（  img
                            ， width ＝ None
                            ， height ＝ 600
                            ， inter ＝ cv2．INTER＿AREA）
cv2．imshow（＂Original＂，img）
cv2．imshow（＂Resized＂，img1）
cv2．waitKey（0）
cv2．destroyAllWindows（）