Python OpenCV教程詳解

一、OpenCV介紹

OpenCV，全稱為Open Source Computer Vision Library，是一個開源的計算機視覺庫。對於包括視頻處理、計算機視覺、機器學習在內的許多領域都有非常廣泛的應用。OpenCV最初由英特爾公司發起，現在由Willow Garage、Itseez等公司及個人維護。OpenCV提供了豐富的圖像處理和計算機視覺算法，涉及圖像處理、特徵提取、目標跟蹤、人臉識別、機器學習等方面。其模塊化的設計、開源的代碼、跨平台的支持，贏得了廣大計算機視覺從業者和工程師的青睞。

二、OpenCV安裝

OpenCV可以在Python中使用，首先需要安裝OpenCV庫。OpenCV可以通過pip安裝，只需要使用以下命令即可：

pip install opencv-python
pip install opencv-contrib-python

安裝完成後，我們就可以在Python中使用OpenCV庫了。

三、OpenCV圖像讀取和顯示

在OpenCV中，使用cv2.imread()函數讀取圖像文件，函數參數為文件名和讀取標誌。

1 import cv2
2 
3 #讀取圖像
4 img = cv2.imread('lena.jpg',cv2.IMREAD_COLOR)
5 
6 #顯示圖像
7 cv2.imshow('image',img)
8 cv2.waitKey(0) #等待按鍵
9 cv2.destroyAllWindows() #銷毀所有窗口

第4行代碼中，cv2.IMREAD_COLOR表示按彩色圖像的方式讀取圖像文件。讀取完成後，使用cv2.imshow()函數顯示圖像。第7行代碼中，第一個參數為窗口名稱，第二個參數為要顯示的圖像的變量名。cv2.waitKey()函數用於等待按鍵，當按下任意鍵時程序退出。最後一行代碼銷毀所有的窗口。

四、OpenCV圖像處理

1. 圖像平滑處理

在OpenCV中，使用cv2.blur()函數進行圖像平滑處理。函數的參數包括輸入圖像、卷積核大小等。例如：

1 import cv2
2 
3 #讀取圖像
4 img = cv2.imread('lena.jpg')
5 
6 #圖像平滑處理，卷積核大小為5x5
7 kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5,5))
8 img_blur = cv2.blur(img, (5,5))
9 
10 #顯示圖像
11 cv2.imshow('image',img)
12 cv2.imshow('image_blur',img_blur)
13 cv2.waitKey(0) #等待按鍵
14 cv2.destroyAllWindows() #銷毀所有窗口

上面的代碼中，cv2.getStructuringElement()函數用於獲取MORPH_RECT類型的卷積核。然後使用cv2.blur()平滑處理圖像，最後用cv2.imshow()函數顯示原圖和平滑後的圖像。運行代碼後，我們可以看到平滑後的圖像較原圖模糊，可以起到一定的降噪作用。

2. 圖像閾值處理

在OpenCV中，使用cv2.threshold()函數進行圖像閾值處理。函數的參數包括輸入圖像、閾值、最大像素值等。例如：

1 import cv2
2 
3 #讀取圖像
4 img = cv2.imread('lena.jpg',0)
5 
6 #圖像閾值處理
7 ret,img_threshold = cv2.threshold(img, 100, 255, cv2.THRESH_BINARY)
8 
9 #顯示圖像
10 cv2.imshow('image',img)
11 cv2.imshow('image_threshold',img_threshold)
12 cv2.waitKey(0) #等待按鍵
13 cv2.destroyAllWindows() #銷毀所有窗口

上面的代碼中，cv2.imread()函數讀入的圖像文件是灰度圖像，因此第二個參數為0。然後使用cv2.threshold()函數進行閾值處理，threshold函數返回值有兩個，第一個為閾值化的閾值值（在本例中為100），第二個為閾值化後的圖像。最後使用cv2.imshow()函數顯示原圖和閾值化後的圖像。

3. 圖像邊緣檢測

在OpenCV中，使用cv2.Canny()函數進行圖像邊緣檢測。函數的參數包括輸入圖像、閾值等。例如：

1 import cv2
2 
3 #讀取圖像
4 img = cv2.imread('lena.jpg',0)
5 
6 #圖像邊緣檢測
7 img_canny = cv2.Canny(img, 100, 200)
8 
9 #顯示圖像
10 cv2.imshow('image',img)
11 cv2.imshow('image_canny',img_canny)
12 cv2.waitKey(0) #等待按鍵
13 cv2.destroyAllWindows() #銷毀所有窗口

上面的代碼中，cv2.imread()函數讀入的圖像文件是灰度圖像，因此第二個參數為0。然後使用cv2.Canny()函數進行圖像邊緣檢測，其中第二個和第三個參數分別為低閾值和高閾值，最後使用cv2.imshow()函數顯示原圖和邊緣檢測後的圖像。

五、OpenCV圖像處理實例

下面我們來看一個實例，通過OpenCV對圖像進行顏色識別並在圖像上標出顏色區域。

首先，我們需要加載一張彩色圖像，並將圖像進行平滑處理：

1 import cv2
2 import numpy as np
3 
4 #讀取圖像
5 img = cv2.imread('fruits.jpg')
6 
7 #圖像平滑處理，卷積核大小為5x5
8 kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5,5))
9 img_blur = cv2.blur(img, (5,5))

然後，我們將圖像轉換到HSV顏色空間，從而可以使用顏色閾值過濾器實現對圖像上的特定顏色進行識別。

1 #將圖像轉換到HSV顏色空間
2 img_hsv = cv2.cvtColor(img_blur, cv2.COLOR_BGR2HSV)
3 
4 #設定顏色區間
5 lower_red = np.array([0, 50, 50])
6 upper_red = np.array([10, 255, 255])
7 
8 #過濾出紅色區域
9 mask = cv2.inRange(img_hsv, lower_red, upper_red)

接下來，我們對過濾出的顏色區域進行形態學處理，去掉噪點和孤立的區域：

1 #形態學處理
2 mask = cv2.erode(mask, kernel, iterations=2)
3 mask = cv2.dilate(mask, kernel, iterations=2)

最後，我們根據顏色區域的輪廓，使用cv2.drawContours()函數將顏色區域標出：

1 #查找輪廓
2 contours, hierarchy = cv2.findContours(mask, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
3 
4 #標出顏色區域
5 for contour in contours:
6     cv2.drawContours(img, [contour], 0, (0,255,0), 3)
7 
8 #顯示圖像
9 cv2.imshow('image',img)
10 cv2.waitKey(0) #等待按鍵
11 cv2.destroyAllWindows() #銷毀所有窗口

完整的代碼如下：

1 import cv2
2 import numpy as np
3 
4 #讀取圖像
5 img = cv2.imread('fruits.jpg')
6 
7 #圖像平滑處理，卷積核大小為5x5
8 kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5,5))
9 img_blur = cv2.blur(img, (5,5))
10 
11 #將圖像轉換到HSV顏色空間
12 img_hsv = cv2.cvtColor(img_blur, cv2.COLOR_BGR2HSV)
13 
14 #設定顏色區間
15 lower_red = np.array([0, 50, 50])
16 upper_red = np.array([10, 255, 255])
17 
18 #過濾出紅色區域
19 mask = cv2.inRange(img_hsv, lower_red, upper_red)
20 
21 #形態學處理
22 mask = cv2.erode(mask, kernel, iterations=2)
23 mask = cv2.dilate(mask, kernel, iterations=2)
24 
25 #查找輪廓
26 contours, hierarchy = cv2.findContours(mask, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
27 
28 #標出顏色區域
29 for contour in contours:
30     cv2.drawContours(img, [contour], 0, (0,255,0), 3)
31 
32 #顯示圖像
33 cv2.imshow('image',img)
34 cv2.waitKey(0) #等待按鍵
35 cv2.destroyAllWindows() #銷毀所有窗口

六、總結

通過本文的介紹，我們了解了OpenCV的基本概念、安裝方法，以及常見的圖像處理方法。在實際應用中，OpenCV可以實現很多有趣的功能，如人臉識別、目標跟蹤等。希望本文能為初學者提供一些幫助，讓大家更好地掌握OpenCV這個強大的計算機視覺庫。