探索OpenCV：從基礎到實踐

一、OpenCV介紹

OpenCV是一款跨平台的計算機視覺庫，它提供了各種各樣的函數，用於圖像、視頻處理和機器學習。OpenCV最初是由英特爾公司開發的，以C++語言編寫而成，但現已得到支持多種編程語言（如Python、Java等）的擴展。

OpenCV生態系統從2.x版本開始就已經被廣泛應用。如今，它常用於人臉檢測、圖像分割、圖像跟蹤等方面，同時也是許多研究人員和工程師的首選。

下面給出一個簡單的例子，展示如何使用OpenCV讀取並顯示圖像。這是OpenCV的入門的第一步——載入圖像。

import cv2 as cv

img = cv.imread('example.jpg', 1)
cv.imshow('image', img)
cv.waitKey(0)
cv.destroyAllWindows()

代碼中，cv2.imread函數可以讀取一張圖像，並以numpy數組的形式存儲。其中，1表示讀取為彩色圖像，0表示讀取為灰度圖像；’example.jpg’表示要讀取的圖像路徑。

cv.imshow函數可用於顯示圖像，第一個參數指定窗口名字，第二個參數指定要顯示的圖像。cv.waitKey函數則等待特定時間（以毫秒計）來查看是否有任何鍵盤事件，如果按下任何按鍵，則返回鍵的ASCII值，否則返回-1。cv.destroyAllWindows函數清除所有高GUI窗口。

二、基本圖像處理

OpenCV提供的基礎函數使得圖像處理變得更加簡單。下面我們看看一些最常用的圖像處理函數。

1. 圖像調整

import cv2 as cv

img = cv.imread('example.jpg', 1)

# 縮小一倍
img_resized = cv.resize(img,(int(img.shape[1]/2), int(img.shape[0]/2)))
cv.imshow('resized', img_resized)

# 水平翻轉
img_flipped = cv.flip(img, 1)
cv.imshow('flipped', img_flipped)

# 調整亮度
M = np.ones(img.shape, dtype='uint8') * 75
img_bright = cv.add(img, M)
cv.imshow('bright', img_bright)

cv.waitKey(0)
cv.destroyAllWindows()

代碼中，cv.resize函數可以縮小或放大圖像，第一個參數指定要改變的圖像，第二個參數為新圖片的width和height。cv.flip函數可以水平、垂直或水平垂直翻轉圖片，第一個參數是要翻轉的圖像，第二個參數是指定翻轉類型。

圖像的對比度和亮度可以用add函數來調整，M為輸入圖像，表示要強制增加的每個像素的值。OpenCV允許使用numpy來操作每個像素。

2. 圖像濾波

import cv2 as cv
import numpy as np

img = cv.imread('example.jpg', 1)

# 高斯濾波
img_blur = cv.GaussianBlur(img, (5,5), 0)
cv.imshow('blur', img_blur)

# 中值濾波
img_median = cv.medianBlur(img, 5)
cv.imshow('median', img_median)

# 邊緣檢測
img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
img_edges = cv.Canny(img_gray, 50, 150)
cv.imshow('edges', img_edges)

cv.waitKey(0)
cv.destroyAllWindows()

代碼中，cv.GaussianBlur函數實現高斯濾波，第一個參數為輸入圖像，第二個參數是一個元組ksize，表示內核大小。第三個參數是標準差，為0時表示自動計算。cv.medianBlur函數實現中值濾波，第一個參數為輸入圖像，第二個參數為內核大小。cv.Canny函數用於自動的邊緣檢測策略，第一個參數是輸入圖像，後兩個參數的閾值大小和比率。

三、實際應用

下面是一個實際應用的例子：簡單的人臉檢測。

首先需要下載並導入計算機視覺庫Dlib和OpenCV。

!pip install dlib

以下是人臉檢測的代碼示例

import cv2
import dlib

detector = dlib.get_frontal_face_detector()

# 載入圖片
img = cv2.imread('example.jpg', 1)
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

# 人臉檢測
faces = detector(img_rgb)

# 框出人臉
for face in faces:
    x1, y1 = face.left(), face.top()
    x2, y2 = face.right(), face.bottom()
    cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 10)

# 顯示結果
cv2.imshow('result', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

代碼中，首先使用dlib.get_frontal_face_detector()函數創建一個默認的人臉檢測器。然後載入一張圖片，並將其轉換為RGB格式。接著使用detector函數檢測人臉，結果將存儲在一個list中。最後，使用cv2.rectangle函數將人臉框起來。

總結

本文通過介紹OpenCV基本功能以及實際應用，對其功能進行了詳細的闡述，希望可以幫助讀者更好地了解和使用OpenCV。