一、什么是計(jì)算機(jī)視覺(jué)

計(jì)算機(jī)視覺(jué)是一門研究如何使機(jī)器“看”的科學(xué)，更進(jìn)一步的說(shuō)，就是是指用攝影機(jī)和電腦代替人眼對(duì)目標(biāo)進(jìn)行識(shí)別、跟蹤和測(cè)量等機(jī)器視覺(jué)，并進(jìn)一步做圖形處理，使電腦處理成為更適合人眼觀察或傳送給儀器檢測(cè)的圖像。作為一個(gè)科學(xué)學(xué)科，計(jì)算機(jī)視覺(jué)研究相關(guān)的理論和技術(shù)，試圖建立能夠從圖像或者多維數(shù)據(jù)中獲取‘信息’的人工智能系統(tǒng)。這里所指的信息指Shannon定義的，可以用來(lái)幫助做一個(gè)“決定”的信息。因?yàn)楦兄梢钥醋魇菑母泄?a target="_blank">信號(hào)中提取信息，所以計(jì)算機(jī)視覺(jué)也可以看作是研究如何使人工系統(tǒng)從圖像或多維數(shù)據(jù)中“感知”的科學(xué)。 視覺(jué)是各個(gè)應(yīng)用領(lǐng)域，如制造業(yè)、檢驗(yàn)、文檔分析、醫(yī)療診斷，和軍事等領(lǐng)域中各種智能/自主系統(tǒng)中不可分割的一部分。由于它的重要性，一些先進(jìn)國(guó)家，例如美國(guó)把對(duì)計(jì)算機(jī)視覺(jué)的研究列為對(duì)經(jīng)濟(jì)和科學(xué)有廣泛影響的科學(xué)和工程中的重大基本問(wèn)題，即所謂的重大挑戰(zhàn)（grand challenge）。 計(jì)算機(jī)視覺(jué)的挑戰(zhàn)是要為計(jì)算機(jī)和機(jī)器人開發(fā)具有與人類水平相當(dāng)?shù)囊曈X(jué)能力。機(jī)器視覺(jué)需要圖象信號(hào)，紋理和顏色建模，幾何處理和推理，以及物體建模。一個(gè)有能力的視覺(jué)系統(tǒng)應(yīng)該把所有這些處理都緊密地集成在一起。 ?我們目前如果是在校學(xué)生，對(duì)于計(jì)算機(jī)視覺(jué)和機(jī)器學(xué)習(xí)的相關(guān)知識(shí)的學(xué)習(xí)是非常有用的，無(wú)論是對(duì)于自己的工作前景還是相關(guān)論文的撰寫都是非常有用的，而且目前對(duì)于計(jì)算機(jī)的相關(guān)知識(shí)已經(jīng)設(shè)計(jì)到了各個(gè)專業(yè)領(lǐng)域，其中包括醫(yī)學(xué)領(lǐng)域（計(jì)算機(jī)視覺(jué)分析CT成像）、電學(xué)領(lǐng)域（使用matlab及相關(guān)領(lǐng)域畫圖）、人臉識(shí)別和車牌識(shí)別等等。而且有想要做交叉學(xué)科的對(duì)于計(jì)算機(jī)可以和任意領(lǐng)域及進(jìn)行無(wú)障礙交叉。 由于我這個(gè)理工男的語(yǔ)文功底并不好，語(yǔ)言組織能力不強(qiáng)，所以我們今天就啰嗦到這里，總結(jié)一下就是計(jì)算機(jī)視覺(jué)及機(jī)器學(xué)習(xí)等和計(jì)算機(jī)相關(guān)的東西特別重要！

二、圖片處理基礎(chǔ)操作

首先我們來(lái)看一段簡(jiǎn)單的計(jì)算機(jī)視覺(jué)相關(guān)代碼：

import cv2img=cv2.imread('path')#path指圖片相關(guān)路徑cv2.imshow('Demo',img)cv2.nameWindow('Demo')cv2.waitKey(0)cv2.destroyAllWindows()

這段代碼就可以在計(jì)算機(jī)中顯示出img的相關(guān)圖像。接下來(lái)我們講解一下每一步的相關(guān)操作。

圖片處理：讀入圖像

相關(guān)函數(shù)：image=cv2.imread(文件名相關(guān)路徑[顯示控制參數(shù)])

文件名：完整的路徑。

其中參數(shù)包括：

cv.IMREAD_UNCHANGED ：表示和原圖像一致

cv.IMREAD_GRAYSCALE : 表示將原圖像轉(zhuǎn)化為灰色圖像。

cv.IMREAD_COLOR：表示將原圖像轉(zhuǎn)化為彩色圖像。

例如：

cv2.imread(‘d:image.jpg’,cv.IMREAD_UNCHANGED)

圖片處理：顯示圖像

相關(guān)函數(shù)：None=cv2.imshow(窗口名，圖像名)例如：

cv2.imshow（“demo”，image）但是在OpenCV中我們圖像顯示還是要加上相關(guān)約束：

retval=cv2.waitKey([delay])如果沒(méi)有這個(gè)限制，那么顯示的圖像就會(huì)一閃而過(guò)，就會(huì)發(fā)生錯(cuò)誤。其中delay參數(shù)包括：dealy=0，無(wú)限等待圖像顯示，直到關(guān)閉。也是waitKey的默認(rèn)數(shù)值。delay<0,等待鍵盤點(diǎn)擊結(jié)束圖像顯示，也就是說(shuō)當(dāng)我們敲擊鍵盤的時(shí)候，圖像結(jié)束顯示。delay>0,等待delay毫秒后結(jié)束圖像顯示。最后我們還需要顯示

cv2.destroyAllWindows（）

把圖像從內(nèi)存中徹底刪除。

圖片處理：圖像保存

相關(guān)函數(shù)：retval=cv2.imwrite(文件地址，文件名)
例如

cv2.imwrite(‘D:test.jpg’,img)

將img保存到了路徑D: est.jpg

三、圖像處理入門基礎(chǔ)

圖像成像原理介紹

首先我們第一個(gè)要深深深深的刻在腦子里的概念就是： ——圖片是由像素點(diǎn)構(gòu)成的 生動(dòng)一點(diǎn)表示就是這樣： ? 這樣就可以完美的展示出計(jì)算機(jī)圖像的成像原理，就是用一個(gè)個(gè)有顏色的像素點(diǎn)拼接而成的。 ?

圖像分類

圖像一般分為三類：
一、二值圖像
二值圖像表示的意思就是每一個(gè)像素點(diǎn)只由0和1構(gòu)成，0表示黑色，1表示白色，而且這里的黑色和白色是純黑和純白。所以我們看到的圖像也就是這個(gè)樣子。我們以官網(wǎng)麗娜為例子。 二、灰度圖像
灰度圖像就是一個(gè)8位的位圖。什么意思呢？就是說(shuō)00000001一直到11111111，這就是二進(jìn)制表示。如果表示成我們常用的十進(jìn)制就是0-255。其中0就表示純黑色，255就表示純白色，中間就是處于純黑色到純白色的相關(guān)顏色。我們還是以麗娜為例。 ? 灰度圖像一塊像素點(diǎn)： ?三、彩色圖像（RGB） 計(jì)算機(jī)中所有的顏色都可以由R（紅色通道）、G（綠色通道）、B（藍(lán)色通道）來(lái)組成，其中每一個(gè)通道都有0-255個(gè)像素顏色組成。比如說(shuō)R=234，G=252，B=4就表示黃色。顯示出來(lái)的也是黃色。所以說(shuō)彩色圖像由三個(gè)面構(gòu)成，分別對(duì)應(yīng)R,G,B。我們還是以麗娜為例子： ? 所以說(shuō)我們就可以知道復(fù)雜程度排序的話就是：彩色圖像-灰度圖像-二值圖像。所以我們?cè)谶M(jìn)行人臉項(xiàng)目或者是車牌識(shí)別項(xiàng)目中最最最常用的操作就是將彩色圖像轉(zhuǎn)化為灰度圖像，然后將灰度圖像轉(zhuǎn)為最簡(jiǎn)單的二值圖像。 ? ? ? ?

四、像素處理操作

讀取像素

相關(guān)函數(shù)：返回值=圖像（位置參數(shù)） 我們先以灰度圖像，返回灰度值：

p=img[88,142]print§ 這里我們就可以返回圖片坐標(biāo)[88，142]處的灰度值。 然后我們以彩色圖像為例子： 我們知道彩色圖像由BGR三個(gè)通道的值構(gòu)成。那么我們需要返回三個(gè)數(shù)值：
blue=img[78，125，0]green=img[78,125,1]red=img[78,125,2]print（blue,green,red） 這樣我們就返回了這三個(gè)數(shù)值。

修改像素

直接暴力修改。 對(duì)于灰度圖像， img[88，99]=255 對(duì)于彩色圖像， img[88，99，0]=255 img][88，99，1]=255 img[88，99，2]=255這里也可以寫成 img[88，99]=[255，255，255]等同于上方。 改動(dòng)多個(gè)像素點(diǎn) 例如還是以彩色圖像為例子：

i[100：150，100：150]=[255，255，255] 意思也就是將圖像橫坐標(biāo)100到150和縱坐標(biāo)100到150的這個(gè)區(qū)間全部用白色替代。

使用python中的numpy修改像素點(diǎn)

讀取像素 相關(guān)函數(shù)：返回值=圖像.item（位置參數(shù)） 我們以灰度圖像為例： o=img,item(88，142) print(o) 對(duì)于彩色圖像我們還是： blue=img.item(88，142，0) green=img.item(88，142，1) red=img.item(88，142，2) 然后print(blue，green，red) 修改像素 圖像名.itemset（位置，新的數(shù)值） 我們以灰度圖像為例子： img.itemset((88，99)，255) 對(duì)于BGR圖像： img.itemset((88，99，0)，255) img.itemset((88，99，1)，255) img.itemset((88，99，2)，255)

import cv2import numpy as np i=cv2.imread('path',cv2.IMREAD_UNCHANGED)print(i.item(100，100))i.itemset((100，100),255)print(i,item(100，100)) 通過(guò)這段代碼我們就可以看得出來(lái)像素的更改。 對(duì)于彩色圖像也是一樣。

五、獲取圖像屬性

形狀

shape可以獲取圖像的形狀，返回值包含行數(shù)、列數(shù)通道數(shù)的元組。 灰度圖像返回行數(shù)列數(shù) 彩色圖像返回行數(shù)、列數(shù)、通道數(shù)。

import cv2img1=cv2.imread('灰度圖像')print(img1.shape)

像素?cái)?shù)目

size可以獲取圖像的像素?cái)?shù)目。 灰度圖像：行數(shù)列數(shù) 彩色圖像：行數(shù)列數(shù)*通道數(shù)

圖像類型

dtype返回的是圖像的數(shù)據(jù)類型

import cv2img=cv2.imread('圖像名稱')print(img.dtype)

六、圖像ROI

ROI（region of interest）表示感興趣區(qū)域

• 從被處理的圖像中以方框、圓、橢圓或者不規(guī)則多邊形等方式勾勒出需要處理的區(qū)域。

• 可以通過(guò)各種算子（operator）和函數(shù)來(lái)求ROI，并進(jìn)行下一步操作。

import cv2import numpy as npa=cv2.imread('path')b=np.ones((101，101，3))b=a[220:400,250:350]a[0:101,0:101]=bcv2.imshow('o',a)cv2.waitKey()cv2.destroyAllWindows() ? 我們還可以將感興趣的圖像加入到別的圖像當(dāng)中。 ? ?

七、通道的拆分與合并

拆分

import cv2img=cv2.imread('圖像名')b = img[ : , : , 0 ]g = img[ : , : , 1 ]r = img[ : , : , 2 ] 我們?cè)贠penCV中有專門拆分通道的函數(shù)： cv2.split(img)

import cv2import numpy as npa=cv2.imread("imagelenacolor.png")b,g,r=cv2.split(a)cv2.imshow("B",b)cv2.imshow("G",g)cv2.imshow("R",r)cv2.waitKey()cv2.destroyAllWindows() ?合并

import cv2import numpy as npa=cv2.imread("imagelenacolor.png")b,g,r=cv2.split(a)m=cv2.merge([b,g,r])cv2.imshow("merge",m)cv2.waitKey()cv2.destroyAllWindows() 我們將上方的拆分圖像進(jìn)行merge合并就可以得到以下結(jié)果： ? ?

審核編輯 ：李倩