OpenCV庫怎么安裝和使用

今天小編給大家分享一下OpenCV庫怎么安裝和使用的相關知識點，內容詳細，邏輯清晰，相信大部分人都還太了解這方面的知識，所以分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后有所收獲，下面我們一起來了解一下吧。

安裝

OpenCV 可以通過 pip 安裝，方法是在 Jupyter Notebook 單元中運行以下命令：

!pip install --upgrade opencv-python

pip 是 Python 的默認包管理器和獨立的可執行文件，但以這種方式運行它可確保將包安裝到 Anaconda 環境中。

如果軟件包安裝正確，此 Python 代碼應該可以正常運行：

import cv2

因為我們要在我們的 Jupyter Notebook 中顯示圖像，我們還應該確保matplotlib已安裝：

!pip install --upgrade matplotlib

讀取和繪制圖像

讀取 OpenCV 可以處理的圖像很簡單：

import cv2
im = cv2.imread("path/to/image.jpg")

OpenCV 支持多種圖像格式，當解析圖像失敗時，結果imread將是None. 請注意，如果未找到圖像文件，則不會引發錯誤 - 結果也會如此None。

假設找到了圖像，然后我們可以使用matplotlib. 為此，我們將使用此輔助函數：

from matplotlib import pyplot
def plot_img(img):
    rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
    pyplot.imshow(rgb)

OpenCV 讀取 BGR 顏色格式的圖像，但matplotlib希望它們是 RGB，所以首先我們必須轉換圖像。然后就可以繪制了。

您可以按如下方式使用此功能：

plot_img(im)

OpenCV 和matplotlib集成如此干凈是因為 OpenCV 圖像實際上只是一個包含像素值的多維 NumPy 數組，并且matplotlib可以使用它。

物體檢測

有很多是OpenCV的可以做。我們將特別關注對象檢測。

對象檢測與所謂的級聯分類器一起工作。這種方法使用機器學習：分類器在包含所需對象的圖像（正圖像）和不包含它的圖像（負圖像）上進行訓練。您可以訓練自己的分類器，但 OpenCV 還提供了幾個可從其 GitHub 下載的預訓練模型。

讓我們試試俄羅斯車牌的預訓練分類器haarcascade_russian_plate_number.xml。如果您想要測試圖像，可以使用Sergey Rodovnichenko 的 Lada Vesta 圖像。

我們可以讀取圖像并繪制它以查看是否一切順利，就像以前一樣：

car = cv2.imread("Pictures/lada-vesta.jpg")
plot_img(car)

接下來，我們創建分類器：

蟒蛇復制代碼

classifier = cv2.CascadeClassifier()
classifier.load("path/to/haarcascade_russian_plate_number.xml")

檢測工作是通過以下detectMultiScale方法完成的：

plates = classifier.detectMultiScale(car)

這將返回一個 NumPy 數組。它實際上是一個數組數組，每個內部數組都是檢測到的板的矩形邊界，格式為[ x, y, width, height ]. 為了直觀地顯示它們，我們可以在圖像上繪制矩形，然后繪制結果：

with_indicators = car
for plate in plates:
    x, y, width, height = plate
    with_indicators = cv2.rectangle(with_indicators, (x, y), 
                                    (x + width, y + height), 
                                    (0, 0, 255), 5)

矩形函數采用圖像、左上角坐標、右下角坐標、顏色和厚度。它返回一個帶有矩形的新圖像。我們可以繪制結果：

plot_img(with_indicators)

這個例子展示了 OpenCV 的針對俄羅斯車牌的預訓練分類器，但這并不是唯一可用的分類器。還有用于面部、眼睛等的預訓練分類器，它們的使用方式與該分類器完全相同。

以上就是“OpenCV庫怎么安裝和使用”這篇文章的所有內容，感謝各位的閱讀！相信大家閱讀完這篇文章都有很大的收獲，小編每天都會為大家更新不同的知識，如果還想學習更多的知識，請關注億速云行業資訊頻道。