📅  最后修改于: 2021-01-07 06:28:25             🧑  作者: Mango
OpenCV教程提供了OpenCV的基本和高级概念。我们的OpenCV教程专为初学者和专业人士设计。
OpenCV是用于计算机视觉的开源库。它为机器提供了识别面部或物体的功能。在本教程中,我们将使用Python编程语言学习OpenCV的概念。
我们的OpenCV教程包括读取和保存图像,Canny边缘检测,模板匹配,斑点检测,轮廓,鼠标事件,高斯模糊等所有主题。
OpenCV是Python开源库,用于人工智能,机器学习,面部识别等领域的计算机视觉。
在OpenCV中,CV是计算机视觉的缩写形式,被定义为一个研究领域,可以帮助计算机理解数字图像(例如照片和视频)的内容。
计算机视觉的目的是了解图像的内容。它从图片中提取描述,这些描述可以是对象,文本描述和三维模型,等等。例如,可以用计算机视觉来促进汽车的行驶,计算机视觉将能够识别道路周围的不同物体,例如交通信号灯,行人,交通标志等,并据此采取行动。
计算机视觉使计算机能够以相同的效率执行与人类相同的任务。以下定义了两个主要任务:
OpenCV代表开源计算机视觉库,该库广泛用于图像识别或识别。它由英特尔于1999年正式推出。它是早期用C / C++编写的,但是现在它也通常在Python用于计算机视觉。
OpenCV的第一个alpha版本在2000年的IEEE计算机视觉和模式识别会议上发布,并在2001年至2005年期间发布了五个beta。第一个1.0版本于2006年发布。
OpenCV的第二版于2009年10月发布,具有重大变化。第二个版本包含对C++接口的重大更改,旨在更简单,更类型安全,模式和更好的实现。目前,开发工作由一个独立的俄罗斯团队完成,并且每六个月发布一次更新版本。
在本教程中,我们将学习计算机如何执行图像识别。
人眼根据所见所见提供大量信息。机器可以看到一切,将视觉转换为数字并存储在内存中。这里出现的问题是计算机如何将图像转换为数字。因此,答案是像素值用于将图像转换为数字。像素是可以在数字显示设备上显示和表示的数字图像或图形的最小单位。
特定位置的图像强度由数字表示。在上面的图像中,我们显示了灰度图像的像素值仅包含一个值,即该位置的黑色强度。
识别图像有两种常用方法:
1.灰度
灰度图像是仅包含黑白两种颜色的图像。强度的对比度测量将黑色视为最弱的强度,将白色视为最强的强度。当我们使用灰度图像时,计算机会根据其暗度分配每个像素值。
2. RGB
RGB是红色,绿色,蓝色的组合,共同形成新的颜色。计算机从每个像素中检索该值,并将结果放入要解释的数组中。
在学习OpenCV之前,您必须具有Python编程语言的基本知识。
我们的OpenCV教程旨在帮助初学者和专业人士。
我们保证您在本OpenCV教程中不会发现任何问题。但是,如果有任何错误,请在联系表格中发布问题。