OpenCV-Python 中文教程

OpenCV官方教程中文版（For Python）

OpenCV2-Python-Tutorials

段力輝 譯

說(shuō)明：搬運(yùn)自linux公社pdf文件，粗略搬運(yùn)，僅作個(gè)人筆記參考，有時(shí)間再美化

部分文件參考：

https://github.com/abidrahmank/OpenCV2-Python-Tutorials

http://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_tutorials.html

索引目錄

?I 走進(jìn) OpenCV 10

II OpenCV 中的 Gui 特性?

III 核心操作?

IV OpenCV 中的圖像處理（一）

IV OpenCV 中的圖像處理（二）

IV OpenCV 中的圖像處理（三）

IV OpenCV 中的圖像處理（四）

IV OpenCV 中的圖像處理（五）

IV OpenCV 中的圖像處理（六）

V 圖像特征提取與描述(一)?

V 圖像特征提取與描述(二）?

VI 視頻分析?

VII 攝像機(jī)標(biāo)定和 3D 重構(gòu)?

VIII 機(jī)器學(xué)習(xí)?

IX 計(jì)算攝影學(xué)?

?

說(shuō)明：搬運(yùn)自linux公社pdf文件，粗略搬運(yùn)，僅作個(gè)人筆記參考，有時(shí)間再美化

部分文件參考：

https://github.com/abidrahmank/OpenCV2-Python-Tutorials

http://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_tutorials.html

?

?

詳細(xì)目錄（譯者說(shuō)明附在末尾）

I 走進(jìn) OpenCV 10

1 關(guān)于 OpenCV-Python 教程 10
2 在 在 Windows 上安裝 OpenCV-Python 11
3 在 在 Fedora 上安裝 OpenCV-Python 12

?

II OpenCV 中的 Gui 特性 13

4 圖片 13
4.1 讀入圖像 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
4.2 顯示圖像 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
4.3 保存圖像 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
4.4 總結(jié)一下 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
5 視頻 18
5.1 用攝像頭捕獲視頻 . . . . . . . . . . . . . . . . . . . . . . . . . 18
5.2 從文件中播放視頻 . . . . . . . . . . . . . . . . . . . . . . . . . 19
5.3 保存視頻 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
6 OpenCV 中的繪圖函數(shù) 24
6.1 畫線 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
6.2 畫矩形 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
6.3 畫圓 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
6.4 畫橢圓 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
6.5 畫多邊形 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
6.6 在圖片上添加文字 . . . . . . . . . . . . . . . . . . . . . . . . . 26
7 把鼠標(biāo)當(dāng)畫筆 28
7.1 簡(jiǎn)單演示 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
7.2 高級(jí)一點(diǎn)的示例 . . . . . . . . . . . . . . . . . . . . . . . . . . 29
8 用滑動(dòng)條做調(diào)色板 32
8.1 代碼示例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

III 核心操作 36

9 圖像的基礎(chǔ)操作 36
9.1 獲取并修改像素值 . . . . . . . . . . . . . . . . . . . . . . . . . 36
9.2 獲取圖像屬性 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
9.3 圖像 ROI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
9.4 拆分及合并圖像通道 . . . . . . . . . . . . . . . . . . . . . . . . 40
9.5 為圖像擴(kuò)邊（填充） . . . . . . . . . . . . . . . . . . . . . . . . 41
10 圖像上的算術(shù)運(yùn)算 43
10.1圖像加法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
10.2圖像混合 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
10.3按位運(yùn)算 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
11 程序性能檢測(cè)及優(yōu)化 47
11.1使用 OpenCV 檢測(cè)程序效率 . . . . . . . . . . . . . . . . . . . 47
11.2OpenCV 中的默認(rèn)優(yōu)化 . . . . . . . . . . . . . . . . . . . . . . 48
11.3在 IPython 中檢測(cè)程序效率 . . . . . . . . . . . . . . . . . . . 49
11.4更多 IPython 的魔法命令 . . . . . . . . . . . . . . . . . . . . . 51
11.5效率優(yōu)化技術(shù) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
12OpenCV 中的數(shù)學(xué)工具 53

IV OpenCV 中的圖像處理 54

13 顏色空間轉(zhuǎn)換 54
13.1轉(zhuǎn)換顏色空間 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
13.2物體跟蹤 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
13.3怎樣找到要跟蹤對(duì)象的 HSV 值？ . . . . . . . . . . . . . . . . . 57
14 幾何變換 59
14.1擴(kuò)展縮放 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
14.2平移 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
14.3旋轉(zhuǎn) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
14.4仿射變換 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
14.5透視變換 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
15 圖像閾值 66
15.1簡(jiǎn)單閾值 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
15.2自適應(yīng)閾值 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
15.3Otsu’s 二值化 . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
15.4Otsu’s 二值化是如何工作的？ . . . . . . . . . . . . . . . . . . 72
16 圖像平滑 75
16.1平均 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
16.2高斯模糊 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
16.3中值模糊 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
16.4雙邊濾波 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
17 形態(tài)學(xué)轉(zhuǎn)換 81
17.1腐蝕 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
17.2膨脹 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
17.3開(kāi)運(yùn)算 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
17.4閉運(yùn)算 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
17.5形態(tài)學(xué)梯度 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
17.6禮帽 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
17.7黑帽 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
17.8形態(tài)學(xué)操作之間的關(guān)系 . . . . . . . . . . . . . . . . . . . . . . . 84
18 圖像梯度 87
18.1Sobel 算子和 Scharr 算子 . . . . . . . . . . . . . . . . . . . . 87
18.2Laplacian 算子 . . . . . . . . . . . . . . . . . . . . . . . . . . 87
19Canny 邊緣檢測(cè) 91
19.1原理 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
19.1.1噪聲去除 . . . . . . . . . . . . . . . . . . . . . . . . . . 91
19.1.2計(jì)算圖像梯度 . . . . . . . . . . . . . . . . . . . . . . . . 91
19.1.3非極大值抑制 . . . . . . . . . . . . . . . . . . . . . . . . 91
19.1.4滯后閾值 . . . . . . . . . . . . . . . . . . . . . . . . . . 92
19.2OpenCV 中的 Canny 邊界檢測(cè) . . . . . . . . . . . . . . . . . 92
20 圖像金字塔 94
20.1原理 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
20.2使用金字塔進(jìn)行圖像融合 . . . . . . . . . . . . . . . . . . . . . 96
21OpenCV 中的輪廓 101
21.1初識(shí)輪廓 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
21.1.1什么是輪廓 . . . . . . . . . . . . . . . . . . . . . . . . . 101
21.1.2怎樣繪制輪廓 . . . . . . . . . . . . . . . . . . . . . . . . 101
21.1.3輪廓的近似方法 . . . . . . . . . . . . . . . . . . . . . . 102
21.2輪廓特征 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
21.2.1矩 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
21.2.2輪廓面積 . . . . . . . . . . . . . . . . . . . . . . . . . . 104
21.2.3輪廓周長(zhǎng) . . . . . . . . . . . . . . . . . . . . . . . . . . 105
21.2.4輪廓近似 . . . . . . . . . . . . . . . . . . . . . . . . . . 105
21.2.5凸包 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
21.2.6凸性檢測(cè) . . . . . . . . . . . . . . . . . . . . . . . . . . 107
21.2.7邊界矩形 . . . . . . . . . . . . . . . . . . . . . . . . . . 107
21.2.8最小外接圓 . . . . . . . . . . . . . . . . . . . . . . . . . 108
21.2.9橢圓擬合 . . . . . . . . . . . . . . . . . . . . . . . . . . 109
21.2.10 直線擬合 . . . . . . . . . . . . . . . . . . . . . . . . . . 109
21.3輪廓的性質(zhì) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
21.3.1長(zhǎng)寬比 . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
21.3.2Extent . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
21.3.3Solidity . . . . . . . . . . . . . . . . . . . . . . . . . . 111
21.3.4Equivalent Diameter . . . . . . . . . . . . . . . . . . 112
21.3.5方向 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
21.3.6掩模和像素點(diǎn) . . . . . . . . . . . . . . . . . . . . . . . . 112
21.3.7最大值和最小值及它們的位置 . . . . . . . . . . . . . . . 113
21.3.8平均顏色及平均灰度 . . . . . . . . . . . . . . . . . . . . 113
21.3.9極點(diǎn) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
21.4輪廓：更多函數(shù) . . . . . . . . . . . . . . . . . . . . . . . . . . 115
21.4.1凸缺陷 . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
21.4.2Point Polygon Test . . . . . . . . . . . . . . . . . . . . 116
21.4.3形狀匹配 . . . . . . . . . . . . . . . . . . . . . . . . . . 117
21.5輪廓的層次結(jié)構(gòu) . . . . . . . . . . . . . . . . . . . . . . . . . . 119
21.5.1什么是層次結(jié)構(gòu) . . . . . . . . . . . . . . . . . . . . . . 119
21.5.2OpenCV 中層次結(jié)構(gòu) . . . . . . . . . . . . . . . . . . . 120
21.5.3輪廓檢索模式 . . . . . . . . . . . . . . . . . . . . . . . . 120
22 直方圖 124
22.1直方圖的計(jì)算，繪制與分析 . . . . . . . . . . . . . . . . . . . . 124
22.1.1統(tǒng)計(jì)直方圖 . . . . . . . . . . . . . . . . . . . . . . . . . 124
22.1.2繪制直方圖 . . . . . . . . . . . . . . . . . . . . . . . . . 126
22.1.3使用掩模 . . . . . . . . . . . . . . . . . . . . . . . . . . 128
22.2直方圖均衡化 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
22.2.1OpenCV 中的直方圖均衡化 . . . . . . . . . . . . . . . . 132
22.2.2CLAHE 有限對(duì)比適應(yīng)性直方圖均衡化 . . . . . . . . . . 132
22.32D 直方圖 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
22.3.1介紹 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
22.3.2OpenCV 中的 2D 直方圖 . . . . . . . . . . . . . . . . . 135
22.3.3Numpy 中 2D 直方圖 . . . . . . . . . . . . . . . . . . . 136
22.3.4繪制 2D 直方圖 . . . . . . . . . . . . . . . . . . . . . . 136
22.4直方圖反向投影 . . . . . . . . . . . . . . . . . . . . . . . . . . 141
22.4.1Numpy 中的算法 . . . . . . . . . . . . . . . . . . . . . 141
22.4.2OpenCV 中的反向投影 . . . . . . . . . . . . . . . . . . 143
23 圖像變換 146
23.1傅里葉變換 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
23.1.1Numpy 中的傅里葉變換 . . . . . . . . . . . . . . . . . . 146
23.1.2OpenCV 中的傅里葉變換 . . . . . . . . . . . . . . . . . 148
23.1.3DFT 的性能優(yōu)化 . . . . . . . . . . . . . . . . . . . . . . 150
23.1.4為什么拉普拉斯算子是高通濾波器？ . . . . . . . . . . . 152
24 模板匹配 155
24.1OpenCV 中的模板匹配 . . . . . . . . . . . . . . . . . . . . . . 155
24.2多對(duì)象的模板匹配 . . . . . . . . . . . . . . . . . . . . . . . . . 158
25Hough 直線變換 160
25.1OpenCV 中的霍夫變換 . . . . . . . . . . . . . . . . . . . . . . 161
25.2Probabilistic Hough Transform . . . . . . . . . . . . . . . . 163
26Hough 圓環(huán)變換 165
27 分水嶺算法圖像分割 168
27.1代碼 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
28 使用 GrabCut 算法進(jìn)行交互式前景提取 173
28.1演示 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 174

V 圖像特征提取與描述 178

29 理解圖像特征 178
29.1解釋 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
30Harris 角點(diǎn)檢測(cè) 181
30.1OpenCV 中的 Harris 角點(diǎn)檢測(cè) . . . . . . . . . . . . . . . . . 182
30.2亞像素級(jí)精確度的角點(diǎn) . . . . . . . . . . . . . . . . . . . . . . . 184
31Shi-Tomasi 角點(diǎn)檢測(cè) & 適合于跟蹤的圖像特征 187
31.1代碼 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 187
32 介紹 SIFT(Scale-Invariant Feature Transform) 190
33 介紹 SURF(Speeded-Up Robust Features) 195
33.1OpenCV 中的 SURF . . . . . . . . . . . . . . . . . . . . . . . 197
34 角點(diǎn)檢測(cè)的 FAST 算法 200
34.1使用 FAST 算法進(jìn)行特征提取 . . . . . . . . . . . . . . . . . . . 200
34.2機(jī)器學(xué)習(xí)的角點(diǎn)檢測(cè)器 . . . . . . . . . . . . . . . . . . . . . . . 201
34.3非極大值抑制 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
34.4總結(jié) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
34.5OpenCV 中 FAST 特征檢測(cè)器 . . . . . . . . . . . . . . . . . . 202
35BRIEF(Binary Robust Independent Elementary Features) 205
35.1OpenCV 中的 BRIEF . . . . . . . . . . . . . . . . . . . . . . 205
36ORB (Oriented FAST and Rotated BRIEF) 207
36.1OpenCV 中的 ORB 算法 . . . . . . . . . . . . . . . . . . . . . 208
37 特征匹配 211
37.1Brute-Force 匹配的基礎(chǔ) . . . . . . . . . . . . . . . . . . . . . 211
37.2對(duì) ORB 描述符進(jìn)行蠻力匹配 . . . . . . . . . . . . . . . . . . . 212
37.3匹配器對(duì)象是什么？ . . . . . . . . . . . . . . . . . . . . . . . . 213
37.4對(duì) SIFT 描述符進(jìn)行蠻力匹配和比值測(cè)試 . . . . . . . . . . . . . 213
37.5FLANN 匹配器 . . . . . . . . . . . . . . . . . . . . . . . . . . 214
38 使用特征匹配和單應(yīng)性查找對(duì)象 218
38.1基礎(chǔ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 218
38.2代碼 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 218

VI 視頻分析 222

39Meanshift 和 和 Camshift 222
39.1Meanshift . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222
39.2OpenCV 中的 Meanshift . . . . . . . . . . . . . . . . . . . . 223
39.3Camshift . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
39.4OpenCV 中的 Camshift . . . . . . . . . . . . . . . . . . . . . 226
40 光流 231
40.1光流 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231
40.2Lucas-Kanade 法 . . . . . . . . . . . . . . . . . . . . . . . . . 232
40.3OpenCV 中的 Lucas-Kanade 光流 . . . . . . . . . . . . . . . 232
40.4OpenCV 中的稠密光流 . . . . . . . . . . . . . . . . . . . . . . 235
41 背景減除 238
41.1基礎(chǔ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 238
41.2BackgroundSubtractorMOG . . . . . . . . . . . . . . . . . 238
41.3BackgroundSubtractorMOG2 . . . . . . . . . . . . . . . . . 239
41.4BackgroundSubtractorGMG . . . . . . . . . . . . . . . . . 240
41.5結(jié)果 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241

VII 攝像機(jī)標(biāo)定和 3D 重構(gòu) 243

42 攝像機(jī)標(biāo)定 243
42.1基礎(chǔ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243
42.2代碼 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 244
42.2.1設(shè)置 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
42.2.2標(biāo)定 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 247
42.2.3畸變校正 . . . . . . . . . . . . . . . . . . . . . . . . . . 247
42.3反向投影誤差 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 249
43 姿勢(shì)估計(jì) 250
43.1基礎(chǔ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 250
43.1.1渲染一個(gè)立方體 . . . . . . . . . . . . . . . . . . . . . . 252
44 對(duì)極幾何（Epipolar Geometry ） 254
44.1基本概念 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 254
44.2代碼 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 255
45 立體圖像中的深度地圖 259
45.1基礎(chǔ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 259
45.2代碼 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 259

VIII 機(jī)器學(xué)習(xí) 261

46K 近鄰（k-Nearest Neighbour ） 261
46.1理解 K 近鄰 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261
46.1.1OpenCV 中的 kNN . . . . . . . . . . . . . . . . . . . . 262
46.2使用 kNN 對(duì)手寫數(shù)字 OCR . . . . . . . . . . . . . . . . . . . 266
46.2.1手寫數(shù)字的 OCR . . . . . . . . . . . . . . . . . . . . . . 266
46.2.2英文字母的 OCR . . . . . . . . . . . . . . . . . . . . . . 268
47 支持向量機(jī) 270
47.1理解 SVM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 270
47.1.1線性數(shù)據(jù)分割 . . . . . . . . . . . . . . . . . . . . . . . . 270
47.1.2非線性數(shù)據(jù)分割 . . . . . . . . . . . . . . . . . . . . . . 271
47.2使用 SVM 進(jìn)行手寫數(shù)據(jù) OCR . . . . . . . . . . . . . . . . . . 273
48K 值聚類 277
48.1理解 K 值聚類 . . . . . . . . . . . . . . . . . . . . . . . . . . . 277
48.1.1T 恤大小問(wèn)題 . . . . . . . . . . . . . . . . . . . . . . . . 277
48.1.2它是如何工作的？ . . . . . . . . . . . . . . . . . . . . . 278
48.2OpenCV 中的 K 值聚類 . . . . . . . . . . . . . . . . . . . . . . 281
48.2.1理解函數(shù)的參數(shù) . . . . . . . . . . . . . . . . . . . . . . 281
48.2.2僅有一個(gè)特征的數(shù)據(jù) . . . . . . . . . . . . . . . . . . . . 282
48.2.3顏色量化 . . . . . . . . . . . . . . . . . . . . . . . . . . 286

IX 計(jì)算攝影學(xué) 288

49 圖像去噪 288
49.1OpenCV 中的圖像去噪 . . . . . . . . . . . . . . . . . . . . . . 289
49.1.1cv2.fastNlMeansDenoisingColored() . . . . . . . . 290
49.1.2cv2.fastNlMeansDenoisingMulti() . . . . . . . . . . 290
50 圖像修補(bǔ) 294
50.1基礎(chǔ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 294
50.2代碼 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 295
X 對(duì)象檢測(cè) 297
51 使用 Haar 分類器進(jìn)行面部檢測(cè) 297
51.1基礎(chǔ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 297
51.2OpenCV 中的 Haar 級(jí)聯(lián)檢測(cè) . . . . . . . . . . . . . . . . . . 299

?

為什么翻譯此書？
段力輝

1 為什么使用 Python
　　Python 作為一種高效簡(jiǎn)潔的直譯式語(yǔ)言非常適合我們用來(lái)解決日常工作的問(wèn)題。而且它簡(jiǎn)單易學(xué)，初學(xué)者幾個(gè)小時(shí)就可以基本入門。再加上 Numpy 和 matplotlib 這兩個(gè)翅膀，Python 對(duì)數(shù)據(jù)分析的能力不遜于Matlab。Python 還被稱為是膠水語(yǔ)言，有很多軟件都提供了 Python 接口。尤其是在 linux 下，可以使用 Python 將不同的軟件組成一個(gè)工作流，發(fā)揮每一個(gè)軟件自己最大的優(yōu)勢(shì)從而完成一個(gè)復(fù)雜的任務(wù)。比如我們可以使用 Mysql 存儲(chǔ)數(shù)據(jù)，使用 R 分析數(shù)據(jù)，使用 matplotlib 展示數(shù)據(jù)，使用OpenGL 進(jìn)行 3D 建模，使用 Qt 構(gòu)建漂亮的 GUI。而 Python 可以將他們聯(lián)合在一起構(gòu)建一個(gè)強(qiáng)大的工作流。

2 為什么使用 Python-OpenCV
　　雖然 python 很強(qiáng)大，而且也有自己的圖像處理庫(kù) PIL，但是相對(duì)于OpenCV 來(lái)講，它還是弱小很多。跟很多開(kāi)源軟件一樣 OpenCV 也提供了完善的 python 接口，非常便于調(diào)用。OpenCV 的穩(wěn)定版是 2.4.8，最新版是 3.0，包含了超過(guò) 2500 個(gè)算法和函數(shù)，幾乎任何一個(gè)能想到的成熟算法都可以通過(guò)調(diào)用 OpenCV 的函數(shù)來(lái)實(shí)現(xiàn)，超級(jí)方便。

?

3 為什么是這本書
　　但是非常可惜關(guān)于在 Python 下使用 OpenCV 的書，除了這本在線教程之外，僅有一個(gè) 100 多頁(yè)的書 opencv computer vision with python（本書雖然挺好的，但是不夠全面，不能讓讀者完全了解 opencv 的現(xiàn)狀）。而我翻譯的這本書是來(lái)源于 OpenCV 的官方文檔，內(nèi)容全面，對(duì)各種的算法的描述簡(jiǎn)單易懂，而且不拘泥于長(zhǎng)篇大論的數(shù)學(xué)推導(dǎo)，非常適合想使用OpenCV 解決實(shí)際問(wèn)題的人，對(duì)他們來(lái)說(shuō)具體的數(shù)學(xué)原理并不重要，重要是能解決實(shí)際問(wèn)題。
在國(guó)內(nèi)這本書可以說(shuō)是第一本 Python_OpenCV 的譯作。

?

4 本書的時(shí)效性
　　本書的編寫時(shí)針對(duì)最新的 OpenCV3.0 的，本版本還沒(méi)有正式發(fā)布（但很穩(wěn)定），其中的內(nèi)容頁(yè)非常新，甚至用到了 2012 年才提出的算法。因此本書的時(shí)效性上應(yīng)該是沒(méi)有問(wèn)題的。

5 本書的目標(biāo)讀者
　　本書針的讀者是高校學(xué)生，科研工作者，圖像處理愛(ài)好者。對(duì)于這些人群，他們往往是帶著具體的問(wèn)題，在苦苦尋找解決方案。為了一個(gè)小問(wèn)題就讓他們?nèi)W(xué)習(xí) C++ 這么深?yuàn)W的語(yǔ)言幾乎是不可能的。而 Python 的悄然興起給他們帶來(lái)的希望，如果說(shuō) C++ 是 tex 的話，那 Python 的易用性相當(dāng)于 word。他們可以很快的看懂本書的所有代碼，并可以學(xué)著使用它們來(lái)解決自己的問(wèn)題，同時(shí)也能拓展自己的視野。別人經(jīng)常說(shuō) Python 不夠快，但是對(duì)于上面的這些讀者，我相信這不是問(wèn)題，現(xiàn)在我們?nèi)粘Ｊ褂玫腜C 機(jī)已經(jīng)無(wú)比強(qiáng)大了，而且絕大多數(shù)情況下不會(huì)用到實(shí)時(shí)處理，更不會(huì)在嵌入式設(shè)備上使用。因此這不是問(wèn)題。

OpenCV-Python
段力輝
2014 年 1 月 30 日

轉(zhuǎn)載于:https://www.cnblogs.com/Undo-self-blog/p/8423851.html

總結(jié)

以上是生活随笔為你收集整理的OpenCV-Python 中文教程（搬运）目录的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。