可能是因為Opencv的博客不能寫得太水，我個人不太想寫Opencv的博客，但又不得不寫。

Opencv-python學(xué)習(xí)路線與圖像處理方面的相關(guān)技能樹（西瓜6總結(jié)）

標(biāo)題

• Opencv-python學(xué)習(xí)路線與圖像處理方面的相關(guān)技能樹（西瓜6總結(jié)）
• • 前言
  • Opencv的優(yōu)點
  • 為什么選擇Opencv-python
  • Opencv-python學(xué)習(xí)路線
  • • 1.OpenCV簡介
    • 2.OpenCV中的Gui功能
    • 3.核心運營（核心操作）
    • 4.OpenCV中的圖像處理🌟
    • 5.特征檢測與描述
    • 6.剩余部分
  • 相關(guān)技能補充
  • 結(jié)束語

前言

本文會介紹Opencv-python學(xué)習(xí)路線和學(xué)了之后的話還需要學(xué)哪些技能從而更好得就業(yè)。畢竟知識總是要用來套現(xiàn)的。
我會去回顧自己所學(xué)，和在項目上的一些經(jīng)驗，用心把這篇文章寫好。從而使得這篇文章更好得幫助到想往圖像方面發(fā)展的同學(xué)，或者給同樣使用Opencv的很久的同行回顧或思考。因此如果覺得本文哪里寫得不合適或有錯誤。隨時歡迎評論或者私信指出。

Opencv的優(yōu)點

我一句話給各位概括一下，Opencv是一個非常理想的開源的發(fā)行的跨平臺計算機視覺庫。用了之后就是真香。

為什么選擇Opencv-python

主要因為Python本身的優(yōu)點，學(xué)得快，用得爽。之后拓展也很舒服。

Opencv-python學(xué)習(xí)路線

學(xué)習(xí)路線，主要是學(xué)習(xí)三個方面。獲取圖片，處理圖片和反饋結(jié)果。

各位就把Opencv當(dāng)作獨孤九劍學(xué)就行。第一步學(xué)習(xí)劍的基礎(chǔ)，python，numpy要懂點基礎(chǔ)，之后獲取圖片前期掌握一個imread就行。第二步根據(jù)情況去學(xué)習(xí)破劍式，破刀式，破槍式這些分別對應(yīng)里面的圖像幾何變化、圖像閾值、形態(tài)變化等，知道有哪些功能，之后對應(yīng)去用就好。等第二步多了，第三步總訣式自然水到渠成。

配合著官方的手冊里的目錄說明一下。https://docs.opencv.org/3.4.11/d6/d00/tutorial_py_root.html

1.OpenCV簡介

了解如何在計算機上設(shè)置OpenCV-Python！
掌握程度：新手全看，會裝就算過了。

2.OpenCV中的Gui功能

在這里，您將學(xué)習(xí)如何顯示和保存圖像和視頻，控制鼠標(biāo)事件以及創(chuàng)建軌跡欄。

掌握程度：紅色框框內(nèi)的掌握即可，后面的例子用到的全是imread。視頻入門之類的雖然是基礎(chǔ)，但是是后面的基礎(chǔ)，初學(xué)者要隔一段時間才能用到。

3.核心運營（核心操作）

在本節(jié)中，您將學(xué)習(xí)圖像的基本操作，例如像素編輯，幾何變換，代碼優(yōu)化，一些數(shù)學(xué)工具等。

掌握程度：紅色框框內(nèi)的掌握即可，至于剩的那個是很重要，不過初學(xué)者看了，短期內(nèi)都不會用到。解決方案都沒有，還談什么優(yōu)化呢？

4.OpenCV中的圖像處理🌟

在本節(jié)中，您將學(xué)習(xí)OpenCV內(nèi)部的不同圖像處理功能。


這一部分就比較多。
圖像的幾何變換：如旋轉(zhuǎn)，平移，是圖像的基礎(chǔ)知識，一定要掌握。

改變色彩空間，圖像閾值，平滑圖像：可以放在一起學(xué)習(xí)。理解彩色圖，灰度圖，二值圖。接著再理解閾值的概念。而平滑圖像是個啥呢，如果你近視的話，你把眼睛一摘，這感覺就和平滑圖像差不多。之后可以再了解下高斯與中值濾波。

形態(tài)轉(zhuǎn)換：主要指的是圖像形態(tài)學(xué)操作。包含腐蝕操作，膨脹操作，開運算，閉運算，梯度計算，禮帽和黑帽。如：
開運算為先腐蝕再膨脹。對于消除噪音很有用

閉運算為先膨脹再腐蝕。在關(guān)閉前景對象內(nèi)部的小孔或?qū)ο笊系男『邳c時很有用。

圖像漸變：可以理解為圖像梯度計算。理解里面的三種類型的梯度濾波器或高通濾波器，即Sobel，Scharr和Laplacian。Sobel為一階求導(dǎo)，Scharr和Laplacian為二階求導(dǎo)。如圖Sobel X則圖像中的橫線消失了，Sobel Y則圖像中的豎線消失了。

坎尼邊緣檢測（Canny邊緣檢測）：Canny Edge Detection是一種流行的邊緣檢測算法。

影像金字塔：主要是了解cv2.pyrDown（）和cv2.pyrUp（），向下采樣和向上采樣。示例給的是蘋果橘子的圖像融合。

OpenCV中的輪廓：

cv2.findContours（）是里面的基礎(chǔ)，在這個基礎(chǔ)上再去探尋或者設(shè)計你需要的輪廓屬性。而這一章之前的內(nèi)容可以理解為本章的基礎(chǔ)。這一章和前面的感覺不同，前面主要是圖對圖，也就是把圖處理為另一張圖。這一章則是圖對數(shù)據(jù)，把圖片處理為你需要的數(shù)據(jù)，比如把圖片處理為里面一個物體的面積。就是把圖片處理為數(shù)字。
個人認為本章還是很關(guān)鍵的，如我們要得到一個物體在圖片中的中心點坐標(biāo)，但這張圖片里有一些噪聲干擾。我們既可以先處理噪聲，再找輪廓。也可以先找輪廓，再排除噪聲。
OpenCV中的直方圖，OpenCV中的圖像轉(zhuǎn)換：理解直方圖定義，均衡化原理，均衡化效果，傅立葉概述和變化后的效果

模板匹配，霍夫線變換，霍夫圓變換：如同字面意思分別是使用模板匹配在圖像中搜索對象，檢測線，檢測圓。很好理解，很好用。

分水嶺算法的圖像分割：找圖片中的峰值。函數(shù)是cv2.watershed（），用官方的例子說明一下。

這個cv2.watershed可以把這些硬幣都找到。

（解決問題的方法不止一種，因為這些硬幣顏色相近，你也可以用前面的顏色來判斷，接著再形態(tài)轉(zhuǎn)換，也能得到類似的效果）
使用GrabCut算法進行交互式前景提取：如標(biāo)題所示，功能是前景提取，效果可能不夠理想哈。
掌握程度：只需要進去后把相關(guān)示例代碼運行一下，知道功能即可，之后建議等下一章看完做一些練習(xí)項目，練習(xí)項目在后面會提到。

5.特征檢測與描述

掌握程度：前面的概念瀏覽一下，最后的ORB，特征匹配，特征匹配+單應(yīng)性查找對象把相關(guān)示例代碼運行一下，知道功能即可。這里看完之后就建議各位找點Opencv的實例應(yīng)用來做做看。

相關(guān)的實例如：信用卡數(shù)字識別，車牌號識別，全景圖像拼接，停車場車位識別，答題卡識別等。要是各位對這些實例感興趣的話，我之后可以寫這方面的實例，然后放在這里。

6.剩余部分

剩余的部分肯定是有用的，在特定情況下就會用到。因此建議大家點進去看一下就行。當(dāng)看到這里的時候推薦大家再回頭去細看前面的績效評估和改進技術(shù)（Performance Measurement and Improvement Techniques）（雖然“績效評估”這個翻譯優(yōu)點醉，但防止大家找不到，就姑且這樣吧）

相關(guān)技能補充

以下是個人的觀點。。。
首先python，c++的基礎(chǔ)一定要打牢，Opencv畢竟源代碼是用c++寫的，長期來看python可能是不夠的。但如果你是搞深度學(xué)習(xí)的，用Opencv做一做特征工程，那當(dāng)我沒說。圖像算法方面其實挺看學(xué)歷的（作者這個本科生就很傷），但也沒必要灰心，要相信自己的能力。除此之外，OCR可以去了解一下，直接搜tesseract-ocr。條形碼和二維碼的識別也可以去了解一下，直接搜pyzbar或者zxing。以及給各位強烈安利anaconda。
再有的就要看你要應(yīng)聘什么崗位了，到招聘網(wǎng)站上搜索一下，投個簡歷，面試下就行。時刻去面試也很不錯哦，可以去思考接下來的發(fā)展和了解行情。

結(jié)束語

總算寫完了，寫這一篇文章自己也學(xué)到了不少，可以說是溫故而知新。也覺得自己知道的還不夠。
有幫助就點個贊和關(guān)注咯。感謝各位。

總結(jié)

以上是生活随笔為你收集整理的Opencv-python学习路线与图像处理方面的相关技能树（西瓜6总结）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

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