Skip to content

Navigation Menu

Sign in
Appearance settings

Search code, repositories, users, issues, pull requests...

Provide feedback

We read every piece of feedback, and take your input very seriously.

Saved searches

Use saved searches to filter your results more quickly
Sign up
Appearance settings

Commit 73fd32f

Browse files
author
extronwang
committed
更换新域名
1 parent b10e4d6 commit 73fd32f

File tree

32 files changed

+185
-184
lines changed

32 files changed

+185
-184
lines changed

‎01. 简介与安装/README.md‎

Lines changed: 4 additions & 4 deletions
Original file line numberDiff line numberDiff line change
@@ -1,6 +1,6 @@
11
# [OpenCV-Python教程01:简介与安装](http://ex2tron.wang/opencv-python-introduction-and-installation/)
22

3-
![](http://pic.ex2tron.top/cv2_install_opencv-python.jpg)
3+
![](http://blog.codec.wang/cv2_install_opencv-python.jpg)
44

55
相信大部分人知道的OpenCV都是用C++来开发的,那为什么我推荐使用Python呢?<!-- more -->
66

@@ -14,15 +14,15 @@
1414

1515
我举两个简单的例子就一目了然了:一个是读入图片,另一个是调整图片的对比度和亮度:
1616

17-
![](http://pic.ex2tron.top/cv2_python_vs_cplus_speed.jpg)
17+
![](http://blog.codec.wang/cv2_python_vs_cplus_speed.jpg)
1818

1919
**可以看到某些情况下Python的运行速度甚至好于C++,代码行数也直接少一半多!**另外,图像是矩阵数据,OpenCV-Python原生支持[Numpy](https://baike.baidu.com/item/numpy),相当于Python中的Matlab,为矩阵运算、科学计算提供了极大的便利性。
2020

2121
## 人工智能浪潮
2222

2323
近些年,人工智能相关技术的快速发展大家有目共睹,不必多说。在编程语言方面,更多人希望的是具备高效开发效率、跨平台、高度扩展性的语言,尤其是一些AI巨头优先推出支持Python语言的深度学习框架,如Facebook的[PyTorch](https://pytorch.org/)、Google的[Tensorflow](https://tensorflow.google.cn/)等,可以说Python是名副其实的"网红语言"了。
2424

25-
![](http://pic.ex2tron.top/cv2_ai_ml_dl2.jpg)
25+
![](http://blog.codec.wang/cv2_ai_ml_dl2.jpg)
2626

2727
从[TIOBE编程语言排行榜](https://www.tiobe.com/tiobe-index/)也可以看到,Python发展迅猛,已经逼近C++的份额。这个排行榜每月更新,我就不截图了,编写时TOP5:Java/C/C++/Python/C#。
2828

@@ -76,7 +76,7 @@ print(cv2.__version__) # '3.4.1'
7676

7777
为了便于学习OpenCV,我写了一个教学款软件[LearnOpenCVEdu](https://github.com/ex2tron/LearnOpenCVEdu),目前只开发了一部分功能,有兴趣的童鞋可以支持一下噢😊
7878

79-
![大家随手点个Star吧(●くろまるˇ∀ˇ●くろまる)](http://pic.ex2tron.top/cv2_learn_opencv_edu_soft_screenshot.jpg)
79+
![大家随手点个Star吧(●くろまるˇ∀ˇ●くろまる)](http://blog.codec.wang/cv2_learn_opencv_edu_soft_screenshot.jpg)
8080

8181
> 经验之谈:虽然从一开始我就推荐大家使用OpenCV-Python进行图像处理,但*想要深入理解OpenCV*,C++还是必须的,尤其是**OpenCV源码**!
8282

‎02. 基本元素-图片/README.md‎

Lines changed: 3 additions & 3 deletions
Original file line numberDiff line numberDiff line change
@@ -1,6 +1,6 @@
11
# [OpenCV-Python教程02:基本元素-图片](http://ex2tron.wang/opencv-python-basic-element-image/)
22

3-
![](http://pic.ex2tron.top/cv2_image_coordinate_channels.jpg)
3+
![](http://blog.codec.wang/cv2_image_coordinate_channels.jpg)
44

55
学习如何加载图片,显示并保存图片。<!-- more -->图片等可到[源码处](#引用)下载。
66

@@ -17,7 +17,7 @@
1717

1818
图像坐标的起始点是在左上角,所以行对应的是y,列对应的是x:
1919

20-
![](http://pic.ex2tron.top/cv2_image_coordinate_channels.jpg)
20+
![](http://blog.codec.wang/cv2_image_coordinate_channels.jpg)
2121

2222
### 加载图片
2323

@@ -54,7 +54,7 @@ cv2.waitKey(0)
5454

5555
参数1是窗口的名字,参数2是要显示的图片。不同窗口之间用窗口名区分,所以窗口名相同就表示是同一个窗口,显示结果如下:
5656

57-
![](http://pic.ex2tron.top/cv2_show_lena_gray.jpg)
57+
![](http://blog.codec.wang/cv2_show_lena_gray.jpg)
5858

5959
`cv2.waitKey()`是让程序暂停的意思,参数是等待时间(毫秒ms)。时间一到,会继续执行接下来的程序,传入0的话表示一直等待。等待期间也可以获取用户的按键输入:`k = cv2.waitKey(0)`([练习1](#练习))。
6060

‎04. 图像基本操作/README.md‎

Lines changed: 2 additions & 2 deletions
Original file line numberDiff line numberDiff line change
@@ -1,6 +1,6 @@
11
# [OpenCV-Python教程04:图像基本操作](http://ex2tron.wang/opencv-python-basic-operations/)
22

3-
![](http://pic.ex2tron.top/cv2_lena_face_roi_crop.jpg)
3+
![](http://blog.codec.wang/cv2_lena_face_roi_crop.jpg)
44

55
学习获取和修改像素点的值,ROI感兴趣区域,通道分离合并等基本操作。<!-- more -->图片等可到[源码处](#引用)下载。
66

@@ -78,7 +78,7 @@ print(img.size) # 263*247*3=194883
7878

7979
[ROI](https://baike.baidu.com/item/ROI/1125333#viewPageContent):Region of Interest,感兴趣区域。什么意思呢?比如我们要检测眼睛,因为眼睛肯定在脸上,所以我们感兴趣的只有脸这部分,其他都不care,所以可以单独把脸截取出来,这样就可以大大节省计算量,提高运行速度。
8080

81-
![只关心脸( ╯□しろいしかく╰ )](http://pic.ex2tron.top/cv2_lena_face_roi_crop.jpg)
81+
![只关心脸( ╯□しろいしかく╰ )](http://blog.codec.wang/cv2_lena_face_roi_crop.jpg)
8282

8383
截取ROI非常简单,指定图片的范围即可(后面我们学了特征后,就可以自动截取辣,(ง •_•)ง):
8484

‎05. 颜色空间转换/README.md‎

Lines changed: 3 additions & 3 deletions
Original file line numberDiff line numberDiff line change
@@ -1,6 +1,6 @@
11
# [OpenCV-Python教程05:颜色空间转换](http://ex2tron.wang/opencv-python-changing-colorspaces/)
22

3-
![](http://pic.ex2tron.top/cv2_exercise_tracking_three_colors.jpg)
3+
![](http://blog.codec.wang/cv2_exercise_tracking_three_colors.jpg)
44

55
学习如何进行图片的颜色空间转换,视频中追踪特定颜色的物体。<!-- more -->图片等可到[源码处](#引用)下载。
66

@@ -50,7 +50,7 @@ print(flags)
5050
3. 提取蓝色范围的物体
5151
4. 只显示蓝色物体
5252

53-
![跟踪视频中的蓝色物体](http://pic.ex2tron.top/cv2_blue_object_tracking.jpg)
53+
![跟踪视频中的蓝色物体](http://blog.codec.wang/cv2_blue_object_tracking.jpg)
5454

5555
```python
5656
import numpy as np
@@ -103,7 +103,7 @@ print(hsv_blue) # [[[120 255 255]]]
103103

104104
1. 尝试在视频中同时提取红色、蓝色、绿色的物体。(效果如下)
105105

106-
![同时追踪3种颜色](http://pic.ex2tron.top/cv2_exercise_tracking_three_colors.jpg)
106+
![同时追踪3种颜色](http://blog.codec.wang/cv2_exercise_tracking_three_colors.jpg)
107107

108108
## 接口文档
109109

‎06. 阈值分割/README.md‎

Lines changed: 5 additions & 5 deletions
Original file line numberDiff line numberDiff line change
@@ -1,6 +1,6 @@
11
# [OpenCV-Python教程06:阈值分割](http://ex2tron.wang/opencv-python-image-thresholding/)
22

3-
![](http://pic.ex2tron.top/cv2_threshold_binary_demo.jpg)
3+
![](http://blog.codec.wang/cv2_threshold_binary_demo.jpg)
44

55
学习使用不同的阈值方法"二值化"图像。<!-- more -->图片等可到[源码处](#引用)下载。
66

@@ -17,7 +17,7 @@
1717

1818
固定阈值分割很直接,一句话说就是像素点值大于阈值变成一类值,小于阈值变成另一类值。
1919

20-
![](http://pic.ex2tron.top/cv2_threshold_binary_demo.jpg)
20+
![](http://blog.codec.wang/cv2_threshold_binary_demo.jpg)
2121

2222
```python
2323
import cv2
@@ -63,11 +63,11 @@ for i in range(6):
6363
plt.show()
6464
```
6565

66-
![5种不同的阈值方式结果](http://pic.ex2tron.top/cv2_different_threshold_demo.jpg)
66+
![5种不同的阈值方式结果](http://blog.codec.wang/cv2_different_threshold_demo.jpg)
6767

6868
> 经验之谈:很多人误以为阈值分割就是[二值化](https://baike.baidu.com/item/%E4%BA%8C%E5%80%BC%E5%8C%96)。从上图中可以发现,两者并不等同,阈值分割结果是两类值,而不是两个值,所以教程开头我把二值化加了引号。
6969
70-
![](http://pic.ex2tron.top/cv2_different_thresholds_theory.jpg)
70+
![](http://blog.codec.wang/cv2_different_thresholds_theory.jpg)
7171

7272
### 自适应阈值
7373

@@ -95,7 +95,7 @@ for i in range(4):
9595
plt.show()
9696
```
9797

98-
![自适应阈值对比固定阈值](http://pic.ex2tron.top/cv2_adaptive_vs_global_thresholding.jpg)
98+
![自适应阈值对比固定阈值](http://blog.codec.wang/cv2_adaptive_vs_global_thresholding.jpg)
9999

100100
- 参数1:要处理的原图
101101
- 参数2:最大阈值,一般为255

‎07. 图像几何变换/README.md‎

Lines changed: 4 additions & 4 deletions
Original file line numberDiff line numberDiff line change
@@ -1,6 +1,6 @@
11
# [OpenCV-Python教程07:图像几何变换](http://ex2tron.wang/opencv-python-image-geometric-transformation/)
22

3-
![](http://pic.ex2tron.top/cv2_perspective_transformations_inm.jpg)
3+
![](http://blog.codec.wang/cv2_perspective_transformations_inm.jpg)
44

55
学习如何旋转、平移、缩放和翻转图片。<!-- more -->图片等可到[源码处](#引用)下载。
66

@@ -45,7 +45,7 @@ dst = cv2.flip(img, 1)
4545

4646
其中,参数2 = 0:垂直翻转(沿x轴),参数2 > 0: 水平翻转(沿y轴),参数2 < 0: 水平垂直翻转。
4747

48-
![](http://pic.ex2tron.top/cv2_flip_image_sample.jpg)
48+
![](http://blog.codec.wang/cv2_flip_image_sample.jpg)
4949

5050
### 平移图片
5151

@@ -78,7 +78,7 @@ cv2.imshow('shift', dst)
7878
cv2.waitKey(0)
7979
```
8080

81-
![](http://pic.ex2tron.top/cv2_translation_100_50.jpg)
81+
![](http://blog.codec.wang/cv2_translation_100_50.jpg)
8282

8383
### 旋转图片
8484

@@ -97,7 +97,7 @@ cv2.imshow('rotation', dst)
9797
cv2.waitKey(0)
9898
```
9999

100-
![逆时针旋转45°并缩放](http://pic.ex2tron.top/cv2_rotation_45_degree.jpg)
100+
![逆时针旋转45°并缩放](http://blog.codec.wang/cv2_rotation_45_degree.jpg)
101101

102102

103103
## 小结

‎08. 绘图功能/README.md‎

Lines changed: 3 additions & 3 deletions
Original file line numberDiff line numberDiff line change
@@ -1,6 +1,6 @@
11
# [OpenCV-Python教程08:绘图功能](http://ex2tron.wang/opencv-python-drawing-function/)
22

3-
![](http://pic.ex2tron.top/cv2_drawing_functions.jpg)
3+
![](http://blog.codec.wang/cv2_drawing_functions.jpg)
44

55
学习画线、圆和矩形等多种几何形状,给图片添加文字。<!-- more -->图片等可到[源码处](#引用)下载。
66

@@ -34,7 +34,7 @@ cv2.imshow('img', img)
3434
cv2.waitKey(0)
3535
```
3636

37-
![绘制各种几何形状](http://pic.ex2tron.top/cv2_drawing_functions.jpg)
37+
![绘制各种几何形状](http://blog.codec.wang/cv2_drawing_functions.jpg)
3838

3939
上图就是本教程绘制的最终效果,下面一步步来看:
4040

@@ -139,7 +139,7 @@ cv2.putText(img, 'ex2tron', (10, 500), font,
139139

140140
1. 你能用已学的绘图功能画出OpenCV的logo吗?(提示:椭圆和圆)
141141

142-
![OpenCV logo](http://pic.ex2tron.top/cv2_draw_opencv_logo.jpg)
142+
![OpenCV logo](http://blog.codec.wang/cv2_draw_opencv_logo.jpg)
143143

144144
## 接口文档
145145

‎09. 图像混合/README.md‎

Lines changed: 4 additions & 4 deletions
Original file line numberDiff line numberDiff line change
@@ -1,6 +1,6 @@
11
# [OpenCV-Python教程09:图像混合](http://ex2tron.wang/opencv-python-image-blending/)
22

3-
![](http://pic.ex2tron.top/cv2_image_blending_6_4.jpg)
3+
![](http://blog.codec.wang/cv2_image_blending_6_4.jpg)
44

55
学习图片间的数学运算,图像混合。<!-- more -->图片等可到[源码处](#引用)下载。
66

@@ -42,19 +42,19 @@ img2 = cv2.imread('opencv-logo-white.png')
4242
res = cv2.addWeighted(img1, 0.6, img2, 0.4, 0)
4343
```
4444

45-
![图像混合](http://pic.ex2tron.top/cv2_image_blending_6_4.jpg)
45+
![图像混合](http://blog.codec.wang/cv2_image_blending_6_4.jpg)
4646

4747
> 经验之谈:α和β都等于1时,就相当于图片相加。
4848
4949
### 按位操作
5050

5151
按位操作包括按位与/或/非/异或操作,有什么用途呢?比如说我们要实现下图的效果:
5252

53-
![](http://pic.ex2tron.top/cv2_bitwise_operations_demo.jpg)
53+
![](http://blog.codec.wang/cv2_bitwise_operations_demo.jpg)
5454

5555
如果将两幅图片直接相加会改变图片的颜色,如果用图像混合,则会改变图片的透明度,所以我们需要用按位操作。首先来了解一下[掩膜](https://baike.baidu.com/item/%E6%8E%A9%E8%86%9C/8544392?fr=aladdin)(mask)的概念:掩膜是用一副二值化图片对另外一幅图片进行局部的遮挡,看下图就一目了然了:
5656

57-
![掩膜概念](http://pic.ex2tron.top/cv2_understand_mask.jpg)
57+
![掩膜概念](http://blog.codec.wang/cv2_understand_mask.jpg)
5858

5959
所以我们的思路就是把原图中要放logo的区域抠出来,再把logo放进去就行了:
6060

‎10. 平滑图像/README.md‎

Lines changed: 5 additions & 5 deletions
Original file line numberDiff line numberDiff line change
@@ -1,6 +1,6 @@
11
# [OpenCV-Python教程10:平滑图像](http://ex2tron.wang/opencv-python-smoothing-images/)
22

3-
![](http://pic.ex2tron.top/cv2_bilateral_vs_gaussian.jpg)
3+
![](http://blog.codec.wang/cv2_bilateral_vs_gaussian.jpg)
44

55
学习模糊/平滑图像,消除噪点。<!-- more -->图片等可到[源码处](#引用)下载。
66

@@ -72,7 +72,7 @@ blur = cv2.boxFilter(img, -1, (3, 3), normalize=True)
7272

7373
前面两种滤波方式,卷积核内的每个值都一样,也就是说图像区域中每个像素的权重也就一样。高斯滤波的卷积核权重并不相同:中间像素点权重最高,越远离中心的像素权重越小,来,数学时间( ╯□しろいしかく╰ ),还记得标准正态分布的曲线吗?
7474

75-
![](http://pic.ex2tron.top/cv2_gaussian_kernel_function_theory.jpg)
75+
![](http://blog.codec.wang/cv2_gaussian_kernel_function_theory.jpg)
7676

7777
显然这种处理元素间权值的方式更加合理一些。图像是2维的,所以我们需要使用[2维的高斯函数](https://en.wikipedia.org/wiki/Gaussian_filter),比如Open×ばつ3的高斯卷积核(具体原理和卷积核生成方式请参考文末的[番外小篇](#番外小篇:高斯滤波卷积核)):
7878

@@ -96,7 +96,7 @@ gaussian = cv2.GaussianBlur(img, (5, 5), 1) # 高斯滤波
9696

9797
参数3 σx值越大,模糊效果越明显。高斯滤波相比均值滤波效率要慢,但可以有效消除高斯噪声,能保留更多的图像细节,所以经常被称为最有用的滤波器。均值滤波与高斯滤波的对比结果如下(均值滤波丢失的细节更多):
9898

99-
![](http://pic.ex2tron.top/cv2_gaussian_vs_average.jpg)
99+
![](http://blog.codec.wang/cv2_gaussian_vs_average.jpg)
100100

101101
### 中值滤波
102102

@@ -111,7 +111,7 @@ blur = cv2.blur(img, (5, 5)) # 均值滤波
111111
median = cv2.medianBlur(img, 5) # 中值滤波
112112
```
113113

114-
![](http://pic.ex2tron.top/cv2_median_vs_average.jpg)
114+
![](http://blog.codec.wang/cv2_median_vs_average.jpg)
115115

116116
### 双边滤波
117117

@@ -124,7 +124,7 @@ gau = cv2.GaussianBlur(img, (5, 5), 0) # 高斯滤波
124124
blur = cv2.bilateralFilter(img, 9, 75, 75) # 双边滤波
125125
```
126126

127-
![](http://pic.ex2tron.top/cv2_bilateral_vs_gaussian.jpg)
127+
![](http://blog.codec.wang/cv2_bilateral_vs_gaussian.jpg)
128128

129129
可以看到,双边滤波明显保留了更多边缘信息。
130130

‎11. 边缘检测/README.md‎

Lines changed: 6 additions & 6 deletions
Original file line numberDiff line numberDiff line change
@@ -1,6 +1,6 @@
11
# [OpenCV-Python教程11:边缘检测](http://ex2tron.wang/opencv-python-edge-detection/)
22

3-
![](http://pic.ex2tron.top/cv2_canny_edge_detection_threshold.jpg)
3+
![](http://blog.codec.wang/cv2_canny_edge_detection_threshold.jpg)
44

55
学习使用Canny获取图像的边缘。<!-- more -->图片等可到[源码处](#引用)下载。
66

@@ -28,7 +28,7 @@ cv2.imshow('canny', np.hstack((img, edges)))
2828
cv2.waitKey(0)
2929
```
3030

31-
![](http://pic.ex2tron.top/cv2_canny_edge_detection.jpg)
31+
![](http://blog.codec.wang/cv2_canny_edge_detection.jpg)
3232

3333
`cv2.Canny()`进行边缘检测,参数2、3表示最低、高阈值,下面来解释下具体原理。
3434

@@ -64,15 +64,15 @@ $$
6464

6565
梯度其实已经表示了轮廓,但为了进一步筛选,可以在上面的四个角度方向上再取局部极大值:
6666

67-
![](http://pic.ex2tron.top/cv2_understand_canny_direction.jpg)
67+
![](http://blog.codec.wang/cv2_understand_canny_direction.jpg)
6868

6969
比如,A点在45°方向上大于B/C点,那就保留它,把B/C设置为0。
7070

7171
4,滞后阈值:
7272

7373
经过前面三步,就只剩下0和可能的边缘梯度值了,为了最终确定下来,需要设定高低阈值:
7474

75-
![](http://pic.ex2tron.top/cv2_understand_canny_max_min_val.jpg)
75+
![](http://blog.codec.wang/cv2_understand_canny_max_min_val.jpg)
7676

7777
- 像素点的值大于最高阈值,那肯定是边缘(上图A)
7878
- 同理像素值小于最低阈值,那肯定不是边缘
@@ -94,13 +94,13 @@ cv2.waitKey(0)
9494

9595
代码中我用了[番外篇:Otsu阈值法](/opencv-python-extra-otsu-thresholding/)中的自动阈值分割,如果你不太了解,大可以使用传统的方法,不过如果是下面这种图片,推荐用Otsu阈值法。另外Python中某个值不用的话,就写个下划线'_'。
9696

97-
![](http://pic.ex2tron.top/cv2_canny_edge_detection_threshold.jpg)
97+
![](http://blog.codec.wang/cv2_canny_edge_detection_threshold.jpg)
9898

9999
## 练习
100100

101101
1. (选做)如果你不太理解高低阈值的效果,创建两个滑动条来调节它们的值看看:
102102

103-
![](http://pic.ex2tron.top/cv2_trackbar_maxval_minval_canny.gif)
103+
![](http://blog.codec.wang/cv2_trackbar_maxval_minval_canny.gif)
104104

105105
## 小结
106106

0 commit comments

Comments
(0)

AltStyle によって変換されたページ (->オリジナル) /