作者|Lazar Gugleta
編譯|Flin
來源|towardsdatascience
計算機視覺和計算機圖形學現在非常流行，因為它們與人工智能有著廣泛的聯系，它們的主要共同點是使用同一個OpenCV庫，以便像人類一樣對數字影像或視頻（CV）或生成影像（CG）有高層次理解，
這就是為什么今天我們要看一看在計算機科學領域里，對于同樣的庫，有哪些函式是你最能從中受益的!
在討論OpenCV的強大功能之前，讓我們先看看計算機視覺、計算機圖形學和OpenCV的定義，以便更好地理解我們在這里所做的作業，
計算機視覺
計算機視覺是一個跨學科的領域，涉及如何使計算機獲得對數字影像或視頻的高層次理解，從工程的角度來看，它試圖使人類視覺系統能夠完成的任務自動化，也就是說，它希望像人類一樣“看懂”世界，
計算機圖形學
計算機圖形學是計算機科學中的一個分支，它研究如何借助計算機生成影像，如今，計算機圖形學是數字攝影、電影、視頻游戲、手機和計算機顯示等許多專業應用領域的核心技術，
OpenCV
OpenCV（Open Source Computer Vision Library）是一個開源的計算機視覺和機器學習軟體庫，OpenCV的建立是為了為計算機視覺應用提供一個通用的基礎設施，并加速機器感知在商業產品中的應用，
該圖書館提供處理和分析影像內容的工具，包括識別數字照片中的物件（如人的臉和圖形、文本等）、跟蹤物件的運動、轉換影像、應用機器學習方法以及識別各種影像中的公共元素，
一旦我們解決了這個問題，我們可以從我個人選擇的十大函式開始，（使用Python撰寫函式）
imread/imshow
這個函式必須放在首位，因為要用一張圖片開始你的專案，此函式是必不可少的，從函式名可以猜到，它加載了BGR（Blue-Green-Red）格式的影像，
import cv2
import matplotlib.pyplot as plot
image = cv2.imread('data.png') #load image
plot.imshow(image) #show image
cvtColor
加載影像后，還可以使用cvtColor中的不同標志將其轉換為不同的配色方案，
cv2.cvtColor(image,cv2.COLOR_BGR2RGB)
下面是cvtColor的一些其他標志：COLOR_BGR2GRAY、COLOR_BGR2HSV和COLOR_BGR2YUV等，
這是雙向的，例如，COLOR_YUV2BGR也是可能的，
resize
有時你只需要一個不同于原來大小的影像，所以resize就是你需要的函式，
cv2.resize(image, dimension, interpolation = cv2.INTER_AREA)
它獲取原始影像，并按尺寸創建一個新影像，尺寸定義為：
dimension = (width, height)
插值是一種重采樣圖片的方法，在我的例子中，它使用基于INTER_AREA的區域間重采樣，還有更多類似的方法
- INTER_NEAREST: 最近鄰插值
- INTER_LINEAR: 雙線性插值
- INTER_CUBIC: 4×4像素鄰域上的雙三次插值
- INTER_LANCZOS4: 8×8鄰域上的Lanczos插值
- https://scc.ustc.edu.cn/zlsc/sugon/intel/ipp/ipp_manual/IPPI/ippi_appendices/ippi_appB_LanczosInterpolation.htm
split/merge
每張圖片有3個通道，如果我們想把它們分割成不同的圖片，我們可以使用分割函式來實作，
(channel_b, channel_g, channel_r) = cv2.split(img)
如果影像是BGR格式，它會將每個通道分成你定義的三個變數，
如果你已經分割通道,但希望將它們合并到一起，你可以使用merge，
cv2.merge(channel_b, channel_g, channel_r)
vconcat / hconcat
使用vconcat()，hconcat()垂直和水平連接（合并）影像，
v表示垂直，h表示水平，
cv2.vconcat([image1, image2])
cv2.hconcat([image1, image2])
ones/zeros
如果要在三維影像（矩陣）中都填充1或0（因為矩陣要求彩色影像具有3個維度），
size = 200, 200, 3
m = np.zeros(size, dtype=np.uint8)
n = np.ones(size, dtype=np.uint8)
作為一個附加函式，我想在這里添加一個東西，那就是轉置函式，
transpose
如果我們有一個要轉置的已定義矩陣mat，我們所要做的就是直接對mat使用這個函式：
import numpy as np
mat = np.array([[1, 2, 3], [4, 5, 6]])
mat_transpose = mat.transpose()
print(mat_tranpose)
得到輸出：
[[1 4]
[2 5]
[3 6]]
#original input
[[1, 2, 3]
[4, 5, 6]]
下一個步驟
這主要是為初學者準備的，但是下節課我們將介紹OpenCV更高級的特性，
原文鏈接：https://towardsdatascience.com/top-10-opencv-functions-everyone-has-to-know-about-945f33de8f6f
歡迎關注磐創AI博客站：
http://panchuang.net/
sklearn機器學習中文官方檔案：
http://sklearn123.com/
歡迎關注磐創博客資源匯總站：
http://docs.panchuang.net/
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/143259.html
標籤：其他