關于OpenCV

• ? OpenCV的全稱是Open Source Computer Vision Library，是一個跨平臺的計算機視覺庫，OpenCV是由英特爾公司發起并參與開發，以BSD許可證授權發行，可以在商業和研究領域中免費使用，OpenCV可用于開發實時的影像處理、計算機視覺以及模式識別程式-----wikipedia，

Task1：Opencv基本了解、影像讀取、繪圖

學習地址

• 點我

思考題

• 輸入本地地址時因為地址中含有\推薦使用原始字串r'()'來輸入(單引號可替換為雙引號或三引號)
  Q:Opencv庫與Matlab、Halcon的區別？
  A：
  Halcon：底層功能演算法多，運算性能快，功能齊全，容易上手，開發專案周期短，非開源專案，商用收費，價格較貴，
  OpenCV：功能演算法相對較多（比Halcon少），開源，可用于商用，開發周期較長（比Halcon長），有些演算法要自己寫，輕量且高效，
  Matlab：Matlab一般用于快速實作演算法和測驗，用于研究理論，OpenCV適合開發實際的影像處理或視覺的應用，

Q:為什么是import cv2？
A： 此處 ‘2’ 表示的并不是opencv的版本號，OpenCV是基于C/C++的，”cv”和”cv2”表示的是底層C API和C++API的區別，”cv2”表示使用的是C++API，

Q:在顯示完之后，用不用cv.destroyWindow()有什么區別？
A：cv.destroyWindow()用來一個特定的視窗

Q:png圖片格式和jpg圖片格式有什么區別？
A：PNG是無損壓縮的圖片，JPG是有損壓縮；PNG支持透明，JPG不支持，

練習題：

同時顯示兩張不同解析度的圖片，對比他們的大小；

使用Opencv，測驗一下你電腦攝像頭的解析度和幀率是多少；

import cv2 as cv

video = cv.VideoCapture(r"C:\Users\86152\Videos\3.mp4")#讀取用電腦攝像頭錄制好的視頻
while video.isOpened():
    ret, frame = video.read()
    if ret:
        cv.imshow("frame", frame)
    else:
        print("視頻播放完成！")
        break
    # 退出播放
    key = cv.waitKey(25)
    if key == 27:  # 按鍵esc
        break

fps = video.get(cv.CAP_PROP_FPS)   #讀取幀率
size = (int(video.get(cv.CAP_PROP_FRAME_WIDTH)),int(video.get(cv.CAP_PROP_FRAME_HEIGHT)))#讀取解析度
print(fps)
print(size)

# 3.釋放資源
video.release()
cv.destroyAllWindows()


#結果
#視頻播放完成！
#29.74641183907191
#(640, 480)

利用電腦攝像頭從外界拍攝一幅自己的影像，添加圓（或其他圖形）
給自己打碼，圖片右下角添加自己的網名和時間，

Task2：影像儲存、色彩空間、影像的算術運算

學習地址

• 影像儲存、色彩空間戳我
• 算數運算戳我

練習題

1、HSV和BGR三原色在圖片資訊存盤的差別在哪？
RGB：以R(Red:紅)、G(Green:綠)、B(Blue:藍)三種基本色為基礎，進行不同程度的疊加，產生豐富而廣泛的顏色，所以儲存的資訊為R\G\B三種顏色的數值
HSV：和RGB顏色模型相似，也是由三個屬性決定顏色，H、S、V分別是色彩、深度、明暗，所以儲存資訊為H\S\V三個屬性多對應數值，

2、代碼呼叫電腦攝像頭，尋找視野中任意顏色（自定）并具有一定大小的物體，并用矩形框處，最后顯示在影像上：

• 參考
• findContours()詳解

import cv2 as cv
import numpy as np

cap = cv.VideoCapture(0, cv.CAP_DSHOW)
while 1:
    # 讀取每一幀
    ret, frame = cap.read()
    # 將 RGB 轉化為 HSV
    hsv = cv.cvtColor(frame, cv.COLOR_BGR2HSV)
    # 設定橘色范圍
    orange_low = np.array([5, 100, 46])
    orange_up = np.array([20, 255, 255])

    # 設定一個橘色的蒙版，找出圖片中的橘色區域
    mask = cv.inRange(hsv, orange_low, orange_up)
    # 對橘色區域所在的蒙版進行高斯模糊處理
    mask = cv.GaussianBlur(mask, (3, 3), 0)
    # 查找蒙版區域的邊界
    (cnt_s, _) = cv.findContours(mask.copy(), cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
    # 如果找到了輪廓，即發現了橘色區域
    if len(cnt_s) > 0:
        # 找出面積最大的輪廓，按照面積逆序排列
        cnt = sorted(cnt_s, key=cv.contourArea, reverse=True)

        # # 只會標出最大的橙色區域
        # # 尋找能包絡橘色區域的最小長方形
        # rect = np.int32(cv.boxPoints(cv.minAreaRect(cnt[0])))
        # # 用線潭訓制
        # cv.drawContours(frame, [rect], -1, (0, 255, 0), 2)

        # 標出多個橙色區域
        for i in cnt:
            if len(i) > 60:
                rect = np.int32(cv.boxPoints(cv.minAreaRect(i)))
                cv.drawContours(frame, [rect], -1, (0, 255, 0), 2)

    # mask 和 原圖疊加
    res = cv.bitwise_and(frame, frame, mask=mask)
    cv.imshow('frame', frame)
    cv.imshow('mask', mask)
    cv.imshow('res', res)
    k = cv.waitKey(5) & 0xFF
    if k == 27:  # 按下 esc 退出
        break
cv.destroyAllWindows()

3、創建一個視頻用來演示一幅圖如何平滑的轉換成另一幅圖（使用函式cv.addWeighted）

import cv2 as cv

img1 = cv.imread(r'C:\Users\86152\Pictures\2.jpg', cv.IMREAD_COLOR)
img2 = cv.imread(r'C:\Users\86152\Pictures\3.jpg', cv.IMREAD_COLOR)

fps = 30
file_path = r"C:\Users\86152\Videos\add_res.avi"  # 匯出路徑
fourcc = cv.VideoWriter_fourcc(*'XVID')  # 設定編碼器
video = cv.VideoWriter(file_path, fourcc, fps, (1920, 1080))

for i in range(0, 101):
    x = i / 100
    y = 1 - x
    dst = cv.addWeighted(img1, x, img2, y, 0) # 調整權重混合圖片，縱享絲滑
    video.write(dst) # 將合成圖片寫入視頻
    cv.namedWindow("dst", 0)
    cv.imshow('dst', dst)
    cv.waitKey(1)

cv.waitKey(0)
cv.destroyAllWindows()

• 成果視頻鏈接

Task3：幾何變換

• 戳我
• 注意:shape得到的是圖片的 高 寬 而 resize() 引數的輸入順序應該為高 寬
• resize()插值方法：縮放時推薦使用 cv2.INTER_AREA， 在擴展時我們推薦使用 cv2.INTER_CUBIC（慢) 和 cv2.INTER_LINEAR， 默認情況下所有改變影像尺寸大小的操作使用的插值方法都是 cv2.INTER_LINEAR
• cv2.getPerspectiveTransform 透視變換

練習題

• 將下面紙張通過變換調節至正中央水平豎直放置，最終呈現的圖片效果上要保留白紙外的區域：
  

import cv2 as cv
import numpy as np

img = cv.imread(r'C:\Users\86152\Pictures\task3_1.jpg')
cv.namedWindow('img', 0)
cv.imshow('img', img)

w, h, x = img.shape
print(w, h)
point1 = np.array([[2151, 489], [3499, 1033], [351, 1585], [1979, 2925]], dtype="float32")  # 源影像中待測矩形的四點坐標
point2 = np.array([[0, 0], [476, 0], [0, 674], [476, 674]], dtype="float32") # 目標影像中矩形的四點坐標
M = cv.getPerspectiveTransform(point1, point2)
out_img = cv.warpPerspective(img, M, (476, 674))  # 這個大致是A4紙的比例

cv.imshow('out_img', out_img)
cv.waitKey(0)
cv.destroyAllWindows()

成果圖