Python OpenCV教程从入门到精通的全面指南【文末送书】

Python OpenCV 从入门到精通

OpenCV (Open Source Computer Vision Library) 是一个开源的计算机视觉和机器学习软件库。它包含了数百个计算机视觉算法，可以广泛应用于图像处理、视频分析、人脸识别、物体检测等领域。本文将带你从入门到精通，全面了解如何使用OpenCV进行各种图像和视频处理任务。

1. 安装OpenCV

在使用OpenCV之前，首先需要安装它。你可以通过pip安装OpenCV：

pip install opencv-python
pip install opencv-python-headless
1
2

如果你需要一些附加功能，比如高效的图像处理库，你还可以安装以下包：

pip install opencv-contrib-python
1

2. 基本操作

2.1 读取和显示图像

读取和显示图像是OpenCV的基本功能之一。我们可以使用cv2.imread()读取图像，用cv2.imshow()显示图像。

import cv2

# 读取图像
image = cv2.imread('path_to_image.jpg')

# 显示图像
cv2.imshow('Image', image)
cv2.waitKey(0)
cv2.destroyAllWindows()
1
2
3
4
5
6
7
8
9

2.2 图像基本操作

我们可以对图像进行各种基本操作，比如获取图像尺寸、裁剪图像、修改图像像素值等。

# 获取图像尺寸
height, width, channels = image.shape
print(f"Height: {height}, Width: {width}, Channels: {channels}")

# 裁剪图像
cropped_image = image[100:400, 200:600]

# 修改图像像素值
image[50, 50] = [0, 0, 255]  # 将(50, 50)像素点设为红色
1
2
3
4
5
6
7
8
9

3. 图像处理

3.1 图像转换

我们可以将图像从一种颜色空间转换到另一种颜色空间，比如从BGR到灰度图像。

# 转换为灰度图像
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
cv2.imshow('Gray Image', gray_image)
cv2.waitKey(0)
cv2.destroyAllWindows()
1
2
3
4
5

3.2 图像阈值处理

图像阈值处理是将图像二值化的过程。

# 应用阈值
_, thresholded_image = cv2.threshold(gray_image, 127, 255, cv2.THRESH_BINARY)
cv2.imshow('Thresholded Image', thresholded_image)
cv2.waitKey(0)
cv2.destroyAllWindows()
1
2
3
4
5

3.3 图像平滑

图像平滑（或模糊）是降低图像噪声的一种方法。

# 使用高斯模糊
blurred_image = cv2.GaussianBlur(image, (5, 5), 0)
cv2.imshow('Blurred Image', blurred_image)
cv2.waitKey(0)
cv2.destroyAllWindows()
1
2
3
4
5

4. 边缘检测和轮廓

4.1 Canny边缘检测

Canny边缘检测是一种常用的边缘检测算法。

# Canny边缘检测
edges = cv2.Canny(gray_image, 100, 200)
cv2.imshow('Edges', edges)
cv2.waitKey(0)
cv2.destroyAllWindows()
1
2
3
4
5

4.2 轮廓检测

轮廓检测用于检测图像中的形状。

# 轮廓检测
contours, _ = cv2.findContours(thresholded_image, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(image, contours, -1, (0, 255, 0), 2)
cv2.imshow('Contours', image)
cv2.waitKey(0)
cv2.destroyAllWindows()
1
2
3
4
5
6

5. 高级操作

5.1 特征检测

OpenCV提供了多种特征检测算法，比如SIFT、SURF等。

# 使用SIFT检测特征点
sift = cv2.SIFT_create()
keypoints = sift.detect(gray_image, None)
image_with_keypoints = cv2.drawKeypoints(image, keypoints, None, flags=cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)
cv2.imshow('Keypoints', image_with_keypoints)
cv2.waitKey(0)
cv2.destroyAllWindows()
1
2
3
4
5
6
7

5.2 目标跟踪

目标跟踪是视频处理中的一个重要应用。

# 初始化视频捕捉
cap = cv2.VideoCapture('path_to_video.mp4')

# 初始化跟踪器
tracker = cv2.TrackerKCF_create()
_, frame = cap.read()
bbox = cv2.selectROI(frame, False)
tracker.init(frame, bbox)

while True:
    ret, frame = cap.read()
    if not ret:
        break

    success, bbox = tracker.update(frame)
    if success:
        p1 = (int(bbox[0]), int(bbox[1]))
        p2 = (int(bbox[0] + bbox[2]), int(bbox[1] + bbox[3]))
        cv2.rectangle(frame, p1, p2, (255, 0, 0), 2, 1)

    cv2.imshow('Tracking', frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

5.3 深度学习与OpenCV

OpenCV也可以与深度学习模型集成，用于更复杂的任务，如人脸识别、对象检测等。

# 加载预训练的深度学习模型
net = cv2.dnn.readNetFromCaffe('deploy.prototxt', 'weights.caffemodel')

# 读取图像并进行预处理
blob = cv2.dnn.blobFromImage(image, 1.0, (224, 224), (104.0, 177.0, 123.0))

# 进行前向传播
net.setInput(blob)
detections = net.forward()

# 处理检测结果
for i in range(detections.shape[2]):
    confidence = detections[0, 0, i, 2]
    if confidence > 0.5:
        box = detections[0, 0, i, 3:7] * np.array([width, height, width, height])
        (startX, startY, endX, endY) = box.astype("int")
        cv2.rectangle(image, (startX, startY), (endX, endY), (0, 255, 0), 2)

cv2.imshow('Detections', image)
cv2.waitKey(0)
cv2.destroyAllWindows()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

Python OpenCV从入门到精通【文末送书】

购书链接：
JD：https://item.jd.com/13409660.html
当当：https://product.dangdang.com/29294856.html

适读人群 ：如果读者有Python基础，想系统学习OpenCV，那么本书对于你来说是不错的选择。
《Python OpenCV从入门到精通》以入门为主、进阶为辅，提供了从Python OpenCV入门到编程高手所必需的各项知识。
（1）主流技术，全面解析。本书内容丰富，涵盖OpenCV图像处理技术的方方面面，包括图像的几何变换、阈值处理、图像运算、模板匹配、滤波器、腐蚀与膨胀、图形检测、视频处理、人脸检测和人脸识别等。一本书教你掌握计算机视觉开发领域的主流核心技术。
（2）由浅入深，循序渐进。本书引领读者按照基础入门→核心框架→项目实战循序渐进地学习，符合认知规律。
（3）边学边练，学以致用。130个应用实例+1个行业项目案例+136集Python零基础扫盲课，边学边练，在实践中提升技能。
（4）精彩栏目，贴心提醒。本书设置了很多“注意”“说明”“技巧”等小栏目，有利于读者在学习过程中更轻松地理解相关知识点及概念，并轻松地掌握个别技术的应用技巧。
（5）在线解答，高效学习。在线答疑QQ及技术支持网站，不定期进行在线直播课程。

内容简介
《Python OpenCV从入门到精通》以在Python开发环境下运用OpenCV处理图像为主线，全面介绍OpenCV提供的处理图像的方法。全书共分为16章，包括Python与OpenCV、搭建开发环境、图像处理的基本操作、像素的操作、色彩空间与通道、绘制图形和文字、图像的几何变换、图像的阈值处理、图像的运算、模板匹配、滤波器、腐蚀与膨胀、图形检测、视频处理、人脸检测和人脸识别以及MR智能视频打卡系统。本书图文丰富，直观呈现处理后的图像与原图之间的差异；在讲解OpenCV提供的方法时，列举了其中的必选参数和可选参数，读者能更快地掌握方法的语法格式；最后一章以MR智能视频打卡系统为例，指导读者系统地运用OpenCV解决工作中的实际问题。本书专注于图像处理本身，尽可能忽略图像处理算法的具体实现细节，降低阅读和学习的难度，有助于读者更好更快地达到入门的目的。此外，本书资源包中提供了完整的示例源码、要使用到的图像等配套学习资源。

作者简介
明日科技，全称是吉林省明日科技有限公司，是一家专业从事软件开发、教育培训以及软件开发教育资源整合的高科技公司，其编写的教材非常注重选取软件开发中的必需、常用内容，同时也很注重内容的易学、方便性以及相关知识的拓展性，深受读者喜爱。其教材多次荣获“全行业优秀畅销品种”“全国高校出版社优秀畅销书”等奖项，多个品种长期位居同类图书销售排行榜的前列。

前言/序言

OpenCV的设计初衷是提供易于使用的计算机视觉接口，以帮助开发人员在实际开发中快速建立精巧的视觉应用。为此，OpenCV库包含了从计算机视觉各个领域衍生出来的500多种方法。这使得OpenCV自测试版发布以来，就被广泛地应用在安保行业、航空领域和其他高精尖的科研工作中。近年来，随着Python语言的强势崛起，Python OpenCV已经成为一个很好的学习方向。

本书内容

本书的写作思路是以入门为主、进阶为辅。全书共分4篇。

第1篇：入门篇。本篇包括Python与OpenCV、搭建开发环境、图像处理的基本操作、像素的操作和色彩空间与通道。这些内容的作用相当于“扫盲”，即完成一个从“什么都不知道”到“掌握关键知识点”的转变过程，为学习后面的内容奠定基础。

第2篇：基础篇。本篇介绍了绘制图形和文字、图像的几何变换、图像的阈值处理和图像的运算。学习完这一部分后，读者不仅能够直观地看到运用OpenCV处理图像后的效果，还能够了解OpenCV程序的编码步骤和注意事项。

第3篇：进阶篇。本篇的内容较多，包含了6章内容，分别是模板匹配、滤波器、腐蚀与膨胀、图形检测、视频处理以及人脸检测和人脸识别。这6章内容虽然相对独立，但是在实际开发过程中，是相辅相成、相得益彰的。

第4篇：项目篇。本篇通过一个完整的小型MR智能视频打卡系统，按照“需求分析→系统设计→文件系统设计→数据实体模块设计→工具模块设计→服务模块设计→程序入口设计”顺序，手把手指导读者运用Python OpenCV完成软件项目的开发实践。

本书特点

主流技术，全面覆盖：本书内容丰富，涵盖了Open CV图像处理技术的方方面面，如图像的几何变换、阈值处理、图像运算、模板匹配、滤波器、腐蚀与膨胀、图形检测、视频处理、人脸检测和人脸识别等。

深入浅出，通俗易懂：本书专注于图像处理本身，在编写过程中尽量避免使用过多的专业名词，尽可能忽略图像处理算法的具体实现细节，降低阅读和学习难度，读者更易入门和上手。

学练结合，凸显效果：本书实例丰富，提供了130个应用实例，读者可边学边练，更快地掌握Python OpenCV的编码步骤和关键技术。此外，通过对比原图，可更直观地看到图像经过处理后的效果。

项目实战，累积经验：本书给出了MR智能视频打卡系统的完整项目开发过程，手把手指导读者进行需求分析、系统设计，编写出能实现各模块指定功能的代码，积累项目开发经验。

小栏目，大提醒：本书使用了很多“注意”“说明”等小栏目，目的是让读者在学习过程中快速熟悉容易出错的地方，快速理解关键知识点，轻松掌握编程步骤，积累编程技巧。

读者对象

初学编程的自学者、编程爱好者、大中专院校的老师和学生、相关培训机构的老师和学员、毕业设计的学生、初中级程序开发人员、程序测试及维护人员、参加实习的“菜鸟”程序员。读者服务

本书配套的学习资源，读者可登录清华大学出版社网站，在对应图书页面下获取其下载方式。本书为黑白印刷，为方便读者学习，将书中彩色效果的图片上传至云盘，读者可扫描图书封底的“文泉云盘”二维码，获取其下载方式。

致读者

感谢您购买本书，希望本书能成为您编程路上的领航者。

“零门槛”学编程，一切皆有可能。

祝读书快乐！