AI与Python计算机视觉教程：从基础到实战应用

计算机视觉旨在利用计算机软硬件模拟并复现人类视觉系统。本章将深入解析这一领域的核心概念与技术实现。

计算机视觉

作为一门交叉学科，计算机视觉研究如何根据场景中结构的属性，从二维图像中重建、中断并理解三维场景。

计算机视觉层次结构

计算机视觉技术体系主要划分为以下三个基本层级：

• 低级视觉：主要涉及图像特征提取的处理过程。
• 中级视觉：涵盖物体识别及三维场景解释。
• 高级视觉：包含对场景中活动、意图及行为的概念性描述。

计算机视觉与图像处理

图像处理专注于图像到图像的变换，其输入和输出均为图像数据。

计算机视觉则致力于从图像中构建对物理对象的明确且有意义的描述，其输出是对三维场景中结构的解释或描述。

应用

计算机视觉技术已广泛应用于以下领域：

机器人

• 定位：自动确定机器人的位置。
• 导航：规划移动路径。
• 避障：识别并避开障碍物。
• 装配：执行如挂孔、焊接、喷漆等精密操作。
• 操纵：例如使用PUMA机器人机械臂进行物体抓取与移动。
• 人机交互（HRI）：实现与人类互动及服务的智能机器人。

医学

• 分类与检测：例如病变或细胞的分类以及肿瘤检测。
• 2D/3D分割：对医学影像进行区域划分。
• 3D人体器官重建：基于MRI或超声数据重建器官模型。
• 视觉引导机器人手术：辅助医生进行高精度手术操作。

安全

生物识别技术：包括虹膜、指纹及面部识别。

监控：检测可疑活动或异常行为。

运输

自动驾驶汽车安全性：例如驾驶员警惕度监控。工业自动化应用：工业检查（缺陷检测）、部件条形码与包装标签读取、对象排序、文件理解（如OCR光学字符识别）。

安装有用的包

在Python中进行计算机视觉开发，最流行的库是OpenCV（开源计算机视觉）。这是一个主要针对实时计算机视觉的编程功能库，底层由C++编写，主要接口也基于C++。您可以借助以下命令安装此软件包：

pip install opencv_python-X.X-cp36-cp36m-winX.whl

此处X代表您机器上安装的Python版本号，以及您使用的是win32还是64位系统。

如果您使用的是Anaconda环境，请使用以下命令安装OpenCV：

conda install -c conda-forge opencv

阅读，写作和显示图像

大多数计算机视觉应用程序需要将图像作为输入，并生成图像作为输出。在本节中，您将学习如何借助OpenCV提供的功能读取和写入图像文件。

OpenCV函数用于读取，显示，写入图像文件

OpenCV为此提供了以下核心功能：

• imread()函数：这是读取图像的函数。OpenCV imread()支持多种图像格式，如PNG、JPEG、JPG、TIFF等。
• imshow()函数：这是在窗口中显示图像的功能。窗口会自动调整以适配图像大小。OpenCV imshow()支持多种图像格式，如PNG、JPEG、JPG、TIFF等。
• imwrite()函数：这是写入图像的函数。OpenCV imwrite()支持多种图像格式，如PNG、JPEG、JPG、TIFF等。

示例

此示例展示了用于以某种格式读取图像的Python代码，在窗口中显示它，并以另一种格式写入相同的图像。请考虑以下步骤：

如图所示导入OpenCV包：

import cv2

现在，要读取特定图像，请使用imread()函数：

image = cv2.imread('image_flower.jpg')

要显示图像，请使用imshow()函数。您可以在其中查看图像的窗口名称为image_flower。

cv2.imshow('image_flower',image)cv2.destroyAllwindows()

现在，我们可以使用imwrite()函数将相同的图像写入另一种格式，例如.png：

cv2.imwrite('image_flower.png',image)

输出True表示图像已成功写入.png文件，该文件也位于同一文件夹中。

True

注意：函数destroyAllWindows()（注意大小写）用于销毁我们创建的所有窗口。

色彩空间转换

在OpenCV中，图像不是使用传统的RGB颜色存储的，而是以相反的顺序存储，即以BGR顺序存储。因此，读取图像时的默认颜色代码是BGR。cvtColor()函数用于将图像从一个颜色代码转换为其他颜色。

例

考虑此示例，将图像从BGR转换为灰度。

如图所示导入OpenCV包：

import cv2

现在，要读取特定图像，请使用imread()函数：

image = cv2.imread('image_flower.jpg')

现在，如果我们使用imshow()函数看到这个图像，那么我们可以看到这个图像在BGR模式下显示。

cv2.imshow('BGR_Penguins',image)

现在，使用cvtColor()函数将此图像转换为灰度：

image = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
cv2.imshow('gray_penguins',image)

边缘检测

人们在看到粗略的草图后，可以很容易地识别出许多物体类型和姿势。这就是边缘在人类生活以及计算机视觉应用中发挥重要作用的原因。OpenCV提供了一个非常简单且有用的函数Canny()来检测边缘。

例

以下示例显示了边缘的清晰标识。

导入OpenCV包如图所示：

import cv2import numpy as np

现在，要读取特定图像，请使用imread()函数。

image = cv2.imread('Penguins.jpg')

现在，使用Canny()函数检测已读取图像的边缘。

cv2.imwrite(‘edges_Penguins.jpg',cv2.Canny(image,200,300))

现在，要显示带边的图像，请使用imshow()函数。

cv2.imshow(‘edges', cv2.imread(‘‘edges_Penguins.jpg'))

这个Python程序将使用边缘检测创建一个名为edges_penguins.jpg的图像。

人脸检测

人脸检测是计算机视觉的迷人应用之一，使其更加真实和未来化。OpenCV具有执行面部检测的内置工具。我们将使用Haar级联分类器进行人脸检测。

哈尔Cascade数据

我们需要数据来使用Haar级联分类器。您可以在我们的OpenCV包中找到这些数据。安装OpenCV后，您可以看到文件夹名称haarcascades。不同的应用程序会有.xml文件。现在，将它们全部复制以供不同使用，然后粘贴到当前项目下的新文件夹中。

例

以下是使用Haar Cascade检测Amitabh Bachan面部的Python代码，如下图所示：

如图所示导入OpenCV包：

import cv2
import numpy as np

现在，使用HaarCascadeClassifier检测面部：

face_detection=
cv2.CascadeClassifier('D:/ProgramData/cascadeclassifier/
haarcascade_frontalface_default.xml')

现在，要读取特定图像，请使用imread()函数：

img = cv2.imread('AB.jpg')

现在，将其转换为灰度，因为它会接受灰色图像：

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

现在，使用face_detection.detectMultiScale，执行实际的面部检测：

faces = face_detection.detectMultiScale(gray, 1.3, 5)

现在，在整个脸部周围画一个矩形：

for (x,y,w,h) in faces:
   img = cv2.rectangle(img,(x,y),(x+w, y+h),(255,0,0),3)
cv2.imwrite('Face_AB.jpg',img)

这个Python程序将使用面部检测创建一个名为Face_AB.jpg的图像，如图所示。

眼睛检测

眼睛检测是计算机视觉的另一个迷人应用，它使其更加真实和未来化。OpenCV有一个内置的工具来执行眼睛检测。我们将使用Haar级联分类器进行眼睛检测。

例

以下示例给出了使用Haar Cascade检测Amitabh Bachan面部的Python代码，如下图所示：

导入OpenCV包如图所示：

import cv2import numpy as np

现在，使用HaarCascadeClassifier检测面部：

eye_cascade = cv2.CascadeClassifier('D:/ProgramData/cascadeclassifier/haarcascade_eye.xml')

现在，要读取特定图像，请使用imread()函数：

img = cv2.imread('AB_Eye.jpg')

现在，将其转换为灰度，因为它会接受灰色图像：

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

现在借助eye_cascade.detectMultiScale，执行实际的检测：

eyes = eye_cascade.detectMultiScale(gray, 1.03, 5)

现在，在整个眼部周围画一个矩形：

for (ex,ey,ew,eh) in eyes:
   img = cv2.rectangle(img,(ex,ey),(ex+ew, ey+eh),(0,255,0),2)
cv2.imwrite('Eye_AB.jpg',img)

这个Python程序将创建一个名为Eye_AB.jpg的图像，其中带有眼睛检测，如图所示。

以上就是AI与Python计算机视觉教程的详细内容，更多关于AI Python计算机视觉的资料请关注本站其它相关文章！