计算机视觉涉及使用计算机软件和硬件建模和复制人类视觉。在本章中，您将详细了解这一点。
计算机视觉
计算机视觉是一门学科，根据场景中存在的结构的属性，研究如何从其2d图像重建，中断和理解3d场景。
计算机视觉层次结构
计算机视觉分为以下三个基本类别 -
- 低级视觉 - 它包括用于特征提取的过程图像。
- 中级视觉 - 包括物体识别和3D场景解释
- 高级视觉 - 包括活动，意图和行为等场景的概念性描述。
计算机视觉与图像处理
图像处理研究图像到图像的变换。图像处理的输入和输出都是图像。
计算机视觉是从图像中构建对物理对象的明确，有意义的描述。计算机视觉的输出是对3D场景中的结构的描述或解释。
应用
计算机视觉在以下领域中得到应用 -
机器人
- 本地化 - 自动确定机器人位置
- 导航
- 障碍避免
- 装配（挂孔，焊接，喷漆）
- 操纵（例如PUMA机器人操纵器）
- 人机交互（HRI）：与人交互和服务的智能机器人
医学
- 分类和检测（例如病变或细胞分类和肿瘤检测）
- 2D / 3D分割
- 3D人体器官重建（MRI或超声）
- 视觉引导机器人手术
安全
生物识别技术（虹膜，指纹，面部识别）
监视 - 检测某些可疑活动或行为
运输
自动驾驶汽车安全性，例如驾驶员警惕监控 工业自动化应用 工业检查（缺陷检测）部件条形码和包装标签阅读对象排序文件理解（例如OCR）
安装有用的包
对于使用Python的计算机视觉，您可以使用名为OpenCV（开源计算机视觉）的流行库。它是一个编程功能库，主要针对实时计算机视觉。它是用C ++编写的，其主要接口是用C ++编写的。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
这里X代表您机器上安装的Python版本以及您拥有的win32或64位。
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CV应用程序需要将图像作为输入并将图像作为输出生成。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为此提供以下功能 -
- imread（）函数 - 这是读取图像的函数。OpenCV imread（）支持各种图像格式，如PNG，JPEG，JPG，TIFF等。
- imshow（）函数 - 这是在窗口中显示图像的功能。窗口自动适合图像大小。OpenCV imshow（）支持各种图像格式，如PNG，JPEG，JPG，TIFF等。
- imwrite（）函数 - 这是写入图像的函数。OpenCV imwrite（）支持各种图像格式，如PNG，JPEG，JPG，TIFF等。
示例
此示例显示了用于以一种格式读取图像的Python代码 - 在窗口中显示它并以其他格式写入相同的图像。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文件也位于同一文件夹中。
True
注意 - 函数destroyallWindows（）只是破坏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。所述cvtColor（）中的图像从一个颜色代码转换为其他颜色转换功能。
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中。
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。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。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，执行实际的人脸检测
eyes = eye_cascade.detectMultiScale(gray, 1.03, 5)
现在，在整个脸部周围画一个矩形 -
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服务器之家其它相关文章！
原文链接：https://blog.csdn.net/weixin_42238387/article/details/89053137
