OpenCV库怎么安装和使用(opencv,开发技术)

OpenCV 可以通过 pip 安装，方法是在 Jupyter Notebook 单元中运行以下命令：

pip 是 Python 的默认包管理器和独立的可执行文件，但以这种方式运行它可确保将包安装到 Anaconda 环境中。

如果软件包安装正确，此 Python 代码应该可以正常运行：

因为我们要在我们的 Jupyter Notebook 中显示图像，我们还应该确保matplotlib已安装：

读取 OpenCV 可以处理的图像很简单：

OpenCV 支持多种图像格式，当解析图像失败时，结果imread将是None.请注意，如果未找到图像文件，则不会引发错误 - 结果也会如此None。

假设找到了图像，然后我们可以使用matplotlib.为此，我们将使用此辅助函数：

OpenCV 读取 BGR 颜色格式的图像，但matplotlib希望它们是 RGB，所以首先我们必须转换图像。然后就可以绘制了。

您可以按如下方式使用此功能：

OpenCV 和matplotlib集成如此干净是因为 OpenCV 图像实际上只是一个包含像素值的多维 NumPy 数组，并且matplotlib可以使用它。

有很多是OpenCV的可以做。我们将特别关注对象检测。

对象检测与所谓的级联分类器一起工作。这种方法使用机器学习：分类器在包含所需对象的图像（正图像）和不包含它的图像（负图像）上进行训练。您可以训练自己的分类器，但 OpenCV 还提供了几个可从其 GitHub 下载的预训练模型。

让我们试试俄罗斯车牌的预训练分类器haarcascade_russian_plate_number.xml。如果您想要测试图像，可以使用Sergey Rodovnichenko 的 Lada Vesta 图像。

我们可以读取图像并绘制它以查看是否一切顺利，就像以前一样：

蟒蛇复制代码

检测工作是通过以下detectMultiScale方法完成的：

这将返回一个 NumPy 数组。它实际上是一个数组数组，每个内部数组都是检测到的板的矩形边界，格式为[ x, y, width, height ].为了直观地显示它们，我们可以在图像上绘制矩形，然后绘制结果：

矩形函数采用图像、左上角坐标、右下角坐标、颜色和厚度。它返回一个带有矩形的新图像。我们可以绘制结果：