OpenCV库怎么安装和使用
导读:本文共1982.5字符,通常情况下阅读需要7分钟。同时您也可以点击右侧朗读,来听本文内容。按键盘←(左) →(右) 方向键可以翻页。
摘要: 安装OpenCV 可以通过 pip 安装,方法是在 Jupyter Notebook 单元中运行以下命令:!pipinstall--upgradeopencv-pythonpip 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:impor... ...
目录
(为您整理了一些要点),点击可以直达。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:
OpenCV库怎么安装和使用的详细内容,希望对您有所帮助,信息来源于网络。