AI与Python计算机视觉教程

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()

AI与Python计算机视觉教程_第1张图片

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。

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)

AI与Python计算机视觉教程_第2张图片

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)

AI与Python计算机视觉教程_第3张图片

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。

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。

AI与Python计算机视觉教程_第4张图片

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。

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

AI与Python计算机视觉教程_第5张图片

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

AI与Python计算机视觉教程_第6张图片

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。

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 -

AI与Python计算机视觉教程_第7张图片

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 -

AI与Python计算机视觉教程_第8张图片

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脚本之家其它相关文章!

你可能感兴趣的:(AI与Python计算机视觉教程)