OpenCV_Note_0x01

认识计算机视觉

发展历史

  1. 1982年,马尔发布一本书《视觉》,标志OPENCV成为正式学科
  2. 解码的学科、像素学

主要任务

  1. 早期主要研究领域是重建
  2. 2012年以后,计算机视觉在感知与重建两个领域都受到深度学习影响
  3. 目标:通过图灵测试

应用场景

  1. 自动、辅助驾驶
  2. 机器视觉、工业质检智能
  3. 安防监控、人脸识别、火灾监控、异常监控

计算机视觉框架

早期框架概述

  1. matlab 1970年作为数据处理工具箱,后期支持图像处理

  2. Matrox mil

  3. Halcon

  4. OpenCV 1999启动,2006发布0.1版本,基于开源

  5. VisionPro 2009

  6. 传统计算机视觉框架:SimpleCV 、… etc

  7. 深度学习计算机视觉

    模型训练框架:Caffe、Tensorflow、Pytorch、Paddle、Keras

    视觉部署框架:TensorRX、Deepface、YOLO/DarkNet

现在主流框架

机器视觉方向:OpenCV

深度学习方向:tensorflow、pytorch、paddle

主流语言:C++、Python

未来趋势

传统视觉跟深度学习整合趋势明显

算法设计流程化、可视化

模块易用性、通用性

模型训练简洁化

模型异构化支持

OpenCV框架

发展历史

1999年开始开发

2006 1.0

2009 2.0

2012 社区托管模式

2015 3.0

2018 4.0

2022.4 4.5.5

模块与架构

图像读取与显示

图像理解

人眼中的图像

  • 灰度图像:单通道
  • 彩色图像:三通道

计算机理解的图像 - 像素值

图像读取与显示

import cv2 as cv - 导入OpenCV支持

import numpy as np - 导入Numpy支持

imread函数,读取图像

imshow函数,显示图像

加载图像的通道顺序:bgr(蓝绿红)

cv.waitkey(time毫秒) 等待多久自动消失

图片路径不能出现中文

你可能感兴趣的:(opencv,计算机视觉,深度学习)