计算机视觉OpenCv学习系列：第一部分、绪论

第一节、计算机视觉发展历程

1.计算机视觉发展历史

---

计算机视觉的发展从古代小孔成像，到近现代的相机，再到后来成为一个正式学科，计算机视觉其实就是两方面内容重建和识别。

Pascal VOC是一个做计算机视觉的基础数据集，包括图像分类，图像识别，语义分割等等。

2012年之后，人们逐渐讲计算机视觉迁移到了深度学习领域。

未来的世界肯定都是在像素中的，而这些都离不开计算机视觉。

2.计算机视觉的主要任务

---

早期，计算机视觉主要研究领域是重建。

2012年之后，计算机视觉在感知和重建两个领域受到了深度学习影响，快速发展。

目标是：通过图灵测试。（即，达到和人类视觉一模一样的感知和重建）

3.计算机视觉的应用场景

---

• 自动驾驶/辅助驾驶
• 机器视觉-AI+机构(主要是视觉的算法) / 工业质检智能
• 安防监控-人脸识别 / 火灾监控 / 异常监控 (主要是一些人不好去实现的监控，比如24h监控，火灾现场的监控)
• 其他更多行业(尤其在生物医药的细胞检测，病理切片等等应用非常广泛)

所以说计算机视觉已经从一个简单的学科，变到落地在千行百业。

第二节、计算机视觉框架

我们如何把现在的计算机视觉的框架应用到我们的实际使用中来。

1.早期计算机视觉框架概述

---

Matrox mil在机器视觉领域至今依然很好用。

Halcon的框架也是做机器视觉非常好用的一个框架，到现在做一些机器视觉也很好用。

Opencv到现在已经集成了很多的传统框架，而且是开源的。

VisionPro也是现在很常用的一个机器视觉的框架。

注意：只有OpenCV是开源免费的，其他三个都是商业收费的。

右面这些是把OpenCV包在各种东西中使用。

有了深度学习之后，将OpenCV应用到深度学习就是下面这些。左图是深度学习模型的训练框架，右图是专门针对视觉的部署框架。

2.当前主流的框架与路线

---

注意就是只有OpenCV是开源免费的。

深度学习只有把训练框架和部署框架结合起来才能更好的使用。

在计算机视觉领域主流的语言就是python和c++。（这两个语言都要会）

3.计算机视觉框架的未来趋势

---

现在的一些趋势

• 低代码平台流行趋势明显（原来很多行的代码现在几行就可以实现）
• 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
• 算法模块易用性跟通用性
• 计算资源异构化支持趋势
• 深度学习模型训练简捷化（对于代码能力比较弱的，可以在模型调参调优方面搞得好一点，不用自己写深度学习的模型）

未来的一些趋势

• 无代码化（不是不写代码，而是对于算法的代码可以复用，只需要写一些简单的调用流程）
• 算法设计流程可视化
• 导出部署支持多种语言
• 计算资源支持异构化算法model zoo丰富化，本地与云端（模型市场就是说提供一个hub这种开源平台，可以在上面上传自己写的包，丰富model）
• 开发者都可以贡献算法

第三节、OpenCV框架

1.OpenCV的发展历史

---

OpenCV1.0是C语言的接口，到了OpenCV2.0变成C++的接口，去避免一些内存泄漏的问题。

2012年就变成由开源社区来管理。

OpenCV4.x与之前的OpenCV3.x差别是很大的，如果在不同版本下写代码，迁移的时候需要做修改，建议用4.x来学习。

官方的话：OpenCV4.x is more than OpenCV.（自豪）

2.OpenCV模块架构

---

因为OpenCV是开源的，所以了解模块架构之后我们在自己编译的时候，可以勾掉一些自己不需要的模块。

非官方版本的OpenCV也可以支持C#。

• github开源的源码(c和c++)： https://github.com/opencv

• Tutorial教程：https://docs.opencv.org/4.5.5/index.html

• 官方教程支持C++、Python

• Opencv-python安装包（对于课程学习安装这个就够了）

• Opencv-contrib-python安装包（这个是包括一些扩展包的）

3.OpenCV安装与支持

---

建议使用Python3.6.5是因为比较稳定，和各种模块一起使用都没有不兼容的情况。

我使用的是Python3.9.12的版本，使用Anaconda之后他是自己已经集成好的OpenCV，具体如下：

同时发现在Pycharm中引入Anconda包的pytorch之后，他也自带了OpenCV。

Decould codelab平台：英特尔® Developer Cloud for the Edge 概述 (intel.cn)

注意：在验证邮箱的时候需要等一会，它会自动去完成重定向。

如果登陆成功就是这个页面，注意：这个平台账号有效期一次只有30天，我们需要提前去延期，不然会账号数据丢失。

登录完成之后点击下方的jupyter教程的链接，然后点击OpenCV Tutorial。

然后就会进入一个类似jupyterlab的地方，注意教程中的这些地址是非常关键的。

注意：这个实验室平台里已经集成了各种包，我们就不需要自己去配包了

示例代码中这一句非常关键，意思是，我们读入的cv图片是BGR的，我们需要先把他转换成RGB再使用。

在Launcher中我们可以选择使用的版本类型，我是用的是下面红框中的版本。

写一个简单的代码输出data中自带的一张图片，如果不转换BGR为RGB效果如下面第二个图所示：

import cv2 as cv
import matplotlib.pyplot as plt

src = cv.imread("./data/cat.jpg") # BGR格式读入
rgb = cv.cvtColor(src,cv.COLOR_BGR2RGB)
plt.title("OpenCV Hello a cat")
plt.imshow(rgb)

学习参考

本系列所有OpenCv相关的代码示例和内容均来自博主学习的网站：opencv_course