OpenCV-Python:计算机视觉框架

目录

1.背景

2.早期计算机视觉框架

3.当前主流框架

4.计算机视觉框架的未来趋势

5.知识笔记

---

1.背景

        俗话说“工欲善其事必先利其器”，想要学好计算机视觉，需要借助于相关的计算机视觉库，这样在进行学习的时候可以达到事半功倍的效果。

2.早期计算机视觉框架

• MATLAB

        MATLAB（矩阵实验室）是一种高级的数学计算和科学编程语言，广泛用于工程、科学和术领域。它提供了一种快速、方便和可靠的方式来执行数值计算、可视化和数据分析。最早历史可以追溯到1970年，开始是仅作为数据处理工具箱，后期支持图像处理。

以下是 MATLAB 的一些主要特点和功能：

1.数值计算和算法：MATLAB 提供了丰富的数学和科学计算函数，可以进行矩阵和向量运算、线性代数、数值优化、微积分、概率统计等。

2.可视化和绘图：MATLAB 提供了强大的绘图和可视化功能，可以创建二维和三维图形、动画、插值和曲线拟合等。

3.数据分析和处理：MATLAB 提供了丰富的数据处理和分析工具，可以进行数据清洗、特征提取、模式识别、信号处理等。

4.编程和脚本语言：MATLAB 是一种高级的编程语言，支持脚本化和函数化编程，可以编写复杂的算法和程序。

5.应用开发和部署：MATLAB 提供了应用程序开发工具包，可以创建独立的应用程序、用户界面和部署到不同的平台上。

6.教育和学术研究：MATLAB 是教育界和学术研究领域中广泛使用的工具，用于教学、科研、数据分析和模拟。

MATLAB 的优点包括易于学习和使用、强大的数值计算功能、丰富的工具箱和扩展库、活跃的社区支持等。它被广泛应用于工程、科学、金融、医学等领域，用于解决各种复杂的问题和任务。MATLAB 提供了许多图像处理函数和工具箱，用于处理、分析和操作图像数据。以下是一些常见的图像处理函数和相关工具箱：

1.图像读取和显示函数：

• imread：读取图像文件
• imshow：显示图像
• imwrite：保存图像

2.图像预处理函数：

• imresize：调整图像大小
• imrotate：旋转图像
• imcrop：裁剪图像
• imadjust：调整图像的对比度和亮度
• imfilter：应用各种图像滤波器

3.图像增强和滤波函数：

• histeq：直方图均衡化
• medfilt2：中值滤波
• imsharpen：图像锐化
• imnoise：添加噪声

4.图像分割和边缘检测函数：

• im2bw：图像二值化
• edge：边缘检测
• bwlabel：图像标记和分割
• regionprops：提取图像区域属性

5.图像特征提取函数：

• corner：角点检测
• hough：霍夫变换
• detectSURFFeatures：SURF特征检测
• extractHOGFeatures：HOG特征提取

6.图像配准和重建函数：

• imregtform：图像配准
• imwarp：图像变换
• imfuse：图像融合

7.相关工具箱：

• Image Processing Toolbox：提供了丰富的图像处理函数和工具
• Computer Vision Toolbox：提供了计算机视觉和图像分析的函数和工具
• Deep Learning Toolbox：提供了深度学习和神经网络的函数和工具

• Maxtrox mil

        Maxtrox MIL（Multiple Instance Learning）是一种计算机视觉库，1993年发布的第一个版本，用于解决多实例学习问题。多实例学习是一种监督学习的方法，其中训练数据被组织为实例袋，每个实例袋包含一个或多个实例。与传统的监督学习不同，多实例学习的目标是学习一个模型，能够对整个实例袋进行分类，而不是对单个实例进行分类。

Maxtrox MIL 提供了一套简单而强大的接口和算法，用于解决多实例学习问题。它包括了多个经典的多实例学习算法，如 MILBoost、MILES、MI-SVM 等，可以根据具体的问题选择合适的算法进行模型训练和分类。

• Halcon

Halcon（HALCON）是由德国MVTec Software GmbH开发的一款强大的计算机视觉库，最早可以追溯到1996年，它是一个全面的软件工具包，用于开发和部署各种计算机视觉应用程序。Halcon提供了丰富的功能和算法，可以处理图像和视频数据，实现目标检测、识别、测量、分割等各种计算机视觉任务。

• OpenCV

OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉库，由英特尔公司于在1996年启动，1999年发起并积极维护，，2006年发布1.0版本。它是一个跨平台的库，可在多个操作系统上运行，包括Windows、Linux、macOS、Android和iOS。

• VisionPro

        VisionPro 是 Cognex 公司2009年开发发布的计算机视觉库，用于工业自动化和机器视觉应用。它提供了一套丰富的功能和工具，用于图像处理、特征提取、目标检测、物体识别、测量和校准等任务。VisionPro 库具有高性能和稳定性，并支持多种操作系统和编程语言，包括 C++、C#、VB.NET 和 Python。它还提供了用户友好的图形用户界面，用于配置和调试视觉应用程序。

• simpleCV

SimpleCV 是一个简单易用的计算机视觉库，基于 Python 编程语言，用于处理图像和视频数据，并进行各种计算机视觉任务。它提供了丰富的功能和工具，可以帮助用户快速开发计算机视觉应用程序。SimpleCV 的优势在于它的简单易用性和灵活性。它提供了丰富的文档和示例代码，可以帮助用户快速上手和理解库的使用。同时，SimpleCV 还能够与其他 Python 库和工具集成，如 NumPy、OpenCV、scikit-learn 等，可以扩展其功能和应用范围。

• BoofCV

        BoofCV 是一个用于计算机视觉和机器人视觉的开源 Java 库。它提供了一系列高性能的算法和工具，用于图像处理、特征提取、目标检测与跟踪、摄像头标定等任务。

• Dlib

        Dlib 是一个开源的 C++ 库，用于机器学习、计算机视觉和图像处理任务。它提供了一系列高性能的算法和工具，包括人脸检测、人脸关键点检测、人脸识别、姿态估计、目标跟踪、图像分类等。

• JavaCV

        JavaCV 是一个基于 Java 的开源计算机视觉库，它提供了与 OpenCV（Open Source Computer Vision Library）的绑定，使开发者可以在 Java 环境中使用 OpenCV 的功能。JavaCV 提供了对 OpenCV 函数和数据结构的封装，使 Java 开发者可以轻松地调用 OpenCV 的各种功能。JavaCV 还提供了一些额外的功能，如视频捕捉、图像显示、视频编解码等。JavaCV 支持的操作系统包括 Windows、Linux、macOS 等，并且可以与 Java 的图形界面库（如 Swing 和 JavaFX）集成，方便开发图像处理和计算机视觉应用程序。

3.当前主流框架

• TensorFlow
• PyTorch
• Keras
• Caffe
• Paddlepaddle

• OpenVINO
• TensorRT
• onnxruntime
• Deepface
• YOLO/DarkNet
• mmdetection
• Paddle-detection/seg/ocr

4.计算机视觉框架的未来趋势

• 低代码平台流行趋势明显
• 传统视觉和深度学习结合趋势明显
• 算法设计可视化、流程化趋势
• 算法模块易用性、通用性趋势
• 计算资源异构化支持趋势
• 深度模型训练简捷化趋势
• 无代码化
• 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
• 开发者可以贡献算法

5.知识笔记