第5章 形态学操作

形态学操作基于形状，通常作用于二值图像，也可用于灰度图。

5.1 腐蚀与膨胀

• 腐蚀（Erosion）：减小前景物体，消除细小噪声。
• 膨胀（Dilation）：扩大前景区域，填充空洞。

python

kernel = np.ones((5,5), np.uint8)
erosion = cv2.erode(img, kernel, iterations=1)
dilation = cv2.dilate(img, kernel, iterations=1)

5.2 开运算、闭运算、形态学梯度、顶帽、黑帽

• 开运算 = 先腐蚀再膨胀 → 消除小物体、分离连接区域。
• 闭运算 = 先膨胀再腐蚀 → 填充前景物体内部的小孔、连接邻近区域。
• 形态学梯度 = 膨胀图 – 腐蚀图 → 提取边缘。
• 顶帽（Top Hat） = 原图 – 开运算 → 提取比周围亮的区域。
• 黑帽（Black Hat） = 闭运算 – 原图 → 提取比周围暗的区域。

python

opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)
tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)
blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)

5.3 应用实例

提取物体边界 = 膨胀图 – 腐蚀图，或者使用形态学梯度。
去除小噪声：先开运算去掉白点，如果噪声是黑点则可使用闭运算。

---

第6章 图像阈值与分割

6.1 全局阈值与自适应阈值

阈值处理是将灰度图转换为二值图的基本操作。

python

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 全局固定阈值 (阈值, 最大值, 类型)
_, thresh_binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
_, thresh_inv = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV)

自适应阈值：根据像素邻域局部计算阈值，适合光照不均的图像。

python

adaptive = cv2.adaptiveThreshold(gray, 255, 
                cv2.ADAPTIVE_THRESH_GAUSSIAN_C, 
                cv2.THRESH_BINARY, 11, 2)   # 块大小11，常数C=2

6.2 Otsu 二值化

Otsu 方法自动计算最佳阈值，适用于双峰直方图图像。

python

_, otsu = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

不必手动指定阈值，算法自动寻找最小化类内方差的阈值。

6.3 分水岭算法简介

分水岭算法是一种基于拓扑的图像分割方法，可分离相互接触的物体。简要步骤：

1. 通过距离变换获取“种子”区域（前景标记）。
2. 生成未知区域，使用 cv2.watershed。

python

# 简单示例（需要预处理）
ret, markers = cv2.connectedComponents(sure_fg)
markers = markers + 1
markers[unknown==255] = 0
markers = cv2.watershed(img, markers)
img[markers == -1] = [0,0,255]   # 边界标注为红色

分水岭算法对噪声较敏感，通常需要预处理降噪。

---

第7章 轮廓分析

轮廓是图像中连续点的集合，常用于形状分析、目标检测。

7.1 查找与绘制轮廓

python

# 使用二值图像查找轮廓
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
# 绘制所有轮廓（-1 表示所有轮廓, (0,255,0) 为绿色, 线宽2）
cv2.drawContours(img, contours, -1, (0,255,0), 2)

7.2 轮廓特征

对于每个轮廓，可以计算诸多特征：

python

cnt = contours[0]
area = cv2.contourArea(cnt)               # 面积
perimeter = cv2.arcLength(cnt, True)      # 周长（True表示闭合）
x, y, w, h = cv2.boundingRect(cnt)        # 直边界矩形
rect = cv2.minAreaRect(cnt)               # 最小外接旋转矩形
box = cv2.boxPoints(rect)                 # 获取四个顶点坐标（float）
box = np.int0(box)                        # 取整
(x_c,y_c), radius = cv2.minEnclosingCircle(cnt)  # 最小外接圆

获取矩（moments）可计算质心：

python

M = cv2.moments(cnt)
cx = int(M['m10'] / M['m00'])
cy = int(M['m01'] / M['m00'])

7.3 轮廓近似与凸包

轮廓近似（Douglas-Peucker 算法）：

python

epsilon = 0.01 * cv2.arcLength(cnt, True)
approx = cv2.approxPolyDP(cnt, epsilon, True)

可用于形状识别，例如一个四边形 approx 长度为4。

凸包（Convex Hull）：

python

hull = cv2.convexHull(cnt)

用于凸缺陷检测。

7.4 形状匹配

使用 cv2.matchShapes 基于 Hu 矩比较形状相似度，返回值越小越相似。

python

ret = cv2.matchShapes(cnt1, cnt2, cv2.CONTOURS_MATCH_I2, 0.0)

---

第3章 图像几何变换

3.1 缩放、平移、旋转

缩放：

python

resized = cv2.resize(img, (width, height))   # 指定尺寸
resized = cv2.resize(img, None, fx=0.5, fy=0.5)   # 比例缩放

常用插值方法：cv2.INTER_LINEAR（默认）、cv2.INTER_CUBIC、cv2.INTER_AREA（适合缩小）。

平移：通过构建平移矩阵实现。

python

rows, cols = img.shape[:2]
# x 方向平移 50，y 方向平移 100
M = np.float32([[1, 0, 50], [0, 1, 100]])
translated = cv2.warpAffine(img, M, (cols, rows))

旋转：

python

# 获取围绕图像中心的旋转矩阵（角度为正表示逆时针）
M = cv2.getRotationMatrix2D((cols/2, rows/2), 45, 1.0)
rotated = cv2.warpAffine(img, M, (cols, rows))

3.2 仿射变换与透视变换

仿射变换：平行线保持平行。需要原图中三个不共线的点和目标图中对应的三个点。

python

pts1 = np.float32([[50,50],[200,50],[50,200]])
pts2 = np.float32([[10,100],[200,50],[100,250]])
M = cv2.getAffineTransform(pts1, pts2)
affine = cv2.warpAffine(img, M, (cols, rows))

透视变换：任意四边形到矩形的变换。需要四个对应点。

python

pts1 = np.float32([[56,65],[368,52],[28,387],[389,390]])
pts2 = np.float32([[0,0],[300,0],[0,300],[300,300]])
M = cv2.getPerspectiveTransform(pts1, pts2)
perspective = cv2.warpPerspective(img, M, (300,300))

透视变换在文档扫描、车牌校正中非常常用。

3.3 图像金字塔

图像金字塔是同一图像不同分辨率的集合，常用于图像融合、特征检测。

• 高斯金字塔：向下采样（缩小）
• 拉普拉斯金字塔：由高斯金字塔计算而得，常用于图像恢复

python

lower_res = cv2.pyrDown(img)   # 宽度和高度减半
higher_res = cv2.pyrUp(img)    # 宽度和高度加倍

示例：反复执行下采样得到的图像金字塔。

---

第4章 图像滤波与增强

4.1 平滑滤波

平滑（模糊）可以去除噪声，但也可能丢失边缘细节。

• 均值滤波：简单平均
• 高斯滤波：加权平均，中心权重大，去噪同时保留边缘更多
• 中值滤波：取邻域中值，有效去除椒盐噪声
• 双边滤波：保持边缘的平滑，考虑空间邻近度和像素相似度

python

# 均值滤波 (5x5 核)
blur = cv2.blur(img, (5,5))
# 高斯滤波 (核大小必须为正奇数)
gaussian = cv2.GaussianBlur(img, (5,5), 0)
# 中值滤波 (核大小取奇数)
median = cv2.medianBlur(img, 5)
# 双边滤波 (直径, sigmaColor, sigmaSpace)
bilateral = cv2.bilateralFilter(img, 9, 75, 75)

4.2 边缘检测

边缘是图像中亮度急剧变化的区域。OpenCV 提供了多种边缘检测算子。

• Sobel 算子：计算一阶导数，可指定方向。
• Laplacian 算子：计算二阶导数。
• Canny 边缘检测：最常用的方法，低错误率、良好定位。

python

# Sobel
sobelx = cv2.Sobel(img, cv2.CV_64F, 1, 0, ksize=3)   # x方向
sobely = cv2.Sobel(img, cv2.CV_64F, 0, 1, ksize=3)   # y方向
sobel_absx = cv2.convertScaleAbs(sobelx)              # 转为 uint8
sobel_combined = cv2.addWeighted(sobel_absx, 0.5, cv2.convertScaleAbs(sobely), 0.5, 0)

# Laplacian
laplacian = cv2.Laplacian(img, cv2.CV_64F)
laplacian_abs = cv2.convertScaleAbs(laplacian)

# Canny（推荐使用灰度图）
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(gray, 100, 200)   # 阈值1, 阈值2

Canny 中较小的阈值用于边缘连接，较大的阈值用于检测强边缘。通常阈值2是阈值1的2~3倍。

4.3 图像锐化

通过增强高频成分使图像边缘更清晰。可以自定义一个锐化核：

python

kernel = np.array([[0, -1, 0],
                   [-1, 5,-1],
                   [0, -1, 0]])
sharpened = cv2.filter2D(img, -1, kernel)

---

1. • 1.2 安装 OpenCV-Python
   • 1.3 第一个程序：读取并显示图像
2. 图像基础操作
   • 2.1 图像读取、显示与保存
   • 2.2 图像属性与像素访问
   • 2.3 颜色空间转换
   • 2.4 图像算术运算与位运算
3. 图像几何变换
   • 3.1 缩放、平移、旋转
   • 3.2 仿射变换与透视变换
   • 3.3 图像金字塔
4. 图像滤波与增强
   • 4.1 平滑滤波（均值、高斯、中值、双边）
   • 4.2 边缘检测（Sobel、Laplacian、Canny）
   • 4.3 图像锐化
5. 形态学操作
   • 5.1 腐蚀与膨胀
   • 5.2 开运算、闭运算、形态学梯度、顶帽、黑帽
   • 5.3 应用实例：提取边界、消除噪声
6. 图像阈值与分割
   • 6.1 全局阈值与自适应阈值
   • 6.2 Otsu 二值化
   • 6.3 分水岭算法简介
7. 轮廓分析
   • 7.1 查找与绘制轮廓
   • 7.2 轮廓特征（面积、周长、外接矩形等）
   • 7.3 轮廓近似与凸包
   • 7.4 形状匹配
8. 直方图
   • 8.1 计算与绘制直方图
   • 8.2 直方图均衡化
   • 8.3 直方图比较与反向投影
9. 模板匹配
10. 特征检测与匹配
    • 10.1 Harris 角点检测
    • 10.2 SIFT 特征检测
    • 10.3 ORB 特征检测与匹配
    • 10.4 特征匹配与单应性查找
11. 视频处理与分析
    • 11.1 读取视频与摄像头
    • 11.2 视频写入
    • 11.3 运动检测（帧差分、背景减除）
12. 目标跟踪
    • 12.1 MeanShift 与 CamShift
    • 12.2 基于 KCF 等跟踪器 API
13. 深度学习模块（DNN）
    • 13.1 加载预训练模型
    • 13.2 使用 YOLO 进行目标检测
14. 综合项目实战
    • 14.1 人脸检测与识别
    • 14.2 文档扫描仪
    • 14.3 手势识别

---

详细教程内容

第1章 OpenCV 简介与环境搭建

1.1 OpenCV 概述

OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉和机器学习软件库。它提供了数千种算法，涵盖图像处理、视频分析、目标检测、人脸识别、三维重建等众多领域。OpenCV 支持 C++、Python、Java 等多种语言，可在 Windows、Linux、macOS、Android、iOS 等平台上运行。

本教程使用 Python 语言，配合 opencv-python 包进行讲解。Python 语法简洁，适合快速原型开发和学习。

1.2 安装 OpenCV-Python

最简单的方式是通过 pip 安装主模块和扩展模块：

bash

pip install opencv-python opencv-contrib-python

• opencv-python：包含核心模块。
• opencv-contrib-python：包含额外的贡献模块（如 SIFT、SURF 等算法）。

验证安装：

python

import cv2
print(cv2.__version__)

如果输出类似 4.8.0 的版本号，则安装成功。

1.3 第一个程序：读取并显示图像

python

import cv2

# 读取图像（路径中不能有中文）
img = cv2.imread('test.jpg')

# 检查是否读取成功
if img is None:
    print("图像读取失败")
else:
    # 显示图像窗口
    cv2.imshow('My Image', img)
    # 等待按键，0 表示无限等待
    cv2.waitKey(0)
    # 销毁所有窗口
    cv2.destroyAllWindows()

运行后会弹出窗口显示图片，按任意键关闭。OpenCV 的窗口管理简单直接，适合调试。

---

第2章 图像基础操作

2.1 图像读取、显示与保存

python

# 读取为彩色图像（默认）
img_color = cv2.imread('test.jpg', cv2.IMREAD_COLOR)
# 读取为灰度图
img_gray  = cv2.imread('test.jpg', cv2.IMREAD_GRAYSCALE)
# 保存图像
cv2.imwrite('gray.jpg', img_gray)

常用标志：cv2.IMREAD_COLOR（1）、cv2.IMREAD_GRAYSCALE（0）、cv2.IMREAD_UNCHANGED（-1，包含 alpha 通道）。

2.2 图像属性与像素访问

OpenCV 中图像以 NumPy 数组形式存储，因此可以使用 NumPy 的所有操作。

python

img = cv2.imread('test.jpg')
# 形状：(高度, 宽度, 通道数)
print(img.shape)   # 例如 (480, 640, 3)
# 总像素数
print(img.size)    # 480*640*3 = 921600
# 数据类型
print(img.dtype)   # uint8

# 访问某个像素：img[y, x, channel] （注意：先纵坐标后横坐标）
pixel = img[100, 200]        # BGR 三个通道的值
b = pixel[0]                 # 蓝色分量
g = img[100, 200, 1]         # 绿色分量

# 修改像素
img[100, 200] = [0, 0, 255]  # 设为红色（BGR）

# 取出 ROI（感兴趣区域）
roi = img[50:200, 100:300]  # 行范围，列范围

注意：OpenCV 默认颜色顺序是 BGR，而非 RGB，显示或保存时要留心。

2.3 颜色空间转换

python

img = cv2.imread('test.jpg')
# 转为灰度
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 转为 HSV
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
# 转为 RGB
rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

HSV 空间在颜色筛选时非常有用，例如提取蓝色物体：

python

# 定义蓝色的 HSV 范围
lower_blue = np.array([100, 50, 50])
upper_blue = np.array([130, 255, 255])
mask = cv2.inRange(hsv, lower_blue, upper_blue)
# 显示原图中蓝色区域
result = cv2.bitwise_and(img, img, mask=mask)
cv2.imshow('Blue regions', result)

2.4 图像算术运算与位运算

两幅图像相加（需要尺寸和通道数相同）：

python

img1 = cv2.imread('a.jpg')
img2 = cv2.imread('b.jpg')
add = cv2.add(img1, img2)            # 饱和运算
weighted = cv2.addWeighted(img1, 0.7, img2, 0.3, 0)  # 混合

位运算（常用于掩膜操作）：

python

# 创建矩形掩膜
mask = np.zeros(img.shape[:2], np.uint8)
cv2.rectangle(mask, (100,100), (300,300), 255, -1)
masked_img = cv2.bitwise_and(img, img, mask=mask)

---

欢迎使用 WordPress。这是您的第一篇文章。编辑或删除它，然后开始写作吧！