document/TranslateProject
2
0
Fork 0
mirror of https://github.com/LCTT/TranslateProject.git synced 2024-12-26 21:30:55 +08:00
Code Issues Packages Projects Releases Wiki Activity

Merge pull request #22948 from wxy/20210802-Use-OpenCV-on-Fedora-Linux---part-1

Browse Source 
PRF&PUB:20210802 use open cv on fedora linux   part 1
This commit is contained in:
Xingyu.Wang 2021-08-19 11:37:14 +08:00 committed by GitHub
commit 65051c88c7
No known key found for this signature in database
GPG Key ID: 4AEE18F83AFDEB23
1 changed files with 33 additions and 35 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

68
translated/tech/20210802 Use OpenCV on Fedora Linux - part 1.md → published/20210802 Use OpenCV on Fedora Linux - part 1.md
View File

@ -3,36 +3,40 @@
[#]: author: (Onuralp SEZER https://fedoramagazine.org/author/thunderbirdtr/) [#]: author: (Onuralp SEZER https://fedoramagazine.org/author/thunderbirdtr/)
[#]: collector: (lujun9972) [#]: collector: (lujun9972)
[#]: translator: (geekpi) [#]: translator: (geekpi)
[#]: reviewer: ( ) [#]: reviewer: (wxy)
[#]: publisher: ( ) [#]: publisher: (wxy)
[#]: url: ( ) [#]: url: (https://linux.cn/article-13698-1.html)
在 Fedora Linux 上使用 OpenCV ‒ 第一部分 在 Fedora Linux 上使用 OpenCV（一）
====== ======
![][1] ![][1]
封面图片选自[文森特-凡高][2]的《星空》，公共领域，通过维基共享资源发布 *封面图片选自[文森特·梵高][2]的《星空》，公共领域，通过维基共享资源发布*
技术世界每天都在变化，对计算机视觉、人工智能和机器学习的需求也在增加。让计算机和手机能够看到周围环境的技术被称为[计算机视觉][3]。重新创造人眼的工作始于 50 年代。从那时起，计算机视觉技术有了长足的发展。计算机视觉已经通过不同的应用进入了我们的手机。这篇文章将介绍 Fedora Linux 上的[OpenCV][4]。 技术世界每天都在变化，对计算机视觉、人工智能和机器学习的需求也在增加。让计算机和手机能够看到周围环境的技术被称为 [计算机视觉][3]。这个重新创造人眼的工作始于 50 年代。从那时起，计算机视觉技术有了长足的发展。计算机视觉已经通过不同的应用进入了我们的手机。这篇文章将介绍 Fedora Linux 上的 [OpenCV][4]。
### **什么是 OpenCV?** ### 什么是 OpenCV？
> OpenCV （开源计算机视觉库）是一个开源的计算机视觉和机器学习软件库。OpenCV 的建立是为了给计算机视觉应用提供一个通用的基础设施，并加速机器感知在商业产品中的应用。它有超过 2500 种优化算法，其中包括一套全面的经典和最先进的计算机视觉和机器学习算法。这些算法可用于检测和识别人脸，识别物体，对视频中的人类行为进行分类，并建立标记，将其与增强现实叠加等等。 > OpenCV（<ruby>开源计算机视觉库<rt>Open Source Computer Vision Library</rt></ruby>）是一个开源的计算机视觉和机器学习软件库。OpenCV 的建立是为了给计算机视觉应用提供一个通用的基础设施，并加速机器感知在商业产品中的应用。它有超过 2500 种优化后的算法，其中包括一套全面的经典和最先进的计算机视觉和机器学习算法。这些算法可用于检测和识别人脸、识别物体、对视频中的人类行为进行分类，并建立标记，将其与增强现实叠加等等。
> >
> [opencv.org – about][5] > [opencv.org – about][5]
### 在 Fedora Linux 上安装 OpenCV ### 在 Fedora Linux 上安装 OpenCV
要开始使用 OpenCV，请从 Fedora Linux 仓库中安装它。 要开始使用 OpenCV，请从 Fedora Linux 仓库中安装它：
``` ```
$ sudo dnf install opencv opencv-contrib opencv-doc python3-opencv python3-matplotlib python3-numpy $ sudo dnf install opencv opencv-contrib opencv-doc python3-opencv python3-matplotlib python3-numpy
``` ```
**注意：**在 Fedora Silverblue 或 CoreOs 上，Python 3.9 是核心提交的一部分。用以下方法安装 OpenCV 和所需工具：_rpm-ostree install opencv opencv-doc python3-opencv python3-matplotlib python3-numpy_。 **注意：** 在 Fedora Silverblue 或 CoreOS 上，Python 3.9 是核心提交的一部分。用以下方法安装 OpenCV 和所需工具：
接下来，在终端输入以下命令，以验证 OpenCV 是否已经安装（用户输入的内容以粗体显示）。 ```
rpm-ostree install opencv opencv-doc python3-opencv python3-matplotlib python3-numpy
```
接下来，在终端输入以下命令，以验证 OpenCV 是否已经安装：
``` ```
$ python $ python
@ -45,20 +49,20 @@ Type "help", "copyright", "credits" or "license" for more information.
>>> exit() >>> exit()
``` ```
当你输入 _print_ 命令时，应该显示当前的 OpenCV 版本，如上图所示。这表明 OpenCV 和 Python-OpenCV 库已经成功安装。 当你输入 `print` 命令时，应该显示当前的 OpenCV 版本，如上图所示。这表明 OpenCV 和 Python-OpenCV 库已经成功安装。
此外，如果你想用 Jupyter Notebook 做笔记和写代码，并了解更多关于数据科学工具的信息，请查看早期的 Fedora Magazine 文章：[_Fedora 中的 Jupyter 和数据科学_][6]。 此外，如果你想用 Jupyter Notebook 做笔记和写代码，并了解更多关于数据科学工具的信息，请查看早期的 Fedora Magazine 文章：[Fedora 中的 Jupyter 和数据科学][6]。
### 开始使用 OpenCV ### 开始使用 OpenCV
安装完成后，使用 Python 和 OpenCV 库加载一个样本图像（按 **S** 键以 _png_ 格式保存图像的副本并完成程序）： 安装完成后，使用 Python 和 OpenCV 库加载一个样本图像（按 `S` 键以 png 格式保存图像的副本并完成程序）：
``` ```
$ cp /usr/share/opencv4/samples/data/starry_night.jpg . $ cp /usr/share/opencv4/samples/data/starry_night.jpg .
$ python starry_night.py $ python starry_night.py
``` ```
_starry_night.py_ 的内容： `starry_night.py` 的内容：
``` ```
import cv2 as cv import cv2 as cv
@ -74,7 +78,7 @@ if k == ord("s"):
![][7] ![][7]
通过在 _cv.imread_ 函数中添加参数 **0**，对图像进行灰度处理，如下所示。 通过在 `cv.imread` 函数中添加参数 `0`，对图像进行灰度处理，如下所示。
``` ```
img = cv.imread(cv.samples.findFile("starry_night.jpg"),0) img = cv.imread(cv.samples.findFile("starry_night.jpg"),0)
@ -82,13 +86,11 @@ img = cv.imread(cv.samples.findFile("starry_night.jpg"),0)
![][8] ![][8]
这些是一些可以用于 _cv.imread_ 函数的第二个参数的替代值。 这些是一些可以用于 `cv.imread` 函数的第二个参数的替代值：
* **cv2.IMREAD_GRAYSCALE** 或 **0：** 以灰度模式加载图像。
* **cv2.IMREAD_COLOR** 或 **1：** 以彩色模式载入图像。图像中的任何透明度将被移除。这是默认的。
* **cv2.IMREAD_UNCHANGED** 或 **-1：**载入未经修改的图像。包括 alpha 通道。
* `cv2.IMREAD_GRAYSCALE` 或 `0`：以灰度模式加载图像。
* `cv2.IMREAD_COLOR** 或 `1`：以彩色模式载入图像。图像中的任何透明度将被移除。这是默认的。
* `cv2.IMREAD_UNCHANGED** 或 `-1`：载入未经修改的图像。包括 alpha 通道。
#### 使用 OpenCV 显示图像属性 #### 使用 OpenCV 显示图像属性
@ -121,10 +123,8 @@ Image 2D numpy array
... ...
``` ```
* **img.shape：** 返回一个行数、列数和通道数的元组（如果是彩色图像）。 * `img.shape`：返回一个行数、列数和通道数的元组（如果是彩色图像）。
* **img.dtype：** 返回图像的数据类型。 * `img.dtype`：返回图像的数据类型。
接下来用 Matplotlib 显示图像： 接下来用 Matplotlib 显示图像：
@ -140,7 +140,7 @@ plt.show()
#### 发生了什么？ #### 发生了什么？
该图像是作为灰度图像读入的，但是当使用 Matplotlib 的 _imshow_ 函数时，它不一定会以灰度显示。这是因为 _imshow_ 函数默认使用不同的颜色映射。要指定使用灰度颜色映射，请将 _imshow_ 函数的第二个参数设置为 _cmap='gray'_，如下所示。 该图像是作为灰度图像读入的，但是当使用 Matplotlib 的 `imshow` 函数时，它不一定会以灰度显示。这是因为 `imshow` 函数默认使用不同的颜色映射。要指定使用灰度颜色映射，请将 `imshow` 函数的第二个参数设置为 `cmap='gray'`，如下所示：
``` ```
plt.imshow(img,cmap='gray') plt.imshow(img,cmap='gray')
@ -192,16 +192,14 @@ plt.show()
![][12] ![][12]
* **cv2.split：**将一个多通道数组分割成几个单通道数组。 * `cv2.split`：将一个多通道数组分割成几个单通道数组。
* **cv2.merge：** 将几个数组合并成一个多通道数组。所有的输入矩阵必须具有相同的大小。 * `cv2.merge`：将几个数组合并成一个多通道数组。所有的输入矩阵必须具有相同的大小。
**注意：** 白色较多的图像具有较高的颜色密度。相反，黑色较多的图像，其颜色密度较低。在上面的例子中，红色的密度是最低的。
**注意：**白色较多的图像具有较高的颜色密度。相反，黑色较多的图像，其颜色密度较低。在上面的例子中，红色的密度是最低的。
#### 转换到不同的色彩空间 #### 转换到不同的色彩空间
_cv2.cvtColor_ 函数将一个输入图像从一个颜色空间转换到另一个颜色空间。在 RGB 和 BGR 色彩空间之间转换时，应明确指定通道的顺序（_RGB2BGR_ 或 _BGR2RGB_）。**注意，OpenCV 中的默认颜色格式通常被称为 RGB，但它实际上是 BGR（字节是相反的）。**因此，标准（24 位）彩色图像的第一个字节将是一个 8 位蓝色分量，第二个字节是绿色，第三个字节是红色。然后第四、第五和第六个字节将是第二个像素（蓝色，然后是绿色，然后是红色），以此类推。 `cv2.cvtColor` 函数将一个输入图像从一个颜色空间转换到另一个颜色空间。在 RGB 和 BGR 色彩空间之间转换时，应明确指定通道的顺序（`RGB2BGR` 或 `BGR2RGB`）。**注意，OpenCV 中的默认颜色格式通常被称为 RGB，但它实际上是 BGR（字节是相反的）。** 因此，标准（24 位）彩色图像的第一个字节将是一个 8 位蓝色分量，第二个字节是绿色，第三个字节是红色。然后第四、第五和第六个字节将是第二个像素（蓝色、然后是绿色，然后是红色），以此类推。
``` ```
import cv2 as cv import cv2 as cv
@ -218,7 +216,7 @@ plt.show()
关于 OpenCV 的更多细节可以在[在线文档][14]中找到。 关于 OpenCV 的更多细节可以在[在线文档][14]中找到。
谢谢。 感谢阅读。
-------------------------------------------------------------------------------- --------------------------------------------------------------------------------
@ -227,7 +225,7 @@ via: https://fedoramagazine.org/use-opencv-on-fedora-linux-part-1/
作者：[Onuralp SEZER][a] 作者：[Onuralp SEZER][a]
选题：[lujun9972][b] 选题：[lujun9972][b]
译者：[geekpi](https://github.com/geekpi) 译者：[geekpi](https://github.com/geekpi)
校对：[校对者ID](https://github.com/校对者ID) 校对：[wxy](https://github.com/wxy)
本文由 [LCTT](https://github.com/LCTT/TranslateProject) 原创编译，[Linux中国](https://linux.cn/) 荣誉推出 本文由 [LCTT](https://github.com/LCTT/TranslateProject) 原创编译，[Linux中国](https://linux.cn/) 荣誉推出