mirror of
https://github.com/LCTT/TranslateProject.git
synced 2024-12-23 21:20:42 +08:00
248 lines
8.8 KiB
Markdown
248 lines
8.8 KiB
Markdown
[#]: subject: (Use OpenCV on Fedora Linux ‒ part 1)
|
||
[#]: via: (https://fedoramagazine.org/use-opencv-on-fedora-linux-part-1/)
|
||
[#]: author: (Onuralp SEZER https://fedoramagazine.org/author/thunderbirdtr/)
|
||
[#]: collector: (lujun9972)
|
||
[#]: translator: (geekpi)
|
||
[#]: reviewer: (wxy)
|
||
[#]: publisher: (wxy)
|
||
[#]: url: (https://linux.cn/article-13698-1.html)
|
||
|
||
在 Fedora Linux 上使用 OpenCV（一）
|
||
======
|
||
|
||
![][1]
|
||
|
||
*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]。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？
|
||
|
||
> 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]
|
||
|
||
### 在 Fedora Linux 上安装 OpenCV
|
||
|
||
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
|
||
```
|
||
|
||
**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
|
||
```
|
||
|
||
接下来，在终端输入以下命令，以验证 OpenCV 是否已经安装：
|
||
|
||
```
|
||
$ python
|
||
Python 3.9.6 (default, Jul 16 2021, 00:00:00)
|
||
[GCC 11.1.1 20210531 (Red Hat 11.1.1-3)] on linux
|
||
Type "help", "copyright", "credits" or "license" for more information.
|
||
>>> import cv2 as cv
|
||
>>> print( cv.__version__ )
|
||
4.5.2
|
||
>>> 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。
|
||
|
||
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
|
||
|
||
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 .
|
||
$ python starry_night.py
|
||
```
|
||
|
||
`starry_night.py` 的内容：
|
||
|
||
```
|
||
import cv2 as cv
|
||
import sys
|
||
img = cv.imread(cv.samples.findFile("starry_night.jpg"))
|
||
if img is None:
|
||
sys.exit("Could not read the image.")
|
||
cv.imshow("Display window", img)
|
||
k = cv.waitKey(0)
|
||
if k == ord("s"):
|
||
cv.imwrite("starry_night.png", img)
|
||
```
|
||
|
||
![][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。
|
||
|
||
```
|
||
img = cv.imread(cv.samples.findFile("starry_night.jpg"),0)
|
||
```
|
||
|
||
![][8]
|
||
|
||
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。
|
||
|
||
#### 使用 OpenCV 显示图像属性
|
||
|
||
图像属性包括行、列和通道的数量、图像数据的类型、像素的数量等等。假设你想访问图像的形状和它的数据类型。你可以这样做：
|
||
|
||
```
|
||
import cv2 as cv
|
||
|
||
img = cv.imread(cv.samples.findFile("starry_night.jpg"))
|
||
print("Image size is", img.shape)
|
||
print("Data type of image is", img.dtype)
|
||
|
||
Image size is (600, 752, 3)
|
||
Data type of image is uint8
|
||
|
||
print(f"Image 2D numpy array \n {img}")
|
||
|
||
Image 2D numpy array
|
||
[[[0 0 0]
|
||
[0 0 0]
|
||
[0 0 0]
|
||
...
|
||
[0 0 0]
|
||
[0 0 0]
|
||
[0 0 0]]
|
||
|
||
[[0 0 0]
|
||
[0 0 0]
|
||
[0 0 0]
|
||
...
|
||
```
|
||
|
||
* `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。
|
||
|
||
接下来用 Matplotlib 显示图像：
|
||
|
||
```
|
||
import cv2 as cv
|
||
import matplotlib.pyplot as plt
|
||
img = cv.imread(cv.samples.findFile("starry_night.jpg"),0)
|
||
plt.imshow(img)
|
||
plt.show()
|
||
```
|
||
|
||
![][9]
|
||
|
||
#### 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：
|
||
|
||
```
|
||
plt.imshow(img,cmap='gray')
|
||
```
|
||
|
||
![][10]
|
||
|
||
这个问题在以彩色模式打开图片时也会发生，因为 Matplotlib 期望图片为 RGB（红、绿、蓝）格式，而 OpenCV 则以 BGR（蓝、绿、红）格式存储图片。为了正确显示，你需要将 BGR 图像的通道反转。
|
||
|
||
```
|
||
import cv2 as cv
|
||
import matplotlib.pyplot as plt
|
||
img = cv.imread(cv.samples.findFile("starry_night.jpg"),cv.IMREAD_COLOR)
|
||
fig, (ax1, ax2) = plt.subplots(1,2)
|
||
ax1.imshow(img)
|
||
ax1.set_title('BGR Colormap')
|
||
ax2.imshow(img[:,:,::-1])
|
||
ax2.set_title('Reversed BGR Colormap(RGB)')
|
||
plt.show()
|
||
```
|
||
|
||
![][11]
|
||
|
||
#### 分割和合并颜色通道
|
||
|
||
```
|
||
import cv2 as cv
|
||
import matplotlib.pyplot as plt
|
||
|
||
img = cv.imread(cv.samples.findFile("starry_night.jpg"),cv.IMREAD_COLOR)
|
||
b,g,r = cv.split(img)
|
||
|
||
fig,ax = plt.subplots(2,2)
|
||
|
||
ax[0,0].imshow(r,cmap='gray')
|
||
ax[0,0].set_title("Red Channel");
|
||
ax[0,1].imshow(g,cmap='gray')
|
||
ax[0,1].set_title("Green Channel");
|
||
ax[1,0].imshow(b,cmap='gray')
|
||
ax[1,0].set_title("Blue Channel");
|
||
|
||
# Merge the individual channels into a BGR image
|
||
imgMerged = cv.merge((b,g,r))
|
||
# Show the merged output
|
||
ax[1,1].imshow(imgMerged[:,:,::-1])
|
||
ax[1,1].set_title("Merged Output");
|
||
plt.show()
|
||
```
|
||
|
||
![][12]
|
||
|
||
* `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。
|
||
|
||
**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
|
||
|
||
`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 matplotlib.pyplot as plt
|
||
img = cv.imread(cv.samples.findFile("starry_night.jpg"),cv.IMREAD_COLOR)
|
||
img_rgb = cv.cvtColor(img, cv.COLOR_BGR2RGB)
|
||
plt.imshow(img_rgb)
|
||
plt.show()
|
||
```
|
||
|
||
![][13]
|
||
|
||
### 更多信息
|
||
|
||
关于 OpenCV 的更多细节可以在[在线文档][14]中找到。
|
||
|
||
感谢阅读。
|
||
|
||
--------------------------------------------------------------------------------
|
||
|
||
via: https://fedoramagazine.org/use-opencv-on-fedora-linux-part-1/
|
||
|
||
作者：[Onuralp SEZER][a]
|
||
选题：[lujun9972][b]
|
||
译者：[geekpi](https://github.com/geekpi)
|
||
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
|
||
|
||
[a]: https://fedoramagazine.org/author/thunderbirdtr/
|
||
[b]: https://github.com/lujun9972
|
||
[1]: https://fedoramagazine.org/wp-content/uploads/2021/08/starry-night-1-816x345.jpg
|
||
[2]: https://commons.wikimedia.org/wiki/File:Van_Gogh_-_Starry_Night_-_Google_Art_Project.jpg
|
||
[3]: https://en.wikipedia.org/wiki/Computer_vision
|
||
[4]: https://en.wikipedia.org/wiki/OpenCV
|
||
[5]: https://opencv.org/about/
|
||
[6]: https://fedoramagazine.org/jupyter-and-data-science-in-fedora/
|
||
[7]: https://fedoramagazine.org/wp-content/uploads/2021/06/image.png
|
||
[8]: https://fedoramagazine.org/wp-content/uploads/2021/06/image-1.png
|
||
[9]: https://fedoramagazine.org/wp-content/uploads/2021/06/image-2.png
|
||
[10]: https://fedoramagazine.org/wp-content/uploads/2021/06/image-3.png
|
||
[11]: https://fedoramagazine.org/wp-content/uploads/2021/06/image-4.png
|
||
[12]: https://fedoramagazine.org/wp-content/uploads/2021/06/image-5.png
|
||
[13]: https://fedoramagazine.org/wp-content/uploads/2021/06/image-7.png
|
||
[14]: https://docs.opencv.org/4.5.2/index.html
|