关键词：
OpenCV-Python实战（2）——图像与视频文件的处理（两万字详解，️📕建议收藏📕）
0. 前言
无论在任何类型的计算机视觉任务中，处理图像或视频都是其中的核心要素，绝大多数计算机视觉都会使用图像或视频作为数据输入的形式。此外，任何项目都应该可以在完成任何类型的处理后生成一些数据，这些数据可以以图像或者其它类型形式的输出。在计算机视觉中，由于这些类型的项目(例如，要处理的图像为输入、由机器学习算法生成的模型处理信息、输出目标信息)的固有特性，因此项目的信息流(输入——处理——输出)间也具有特殊的相关性。
在本文中，将学习使用 OpenCV 处理构建计算机视觉应用程序所必需的图像和视频。
1. 图像与视频文件处理基础
在介绍处理文件和图像之前，首先总结下计算机视觉项目的结构，也可以作为本文的主要体系结构：
在上图中，可以看到计算机视觉项目(例如 OpenCV-Python 项目)处理输入文件(例如图像和视频)，经过一些处理，项目可以输出一些文件(例如图像和视频)。因此，在本文中，我们将学习如何应对这些需求以及如何正确实现此流程(输入——处理——输出)。
为了处理不同类型的文件或不同图片，在计算机视觉项目中，图像和不同类型的文件通常作为命令行参数传递给脚本，有关命令行参数的介绍，参考 Python 命令行参数详解。
2. 图像的读取与写入
在下面的部分中，我们将图像用作脚本中的命令行参数，并介绍读取和写入图像。
2.1 在 OpenCV 中读取图像
以下示例 load_image.py 展示了如何使用函数 cv2.imshow() 加载图像：
import argparse
import cv2
parser = argparse.ArgumentParser()
parser.add_argument("path_image", help="path to input image to be displayed")
args = parser.parse_args()
image = cv2.imread(args.path_image)
args = vars(parser.parse_args())
image2 = cv2.imread(args["path_image"])
cv2.imshow("loaded image", image)
cv2.imshow("loaded image2", image2)
cv2.waitKey(0)
cv2.destroyAllWindows()
在这个例子中，必需的参数是 path_image，它是我们要加载的图像的路径。利用 args.path_image 和 args["path_image"] 都可以获取图像的路径(从参数中获取值的两种不同方式)，然后将它们用作 cv2.imread() 函数的参数。
通过在命令行中执行以下命令，运行脚本：
python load_image.py sigonghuiye.jpeg
可以看到运行结果如以下屏幕截图所示：
2.2 使用 OpenCV 写入图像
以下示例 write_image.py 展示了如何使用函数 cv2.imshow() 加载图像：
import argparse
import cv2
parser = argparse.ArgumentParser()
parser.add_argument("path_image", help="path to input image to be displayed")
parser.add_argument("path_image_output", help="path of the processed image to be saved")
args = parser.parse_args()
image = cv2.imread(args.path_image)
cv2.imwrite(args["path_image_output"], image)
cv2.waitKey(0)
cv2.destroyAllWindows()
上述示例中，执行脚本需要的参数是 path_image 和 path_image_output，它们分别是我们要加载的图像的路径以及图像要保存的路径。
通过在命令行中执行以下命令，运行脚本：
python load_image.py sigonghuiye.jpeg copy_image.jpg
运行结束后就可以在工作目录中，看到保存的 copy_image.jpg.
2.3 计算机视觉项目处理流程示例
计算机视觉项目的常见处理流程是加载图像，执行某种处理，最后输出这个处理过的图像。处理后的图像可以保存到磁盘或者进行展示。为了对计算机视觉项目处理流程有一个完整的认识，在下面的示例中，介绍了这三个步骤(加载、处理和保存)。为了简单起见，处理步骤仅将图像转换为灰度图像，接下来编写脚本 load_processing_save_image.py：
import argparse
import cv2
parser = argparse.ArgumentParser()
parser.add_argument("path_image_input", help="path to input image to be displayed")
parser.add_argument("path_image_output", help="path of the processed image to be saved")
args = vars(parser.parse_args())
image_input = cv2.imread(args["path_image_input"])
cv2.imshow("loaded image", image_input)
gray_image = cv2.cvtColor(image_input, cv2.COLOR_BGR2GRAY)
cv2.imshow("gray image", gray_image)
cv2.imwrite(args["path_image_output"], gray_image)
cv2.waitKey(0)
cv2.destroyAllWindows()
上述示例中，执行脚本需要两个必需的参数。第一个是 path_image_input，它表示要加载的图像的路径。第二个是 path_image_output，它表示要保存的结果图像的路径。处理步骤仅将加载的图像转换为灰度图像：
gray_image = cv2.cvtColor(image_input, cv2.COLOR_BGR2GRAY)
需要注意的是，cv2.cvtColor 函数第二个参数 cv2.COLOR_BGR2GRAY 假定加载的图像是 BGR 彩色图像。如果已经加载了 RGB 彩色图像并且想要将其转换为灰度，则应该使用 cv2.COLOR_RGB2GRAY。
通过在命令行中执行以下命令，运行脚本：
python load_processing_save_image.py gray_image.png
可以看到运行结果如以下屏幕截图所示，同时，在运行结束后就可以在工作目录中，看到保存的灰度图像 gray_image.jpg：
3. 读取相机画面和视频文件
在某些需要实时计算机视觉项目中，必须捕捉实时相机画面(例如，使用笔记本电脑的摄像头或监控摄像机捕捉画面)。在 OpenCV 中，使用 cv2.VideoCapture 作为从不同来源捕获视频的类，例如图像序列、视频文件和相机。
3.1 读取相机画面
编写 read_camera.py 用于从连接到计算机的相机读取画面。首先看下完整程序，然后再进行详细解释：
import cv2
import argparse
parser = argparse.ArgumentParser()
parser.add_argument("index_camera", help="index of the camera to read from", type=int)
args = parser.parse_args()
capture = cv2.VideoCapture(args.index_camera)
if capture.isOpened()is False:
print("Error opening the camera")
while capture.isOpened():
ret, frame = capture.read()
if ret is True:
cv2.imshow('Input frame from the camera', frame)
gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
cv2.imshow('Grayscale input camera', gray_frame)
if cv2.waitKey(20) & 0xFF == ord('q'):
break
else:
break
capture.release()
cv2.destroyAllWindows()
cv2.VideoCapture 所必需的参数是 index_camera，它指示要读取的相机的索引。如果有一个摄像头连接到计算机，则它的索引为 0 ，如果有第二台摄像头，可以通过传递参数值 1 来选择它，以此类推；需要注意的是，该参数的类型是 int 。
parser = argparse.ArgumentParser()
parser.add_argument("index_camera", help="index of the camera to read from", type=int)
args = parser.parse_args()
使用 cv2.VideoCapture 的第一步是创建一个要使用的对象 capture：
capture = cv2.VideoCapture(args.index_camera)
如果 index_camera 为 0，则相当于调用 cv2.VideoCapture(0) 。为了检查连接是否已正确建立，需要使用 capture.isOpened() 方法，如果无法建立连接，该方法返回 False；如果正确初始化，则此方法返回 True。
要从相机逐帧捕获画面，需要调用 capture.read() 方法，该方法从相机返回帧；同时还将返回一个布尔值，此布尔值指示是否已从 capture 对象正确读取帧。
while capture.isOpened():
# 逐帧获取相机画面
ret, frame = capture.read()
if ret is True:
# 显示捕获的帧画面
cv2.imshow('Input frame from the camera', frame)
获取的相机帧画面与 OpenCV 读取的图像具有相同的结构，因此可以像处理图像一样处理它。例如，要将帧画面转换为灰度：
# 将从相机捕获的帧转换为灰度图像
gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# 显示灰度帧图像
cv2.imshow('Grayscale input camera', gray_frame)
接下来，实现按下 q 键退出程序的功能，ord('q') 返回 q 字符对应的 8 位 ASCII 值，而 cv2.waitKey() 与 0xFF 的 按位与 (&) 运算用于仅获取 cv2.waitKey() 的最后 8 位。因此，可以对这两个值进行比较，如果相等则退出程序：
# 按下 q 键可退出程序执行
if cv2.waitKey(20) & 0xFF == ord('q'):
break
最后，释放所有内容 (cv2.VideoCapture，并销毁创建的窗口)：
capture.release()
cv2.destroyAllWindows()
通过在命令行中执行以下命令，运行脚本：
python read_camera.py 0
可以看到运行结果显示了相机获取的实时画面：
3.2 访问捕获画面对象的属性
可以使用 capture.get(property_identifier) 访问 capture 对象的某些属性，例如帧宽度、帧高度和每秒帧数 (Frames Per Second, FPS)。如果调用不受支持的属性，则返回值将为 0：
import cv2
capture = cv2.VideoCapture(0)
# 获取 VideoCapture 的属性 (frame width, frame height and frames per second (fps)):
frame_width = capture.get(cv2.CAP_PROP_FRAME_WIDTH)
frame_height = capture.get(cv2.CAP_PROP_FRAME_HEIGHT)
fps = capture.get(cv2.CAP_PROP_FPS)
# 打印属性值
print("CV_CAP_PROP_FRAME_WIDTH: ''".format(frame_width))
print("CV_CAP_PROP_FRAME_HEIGHT : ''".format(frame_height))
print("CAP_PROP_FPS : ''".format(fps))
# Check if camera opened successfully
if capture.isOpened()is False:
print("Error opening the camera")
while capture.isOpened():
ret, frame = capture.read()
if ret is True:
cv2.imshow('Input frame from the camera', frame)
if cv2.waitKey(20) & 0xFF == ord('q'):
break
else:
break
capture.release()
cv2.destroyAllWindows()
执行此脚本将会打印如下属性信息：
CV_CAP_PROP_FRAME_WIDTH: '640.0'
CV_CAP_PROP_FRAME_HEIGHT : '480.0'
CAP_PROP_FPS : '30.0'
3.3 保存相机画面
可以修改前面的示例以在处理流程中添加其他的功能。例如，我们可能想将一些关键的感兴趣帧保存到磁盘中。在以下示例 read_camera_capture.py 中 ，将添加此示例功能，当按下键盘上的 c 键时，将当前帧保存到磁盘(同时保存 BGR 和灰度帧)：
import cv2
import argparse
capture = cv2.VideoCapture(0)
if capture.isOpened() is False:
print("Error opening the camera")
frame_index = 0
while capture.isOpened():
ret, frame = capture.read()
if ret is True:
gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# 保存相机画面
if cv2.waitKey(20) & 0xFF == ord('c'):
frame_name = "camera_frame_.png".format(frame_index)
gray_frame_name = "grayscale_camera_frame_.png".format(frame_index)
# 将当前帧保存到磁盘(同时保存 BGR 和灰度帧)
cv2.imwrite(frame_name, frame)
cv2.imwrite(gray_frame_name, gray_frame)
frame_index += 1
if cv2.waitKey(20) & 0xFF == ord('q'):
break
else:
break
capture.release()
cv2.destroyAllWindows()
当按下 c 键时，首先构造两个文件名；然后，将两个图像保存到磁盘；最后，frame_index 递增，以便为保存下一帧做好准备。
3.4 读取视频文件
cv2.VideoCapture 也可以用于读取视频文件，要读取视频文件，应在创建 cv2.VideoCapture 对象时提供视频文件的路径，编写 read_video_file.py 脚本：
import cv2
import argparse
parser = argparse.ArgumentParser()
parser.add_argument("video_path", help="path to the video file")
args = parser.parse_args()
capture = cv2.VideoCapture(args.video_path)
if capture.isOpened() is False:
print("Error opening the video file!")
while capture.isOpened():
ret, frame = capture.read()
if ret is True:
cv2.imshow('Original frame from the video file', frame)
gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
cv2.imshow('Grayscale frame', gray_frame)
if cv2.waitKey(20) & 0xFF == ord('q'):
break
else:
break
capture.release()
cv2.destroyAllWindows()
通过在命令行中执行以下命令，运行脚本：
python read_video_file.py xinlingqilv.mp4
可以看到运行结果开始播放视频文件：
3.5 读取 IP 摄像机
cv2.VideoCapture 也可以从 IP 摄像头读取数据。在 OpenCV 中从 IP 摄像头读取数据与从文件读取数据非常相似。唯一需要修改的是提供给 cv2.VideoCapture 构造函数的参数。可以使用本地网络中的 IP 摄像机或尝试连接公共 IP 摄像机。
4. 保存视频文件
接下来，首先介绍与视频相关的基本概念(例如，fps、编解码器和视频文件格式等)，然后将了解如何使用 cv2.VideoWriter 保存视频文件。
4.1 计算帧率(FPS)
FPS 是计算机视觉项目中的一个重要指标，该指标表示每秒处理的帧(画面)数，FPS 越高越好。但是，算法每秒应处理的帧数将取决于需要解决的特定问题。例如，如果算法需要跟踪和检测在街上行走的人，那么 15 FPS 可能就足够了。但是，如果是检测和跟踪高速公路上快速行驶的汽车，则可能需要 20-25 FPS。
因此，计算计算机视觉项目中的 FPS 指标非常重要。编写 read_camera_fps.py 以输出 FPS：
import cv2
import argparse
import time
capture = cv2.VideoCapture(0)
if capture.isOpened() is False:
print("Error opening the camera")
while capture.isOpened():
ret, frame = capture.read()
if ret is True:
processing_start = time.time()
cv2.imshow("Input frame from the camera", frame)
gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
cv2.imshow('Grayscale input camera', gray_frame)
# Press q on keyboard to exit the program:
if cv2.waitKey(20) & 0xFF == ord('q'):
break
processing_end = time.time()
processing_time_frame = processing_end - processing_start
# FPS = 1 / time_per_frame
print("FPS: ".format(1.0 / processing_time_frame))
else:
break
capture.release()
cv2.destroyAllWindows()
在上述示例脚本中，首先需要获取处理开始的时间：
processing_start = time.time()
然后，获取所有处理完成后的时间：
processing_end = time.time()
接下来，计算时间差：
processing_time_frame = processing_end - processing_start
最后，计算并打印 FPS：
print("FPS: ".format(1.0 / processing_time_frame))
4.2 写入视频文件的流程
视频编码是一种用于压缩和解压缩数字视频的程序。具体而言，编解码器可用于将未压缩的视频转换为压缩后的视频，或者可用于将压缩的视频转换为未压缩的视频。压缩视频格式通常遵循视频压缩规范或视频编码格式的标准规范。OpenCV 提供了 FOURCC (一个 4 字节编码)，用于指定视频编解码器，查看可用编码列表获取更多可用编码。应该注意的是：支持的编解码器是平台相关的，如果想使用特定的编解码器，则应该在系统上安装该编解码器。典型的编解码器包括 DIVX、XVID、X264 和 MJPG。
视频文件格式是一种用于存储数字视频数据的文件格式，典型的视频文件格式包括 AVI(*.avi)、MP4(*.mp4)、QuickTime(*.mov) 和 Windows Media Video(*.wmv)。
最后，应该考虑到视频文件格式和 FOURCC 之间需要进行正确的组合。 在 OpenCV 中创建视频文件时，必须考虑这些因素：
上图总结了在 OpenCV 中使用 cv2.VideoWriter() 创建视频文件时应考虑的主要因素。在创建的名为 video_example.avi 视频中，FOURCC 值为 XVID，视频文件格式为 AVI(*.avi)，同时最后，应设置视频每一帧的 FPS 和尺寸。
脚本 write_video_file.py 演示如何创建视频文件：
# Import required packages
import cv2
import argparse
# We first create the ArgumentParser object
# The created object 'parser' will have the necessary information
# to parse the command-line arguments into data types.
parser = argparse.ArgumentParser()
# We add 'output_video_path' argument using add_argument() including a help.
parser.add_argument("output_video_path", help="path to the video file to write")
args = parser.parse_args()
# Create a VideoCapture object and pass 0 as argument to read from the camera
capture = cv2.VideoCapture(0)
# Get some properties of VideoCapture (frame width, frame height and frames per second (fps)):
frame_width = capture.get(cv2.CAP_PROP_FRAME_WIDTH)
frame_height = capture.get(cv2.CAP_PROP_FRAME_HEIGHT)
fps = capture.get(cv2.CAP_PROP_FPS)
fourcc = cv2.VideoWriter_fourcc(*'XVID')
out_gray = cv2.VideoWriter(args.output_video_path, fourcc, int(fps), (int(frame_width), int(frame_height)), False)
while capture.isOpened():
ret, frame = capture.read()
if ret:
gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
out_gray.write(gray_frame)
cv2.imshow('gray', gray_frame)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
else:
break
capture.release()
out_gray.release()
cv2.destroyAllWindows()
在上例中，必需的参数是输出视频文件名(例如 video_example.avi)：
parser = argparse.ArgumentParser()
parser.add_argument("output_video_path", help="path to the video file to write")
args = parser.parse_args()
从连接到计算机的第一台相机拍摄视频画面。因此，首先创建对象：
capture = cv2.VideoCapture(0)
接下来，从 capture 对象中获取一些关键属性(帧宽度、帧高度和 FPS)，用于创建视频文件时使用：
frame_width = capture.get(cv2.CAP_PROP_FRAME_WIDTH)
frame_height = capture.get(cv2.CAP_PROP_FRAME_HEIGHT)
fps = capture.get(cv2.CAP_PROP_FPS)
然后，使用四字节编码 FOURCC 指定视频编解码器，此处将编解码器定义为 XVID ：
fourcc = cv2.VideoWriter_fourcc('X', 'V', 'I', 'D')
也可以使用以下方式指定视频编码器：
fourcc = cv2.VideoWriter_fourcc(*'XVID')
然后，使用与输入相机相同的属性创建 cv2.VideoWriter 对象 out_gray，cv2.VideoWriter 的最后一个参数值是 False 表示以灰度方式写入视频。如果我们想创建彩色视频，最后一个参数值为 True ：
out_gray = cv2.VideoWriter(args.output_video_path, fourcc, int(fps), (int(frame_width), int(frame_height)), False)
使用 capture.read() 从 catpure 对象获取相机帧，每一帧都被转换成灰度并写入视频文件，如果按下 q 键，程序结束：
while capture.isOpened():
ret, frame = capture.read()
if ret:
gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
out_gray.write(gray_frame)
cv2.imshow('gray', gray_frame)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
else:
break
最后，释放所有内容(包括 cv2.VideoCapture 和 cv2.VideWriter 对象，并销毁创建的窗口)：
capture.release()
out_gray.release()
cvopencv-python实战——opencv图像运算（❤️万字长文，含大量示例❤️）(代码片段)
OpenCV-Python实战（5）——OpenCV图像运算（❤️万字长文，含大量示例❤️）0.前言1.饱和运算2.图像加减法与图像混合3.按位运算4.形态变换4.1膨胀运算与腐蚀运算4.2开运算与闭运算4.3形态梯度运算4.4顶帽运算与... 查看详情
opencv-python实战——opencv常见图像处理技术（❤️万字长文，含大量示例❤️）(代码片段)
OpenCV-Python实战（4）——OpenCV常见图像处理技术（❤️万字长文，含大量示例❤️）0.前言1.拆分与合并通道2.图像的几何变换2.1缩放图像2.2平移图像2.3旋转图像2.4图像的仿射变换2.5图像的透视变换2.6裁剪图像3.... 查看详情
opencv-python实战——opencv用于图像分割的阈值技术（含大量示例，建议收藏）(代码片段)
OpenCV-Python实战（9）——OpenCV用于图像分割的阈值技术（含大量示例，建议收藏）0.前言1.阈值技术简介2.简单的阈值技术2.1阈值类型2.2简单阈值技术的实际应用3.自适应阈值算法4.Otsu阈值算法5.Triangle阈值算法6.... 查看详情
opencv-python实战（番外篇）——opencv实现图像卡通化(代码片段)
OpenCV-Python实战（番外篇）——OpenCV实现图像卡通化前言图像卡通化完整代码更多卡通化效果展示相关链接前言在博文《OpenCV-Python实战（4）——OpenCV常见图像处理技术（❤️万字长文，含大量示例❤️... 查看详情
opencv-python实战（18）——深度学习简介与入门示例（快来一起推开深度学习的大门吧）(代码片段)
OpenCV-Python实战（18）——深度学习简介与入门示例（快来一起推开深度学习的大门吧）0.前言1.计算机视觉中的深度学习简介1.1深度学习的特点1.2深度学习大爆发2.用于图像分类的深度学习简介3.用于目标检测的深... 查看详情
opencv-python实战（11）——opencv轮廓检测相关应用(代码片段)
OpenCV-Python实战（11）——OpenCV轮廓检测相关应用0.前言1.轮廓绘制2.轮廓筛选3.轮廓识别4.轮廓匹配小结系列链接0.前言在计算机视觉领域，轮廓通常指图像中对象边界的一系列点。因此，轮廓通常描述了对象边界的... 查看详情
opencv4图像处理与视频分析实战教程
OpenCV4图像处理与视频分析实战教程基于OpenCV最新版本OpenCV4开始，从基础开始，详解OpenCV核心模块Core、Imgproc、videoanalysis核心API与相关知识点，讲解从图像组成，像素操作开始，一步一步教你如何写代码，如何用API解决实际问题... 查看详情
opencv-python实战（13）——opencv与机器学习的碰撞(代码片段)
OpenCV-Python实战（13）——OpenCV与机器学习的碰撞0.前言1.机器学习简介1.1监督学习1.2无监督学习1.3半监督学习2.K均值(K-Means)聚类2.1K-Means聚类示例3.K最近邻3.1K最近邻示例4.支持向量机4.1支持向量机示例小结系列链接0.前言机... 查看详情
opencv-python（六）图像操作——通道拆分与合并
...RGB通道的拆分与合并，本文介绍两种方式，第一种是使用opencv-python，即cv2，第二种使用Pillow即PIL模块。这里要注意的是，Pillow处理图像时，通道顺序为正常的RGB模式，但是opencv处理图像，通道顺序比较特殊，为BGR，所以这里要... 查看详情
opencv-python实战（10）——详解opencv轮廓检测(代码片段)
OpenCV-Python实战（10）——详解OpenCV轮廓检测0.前言1.轮廓介绍2.轮廓检测3.轮廓压缩4.图像矩4.1一些基于矩的对象特征4.2Hu不变矩小结系列链接0.前言在计算机视觉领域，轮廓通常指图像中对象边界的一系列点。因此，... 查看详情
opencv-python实战——opencv实现批量将bmppngjpg格式图片转换为png格式图片(代码片段)
...文件格式；使用cv.imread和cv.imwrite进行格式转换：OpenCV-Python学习（2）——OpenCV图像的读取、显示和保存(cv.imread、cv.imshow、cv.imwrite)。4.图片转换循环文件名称；以【.】进行切割，获取文件名和文件后缀... 查看详情
opencv-python3.opencv的图像基础操作(代码片段)
...CV默认的图像格式为BGR)。一、读、写、显示图像 使用OpenCV-Python处理图像时，实现不同的功能，程序有基本的模板。导入必要的包后，按照固定的模板稍作修改就可以实现想要的功能。首先，导入必要的包。imp... 查看详情
opencv-python实战——opencv中绘制图形与文本（万字总结，️❤️建议收藏️❤️）(代码片段)
OpenCV-Python实战（3）——OpenCV中绘制图形与文本（万字总结，️📕建议收藏📕）0.前言1.OpenCV绘图基础2.OpenCV绘制图形2.1基本图形的绘制2.1.1直线2.1.2矩形2.1.3圆形2.2高级图形的绘制2.2.1剪裁线2.2.2箭头2.2.3... 查看详情
我的第一本书《ffmpeg音视频开发基础与实战》已正式出版
...音视频开发领域的入门参考书籍《FFmpeg音视频开发基础与实战》终于问世了。本书基础知识和开发实践并重，以降低音视频领域的入门门槛、帮助初学者尽快入门为核心目的。书中较为系统地介绍了音视频领域的相关基础知... 查看详情
我的第一本书《ffmpeg音视频开发基础与实战》已正式出版
...音视频开发领域的入门参考书籍《FFmpeg音视频开发基础与实战》终于问世了。本书基础知识和开发实践并重，以降低音视频领域的入门门槛、帮助初学者尽快入门为核心目的。书中较为系统地介绍了音视频领域的相关基础知... 查看详情
opencv-python实战（番外篇）——利用knn算法识别手写数字(代码片段)
OpenCV-Python实战（番外篇）——利用KNN算法识别手写数字前言手写数字数据集MNIST介绍基准模型——利用KNN算法识别手写数字改进模型1——参数K对识别手写数字精确度的影响改进模型2——训练数据量对识别手写数字精确... 查看详情
opencv-python实战（番外篇）——利用k-means聚类进行色彩量化(代码片段)
OpenCV-Python实战（番外篇）——利用K-Means聚类进行色彩量化前言利用K-Means聚类进行色彩量化完整代码显示色彩量化后的色彩分布相关链接前言K-Means聚类算法的目标是将n个样本划分(聚类)为K个簇，在博文《OpenCV与机器... 查看详情
opencv-python实战（番外篇）——基于haar级联的猫脸检测器(代码片段)
OpenCV-Python实战（番外篇）——基于Haar级联的猫脸检测器前言基于Haar级联的猫脸检测器相关链接前言在《人脸检测详解》中我们已经详细介绍了OpenCV中提供的基于Viola和Jones提出对象检测框架的人脸检测算法，我们同... 查看详情