网站做防伪查询代码新媒体培训班学费多少

1 计算机是视觉的定义和任务

计算机视觉（Computer Vision, CV）是人工智能领域的分支，旨在通过算法让计算机从图像或视频中提取信息、理解内容并做出决策。

其核心任务是模拟人类视觉系统，实现场景理解、目标检测、图像分类等功能。

2 传统CV解决问题的步骤和方法

步骤

对图片、视频进行预处理，增强对比度，灰度化，变形等

特征提取，边缘、角点、纹理等

分割，通过阈值进行分割，分别处理

形态学处理，通过膨胀、腐蚀改变图形结构，清楚噪点

目标检测和识别，结合特征描述子和分类器来实现

传统CV擅长

采集视频和图像

对图像、视频预处理

从图像和视频中提取特征

传统CV不擅长

受关照、角度、纹理影响大

鲁棒性差

难以处理复杂的视觉任务

3 OpenCV环境搭建

搭建

可以使用-i 镜像地址

国内的pip源，如下：

阿里云 http://mirrors.aliyun.com/pypi/simple/

中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/

豆瓣(douban) http://pypi.douban.com/simple/

清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/

中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/

pip install opencv-pythonpip install opencv-contrib-python -i https://pypi.mirrors.ustc.edu.cn/simple/

使用

# 示例1 使用OpenCV打开图片并关闭
import cv2 # 读取
img =cv2.imread('anna.jpg')# 展示体魄
cv2.imshow('image',img)# 等待键盘输入 q 后，关闭图片
while 1:key = cv2.waitKey(0)if key & 0xFF ==ord('q'):cv2.destroyAllWindows()

# 示例2 通过openCV采集图片import cv2cap = cv2.VideoCapture(0)
while cap.isOpened:ret, frame = cap.read()if ret:# 将数据帧保存图片对象cv2.imwrite('frame.jpg', frame)breakcap.release()

4 二值法与实践

目标：简化图形处理难度，将图像转换为黑白两色，通过谁定阈值处理为0和1

过程：

RGB到Gray的过程：解码到RGB的矩阵，乘对用矩阵得到YUV，最后丢弃UV保留Y则是灰度图

灰度图二值化：阈值设置为127，如果像素值>127，则变成255，否则为0

# 示例3 使用openCv进行二值化
import cv2# 读取图片
img = cv2.imread('anna.jpg')
if img is None:print("错误：无法加载图片，请检查文件路径")exit()
# 展示原始图片
cv2.imshow('Original Image', img)# 灰度化
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 展示灰度图
cv2.imshow('Gray Image', gray)# 二值化处理
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
# 展示二值化图
cv2.imshow('binary image', binary)# 等待键盘输入（0表示无限等待）
key = cv2.waitKey(0)
# 无论按下什么键，都关闭所有窗口
cv2.destroyAllWindows()

Blur

目的：对图形做模糊处理，计算机视觉中用于消除噪声

Padding：把0增加到一圈边缘，防止丢失重要信息

Kernel：一般是3*3矩阵扫描原图，乘法求平均

步长：扫描时候移动的格子

均值blur、中值Blur、高斯Blur、双边Blur

# 示例 Blur
import cv2# 读取图片
img = cv2.imread('anna.jpg')# 显示图形
cv2.imshow('Original Image', img)# 转为灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# Blur处理  平均blur
blurred = cv2.blur(gray, (5, 5))# 保留更多边缘  高斯Blur 和双边Blur
# cv2.GaussianBlur(gray, (5, 5), 0) cv2.imshow('blurred Image', blurred)
# 二值化
ret, binary = cv2.threshold(blurred, 137, 255, cv2.THRESH_BINARY)# 显示处理后的图像
# cv2.imshow('Binary Image', binary)cv2.waitKey(0)

使用ROI技术处理图像

特征点及边缘检测

形态学原理与实战