python ai教程,计算机视觉Python
本文主要为大家介绍AI和Python计算机视觉教程。有需要的朋友可以借鉴一下,希望能有所帮助。祝大家进步很大,早日升职加薪。
00-1010计算机视觉计算机视觉层次结构计算机视觉和图像处理应用机器人医疗安全运输安装有用的包读取、写入和显示图像OpenCV函数用于读取、显示和写入图像文件示例颜色空间转换边缘检测人脸检测Hal级联数据眼睛检测计算机视觉涉及使用计算机软件和硬件对人类视觉进行建模和复制。在这一章中,你会学到更多这方面的知识。
目录
计算机视觉是研究如何根据场景中存在的结构的属性,从二维图像中重建、打断和理解三维场景的一门学科。
计算机视觉
计算机视觉分为以下三个基本类别-
低级视觉-它包括用于特征提取的过程图像。中级视觉-包括物体识别和3D场景解释-高级视觉-包括活动、意图和行为等场景的概念描述。
计算机视觉层次结构
图像处理研究图像到图像的转换。图像处理的输入和输出是图像。
计算机视觉是从图像中构造对物理对象的清晰而有意义的描述。计算机视觉的输出是对三维场景中结构的描述或解释。
计算机视觉与图像处理
计算机视觉应用于以下领域-
应用
定位——自动确定机器人位置导航障碍物避免装配(挂孔、焊接、喷漆)操纵(如PUMA机器人机械手)人机交互(HRI):与人交互并为其服务的智能机器人。
机器人
和分类检测(例如病变或细胞分类和肿瘤检测)2D/3D分割3D人体器官重建(MRI或超声波)视觉引导机器人手术
医学
生物识别技术(虹膜、指纹、面部识别)
监控-检测一些可疑的活动或行为
安全
自动驾驶汽车安全如驾驶员警惕性监控工业自动化应用工业检测(缺陷检测)组件条形码和包装标签读取对象分拣文件理解(如OCR)
运输
对于使用Python的计算机视觉,可以使用一个流行的库,叫做OpenCV(开源计算机视觉)。它是一个编程函数库,主要用于实时计算机视觉。它是用C写的,它的主界面是用C写的,你可以借助下面这个命令来安装这个包--
pip安装opencv _ python-X . X-cp36-cp36m-winx . whl
这里的x表示安装在您机器上的Python版本和您拥有的win32或64位版本。
如果您使用的是anaconda环境,请使用以下命令安装OpenCV-
康达安装-c康达锻造opencv
安装有用的包
大多数CV应用程序需要将图像作为输入,并生成图像作为输出。在本节中,您将学习如何借助OpenCV提供的特性来读写图像文件。
阅读,写作和显示图像
OpenCV为此提供了以下函数-
>
imread()函数 - 这是读取图像的函数。OpenCV imread()支持各种图像格式,如PNG,JPEG,JPG,TIFF等。
imshow()函数 - 这是在窗口中显示图像的功能。窗口自动适合图像大小。OpenCV imshow()支持各种图像格式,如PNG,JPEG,JPG,TIFF等。
imwrite()函数 - 这是写入图像的函数。OpenCV imwrite()支持各种图像格式,如PNG,JPEG,JPG,TIFF等。
示例
此示例显示了用于以一种格式读取图像的Python代码 - 在窗口中显示它并以其他格式写入相同的图像。考虑以下步骤 -
如图所示导入OpenCV包 -
import cv2
现在,要读取特定图像,请使用imread()函数 -
image = cv2.imread(image_flower.jpg)
要显示图像,请使用imshow()函数。您可以在其中查看图像的窗口名称为image_flower。
cv2.imshow(image_flower,image)cv2.destroyAllwindows()
现在,我们可以使用imwrite()函数将相同的图像写入另一种格式,例如.png -
cv2.imwrite(image_flower.png,image)
输出True表示图像已成功写入.png文件也位于同一文件夹中。
True
注意 - 函数destroyallWindows()只是破坏我们创建的所有窗口。
色彩空间转换
在OpenCV中,图像不是使用传统的RGB颜色存储的,而是以相反的顺序存储,即以BGR顺序存储。因此,读取图像时的默认颜色代码是BGR。所述cvtColor()中的图像从一个颜色代码转换为其他颜色转换功能。
例
考虑此示例将图像从BGR转换为灰度。
如图所示导入OpenCV包 -
import cv2
现在,要读取特定图像,请使用imread()函数 -
image = cv2.imread(image_flower.jpg)
现在,如果我们使用imshow()函数看到这个图像,那么我们可以看到这个图像在BGR中。
cv2.imshow(BGR_Penguins,image)
现在,使用cvtColor()函数将此图像转换为灰度。
image = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
边缘检测
人们在看到粗略的草图后,可以很容易地识别出许多物体类型和姿势。这就是边缘在人类生活以及计算机视觉应用中发挥重要作用的原因。OpenCV提供了一个非常简单有用的函数Canny()来检测边缘。
例
以下示例显示了边缘的清晰标识。
导入OpenCV包如图所示 -
import cv2import numpy as np
现在,要读取特定图像,请使用imread()函数。
image = cv2.imread(Penguins.jpg)
现在,使用Canny()函数检测已读取图像的边缘。
cv2.imwrite(‘edges_Penguins.jpg,cv2.Canny(image,200,300))
现在,要显示带边的图像,请使用imshow()函数。
cv2.imshow(‘edges, cv2.imread(‘‘edges_Penguins.jpg))
这个Python程序将使用边缘检测创建一个名为edges_penguins.jpg的图像。
人脸检测
人脸检测是计算机视觉的迷人应用之一,使其更加真实和未来。OpenCV具有执行面部检测的内置工具。我们将使用Haar级联分类器进行人脸检测。
哈尔Cascade数据
我们需要数据来使用Haar级联分类器。您可以在我们的OpenCV包中找到这些数据。安装OpenCv后,您可以看到文件夹名称haarcascades。不同的应用程序会有.xml文件。现在,将它们全部复制以供不同使用,然后粘贴到当前项目下的新文件夹中。
例
以下是使用Haar Cascade检测Amitabh Bachan面部的Python代码,如下图所示 -
如图所示导入OpenCV包 -
import cv2
现在,使用HaarCascadeClassifier检测面部 -
face_detection=
现在,要读取特定图像,请使用imread()函数 -
img = cv2.imread(AB.jpg)
现在,将其转换为灰度,因为它会接受灰色图像 -
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
现在,使用face_detection.detectMultiScale,执行实际的面部检测
faces = face_detection.detectMultiScale(gray, 1.3, 5)
现在,在整个脸部周围画一个矩形 -
for (x,y,w,h) in faces:
这个Python程序将使用面部检测创建一个名为Face_AB.jpg的图像,如图所示
眼睛检测
眼睛检测是计算机视觉的另一个迷人应用,它使其更加真实和未来。OpenCV有一个内置的工具来执行眼睛检测。我们将使用Haar级联分类器进行眼睛检测。
例
以下示例给出了使用Haar Cascade检测Amitabh Bachan面部的Python代码,如下图所示 -
导入OpenCV包如图所示 -
import cv2import numpy as np
现在,使用HaarCascadeClassifier检测面部 -
eye_cascade = cv2.CascadeClassifier(D:/ProgramData/cascadeclassifier/haarcascade_eye.xml)
现在,要读取特定图像,请使用imread()函数
img = cv2.imread(AB_Eye.jpg)
现在,将其转换为灰度,因为它会接受灰色图像 -
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
现在借助eye_cascade.detectMultiScale,执行实际的人脸检测
eyes = eye_cascade.detectMultiScale(gray, 1.03, 5)
现在,在整个脸部周围画一个矩形 -
for (ex,ey,ew,eh) in eyes:
这个Python程序将创建一个名为Eye_AB.jpg的图像,其中带有眼睛检测,如图所示 -
以上就是AI与Python计算机视觉教程的详细内容,更多关于AI Python计算机视觉的资料请关注盛行IT软件开发工作室其它相关文章!
郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。