3.9 视觉OpenCV

OpenCV（Opensource Computer Vision Library）是一个基于BSD许可（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows、Android和Mac OS操作系统上，同时提供了Python、Ruby、MATLAB等语言的接口，可实现图像处理和计算机视觉方面的很多通用算法。虽然Python有自己的图像处理库PIL，但是相对于OpenCV来讲，功能比较弱，OpenCV提供了完善的Python接口，非常便于调用。OpenCV包含了超过2500个算法和函数，可以实现大部分视觉处理功能。

OpenCV典型应用领域如下：（1）人机互动；（2）物体识别；（3）图像分割；（4）人脸识别；（5）动作识别；（6）运动跟踪；（7）机器人；（8）运动分析；（9）机器视觉；（10）结构分析；（11）汽车安全驾驶。

OpenCV的Python主页：https://pypi.org/project/opencv-python/，如图3-56所示。

当前的OpenCV有两个版本：OpenCV2和OpenCV3。OpenCV3较OpenCV2提供了更强的功能和更多方便的特性，带来了全新的项目架构的改变。OpenCV3抛弃了整体统一架构，使用“内核+插件”的架构形式，更加稳定，附加的库更加灵活多变，从而保持高速的发展与迭代。

3.9.1 OpenCV的安装

OpenCV的pip安装命令为“pip install opencv-python”，如图3-57所示。

OpenCV在PyCharm中的安装方法是在主界面选择菜单命令“File＞Settings”，打开Settings窗口，操作如图3-58所示。

OpenCV安装完成以后，其中已经包含了基于OpenCV harr级联分类器的人脸及眼睛、鼻子、嘴巴检测器，位于CV2包的data目录，如图3-59所示。

其中，“haarcascade_eye_tree_eyeglasses.xml”为人脸检测的人眼检测分类器，“haarcascade_smile.xml”用于实现对人脸、笑脸同时检测。

3.9.2 OpenCV的使用

OpenCV提供了图像和视频两方面的处理功能，这些功能主要包括图像的基础操作、图像上的算术运算、颜色空间变化、图像几何变换、图像平滑、图像形态学转换、图像梯度、边缘检测、图像变换（傅里叶变换、Hough变换）、图像特征提取、视频分析、摄像机标定、3D重构、机器学习、计算摄影学、对象检测等。

下面介绍一些OpenCV的常用函数。

（1）cv2.VideoCapture（参数）：读取视频，参数如果是数字，则对应摄像头编号，参数也可以是视频名。

（2）cv2.imread（参数）：读取图像，参数是图像路径。

（3）cv2.imshow（参数1,参数2）：显示图像，“参数1”为显示的标题，“参数2”为显示的图像，为cv2.imread()的返回值。

（4）cv2.waitKey（参数）：在一个给定的时间内（单位ms）等待用户按键触发，如果为0，则一直等待。

（5）cv2.imwrite（参数1,参数2）：保存图像，“参数1”为保存路径，“参数2”为保存的图像，为cv2.imread()的返回值。

（6）cv2.putText()：图像加文字，包含7个参数，“参数1”为图像，“参数2”为文字内容，“参数3”为坐标位置，“参数4”为字体，“参数5”为字号，“参数6”为颜色，“参数7”为字体粗细。

（7）cv2.rectangle()：图像内加矩形框，包含5个参数，“参数1”为图像，“参数2”为左上角坐标，“参数3”为右下角坐标，“参数4”为框的颜色，“参数5”为框的粗细。

（8）cv2.cvtColor（参数1,参数2）：图像颜色转换，“参数1”为图像，“参数2”为转换方式。例如“cv2.COLOR_BGR2GRAY”表示转换为灰度图，“cv2.COLOR_BGR2HSV”表示转换为HSV颜色空间。

（9）cv2.GaussianBlur()：高斯平滑滤波，包含3个参数，“参数1”为图像，“参数2”为滤波器大小，“参数3”为标准差。

（10）cv2. circle ()：图像加圆形框，包含6个参数，“参数1”为图像，“参数2”为圆心X坐标，“参数3”为圆心Y坐标，“参数4”为半径，“参数5”为框的颜色，“参数6”为框的粗细。

在下面的示例中，使用OpenCV内置的检测器识别人的眼睛，并且画出标识框，代码如下。

程序运行结果如图3-60所示。

在下面的示例中，使用OpenCV内置的检测器识别笑脸，并且画出标识框，代码如下。

程序运行结果如图3-61所示。