- 目錄：
- 1、什麼是opencv，它有哪些優勢？
- 2、opencv 安裝和環境配置
- 3、瞭解數字圖像的基本概念：像素、彩色圖像、灰度圖像、二值圖像、圖像算數操作
- 4、練習numpy中array的基本操作
- 5、練習圖像的加載、保存、以及算術操作
一、什麼是 opencv
OpenCV是一個基於BSD許可（開源）發行的跨平臺計算機視覺庫，可以運行在Linux、Windows、Android和Mac OS操作系統上。它輕量級而且高效——由一系列 C 函數和少量 C++ 類構成，同時提供了Python、Ruby、MATLAB等語言的接口，實現了圖像處理和計算機視覺方面的很多通用算法。
優勢：
計算機視覺市場巨大而且持續增長，且這方面沒有標準API，如今的計算機視覺軟件大概有以下三種：
1、研究代碼（慢，不穩定，獨立並與其他庫不兼容）
2、耗費很高的商業化工具（比如Halcon）
3、依賴硬件的一些特別的解決方案（比如[視頻監控]，製造[控制系統]，醫療設備）這是如今的現狀，而標準的API將簡化計算機視覺程序和解決方案的開發，OpenCV致力於成爲這樣的標準API。
OpenCV致力於真實世界的實時應用，通過優化的C代碼的編寫對其執行速度帶來了可觀的提升，並且可以通過購買Intel的IPP高性能多媒體函數庫（Integrated Performance Primitives）得到更快的處理速度。右圖爲OpenCV與當前其他主流視覺函數庫的性能比較。（摘自百度百科）
二、opencv 安裝和配置
1. opencv-python的安裝
默認已經配置好了python環境和科學計算必要的包如numpy。python下opencv的安裝相對比較簡單，只需要在命令行輸入以下指令即可自動安裝最新版的opencv庫
pip install opencv-python
如果需要安裝之前版本的opencv，可以到 https://www.lfd.uci.edu/~gohlke/pythonlibs/ 這個鏈接下搜索opencv並下載對應的版本，之後 pip inseall + opencv-python***.whl 即可。
2. linux下 opencv c++版的安裝
進入官網 : http://opencv.org/releases.html , 選擇需要版本的 source , 下載
解壓到需要安裝的路徑下
mkdir build # 創建編譯的文件目錄
cd build
cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..
make -j8 #編譯
sudo make install #安裝
安裝完成之後通過查看opencv版本驗證是否安裝成功：
pkg-config --modversion opencv
三、數字圖像的基本概念
1、分辨率：
指單位區域內包含的像素數目。單位爲像素/英寸(通用),簡寫爲 ppi2.像素/釐米
常見的分辨率:
1.圖像分辨率
2.顯示分辨率
3.輸出分辨率
4.位分辨率
2、彩色圖像（RGB）:
自然界中幾乎所有顏色都可以自紅（Red,R）、 綠（Green,G）、藍（Blue,B) 3種顏色組合，通常稱它們爲RGB三原色．
計算機顯示彩色圖像時採用最多的就是RGB模型。對於每個像素，通過控制R、G、B三原色的合成比例則可決定該像素的最終顯示顏色。將一幅圖像視爲一個二維函數f(x，y)外，其中x和y是空間座標，而在x-y平面中的任意一對空間座標（x,y）上的幅值f稱爲該點圖像的灰度、亮度或強度。此時，如果f(x,y)均爲非負有限離散，則稱該圖像爲數字圖像〈位圖〉。一個大小爲M×N的數字圖像是由M行N列的有限元素組成的，每個元素都有特定的位置和幅值，代表了其所在行列位置上的圖像物理信息，如灰度和色彩等。這些元素稱爲圖像元素或像素。
3、二值圖像
每個像素只有黑、自兩種顏色的圖像稱爲二值圖像。在二值圖像中，像素只有 0和1兩種取值，一般用0來表示黑色，用1表示白色。
4、灰度圖像
在二值圖像中進一步加入許多介於黑色與白色之間的顏色探度，就構成了灰度圖像。這類圖像通常顯示爲從最暗黑色到最亮的白色的灰度，每種灰度〈顏色深度〉稱爲一個灰度級，通常用L表示.在灰度圖像中，像素可以取 O～L-1之間的整數值，根據保存灰度數值所使用的數據類型的不同，可能有256種取值或者2k種取值，當k=1時即退化爲二值圖像．
5、圖像的算術操作
由上我們可以知道圖像可以看做是一個二維函數f(x,y)在空間的座標，也就是說，圖像上每個點都可以用函數f(x,y)來顯示出來，圖像的算術操作是陣列操作，即在相對應的像素對之間執行。
4種算術操作表示爲：
s(x, y) = f(x, y) + g(x, y);
d(x, y) = f(x, y) - g(x, y);
p(x, y) = f(x, y) × g(x, y);
v(x, y) = f(x, y) ÷ g(x, y);
處理圖像：
1.利用帶噪圖像的相加（平均）進行降噪處理。
2.利用圖像相減增強差別。
3.利用圖像相乘和相除來校正陰影。
四、numpy的基本操作
由於圖像可以看做三維矩陣（寬，高，通道數），這就可以用numpy來對圖像進行操作，一方面可以用來進行圖像的算術運算，另一方面可以把圖像看做矩陣進行矩陣的拆分與拼接等操作。
1、numpy對於矩陣的操作
矩陣加減乘除
針對以上的圖像的算數操作
import numpy as np
#創建兩個數組 a,b 並重置爲3*3的矩陣
a = np.arange(9, dtype = np.float_).reshape(3,3)
b = np.arange(9, dtype = np.float_).reshape(3,3)
# 矩陣相加,兩種方法，直接加或者使用numpy自帶的方法
print(a+b)
print(np.add(a+b))
# 矩陣相減
print(a-b)
print(np.subtract(a,b)) #使用自帶的方法時須注意減數和被減數的位置
# 矩陣相乘，這個方法是a,b中的元素分別每一項分別相乘，若需要求矩陣的值，numpy有點乘操作np.dot()
print(a*b)
print(np.multiply(a,b))
# 矩陣相除,使用除法時需要注意除數不能爲0
print(a/b)
print(np.divide(a,b))
2、numpy在圖像中的應用
在圖像處理中，常用到矩陣的剪切操作，對應的是圖片的剪切。可以從圖像的組成來理解，圖像是有三維矩陣組成的，每個維度對應的圖片的寬，高，通道數，所以可以將前兩維進行剪切來進行圖片的裁剪。
使用opencv讀取圖像後可以使用 img.shape 來獲取圖片的高（h），寬（w），通道數（n）（注意順序不能邊），對應的矩陣中img[寬,高,通道]，順序不能搞錯，否則可能報數組越界的錯誤。
# 假設圖片爲1920*1080，需要剪切左上角像素爲100*150的小圖
roi = img[:150,:100]
# 獲取圖片的某一個點的像素,此時可以獲取(0，0)點的像素值，格式爲[g,b,r]
p = img[0][0]
五、圖片的基本操作
1.路徑中不含中文
# 讀取圖片
img = cv2.imread(imgPath)
# 保存圖片
cv2.imwrite("saveName",img)
直接使用 cv2.imread() 和cv2.imwrite() 方法即可
2.路徑中含有中文
路徑中含有中文時，需要編解碼才能讀取和保存
cv2.imdecode()函數從指定的內存緩存中讀取數據，並把數據轉換(解碼)成圖像格式;主要用於從網絡傳輸數據中恢復出圖像。
cv2.imencode()函數是將圖片格式轉換(編碼)成流數據，賦值到內存緩存中;主要用於圖像數據格式的壓縮，方便網絡傳輸。
# 讀取帶有中文的圖片
# 需要先進行編碼，才能讀取，使用numpy加載文件的格式進行加載，detype參數
# 爲讀取數據的類型，可以根據圖片類型進行選擇
img = cv2.imdecode(np.fromfile(img_Path,dtype=np.uint8),-1)
# 保存帶中文的圖片
cv2.imencode('.jpg', img)[1].tofile("imgName")