OpenCV（Open Source Computer Vision Library） —— 开源计算机视觉库
是一个开源计算机视觉库，
提供广泛的图像处理和计算机视觉算法。
它被广泛用于各种应用中，包括图像处理、视频分析、机器学习和机器人技术。
基本概念
- 图像： 一个二维数组，其中每个元素表示图像中一个像素的强度或颜色。
- 矩阵： 一个多维数组，用于表示图像、特征和变换。
- 感兴趣区域 (ROI)： 图像中要处理的特定区域。
- 内核： 用于卷积和形态学操作的矩阵。
图像处理
- 读取和写入图像：
cv2.imread()和cv2.imwrite() - 图像转换：
cv2.cvtColor()、cv2.resize()和cv2.flip() - 图像增强：
cv2.equalizeHist()、cv2.blur()和cv2.threshold() - 形态学操作：
cv2.erode()、cv2.dilate()和cv2.morphologyEx()
特征检测和描述
- 边缘检测：
cv2.Canny()和cv2.Sobel() - 角点检测：
cv2.goodFeaturesToTrack()和cv2.HarrisCornerDetector() - 特征描述：
cv2.SIFT()、cv2.SURF()和cv2.ORB()
图像匹配和识别
- 特征匹配：
cv2.BFMatcher()和cv2.FlannBasedMatcher() - 图像拼接：
cv2.Stitcher() - 对象识别：
cv2.CascadeClassifier()和cv2.HOGDescriptor()
视频分析
- 视频捕获：
cv2.VideoCapture() - 运动检测：
cv2.BackgroundSubtractorMOG2() - 目标跟踪：
cv2.TrackerKCF()、cv2.TrackerMOSSE()和cv2.TrackerCSRT() - 光流：
cv2.calcOpticalFlowFarneback()和cv2.calcOpticalFlowPyrLK()
机器学习
- 训练数据准备：
cv2.ml.TrainData() - 分类：
cv2.ml.SVM()、cv2.ml.DecisionTree()和cv2.ml.RandomForest() - 回归：
cv2.ml.LinearRegression()和cv2.ml.LogisticRegression()
高级主题
- 立体视觉：
cv2.StereoBM()和cv2.StereoSGBM() - 图像分割：
cv2.watershed()、cv2.grabCut()和cv2.kmeans() - 深度学习： 使用 TensorFlow 或 PyTorch 集成 OpenCV
