Python OpenCV 的學(xué)習(xí)路線與重要知識(shí)點(diǎn)匯總 3

19

輪廓查找與繪制

核心要理解到在 OpenCV 中，查找輪廓就像在黑色背景中找白色物體。

常用函數(shù)：

• 查找輪廓 cv2.findContours()；
• 繪制輪廓 cv2.drawContours() 。

最后應(yīng)該掌握針對(duì)每個(gè)輪廓進(jìn)行操作。

20

輪廓特征屬性及應(yīng)用

這部分內(nèi)容比較重要，并且知識(shí)點(diǎn)比較多，核心內(nèi)容與函數(shù)分別如下：

• 尋找凸包 cv2.convexHull() 與 凸性檢測 cv2.isContourConvex()；
• 輪廓外接矩形 cv2.boundingRect()；
• 輪廓最小外接矩形 cv2.minAreaRect()；
• 輪廓最小外接圓 cv2.minEnclosingCircle()；
• 輪廓橢圓擬合 cv2.fitEllipse()；
• 逼近多邊形曲線 cv2.approxPolyDP()；
• 計(jì)算輪廓面積 cv2.contourArea()；
• 計(jì)算輪廓長度 cv2.arcLength()；
• 計(jì)算點(diǎn)與輪廓的距離及位置關(guān)系 cv2.pointPolygonTest()；
• 形狀匹配 cv2.matchShapes()。

21

高級(jí)部分-分水嶺算法及圖像修補(bǔ)

掌握分水嶺算法的原理，掌握核心函數(shù) cv2.watershed() 。

可以擴(kuò)展補(bǔ)充圖像修補(bǔ)技術(shù)及相關(guān)函數(shù) cv2.inpaint()，學(xué)習(xí)完畢可以嘗試人像祛斑應(yīng)用。

22

GrabCut & FloodFill 圖像分割、角點(diǎn)檢測

這部分內(nèi)容都需要一些圖像專業(yè)背景知識(shí)，先掌握相關(guān)概念知識(shí)，在重點(diǎn)學(xué)習(xí)相關(guān)函數(shù)。

• GrabCut 算法 cv2.grabCut()；
• 漫水填充算法 cv2.floodFill()；
• Harris 角點(diǎn)檢測 cv2.cornerHarris()；
• Shi-Tomasi 角點(diǎn)檢測 cv2.goodFeaturesToTrack()；
• 亞像素角點(diǎn)檢測 cv2.cornerSubPix()。

23

特征檢測與匹配

特征點(diǎn)的檢測和匹配是計(jì)算機(jī)視覺中非常重要的技術(shù)之一, 在物體識(shí)別、視覺跟蹤、三維重建等領(lǐng)域都有很廣泛的應(yīng)用。

OpenCV 提供了如下特征檢測方法：

• “FAST” FastFeatureDetector；
• “STAR” StarFeatureDetector；
• “SIFT” SIFT(nonfree module) Opencv3 移除，需調(diào)用 xfeature2d 庫；
• “SURF” SURF(nonfree module) Opencv3 移除，需調(diào)用 xfeature2d 庫；
• “ORB” ORB Opencv3 移除,需調(diào)用 xfeature2d 庫；
• “MSER” MSER；
• “GFTT” GoodFeaturesToTrackDetector；
• “HARRIS” (配合 Harris detector)；
• “Dense” DenseFeatureDetector；
• “SimpleBlob” SimpleBlobDetector。

24

OpenCV 應(yīng)用部分之運(yùn)動(dòng)物體跟蹤與人臉識(shí)別

了解何為運(yùn)動(dòng)物體檢測，OpenCV 中常用的運(yùn)動(dòng)物體檢測方法有背景減法、幀差法、光流法，跟蹤算法常用的有 meanShift， camShift，粒子濾波， 光流法 等。

• meanShift 跟蹤算法 cv2.meanShift()；
• CamShift 跟蹤算法 cv2.CamShift()。

如果學(xué)習(xí)人臉識(shí)別，涉及的知識(shí)點(diǎn)為：

• 人臉檢測：從圖像中找出人臉位置并標(biāo)識(shí)；
• 人臉識(shí)別：從定位到的人臉區(qū)域區(qū)分出人的姓名或其它信息；
• 機(jī)器學(xué)習(xí)。