翻译&＃xff1a;陈之炎
校对&＃xff1a;吴振东、林夕本文约3600字&＃xff0c;建议阅读10分钟本文为大家系统地介绍了OpenCV官方教程。
写在前边
让读者朋友们较为系统地了解和学习OpenCV官方教程&＃xff0c;数据派THU翻译组联合研究部共同推出OpenCV官方教程翻译系列。由于所列章节较多&＃xff0c;教程将被分为多篇文章持续更新发布。
原文链接&＃xff1a;https://docs.opencv.org/4.5.2/de/d7a/tutorial_table_of_content_core.html
目标
我们可以通过多种方式从现实世界中获取数字图像&＃xff0c;比如&＃xff1a;数码相机、扫描仪、计算机扫描和磁共振成像等等。在这些情况中&＃xff0c;虽然我们肉眼看到的是图像&＃xff0c;但是当需要将图像在数字设备中变换传输时&＃xff0c;图像的每个像素则对应一个数值。
例如,上述图像你可以看到一个汽车的后视镜&＃xff0c;它可以用包含像素点强度值的矩阵来表示。虽然获取并存储像素点强度值的方法各不相同&＃xff0c;但是图像在计算机中最终是以数值矩阵的形式来存储和处理的。OpenCV是一个计算机视觉库&＃xff0c;主要用于处理和操作图像像素矩阵信息。因此&＃xff0c;你首先需要熟悉OpenCV是如何存储和处理图像的。
Mat
OpenCV诞生于2001年。当时的库均是C语言接口创建&＃xff0c;图像以C 语言的数据结构IplImage形式存储。在以往的教程和培训材料中均可以看到这一点&＃xff0c;而这同时也反映出了C语言的优缺点。最大的挑战来自于手动的内存管理&＃xff0c;它假设由用户来负责内存的分配和释放。对于代码量比较小的程序&＃xff0c;手动分配内存没有问题。但是当代码量剧增时,处理起来的难度会急速增大。
幸运的是&＃xff0c;C &＃43;&＃43;引入了类的概念&＃xff0c;使得用户更容易实现自动内存管理。同时&＃xff0c;C &＃43;&＃43;与C完全兼容&＃xff0c;所以不存在兼容性问题&＃xff0c;这也使代码迁移更加容易。OpenCV 2.0引入了一种新的C&＃43;&＃43;接口&＃xff0c;无需考虑内存管理问题&＃xff0c;使得代码更加简洁&＃xff0c;即利用更少的代码量&＃xff0c;能够实现更多的功能。C &＃43;&＃43;接口的主要缺点是&＃xff1a;目前许多嵌入式开发系统只支持C。因此&＃xff0c;除非是针对嵌入式平台&＃xff0c;否则没有必要使用的以往的老方法&＃xff08;除非你是受虐狂程序员&＃xff0c;在自找麻烦&＃xff09;。
在使用Mat 时&＃xff0c;需要知道的第一件事情是&＃xff1a;无需手动分配内存。对于不再使用的内存&＃xff0c;无需进行释放。大多数OpenCV函数会自动分配其输出数据。更为便捷的是&＃xff0c;如果需要传递Mat 对象&＃xff0c;则已经给它分配好了内存空间&＃xff0c;可以被重用。换句话说&＃xff0c;在任何时候都只用到执行任务所需要的内存&＃xff0c;而无需进行额外的操作。
Mat基础类包含两部分数据&＃xff1a;矩阵头&＃xff08;包括矩阵大小&＃xff0c;存储方法&＃xff0c;矩阵存储地址等信息&＃xff09;和指向一个矩阵的指针&＃xff0c;这个矩阵包含了像素值信息&＃xff08;根据所选定的不同存储方法而有不同的维度&＃xff09;。矩阵头大小是一个常量&＃xff0c;不同大小的图像的矩阵大小各不相同&＃xff0c;通常矩阵大小要比图像大小大几个数量级。
OpenCV是一个图像处理库&＃xff0c;其中包含大量图像处理函数。为了解决计算难题&＃xff0c;多数情况下选用库中的多个函数来实现计算功能&＃xff0c;常见的做法是将图像传递给函数。而图像处理算法的计算量往往非常大&＃xff0c;所以要通过避免不必要的图像复制来进一步提升程序的运行速度。
为了解决上述问题, OpenCV采用了一种引用计数系统。具体做法是&＃xff0c;每个Mat 对象有其各自的头&＃xff0c;两个Mat 对象可以通过将矩阵指针指向同一地址来共享一个矩阵&＃xff0c;复制操作只复制Mat 头和指向矩阵的指针&＃xff0c;而不是复制数据本身。
上述所有的对象均指向同一个数据矩阵&＃xff0c;对矩阵的任何变动均会影响所有的对象。在实际示例中&＃xff0c;不同的对象只是对同一数据的不同的访问方式&＃xff0c;尽管如此&＃xff0c;不同MAT 对象的头各不相同。真正有趣的是&＃xff0c;可以创建仅指向部分数据分段的MAT 对象头。例如&＃xff0c;为了创建一个图像的感兴趣区域&＃xff08;ROI&＃xff09;&＃xff0c;你只需要创建一个具有行列边界的新MAT 对象头&＃xff1a;
那么问题来了 - 如果像素矩阵可以属于多个MAT 对象, 那么当它不需要再次被使用时,由谁来负责清空&＃xff1f;答案是&＃xff1a;通过引用计数机制&＃xff08;reference counting mechanism&＃xff09;来实现&＃xff0c;由最后一个使用它的对象来清空。每次拷贝MAT 对象头时&＃xff0c;计数器便会加一;当对MAT 对象头进行清空时&＃xff0c;此计数器会减一。当计数器的值为零时&＃xff0c;矩阵会被释放。当需要对矩阵自身进行复制时&＃xff0c; OpenCV提供cv::Mat::clone() 和cv::Mat::copyTo() 函数。
修改F或者G不会影响A所指向的矩阵&＃xff0c;需要记住以下几点&＃xff1a;
Opencv函数&＃xff0c;输出图像分配时是自动的&＃xff08;除非另行规定&＃xff09;;
无需考虑OpenCV中C &＃43;&＃43;接口的内存管理;
赋值操作符和拷贝构造函数仅复制MAT 对象头;
图像的基本矩阵可以利用cv::Mat::clone() 和cv::Mat::copyTo()两个函数进行复制。
存储方法
本小节的内容是关于如何存储像素值的。你可以选择色彩空间和使用的数据类型。色彩空间是指为给定的颜色编码的色彩分量组合&＃xff0c;最简单的色彩空间是灰度&＃xff0c;它的颜色空间只有黑色和白色&＃xff0c;这两种颜色可以组合出多种灰度。
为了使图像色彩更加丰富&＃xff0c;色彩空间可以有更多的选择。每个色彩空间均可将其分解为三到四个基本颜色&＃xff0c;利用这三到四个基本颜色的组合来生成其它颜色。主流的色彩空间是RGB&＃xff0c;人类的眼睛正是利用RGB构建出多种色彩。其基本的颜色是红色、绿色和蓝色&＃xff0c;为了对透明度进行编码&＃xff0c;添加了第四个元素&＃xff1a;α&＃xff08;A&＃xff09;。
除了RGB外&＃xff0c;还有多种其它的色彩空间&＃xff0c;它们各有优势&＃xff1a;
RGB是与人眼类似的最为常见的色彩空间&＃xff0c;但需要切记的是&＃xff1a;OpenCV标准显示系统使用的色彩空间是BGR&＃xff08;互换了红色和蓝色通道&＃xff09;&＃xff1b;
HSV和HLS将色彩分解为色调、饱和度和亮度分量&＃xff0c;利用这些分量&＃xff0c;可以更加自然地对色彩进行描述。例如&＃xff0c;去除最后一个分量之后&＃xff0c;算法便对输入图像的光照条件不太敏感了&＃xff1b;
JPEG图像格式使用的是YCrCb色彩空间&＃xff1b;
CIE L * A * B *是一个感知均匀的色彩空间&＃xff0c;可以用它来测量给定的颜色到另一种颜色之间的距离。
在OpenCV中&＃xff0c;每个组件都有其各自的有效域&＃xff0c;即采用何种数据类型。组件的存储方式定义了对其有效域的控制方式。最小的数据类型是char&＃xff0c;即一个字节或8比特位&＃xff0c;char可以是无符号的&＃xff08;值从0到255&＃xff09;或带符号的&＃xff08;值从-127到&＃43;127&＃xff09;。在三元组色彩空间&＃xff08;如RGB 色彩空间&＃xff09;&＃xff0c;可以表示出1600万种颜色。此外&＃xff0c;还可以通过使用float数据类型&＃xff08;4字节&＃61; 32比特位&＃xff09;或double数据类型&＃xff08;8字节&＃61; 64比特位&＃xff09;&＃xff0c;对色彩实现更为精细的控制和表达。但是&＃xff0c;增加组件数据类型长度的同时也会增加整个图片占用的内存大小。
创建Mat对象
在调用、修改和保存图像教程中&＃xff0c;你已经学会了如何利用cv::imwrite()函数 将矩阵写入图像文件之中。然而&＃xff0c;出于调试的目的&＃xff0c;为了更加方便地看到矩阵的实际值&＃xff0c;可以直接使用<<运算符。注意&＃xff0c;这仅适用于二维矩阵。
Mat作为一个图像容器非常不错&＃xff0c;但是它也是一个通用矩阵类。所以&＃xff0c;可以是一个通用矩阵类。为此&＃xff0c;它还可以创建和操作多维矩阵。你可以用多种方式来创建Mat对象&＃xff1a;
cv::Mat::Mat 构造器
对于二维和多通道图像&＃xff0c;首先定义出大小&＃xff1a;按行和列计数。
然后指定用于存储元素的数据类型和每个矩阵点的通道数。按照以下约定&＃xff0c;构造出多个定义&＃xff1a;
例如&＃xff0c;CV_8UC3是指&＃xff1a;使用的是8位长的unsigned char数据类型&＃xff0c;每个像素具有三个通道&＃xff0c;可以预定义多达四个通道。cv::Scalar是一个包含四个元素的短矢量。可以通过指定cv::Scalar&＃xff0c;将所有的矩阵点初始化为自定义的值。如果需要创建更多的图像矩阵&＃xff0c;还可以利用宏来创建&＃xff0c;按照下述方式&＃xff0c;设置括号中的通道数目&＃xff1a;
构造C / C &＃43;&＃43;数组&＃xff0c;并对其进行初始化
上述例子说明了如何创建一个维数大于2维的矩阵。首先指定其维数大小&＃xff0c;然后传递一个包含每个维度大小的指针&＃xff0c;其余部分保持不变。
不能用这种结构初始化矩阵值&＃xff0c;如果新的矩阵大小与先前的矩阵大小不一致&＃xff0c;会对矩阵数据的存储重新进行分配。
MATLAB风格初始化&＃xff1a;cv::Mat::zeros , cv::Mat::ones , cv::Mat::eye 。指定矩阵大小和数据类型&＃xff1a;
对于比较小的矩阵&＃xff0c;可以使用逗号分隔初始化值或初始化值列表&＃xff08;支持C&＃43;&＃43; 11&＃xff09;&＃xff1a;
为现有的Mat对象创建一个新的Mat对象头&＃xff1a;cv::Mat::clone or cv::Mat::copyTo。
注
可以利用CV :: RANDU&＃xff08;&＃xff09;函数&＃xff0c;为矩阵写入随机值&＃xff0c;此时需要给定随机值的下限和上限&＃xff1a;
输出格式化
在上面的例子中&＃xff0c;可以看到默认的格式设置选项。OpenCV允许对矩阵输出进行格式化&＃xff1a;
默认
Python
逗号分隔值 (CSV)
NumPy
C
其他常见的输出
OpenCV中提供了通过<<操作输出常见的OpenCV数据结构&＃xff1a;
二维Point
三维Point
cv::Mat的std::vector
std::vector Point
小型控制台应用程序中均包含了这里的大多数示例。可以从这里下载或在CPP示例程序中找到它们。你还可以到YouTube网站看相应的视频演示。
YouTube网站
https:/www.youtube.com/watch%3fv&＃61;1tibU7vGWpk%22
编辑&＃xff1a;王菁
校对&＃xff1a;林亦霖
下一小节: 1.2 如何扫描图像、查找表和用OpenCV进行时间测量
译者简介
陈之炎&＃xff0c;北京交通大学通信与控制工程专业毕业&＃xff0c;获得工学硕士学位&＃xff0c;历任长城计算机软件与系统公司工程师&＃xff0c;大唐微电子公司工程师&＃xff0c;现任北京吾译超群科技有限公司技术支持。目前从事智能化翻译教学系统的运营和维护&＃xff0c;在人工智能深度学习和自然语言处理&＃xff08;NLP&＃xff09;方面积累有一定的经验。业余时间喜爱翻译创作&＃xff0c;翻译作品主要有&＃xff1a;IEC-ISO 7816、伊拉克石油工程项目、新财税主义宣言等等&＃xff0c;其中中译英作品“新财税主义宣言”在GLOBAL TIMES正式发表。能够利用业余时间加入到THU 数据派平台的翻译志愿者小组&＃xff0c;希望能和大家一起交流分享&＃xff0c;共同进步
翻译组招募信息
工作内容&＃xff1a;需要一颗细致的心&＃xff0c;将选取好的外文文章翻译成流畅的中文。如果你是数据科学/统计学/计算机类的留学生&＃xff0c;或在海外从事相关工作&＃xff0c;或对自己外语水平有信心的朋友欢迎加入翻译小组。
你能得到&＃xff1a;定期的翻译培训提高志愿者的翻译水平&＃xff0c;提高对于数据科学前沿的认知&＃xff0c;海外的朋友可以和国内技术应用发展保持联系&＃xff0c;THU数据派产学研的背景为志愿者带来好的发展机遇。
其他福利&＃xff1a;来自于名企的数据科学工作者&＃xff0c;北大清华以及海外等名校学生他们都将成为你在翻译小组的伙伴。
点击文末“阅读原文”加入数据派团队~
转载须知
如需转载&＃xff0c;请在开篇显著位置注明作者和出处&＃xff08;转自&＃xff1a;数据派ID&＃xff1a;DatapiTHU&＃xff09;&＃xff0c;并在文章结尾放置数据派醒目二维码。有原创标识文章&＃xff0c;请发送【文章名称-待授权公众号名称及ID】至联系邮箱&＃xff0c;申请白名单授权并按要求编辑。
发布后请将链接反馈至联系邮箱&＃xff08;见下方&＃xff09;。未经许可的转载以及改编者&＃xff0c;我们将依法追究其法律责任。
点击“阅读原文”拥抱组织
京公网安备 11010802041100号