计算机视觉实验 损毁图像修复 计算机视觉实例

---

typora-root-url: img

树莓派机载计算机的机器视觉样例教程

执行本样例程序需要的硬件

• 树莓派机载计算机

• 摄像头

参照官方介绍：树莓派文档 - 相机 (raspberrypi.com)

OV5647	IMX219	USB摄像头

其中摄像头本样例选用性价比最高的官方V1.3版本摄像头，该版本摄像头焦距为3.6mm，广角为66度，市面上也存在不同广角、焦距的版本，可以根据实际使用需求来选型。

1、图像的读取、灰度化、颜色分割、图像合成

本例程涉及的函数功能与参数介绍如下：

函数名称	功能包名	功能	参数	返回值
imread(path, num)	cv2	从某一路径下以某种编码方式读取图片	第一个参数path为图片路径，第二个参数num是以什么方式读入图片，1为彩色，0位黑白，默认为彩色	图像数组
cvtColor(p1,p2)	cv2	颜色空间转换	第一个参数p1待转换的图片，第二个参p2是转化的图片格式，例如cv2.COLOR_BGR2RGB 将BGR格式转换成RGB格式、cv2.COLOR_BGR2GRAY将BGR格式转换成GRAY格式	图像数组
imshow(name,pic)	cv2	图像窗口显示	第一个参数name是一个窗口名称，数据类型为字符串。第二个参数pic是需要显示的图像	无
split(pic)	cv2	拆分图像成单个颜色通道数据获取	参数pic为BGR类型的图像数组	（B,G,R）三个通道颜色数据
merge([b,g,r])	cv2	将单通道图像的合并成多通道	b,g,r为三个通道图像数组	合成的多通道图像数组
sleep(n)	time	延时函数	参数n为延时时间，单位为秒	无
shape[a]	numpy	查看矩阵或者获取形状	对象为矩阵时： 二维数组时参数a=0表示查看行数、1表示列数；三维时a=0表示二维数组的个数，1表示二维数组的行数、2表示二维数组的列数； #对象为图像时： img.shape[:2]取彩色图片的长、宽 img.shape[:3]取彩色图片的长、宽、通道 img.shape[0]图像的垂直尺寸（高度） img.shape[1]图像的水平尺寸（宽度） img.shape[2]图像的通道数	返回维度
zeros((a,b),dtype)	numpy	定义零矩阵	(a,b)待生成矩阵的行、列，dtype数据类型	零矩阵

执行本demo终端输入

python3 1_image_file_read_write_split_merge.py

结果如下图所示：

2、图像的抓取与边缘检测

本例程涉及的函数功能与参数介绍如下：

函数名称	功能包名	功能	参数	返回值
VideoCapture(path)	cv2	从目标相机或者视频中抓取视频	参数path为摄像头名称，类型为字符串	视频抓取对象
set(propId,value)	cv2	对抓取对象的参数进行设置	参数propId过多，不便列举，具体参照《OpenCV-Python中文教程》page 7	无
read()	cv2	获取一帧图像	无	返回参数ret,img分别为抓取状态和图像
flip(filename, flipcode)	cv2	对图像进行翻转	参数filename需要操作的图像 参数flipcode表示翻转方式，1:hor 0:vert -1:hor+vert	翻转后的图像
Canny( img, threshold1, threshold2,apertureSize)	cv2	边缘检测	参数img为灰度图像 参数threshold1、threshold1为上下阈值 参数apertureSize为Sobel 算子大小	计算得到的边缘图像

执行本demo终端输入

python3 2_image_capture_canny_show.py

结果如下图所示：

3、图像的二值化

本例程涉及的函数功能与参数介绍如下：

函数名称	功能包名	功能	参数	返回值
threshold(src, thresh, maxval, type):	cv2	将灰度图像二值化	src: 原图像 thresh: 阈值 type: 指定阈值类型； maxval: 当type指定为THRESH_BINARY或THRESH_BINARY_INV时，需要设置此值 type具体参照《OpenCV-Python中文教程》page 36	返回二值化后的图像
subplot(a,b,i) imshow(img) title(str)	matplotlib.pyplot	调用	参数有多种方式具体参照连接 matplotlib.pyplot.subplot — Matplotlib 3.5.1 文档matplotlib.pyplot.title — Matplotlib 3.5.1 文档 matplotlib.pyplot.imshow — Matplotlib 3.5.1 文档	无
adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C, dst=None)	cv2	自适应阈值	src：灰度图像 maxValue：最大灰度值 adaptiveMethod：自适应阈值算法。ADAPTIVE_THRESH_MEAN_C或ADAPTIVE_THRESH_GAUSSIAN_C thresholdType：opencv提供的二值化方法，只能THRESH_BINARY或THRESH_BINARY_INV blockSize：拆分的区域大小	返回二值化后的图像

执行本demo终端输入

python3 3_image_binary.py

结果如下图所示：

4、轮廓检测与绘制

本例程涉及的函数功能与参数介绍如下：

函数名称	功能包名	功能	参数	返回值
findContours(img, mode, method)	cv2	轮廓检测	img为输入待检测轮廓的图像 mode为轮廓检索的方式 cv2.RETR_EXTERNAL 只检测外轮廓 cv2.RETR_LIST 检测的轮廓不建立等级关系 cv2.RETR_CCOMP 建立两个等级的轮廓 cv2.RETR_TREE 建立一个等级树结构的轮廓。 method为轮廓近视方法，常用的有： cv2.CHAIN_APPROX_NONE cv2.CHAIN_APPROX_SIMPLE 具体参照《OpenCV-Python中文教程》page 36	返回轮廓、轮廓的属性
drawContours(img, contours, contourIdx, color, thickness=None, lineType=None, hierarchy=None, maxLevel=None, offset=None)	cv2	轮廓绘制	img为轮廓绘制的图像 contours为轮廓数据，数据类型为list contourIdx指定绘制轮廓list中的哪条轮廓，-1表示绘制所有轮廓 color绘制的颜色 thickness表明轮廓线的宽度	无

执行本demo终端输入

python3 4_otsu_binary_find_contours.py

结果如下图所示：

5、hsv颜色分离二值化（红色）

本例程涉及的函数功能与参数介绍如下：

函数名称	功能包名	功能	参数	返回值
inRange(src, lower, upper)	cv2	颜色分离	第一个参数hsv指的是原图 第二个参数lower指的是图像中低于这个lower的值，图像值变为0 第三个参数：upper指的是图像中高于这个upper的值，图像值变为0	返回二值化后的图像
erode(src, kernel, iteration)	cv2	腐蚀操作	第一个参数src表示的是输入图片 第二个参数kernel表示的是方框的大小 第三个参数iteration表示迭代的次数	腐蚀操作后的图像
dilate(src, kernel, iteration)	cv2	膨胀操作	第一个参数src表示的是输入图片 第二个参数kernel表示的是方框的大小 第三个参数iteration表示迭代的次数	膨胀操作后的图像

执行本demo终端输入

python3 5_hsv_binary_find_contours.py

结果如下图所示：

6、blob特征点检测与绘制

本例程涉及的函数功能与参数介绍如下：

函数名称	功能包名	功能	参数	返回值
SimpleBlobDetector_Params()	cv2	创建一个检测器默认参数组	无	参数组默认值params
SimpleBlobDetector_create(params)	cv2	创建一个检测器，采用修改后的参数	params检测器参数	检测器
delect(gray)	cv2	特征点检测	gray灰度图像	提取到的关键点
drawKeypoints(img,keypoints,outputimage,color)	cv2	关键点绘制	img也就是原始图片 keypoints从原图中获得的关键点 outputimage输出 color颜色设置 flags绘图功能的标识设置	绘制后的图像

执行本demo终端输入

python3 6_simple_blob_detect.py

结果如下图所示：

7、霍夫圆检测

本例程涉及的函数功能与参数介绍如下：

函数名称	功能包名	功能	参数	返回值
HoughCircles(img, method, dp, minDist, circles, param1, param2, minRadius, maxRadius)	cv2	霍夫圆检测	gray灰度图像 method检测方法，常用参数CV_HOUGH_GRADIENT dp为内测圆心累加器图像的分辨率和输入图像之比的倒数 minDist检测两个圆心之间的最小半径 circles为检测圆返回值 param1表示canny边缘检测算子的高阈值 param2为检测的圆心的累加器阈值 minRadius、maxRadius分别表示圆的最小和最大半径	检测到的圆数据

执行本demo终端输入

python3 7_hough_circles_detect.py

结果如下图所示：

8、霍夫线检测

本例程涉及的函数功能与参数介绍如下：

函数名称	功能包名	功能	参数	返回值
HoughLinesP(img,rho,theta, threshold,lines, minLineLength,maxLineGap)	cv2	霍夫线检测	第一个参数image为二值图像，一般使用canny边缘检测的结果图像； 第二个参数rho表示线段以像素为单位的距离精度 第三个参数theta， 线段以弧度为单位的角度精度 threshod: 累加平面的阈值参数 lines：返回检测线数据 minLineLength：线段以像素为单位的最小长度 maxLineGap：同一方向上两条线段判定为一条线段的最大允许间隔	检测到的线数据

执行本demo终端输入

python3 8_find_hough_lines.py

结果如下图所示：

9、形状轮廓匹配

本例程涉及的函数功能与参数介绍如下：

函数名称	功能包名	功能	参数	返回值
matchShapes(contour1, contour2, method, parameter)	cv2	匹配轮廓形状	第一个参数contour1是模板轮廓 第二个参数contour2是用于匹配的轮廓模板 第三个参数method比较方式 第四个参数暂时没用到，一般直接给0	匹配到的轮廓

执行本demo终端输入

python3 1_template_match.py

结果如下图所示：

10、手势识别与人脸识别

本例程涉及的函数功能与参数介绍参照官方资料：

cvzone: 人脸检测，手势检测等 (gitee.com)

执行本demo终端输入

python3 2_hand_detector.py
python3 3_face_detector.py

结果如下图所示：

11、级联分类器与人脸识别

本例程涉及的函数功能与参数介绍如下：

函数名称	功能包名	功能	参数	返回值
CascadeClassifier(path)	cv2	初始化分类器	参数path为分类器训练好的标准数据路径	创建好的分类器
detectMultiScale(gray,scaleFactor,minNeighbors)	cv2	分类器检测	第一个参数gray输入检测图像 第二个参数scaleFactor前后两次相继的扫描中搜索窗口的比例系数 第三个参数minNeighbors表示构成检测目标的相邻矩形的最小个数	检测出的对象坐标信息

执行本demo终端输入

python3 4_classifier_detector.py

结果如下图所示：

12、二维码与条形码的检测

本例程涉及的函数功能与参数介绍如下：

函数名称	功能包名	功能	参数	返回值
QRCodeDetector()	cv2	初始化二维码检测器	无	二维码检测器
detectAndDecode(gray)	cv2	识别二维码	gray为灰度图像	codeinfo二维码表征的信息 points表示二维码的角点 qrcode表示二维码的原始排列

执行本demo终端输入

python3 5_qrcode_detector.py
python3 6_pyzbar_detector.py

结果如下图所示：

13、AprilTag标签识别

本例程涉及的函数功能与参数介绍如下：

函数名称	功能包名	功能	参数	返回值
apriltag.Detector(apriltag.DetectorOptions(families=‘tag36h11’))	apriltag	初始化AprilTag检测器	AprilTag标签组	AprilTag检测器
detect(gray,return_image=True)	apriltag	识别AprilTag	gray为灰度图像 return_image表示使能图像返回	tags识别到的AprilTag信息，img_返回的二维码图像

执行本demo终端输入

python3 7_apriltag_detector.py

结果如下图所示：