計(jì)算機(jī)視覺顧名思義就是讓計(jì)算機(jī)或者其他電子設(shè)備具有類似人類的視覺系統(tǒng)，可以通過采集的圖片或視頻進(jìn)行處理，從而獲得場(chǎng)景或事物的三維信息，并進(jìn)行識(shí)別判斷。

人臉識(shí)別、手勢(shì)解鎖、以圖搜圖、無(wú)人駕駛、AI醫(yī)療……以計(jì)算機(jī)視覺為代表的人工智能在各行各業(yè)大放異彩，在很多領(lǐng)域都取得了超過人類專家的水平。達(dá)爾聞項(xiàng)目實(shí)戰(zhàn)系列第4季由TE獨(dú)家冠名——

什么是計(jì)算機(jī)視覺？

Computer Vision是一個(gè)工作場(chǎng)所，可讓我們以數(shù)字方式檢測(cè)圖像并對(duì)這些圖像執(zhí)行操作。Computer Vision是一個(gè)人工智能工作區(qū)，在這里我們可以通過訪問數(shù)字媒體中的圖像特征來(lái)收集信息并提取特征。在其他來(lái)源中，其定義如下：

維基百科：

計(jì)算機(jī)視覺是一門跨學(xué)科的科學(xué)領(lǐng)域，涉及計(jì)算機(jī)如何從數(shù)字圖像或視頻中獲得高級(jí)了解。從工程學(xué)的角度來(lái)看，它試圖理解和自動(dòng)化人類視覺系統(tǒng)可以完成的任務(wù)。

IBM：

計(jì)算機(jī)視覺是人工智能（AI）的領(lǐng)域，它使計(jì)算機(jī)和系統(tǒng)能夠從數(shù)字圖像，視頻和其他視覺輸入中獲取有意義的信息，并根據(jù)該信息采取行動(dòng)或提出建議。如果AI使計(jì)算機(jī)能夠思考，則計(jì)算機(jī)視覺使他們能夠看到，觀察和理解。

計(jì)算機(jī)視覺的主要目的是理解圖像并解釋它們以供我們使用。作為人類，我們可以用眼睛輕松感知任何街道上的移動(dòng)物體。計(jì)算機(jī)使用許多不同的算法來(lái)理解這一點(diǎn)。但是，使用這些算法，計(jì)算機(jī)可能仍無(wú)法給出非常高精度的結(jié)果。

資源：https : //manningbooks.medium.com/how-does-computer-vision-work-bc35b0fb5df5

計(jì)算機(jī)視覺如何工作？

計(jì)算機(jī)使用某些算法來(lái)檢測(cè)數(shù)字媒體中的圖像。數(shù)字媒體中的圖像由像素組成。任何圖像中的像素都具有顏色和坐標(biāo)。

想象一下，每個(gè)像素都有自己的標(biāo)識(shí)。在其ID上，它寫入坐標(biāo)和顏色信息。這是計(jì)算機(jī)可以檢測(cè)和識(shí)別圖像的方式。

像素的坐標(biāo)和顏色信息用數(shù)字表示。數(shù)字是根據(jù)RGB格式定義的。由于圖像身份中的此信息是用數(shù)字表示的，因此計(jì)算機(jī)可以理解這一點(diǎn)。

每個(gè)圖像可以包含數(shù)千個(gè)像素。這些像素也作為矩陣保留在圖像上。因此，如果我們要在視覺上進(jìn)行操作，則需要通過矩陣進(jìn)行操作。

計(jì)算機(jī)視覺分為三個(gè)基本步驟：

1.獲取圖像

可以通過視頻，照片或3D技術(shù)實(shí)時(shí)獲取甚至大集合的圖像進(jìn)行分析。

2.處理圖像

深度學(xué)習(xí)模型會(huì)自動(dòng)執(zhí)行此過程的大部分過程，但是通常會(huì)先向模型提供數(shù)千張標(biāo)記或預(yù)先識(shí)別的圖像，然后對(duì)模型進(jìn)行訓(xùn)練。

3.了解圖像

最后一步是解釋性步驟，在此步驟中對(duì)對(duì)象進(jìn)行識(shí)別或分類。

資源：https：//www.weareworldquant.com/en/thought-leadership/understanding-images-computer-vision-in-flux/

計(jì)算機(jī)視覺的應(yīng)用

最受歡迎的計(jì)算機(jī)視覺應(yīng)用程序的示例：

癌癥檢測(cè)

COVID-19診斷

口罩檢測(cè)

車輛分類

交通流量分析

停車占用檢測(cè)

自動(dòng)車牌識(shí)別

客戶追蹤

人數(shù)盤點(diǎn)

社會(huì)距離

球追蹤

球門線技術(shù)

什么是OpenCV？

OpenCV，即開源計(jì)算機(jī)視覺庫(kù)。可以理解，它是一個(gè)開放源代碼的計(jì)算機(jī)視覺庫(kù)。如今，它在圖像處理領(lǐng)域非常流行。你可以使用Java，C ++或Python語(yǔ)言在OpenCV上工作。

通過使用OpenCV，人們可以處理圖像和視頻以識(shí)別對(duì)象，面部，甚至是人的筆跡。當(dāng)它與各種庫(kù)（例如Numpy）集成時(shí)，python能夠處理OpenCV數(shù)組結(jié)構(gòu)以進(jìn)行分析。

為了識(shí)別圖像模式及其各種特征，我們使用向量空間并對(duì)這些特征執(zhí)行數(shù)學(xué)運(yùn)算。

OpenCV的簡(jiǎn)史

OpenCV由加里·布拉德斯基（Gary Bradsky）于1999年在英特爾創(chuàng)立，第一版于2000年問世。瓦迪姆·皮薩列夫斯基（Vadim Pisarevsky）與加里·布拉德斯基（Gary Bradsky）一起管理英特爾的俄羅斯軟件OpenCV團(tuán)隊(duì)。

2005年，OpenCV用于Stanley，該車贏得了2005年DARPA大挑戰(zhàn)賽的冠軍。后來(lái)，在Willow Garage的支持下，它的發(fā)展得以繼續(xù)，Gary Bradsky和Vadim Pisarevsky領(lǐng)導(dǎo)了該項(xiàng)目。OpenCV現(xiàn)在支持與計(jì)算機(jī)視覺和機(jī)器學(xué)習(xí)有關(guān)的多種算法，并且正在日益擴(kuò)展。

OpenCV支持多種編程語(yǔ)言，例如C ++，Python，Java等，并且可在包括Windows，Linux，OS X，Android和iOS在內(nèi)的不同平臺(tái)上使用。基于CUDA和OpenCL的高速GPU操作的接口也正在積極開發(fā)中。

OpenCV-Python是用于OpenCV的Python API，結(jié)合了OpenCV C ++ API的最佳質(zhì)量和Python語(yǔ)言。

OpenCV快速入門

在討論了計(jì)算機(jī)視覺和OpenCV之后，我想向你展示我們可以使用一些簡(jiǎn)單的應(yīng)用程序來(lái)做些什么。這樣，你既可以練習(xí)得更好，又可以進(jìn)入學(xué)習(xí)過程。

讀取圖像

首先，我們將使用OpenCV進(jìn)行讀取圖像并將其顯示在屏幕上的過程。如果在使用Python的IDE中未安裝OpenCV，則必須先安裝它。

pip install opencv-python

安裝之后，首先，你必須導(dǎo)入庫(kù)。你可以將OpenCV庫(kù)稱為cv2。

你需要將要讀取的圖像保存到對(duì)象中。

你可以使用cv2.imread( )函數(shù)讀取圖像。此函數(shù)將獲取圖像的文件的路徑作為參數(shù)。由于我的python工作文件與位于同一文件夾中，因此我直接輸入的名稱。這里要注意的一點(diǎn)是編寫視覺效果的擴(kuò)展。別忘了這個(gè)。

當(dāng)我們運(yùn)行代碼時(shí)，我們給該窗口命名，因?yàn)樗鼘⒃诳梢暣翱谥写蜷_。我們使用cv2.namedWindow( ).函數(shù)執(zhí)行此操作。該函數(shù)將窗口的名稱作為其第一個(gè)參數(shù)。實(shí)際上，這就足夠了。但是由于我希望能夠更改打開的窗口的大小，因此我添加了參數(shù)cv2.WINDOW_NORMAL.

代碼運(yùn)行時(shí)，函數(shù)cv2.imshow( )用于在屏幕上顯示當(dāng)前圖像。它有兩個(gè)參數(shù)。第一個(gè)是我們將要顯示的視覺效果的名稱，第二個(gè)是它在其中注冊(cè)的對(duì)象。在這里，我將圖像保存為img。因此，我將img用作第二個(gè)參數(shù)。

最后，我編寫該函數(shù)cv2.waitKey(0)是因?yàn)橄Ｍ�在打開的可視屏幕上隨時(shí)關(guān)閉它。此函數(shù)以毫秒為單位獲取數(shù)字值。當(dāng)我們?cè)诖颂帉懭?時(shí)，表示我們可以隨時(shí)關(guān)閉窗口。

另外，養(yǎng)成添加函數(shù)cv2.destroyAllWindows().的習(xí)慣。當(dāng)我們執(zhí)行高級(jí)項(xiàng)目時(shí)，我們會(huì)忘記關(guān)閉許多在屏幕上打開的窗口。此函數(shù)可避免這種情況。

你可以在下面找到所有代碼。

import cv2                                                        

img = cv2.imread("klon.jpg")

cv2.namedWindow("Image",cv2.WINDOW_NORMAL)

cv2.imshow("Image", img)

cv2.waitKey(0)

cv2.destroyAllWindows()

從網(wǎng)絡(luò)攝像頭讀取視頻

現(xiàn)在，讓我們檢查一下如何從計(jì)算機(jī)攝像機(jī)讀取視頻。

首先，我們導(dǎo)入OpenCV庫(kù)。

然后，我們將從計(jì)算機(jī)攝像機(jī)拍攝的圖像寫在一個(gè)物體上。我將此對(duì)象設(shè)置為捕獲。我們使用cv2.VideoCapture(0)函數(shù)從計(jì)算機(jī)攝像頭捕獲視頻。此處的值0用于訪問連接到計(jì)算機(jī)的相機(jī)。

如果你有攝像機(jī)，則可以將其設(shè)為0。如果你有更多攝像機(jī)，則可以嘗試1,2 ..訪問相應(yīng)的攝像機(jī)。

如你所知，視頻由幀組成。為了查看我們?cè)谝曨l中捕獲的圖像，我們必須將它們循環(huán)打印在屏幕上。因此，我們進(jìn)行了定義，將讀取捕獲的圖像，然后將該圖像返回給我們。

ret, frame = capture.read()

然后我們進(jìn)行調(diào)整。要在鏡中看到自己看到的捕獲圖像，我們需要將它們反轉(zhuǎn)為y軸。這就是為什么我們?cè)趂rame = cv2.flip(frame, 1).此處編寫代碼的原因，當(dāng)我們?cè)趲�后輸入�(yún)��?shù)為1時(shí)，它給出了y軸圖像的倒數(shù)。

然后，我們編寫代碼cv2.imshow("Webcam", frame)以顯示從相機(jī)拍攝的幀。

然后，我們確定捕獲的圖像將在屏幕上保留幾毫秒。除此之外，當(dāng)我們按下鍵盤上的q鍵時(shí)，我們將編寫以下代碼以停止接收?qǐng)D像。

cv2.imshow("Webcam", frame)

if cv2.waitKey(30) & 0xFF == ord("q"):

    break

在此，0xFF == ord("q")是指按鍵盤上的q鍵。

最后，在處理完視頻之后，完成后，我們需要編寫一些代碼來(lái)發(fā)布圖像。如下。

capture.release()

你可以在下面找到所有代碼。

import cv2

capture = cv2.VideoCapture(0)                                         

while True:

     ret, frame = capture.read()

     frame = cv2.flip(frame, 1)

     cv2.imshow("Webcam", frame)

     if cv2.waitKey(30) & 0xFF == ord("q"):

         break

capture.release()

cv2.destroyAllWindows()

長(zhǎng)寬比應(yīng)用

現(xiàn)在，我將向你展示一個(gè)長(zhǎng)寬比應(yīng)用程序。在某些情況下，我們可能不知道圖像的尺寸。在這種情況下，可以通過避免手動(dòng)計(jì)算來(lái)使用此類應(yīng)用程序來(lái)實(shí)現(xiàn)此目的的自動(dòng)化。

我們定義了一個(gè)名為resizewithAspectRatio的函數(shù)。我們?yōu)榇撕瘮?shù)設(shè)置了4個(gè)參數(shù)。這些是:

為其保留圖像的變量的名稱

寬度

高度

并具有避免在調(diào)整大小時(shí)插值的功能

讓我們繼續(xù)執(zhí)行要應(yīng)用的步驟。

首先，我們定義一個(gè)維變量，其預(yù)定義為空。然后，將原始尺寸中圖像的前兩個(gè)尺寸分別作為高度和寬度的h和w保存到一個(gè)元組中。

如果未指定寬度和高度，則我們希望圖像返回其原始狀態(tài)。

如果未指定寬度，我們希望執(zhí)行以下操作。