第一次寫部落格，學習是要有輸入與輸出的，所謂教學相長。所以我想試著自己寫乙份教程，算是對自己的學習總結吧，部落格的排版比較直男，請湊合看吧。
首先建議的ide是pycharm，opencv的庫直接pip安裝就好，最好大家有一定的python基礎。
第一部分是關於圖象讀取和儲存。
importimread函式讀取圖象，第乙個引數是檔案的位置（基本上大多數型別的圖象都可以讀取），第二個引數是通道的，1的話是顯示原影象，0的話顯示的是灰度圖cv2import
numpy as
np#匯入圖象
cv2.destroyallwindows()
imshow函式顯示影象；waitkey函式是乙個鍵盤繫結函式看特定的幾毫秒之內有沒有按下任意鍵，按下的話程式繼續進行；destroyallwindows的作用是是在最後刪除建立的視窗。
cv2.imwrite('c:/users/dell/desktop/1.jpg',img)最後imwrite函式儲存圖象，顯然第乙個引數是檔案的位置，名稱，型別；第二個引數是你想儲存的那個圖象（可能表述不太清楚都懂吧）
import關於7,8行的作用，因為opencv的通道是bgr的，matplotlib的庫是rgb通道的，所以要先分開通道然後再組合。第10行的作用是把座標軸去掉cv2import
numpy as
npimport
matplotlib.pyplot as
plt#匯入圖象
plt.show()
基於python的opencv學習
dst cv2.sobel src,ddept,dx,dy,ksize ddepth 影象的深度，一般設為 1ksize sobel運算元的大小 白到黑是正數，黑到白是負數，所有的負數都會被截斷為0，因此要使用convertscaleabs取絕對值2 拉普拉斯金字塔 1 低通濾波 2 縮小尺寸pyr...
基於Python的OpenCV人臉檢測
注意 本文只是人臉檢測，人臉識別的實現請參見本人另一篇部落格 基於opencv tensorflow keras實現人臉識別 提前做的準備 1 和說明 import cv2 as cv import numpy as np defface detect demo 人臉檢測函式 gray cv.cvt...
基於Python和Opencv的目標檢測與特徵
而我們訓練分類器的過程就是給這個分類函式 數學模型 找到一系列最優的引數，使得通過這個函式來判斷時能達到最好的分類效果 更高階一點的分類器就加入了學習和自適應的概念使得分類更精準 那麼通過什麼可以得到這個分類器呢？就是分類演算法 提到演算法我們不得不提到機器學習的概念，機器學習演算法簡單來說可以通過...