History

Pikachú 5d34bc4eb8 Add support documentation and translations for various lessons		2025-02-12 16:09:04 +00:00
..
lab	Add support documentation and translations for various lessons	2025-02-12 16:09:04 +00:00
README.md	Add support documentation and translations for various lessons	2025-02-12 16:09:04 +00:00

README.md

计算机视觉简介

计算机视觉是一门旨在使计算机能够高水平理解数字图像的学科。这是一个相当广泛的定义，因为“理解”可以有许多不同的含义，包括在图片中找到物体（物体检测）、理解发生了什么（事件检测）、用文本描述一幅图像，或重建3D场景。还有一些与人类图像相关的特殊任务：年龄和情感估计、面部检测和识别，以及3D姿态估计等。

课前测验

计算机视觉最简单的任务之一是 图像分类。

计算机视觉通常被视为人工智能的一个分支。如今，大多数计算机视觉任务都是通过神经网络解决的。在本节中，我们将深入了解用于计算机视觉的特殊类型神经网络——卷积神经网络。

然而，在将图像传递给神经网络之前，在许多情况下，使用一些算法技术来增强图像是有意义的。

有几种可用于图像处理的Python库：

imageio 可用于读取/写入不同的图像格式。它还支持ffmpeg，这是一个将视频帧转换为图像的有用工具。
Pillow（也称为PIL）功能更强大，还支持一些图像处理，例如形态变化、调色板调整等。
OpenCV 是一个用C++编写的强大图像处理库，已成为图像处理的事实标准。它有一个方便的Python接口。
dlib 是一个C++库，实现了许多机器学习算法，包括一些计算机视觉算法。它也有Python接口，可以用于面部和面部特征点检测等挑战性任务。

OpenCV

OpenCV 被认为是图像处理的事实标准。它包含许多有用的算法，都是用C++实现的。您也可以通过Python调用OpenCV。

学习OpenCV的好地方是这个学习OpenCV的课程。在我们的课程中，我们的目标不是学习OpenCV，而是向您展示一些可以使用它的示例，以及如何使用。

加载图像

在Python中，图像可以方便地表示为NumPy数组。例如，320x200像素的灰度图像将存储在一个200x320的数组中，而同一尺寸的彩色图像的形状将为200x320x3（代表3个颜色通道）。要加载图像，可以使用以下代码：

import cv2
import matplotlib.pyplot as plt

im = cv2.imread('image.jpeg')
plt.imshow(im)

传统上，OpenCV使用BGR（蓝-绿-红）编码彩色图像，而Python的其他工具使用更传统的RGB（红-绿-蓝）。为了使图像看起来正确，您需要将其转换为RGB颜色空间，可以通过交换NumPy数组中的维度或调用OpenCV函数来实现：

im = cv2.cvtColor(im,cv2.COLOR_BGR2RGB)

相同的 cvtColor function can be used to perform other color space transformations such as converting an image to grayscale or to the HSV (Hue-Saturation-Value) color space.

You can also use OpenCV to load video frame-by-frame - an example is given in the exercise OpenCV Notebook.

Image Processing

Before feeding an image to a neural network, you may want to apply several pre-processing steps. OpenCV can do many things, including:

Resizing the image using im = cv2.resize(im, (320,200),interpolation=cv2.INTER_LANCZOS)
Blurring the image using im = cv2.medianBlur(im,3) or im = cv2.GaussianBlur(im, (3,3), 0)
Changing the brightness and contrast of the image can be done by NumPy array manipulations, as described in this Stackoverflow note.
Using thresholding by calling cv2.threshold/cv2.adaptiveThreshold 函数，通常比调整亮度或对比度更可取。
对图像应用不同的变换：
- 仿射变换 如果您需要将旋转、调整大小和倾斜结合到图像中，并且知道图像中三点的源和目标位置，这将非常有用。仿射变换保持平行线平行。
- 透视变换 当您知道图像中4个点的源和目标位置时，可以非常有用。例如，如果您通过智能手机相机从某个角度拍摄一张矩形文档的照片，并希望制作该文档的矩形图像。
通过使用光流理解图像内部的运动。