OpenCV-Python3无GUI教程

欢迎使用OpenCV-Python3教程文档！

声明：

本文档是根据 OpenCV 教程在 Debian Buster 操作系统下，使用 Python 3.7.3 下重新测试运行后进行更新。

所有代码在 Jupyter 下运行，因此去掉了与 GUI 操作相关的一些内容。

贡献人员：

• 第二章翻译校对： 天津农学院 李阳老师

任何问题请与 118171(at)qq.com 进行联系。

• 1. OpenCV简介
  • 1.1. OpenCV Python教程简介
    • 1.1.1. OpenCV
    • 1.1.2. OpenCV Python
    • 1.1.3. OpenCV Python教程
    • 1.1.4. OpenCV需要你！！！
    • 1.1.5. 贡献者
    • 1.1.6. 额外资源
  • 1.2. 在Windows中安装OpenCV Python
    • 1.2.1. 目标
    • 1.2.2. 从预构建的二进制文件安装OpenCV
    • 1.2.3. 从源代码构建OpenCV
    • 1.2.4. 额外资源
    • 1.2.5. 练习
  • 1.3. 在Fedora中安装OpenCV Python
    • 1.3.1. 目标
    • 1.3.2. 介绍
    • 1.3.3. 从预构建的二进制文件安装OpenCV Python
    • 1.3.4. 从源代码安装OpenCV
    • 1.3.5. 额外资源
    • 1.3.6. 练习
  • 1.4. 在Ubuntu中安装OpenCV Python
    • 1.4.1. 目标
    • 1.4.2. 从预构建的二进制文件安装OpenCV Python
    • 1.4.3. 从源代码构建OpenCV
  • 1.5. 使用 pip
    • 1.5.1. 安装和使用
  • 1.6. 图像入门
    • 1.6.1. 目标
    • 1.6.2. 使用Matplotlib
  • 1.7. OpenCV Python绑定
    • 1.7.1. 目标
    • 1.7.2. 如何生成OpenCV Python绑定？
    • 1.7.3. 如何将新模块扩展到Python？
• 2. 核心操作
  • 2.1. 图像的基本操作
    • 2.1.1. 目标
    • 2.1.2. 访问和修改像素值
    • 2.1.3. 访问图像属性
    • 2.1.4. 图像感兴趣区
    • 2.1.5. 分割和合并图像通道
    • 2.1.6. 为图像制作边框（填充）
    • 2.1.7. 额外资源
    • 2.1.8. 练习
  • 2.2. 图像的算术运算
    • 2.2.1. 目标
    • 2.2.2. 图像加法
    • 2.2.3. 图像混合
    • 2.2.4. 按位运算
    • 2.2.5. 额外资源
    • 2.2.6. 练习
  • 2.3. 性能测量与改进技术
    • 2.3.1. 目标
    • 2.3.2. 通过OpenCV来测量性能
    • 2.3.3. OpenCV中的默认优化
    • 2.3.4. Disable it
    • 2.3.5. 额外资源
    • 2.3.6. 练习
  • 2.4. OpenCV中的数学工具
• 3. OpenCV中的图像处理
  • 3.1. 更改颜色空间
    • 3.1.1. 目标
    • 3.1.2. 更改颜色空间
    • 3.1.3. 目标跟踪
    • 3.1.4. 额外资源
    • 3.1.5. 练习
  • 3.2. 图像阈值化
    • 3.2.1. 目标
    • 3.2.2. 简单阈值
    • 3.2.3. 自适应阈值
    • 3.2.4. 大津二值化
    • 3.2.5. 额外资源
    • 3.2.6. 练习
  • 3.3. 图像的几何变换
    • 3.3.1. 目标
    • 3.3.2. 变换
    • 3.3.3. 额外资源
    • 3.3.4. 练习
  • 3.4. 平滑图像
    • 3.4.1. 目标
    • 3.4.2. 二维卷积（图像滤波）
    • 3.4.3. 图像模糊（图像平滑）
    • 3.4.4. 额外资源
    • 3.4.5. 练习
  • 3.5. 形态转换
    • 3.5.1. 目标
    • 3.5.2. 理论
    • 3.5.3. 结构元素
    • 3.5.4. 额外资源
    • 3.5.5. 练习
  • 3.6. 图像梯度
    • 3.6.1. 目标
    • 3.6.2. 理论
    • 3.6.3. 代码
    • 3.6.4. 一件重要的事！
    • 3.6.5. 额外资源
    • 3.6.6. 练习
  • 3.7. 精明的边缘检测
    • 3.7.1. 目标
    • 3.7.2. 理论
    • 3.7.3. OpenCV中的Canny边缘检测
    • 3.7.4. 额外资源
    • 3.7.5. 练习
  • 3.8. 影像金字塔
    • 3.8.1. 目标
    • 3.8.2. 理论
    • 3.8.3. 使用金字塔的图像混合
    • 3.8.4. 额外资源
    • 3.8.5. 练习
• 4. OpenCV中的轮廓
  • 4.1. 轮廓：入门
    • 4.1.1. 目标
    • 4.1.2. 什么是轮廓？
    • 4.1.3. 如何绘制轮廓？
    • 4.1.4. 轮廓近似法
    • 4.1.5. 额外资源
    • 4.1.6. 练习
  • 4.2. 轮廓特征
    • 4.2.1. 目标
    • 4.2.2. 一。瞬间
    • 4.2.3. 2。等高线面积
    • 4.2.4. 三。等高线周长
    • 4.2.5. 四。轮廓近似
    • 4.2.6. 5个。凸壳
    • 4.2.7. 6。检查凸性
    • 4.2.8. 7号。边界矩形
    • 4.2.9. 8个。最小包围圈
    • 4.2.10. 9号。拟合椭圆
    • 4.2.11. 10个。装线
    • 4.2.12. 额外资源
    • 4.2.13. 练习
  • 4.3. 轮廓特性
    • 4.3.1. 1. 纵横比
    • 4.3.2. 2. 范围
    • 4.3.3. 3. 坚固性
    • 4.3.4. 4. 当量直径
    • 4.3.5. 5. 方向
    • 4.3.6. 6. 遮罩和像素点
    • 4.3.7. 7. 最大值、最小值及其位置
    • 4.3.8. 8. 平均颜色或平均强度
    • 4.3.9. 9. 极值点
    • 4.3.10. 额外资源
    • 4.3.11. 练习
  • 4.4. 轮廓：更多功能
    • 4.4.1. 目标
    • 4.4.2. 理论与规范
    • 4.4.3. 额外资源
    • 4.4.4. 练习
  • 4.5. 等高线层次
    • 4.5.1. 目标
    • 4.5.2. 理论
    • 4.5.3. 轮廓提取模式
    • 4.5.4. 额外资源
    • 4.5.5. 练习
• 5. OpenCV中的直方图
  • 5.1. 直方图-1：查找，绘制，分析！！！
    • 5.1.1. 目标
    • 5.1.2. 理论
    • 5.1.3. 查找直方图
    • 5.1.4. 绘制直方图
    • 5.1.5. 面罩的使用
    • 5.1.6. 额外资源
    • 5.1.7. 练习
  • 5.2. 直方图-2：直方图均衡化
    • 5.2.1. 目标
    • 5.2.2. 理论
    • 5.2.3. OpenCV中的直方图均衡
    • 5.2.4. 对比度受限的自适应直方图均衡化
    • 5.2.5. 额外资源
    • 5.2.6. 练习
  • 5.3. 直方图-3:2D直方图
    • 5.3.1. 目标
    • 5.3.2. 介绍
    • 5.3.3. OpenCV中的二维直方图
    • 5.3.4. Numpy中的二维直方图
    • 5.3.5. 绘制二维直方图
    • 5.3.6. 额外资源
    • 5.3.7. 练习
  • 5.4. 直方图-4：直方图反投影
    • 5.4.1. 目标
    • 5.4.2. 理论
    • 5.4.3. Numpy中的算法
    • 5.4.4. OpenCV中的反投影
    • 5.4.5. 额外资源
    • 5.4.6. 练习
• 6. OpenCV中的图像变换
  • 6.1. 傅里叶变换
    • 6.1.1. 目标
    • 6.1.2. 理论
    • 6.1.3. 傅里叶变换
    • 6.1.4. OpenCV中的傅里叶变换
    • 6.1.5. DFT的性能优化
    • 6.1.6. 为什么拉普拉斯是高通滤波器？
    • 6.1.7. 额外资源
    • 6.1.8. 练习
• 7. OpenCV中的高级图像处理
  • 7.1. 模板匹配
    • 7.1.1. 目标
    • 7.1.2. 理论
    • 7.1.3. OpenCV中的模板匹配
    • 7.1.4. 多对象模板匹配
    • 7.1.5. 额外资源
    • 7.1.6. 练习
  • 7.2. 霍夫线变换
    • 7.2.1. 目标
    • 7.2.2. 理论
    • 7.2.3. OpenCV中的Hough变换
    • 7.2.4. 概率Hough变换
    • 7.2.5. 额外资源
    • 7.2.6. 练习
  • 7.3. Hough圆变换
    • 7.3.1. 目标
    • 7.3.2. 理论
    • 7.3.3. 额外资源
    • 7.3.4. 练习
  • 7.4. 基于分水岭算法的图像分割
    • 7.4.1. 目标
    • 7.4.2. 理论
    • 7.4.3. 代码
    • 7.4.4. 额外资源
    • 7.4.5. 练习
  • 7.5. 基于GrabCut算法的交互式前景提取
    • 7.5.1. 目标
    • 7.5.2. 理论
    • 7.5.3. 演示
    • 7.5.4. 额外资源
    • 7.5.5. 练习
• 8. 特征检测与描述
  • 8.1. 了解功能
    • 8.1.1. 目标
    • 8.1.2. 解释
    • 8.1.3. 额外资源
    • 8.1.4. 练习
  • 8.2. 哈里斯角点检测
    • 8.2.1. 目标
    • 8.2.2. 理论
    • 8.2.3. OpenCV中的Harris角点检测器
    • 8.2.4. 亚像素精度角点
    • 8.2.5. 额外资源
    • 8.2.6. 练习
  • 8.3. Shi-Tomasi角点探测器&良好的跟踪特性
    • 8.3.1. 目标
    • 8.3.2. 理论
    • 8.3.3. 代码
    • 8.3.4. 额外资源
    • 8.3.5. 练习
  • 8.4. 角点检测的快速算法
    • 8.4.1. 目标
    • 8.4.2. 理论
    • 8.4.3. OpenCV中的快速特征检测
    • 8.4.4. 额外资源
    • 8.4.5. 练习
  • 8.5. ORB（定向快速旋转简报）
    • 8.5.1. 目标
    • 8.5.2. 理论
    • 8.5.3. OpenCV中的球体
    • 8.5.4. 额外资源
    • 8.5.5. 练习
  • 8.6. 特征匹配
    • 8.6.1. 目标
    • 8.6.2. 蛮力匹配器基础
    • 8.6.3. 暴力匹配球描述符
• 9. 摄像机标定与三维重建
  • 9.1. 摄像机校准
    • 9.1.1. 目标
    • 9.1.2. 基础
    • 9.1.3. 代码
    • 9.1.4. 重投影误差
    • 9.1.5. 额外资源
    • 9.1.6. 练习
  • 9.2. 姿态估计
    • 9.2.1. 目标
    • 9.2.2. 基础
    • 9.2.3. 额外资源
    • 9.2.4. 练习
  • 9.3. 立体图像深度图
    • 9.3.1. 目标
    • 9.3.2. 基础
    • 9.3.3. 代码
    • 9.3.4. 额外资源
    • 9.3.5. 练习
• 10. 机器学习
  • 10.1. 了解k近邻
    • 10.1.1. 目标
    • 10.1.2. 理论
    • 10.1.3. OpenCV中的kNN
    • 10.1.4. 额外资源
    • 10.1.5. 练习
  • 10.2. 基于kNN的手写数据OCR
    • 10.2.1. 目标
    • 10.2.2. 手写数字的OCR
    • 10.2.3. 英文字母OCR
    • 10.2.4. 额外资源
    • 10.2.5. 练习
  • 10.3. 理解支持向量机
    • 10.3.1. 目标
    • 10.3.2. 理论
    • 10.3.3. 额外资源
    • 10.3.4. 练习
  • 10.4. 基于支持向量机的手写数据OCR
    • 10.4.1. 目标
    • 10.4.2. 手写数字的OCR
    • 10.4.3. 额外资源
    • 10.4.4. 练习
  • 10.5. 了解K-均值聚类
    • 10.5.1. 目标
    • 10.5.2. 理论
    • 10.5.3. 额外资源
    • 10.5.4. 练习
  • 10.6. OpenCV中的K-均值聚类
    • 10.6.1. 目标
    • 10.6.2. 了解参数
    • 10.6.3. 一。只有一个特征的数据
    • 10.6.4. 2。多功能数据
    • 10.6.5. 三。色彩量化
    • 10.6.6. 额外资源
    • 10.6.7. 练习
• 11. 计算摄影
  • 11.1. 图像去噪
    • 11.1.1. 目标
    • 11.1.2. 理论
    • 11.1.3. OpenCV中的图像去噪
    • 11.1.4. 额外资源
    • 11.1.5. 练习
  • 11.2. 图像修补
    • 11.2.1. 目标
    • 11.2.2. 基础
    • 11.2.3. 代码
    • 11.2.4. 额外资源
    • 11.2.5. 练习
  • 11.3. 高动态范围（HDR）
    • 11.3.1. 目标
    • 11.3.2. 理论
    • 11.3.3. 曝光顺序HDR
    • 11.3.4. 结果
    • 11.3.5. 估计摄像机响应函数
    • 11.3.6. 额外资源
    • 11.3.7. 练习
• 12. 目标检测
  • 12.1. 基于Haar级联的人脸检测
    • 12.1.1. 目标
    • 12.1.2. 基础
    • 12.1.3. OpenCV中的Haar级联检测
    • 12.1.4. 额外资源
    • 12.1.5. 练习