illegalCreed

中文

English

中文

English

Appearance

指南 ​

基于 OpenCV 5.0.0 官方文档（imgproc / features / dnn / video / calib 模块）+ OpenCV 5 wiki + Tutorials 编写

速查 ​

  • 色彩空间：cv2.cvtColor(src, code)，常用 COLOR_BGR2GRAY / COLOR_BGR2RGB / COLOR_BGR2HSV / COLOR_BGR2LAB
  • 几何变换：缩放 cv2.resize、旋转 cv2.getRotationMatrix2D + cv2.warpAffine、透视 cv2.getPerspectiveTransform + cv2.warpPerspective
  • 线性滤波：cv2.GaussianBlur(img, (k,k), sigma)（高斯）、cv2.blur（均值）、cv2.boxFilter
  • 非线性滤波：cv2.medianBlur(img, k)（中值，去椒盐）、cv2.bilateralFilter（双边，保边去噪）
  • 形态学：cv2.erode/dilate/morphologyEx，op=MORPH_OPEN/CLOSE/GRADIENT/TOPHAT/BLACKHAT
  • 边缘检测：cv2.Canny(img, low, high)（最常用）；Sobel/Laplacian 算梯度
  • 阈值：cv2.threshold(gray, t, max, THRESH_BINARY)；自适应 cv2.adaptiveThreshold
  • 轮廓：cv2.findContours → cv2.drawContours；属性 cv2.contourArea/boundingRect/arcLength
  • 特征点：SIFT cv2.SIFT_create() / ORB cv2.ORB_create()；匹配 cv2.BFMatcher/FlannBasedMatcher
  • DNN 推理：cv2.dnn.readNetFromONNX → blobFromImage → net.setInput → net.forward
  • 5.0 DNN 新引擎：默认启用，ONNX 算子覆盖率 >80%；ENGINE_AUTO 智能选择

图像滤波 ​

高斯模糊（线性、平滑） ​

python
import cv2
blurred = cv2.GaussianBlur(img, (5, 5), sigmaX=0)   # 核大小必须是正奇数

用途：降噪预处理、下采样前抗混叠、传统 CV 流水线标准件。

中值滤波（非线性、去椒盐噪声） ​

python
denoised = cv2.medianBlur(img, 5)   # k=3/5/7，对椒盐盐噪声效果碾压高斯

双边滤波（保边去噪） ​

python
smooth = cv2.bilateralFilter(img, d=9, sigmaColor=75, sigmaSpace=75)
# 在平滑的同时保留边缘，常用于美颜、卡通化
滤波是否保边速度典型场景
GaussianBlur否最快通用平滑、抗混叠
medianBlur部分快椒盐噪声
bilateralFilter是最慢美颜、保边降噪

形态学操作 ​

形态学基于二值图（或灰度图）+ 结构元素，常用于去除噪点、连接断裂、提取边界：

python
import cv2, numpy as np
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
_, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
kernel = np.ones((5, 5), np.uint8)

eroded  = cv2.erode(binary, kernel, iterations=1)        # 腐蚀：缩小白区
dilated = cv2.dilate(binary, kernel, iterations=1)       # 膨胀：扩大白区
opened  = cv2.morphologyEx(binary, cv2.MORPH_OPEN, kernel)   # 开运算 = 腐蚀+膨胀，去小白点
closed  = cv2.morphologyEx(binary, cv2.MORPH_CLOSE, kernel)  # 闭运算 = 膨胀+腐蚀，填小黑洞
grad    = cv2.morphologyEx(binary, cv2.MORPH_GRADIENT, kernel)  # 梯度 = 膨胀-腐蚀，提取边缘

边缘检测：Canny ​

Canny 是最经典的「最佳边缘检测」算法，含高斯平滑 + Sobel 梯度 + 非极大抑制 + 双阈值滞后：

python
edges = cv2.Canny(img, threshold1=100, threshold2=200)
# 建议先转灰度：edges = cv2.Canny(cv2.cvtColor(img, cv2.COLOR_BGR2GRAY), 100, 200)

双阈值含义：梯度 > high 一定是边缘、< low 一定不是、介于两者之间则看是否与确定边缘连通。

几何变换 ​

python
import cv2

# 缩放
resized = cv2.resize(img, (640, 480))           # 指定目标尺寸
resized = cv2.resize(img, None, fx=0.5, fy=0.5) # 按比例
# 插值：默认 INTER_LINEAR；放大用 INTER_CUBIC/INTER_LINEAR；缩小用 INTER_AREA

# 旋转（绕中心、缩放=1）
h, w = img.shape[:2]
M = cv2.getRotationMatrix2D((w/2, h/2), angle=45, scale=1.0)
rotated = cv2.warpAffine(img, M, (w, h))

# 仿射（3 点对）
src = np.float32([[50,50],[200,50],[50,200]])
dst = np.float32([[10,100],[200,50],[100,250]])
M = cv2.getAffineTransform(src, dst)
warped = cv2.warpAffine(img, M, (w, h))

# 透视（4 点对）
M = cv2.getPerspectiveTransform(src4, dst4)
bird = cv2.warpPerspective(img, M, (w, h))      # 文档扫描、车牌校正常用

轮廓检测 ​

python
import cv2
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
_, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

# 5.x：cv2.findContours 仅返回 (contours, hierarchy)，不再返回 image
contours, hierarchy = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 绘制
out = img.copy()
cv2.drawContours(out, contours, -1, (0, 255, 0), 2)

# 计算属性
for c in contours:
    area = cv2.contourArea(c)
    x, y, w, h = cv2.boundingRect(c)
    rect = cv2.minAreaRect(c)                          # 旋转外接矩形
    perimeter = cv2.arcLength(c, True)                 # 周长
    approx = cv2.approxPolyDP(c, 0.02 * perimeter, True)  # 多边形近似
    (x, y), radius = cv2.minEnclosingCircle(c)         # 最小外接圆

版本差异：OpenCV 3.x 的 findContours 返回 3 个值 (img, contours, hierarchy)；4.x 与 5.x 都是 2 个 (contours, hierarchy)。

特征点检测与匹配 ​

SIFT（Scale-Invariant Feature Transform） ​

SIFT 专利 2020 年已过期，OpenCV 4.4+ 起回到主库 cv2.SIFT_create()：

python
sift = cv2.SIFT_create()
kp, des = sift.detectAndCompute(gray, None)    # des: (N, 128) float32
out = cv2.drawKeypoints(img, kp, None)

特点：尺度/旋转/光照不变，特征描述子 128 维；速度慢于 ORB。

ORB（Oriented FAST + Rotated BRIEF） ​

python
orb = cv2.ORB_create(nfeatures=1000)
kp, des = orb.detectAndCompute(gray, None)     # des: (N, 32) uint8

特点：免费、快、二进制描述子；适合实时与移动端。

特征匹配 ​

python
bf = cv2.BFMatcher(cv2.NORM_L2, crossCheck=True)   # SIFT 用 L2；ORB 用 NORM_HAMMING
matches = bf.match(des1, des2)
matches = sorted(matches, key=lambda m: m.distance)[:30]
out = cv2.drawMatches(img1, kp1, img2, kp2, matches, None)

DNN 模块（深度学习推理） ​

5.0 的新 DNN 引擎大幅扩展了 ONNX 算子覆盖（23% → 80%+），可直接跑 PyTorch/TF 导出的 ONNX：

python
import cv2, numpy as np

# 1. 加载模型（5.0 新引擎默认启用）
net = cv2.dnn.readNetFromONNX("model.onnx")
# 也可 readNetFromTensorFlow / readNetFromTorch / readNetFromCaffe

# 2. 预处理：图片 → NCHW blob
blob = cv2.dnn.blobFromImage(
    img, scalefactor=1/255.0, size=(640, 640),
    mean=(0, 0, 0), swapRB=True, crop=False
)

# 3. 推理
net.setInput(blob)
output = net.forward()                       # 取首输出层
# output = net.forward(["output0", "output1"])  # 多输出层命名

# 4. 设备切换
net.setPreferableBackend(cv2.dnn.DNN_BACKEND_OPENCV)
net.setPreferableTarget(cv2.dnn.DNN_TARGET_CPU)
# 可选 CUDA：DNN_BACKEND_CUDA + DNN_TARGET_CUDA

blobFromImage 的含义：把 HWC 的 ndarray 变成 NCHW 的 4 维 blob，同时完成 resize / 减均值 / 缩放 / 通道交换（BGR→RGB），是 DNN 预处理的标准一步。

5.0 新引擎切换：

python
net = cv2.dnn.readNetFromONNX("m.onnx")
net.setPreferableBackend(cv2.dnn.DNN_BACKEND_OPENCV)
# ENGINE_AUTO 让 OpenCV 自动选新引擎或经典引擎

G-API（Graph API） ​

5.0 将 G-API 从主库迁到 opencv_contrib，它把多个传统算子组合成图、统一调度、零拷贝串联：

cpp
// C++ 示例：一张图完成 均值模糊 + Canny
cv::GMat in;
cv::GMat blurred = cv::gapi::medianBlur(in, 3);
cv::GMat edges   = cv::gapi::Canny(blurred, 100, 200);
cv::GComputation pipeline(cv::GIn(in), cv::GOut(edges));

Python 端 G-API 支持有限，多数项目仍直接链式调用普通算子。

相机标定（指路） ​

calib3d 在 5.0 被拆分为 4 个模块：calib（标定核心）/ stereo（立体）/ geometry（几何）/ ptcloud（点云）。典型流程：findChessboardCorners → cornerSubPix → calibrateCamera → undistort。详见「参考 → calib 模块」与官方 tutorials。