# 计算机视觉入门：从零开始掌握图像处理与识别基础

计算机视觉入门：从零开始掌握图像处理与识别基础

计算机视觉（Computer Vision）是人工智能领域的一个重要分支，旨在让计算机能够“看懂”图像和视频内容。随着深度学习技术的发展，计算机视觉已在自动驾驶、医疗影像分析、安防监控等领域广泛应用。本文将带你从零开始学习计算机视觉的基础知识，并通过实际代码示例演示如何实现常见的图像处理任务。

👋 一、计算机视觉基础概念

1.1 什么是计算机视觉？

计算机视觉是研究如何让计算机从图像或视频中获取信息、理解内容并做出决策的科学。它与图像处理密切相关，但更侧重于对图像内容的分析和理解。

1.2 基本任务类型

计算机视觉的主要任务包括：

  • 图像分类：识别图像中的主要对象
  • 目标检测：定位并识别图像中的多个对象
  • 图像分割：将图像划分为多个区域或对象
  • 特征提取：从图像中提取有意义的特征

🚀 二、环境搭建与工具准备

在开始实践前，我们需要搭建开发环境。推荐使用Python和以下库：

1
2
3
4
5
pip install opencv-python
pip install numpy
pip install matplotlib
pip install tensorflow
pip install scikit-learn

三、图像处理基础

3.1 读取和显示图像

1
2
3
4
5
6
7
8
9
10
11
12
13
import cv2
import matplotlib.pyplot as plt

# 读取图像
image = cv2.imread('sample.jpg')

# 转换颜色空间（OpenCV默认使用BGR，matplotlib使用RGB）
image_rgb = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)

# 显示图像
plt.imshow(image_rgb)
plt.axis('off')
plt.show()

3.2 图像基本操作

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
# 获取图像属性
print("图像形状:", image.shape)
print("图像高度:", image.shape[0])
print("图像宽度:", image.shape[1])
print("通道数:", image.shape[2])

# 调整图像大小
resized_image = cv2.resize(image, (256, 256))

# 旋转图像
(h, w) = image.shape[:2]
center = (w // 2, h // 2)
matrix = cv2.getRotationMatrix2D(center, 45, 1.0)  # 旋转45度
rotated_image = cv2.warpAffine(image, matrix, (w, h))

# 保存图像
cv2.imwrite('rotated_image.jpg', rotated_image)

👋 四、图像预处理技术

4.1 灰度转换

1
2
3
4
# 转换为灰度图
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
plt.imshow(gray_image, cmap='gray')
plt.show()

4.2 图像二值化

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
# 简单阈值二值化
_, binary_image = cv2.threshold(gray_image, 127, 255, cv2.THRESH_BINARY)

# 自适应阈值二值化
adaptive_binary = cv2.adaptiveThreshold(
    gray_image, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, 
    cv2.THRESH_BINARY, 11, 2
)

plt.figure(figsize=(10, 5))
plt.subplot(1, 2, 1)
plt.imshow(binary_image, cmap='gray')
plt.title('简单阈值')

plt.subplot(1, 2, 2)
plt.imshow(adaptive_binary, cmap='gray')
plt.title('自适应阈值')
plt.show()

4.3 图像滤波

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
# 高斯模糊
blurred = cv2.GaussianBlur(image, (5, 5), 0)

# 中值滤波
median = cv2.medianBlur(image, 5)

# 边缘检测
edges = cv2.Canny(image, 100, 200)

plt.figure(figsize=(15, 5))
plt.subplot(1, 3, 1)
plt.imshow(cv2.cvtColor(blurred, cv2.COLOR_BGR2RGB))
plt.title('高斯模糊')

plt.subplot(1, 3, 2)
plt.imshow(cv2.cvtColor(median, cv2.COLOR_BGR2RGB))
plt.title('中值滤波')

plt.subplot(1, 3, 3)
plt.imshow(edges, cmap='gray')
plt.title('边缘检测')
plt.show()

💡 五、特征提取与描述

5.1 Harris角点检测

1
2
3
4
5
6
7
8
9
10
11
12
13
14
# Harris角点检测
gray = np.float32(gray_image)
dst = cv2.cornerHarris(gray, 2, 3, 0.04)

# 结果膨胀，标记角点
dst = cv2.dilate(dst, None)

# 阈值筛选角点
image_with_corners = image.copy()
image_with_corners[dst > 0.01 * dst.max()] = [0, 0, 255]  # 标记为红色

plt.imshow(cv2.cvtColor(image_with_corners, cv2.COLOR_BGR2RGB))
plt.title('Harris角点检测')
plt.show()

5.2 SIFT特征提取

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
# 初始化SIFT检测器
sift = cv2.SIFT_create()

# 检测关键点和计算描述符
keypoints, descriptors = sift.detectAndCompute(gray_image, None)

# 绘制关键点
image_with_keypoints = cv2.drawKeypoints(
    image, keypoints, None, 
    flags=cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS
)

plt.imshow(cv2.cvtColor(image_with_keypoints, cv2.COLOR_BGR2RGB))
plt.title('SIFT特征点')
plt.show()

六、图像分类实战

下面我们使用预训练的深度学习模型进行图像分类。

6.1 使用预训练模型

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
from tensorflow.keras.applications import ResNet50
from tensorflow.keras.preprocessing import image
from tensorflow.keras.applications.resnet50 import preprocess_input, decode_predictions
import numpy as np

# 加载预训练模型
model = ResNet50(weights='imagenet')

# 加载和预处理图像
img_path = 'sample.jpg'
img = image.load_img(img_path, target_size=(224, 224))
x = image.img_to_array(img)
x = np.expand_dims(x, axis=0)
x = preprocess_input(x)

# 预测
predictions = model.predict(x)
decoded_predictions = decode_predictions(predictions, top=3)[0]

# 显示结果
print("预测结果:")
for i, (imagenet_id, label, score) in enumerate(decoded_predictions):
    print(f"{i+1}: {label} ({score:.2f})")

6.2 实时摄像头图像分类

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
import cv2
import numpy as np
from tensorflow.keras.applications.mobilenet_v2 import MobileNetV2, preprocess_input, decode_predictions

# 加载轻量级模型
model = MobileNetV2(weights='imagenet')

# 打开摄像头
cap = cv2.VideoCapture(0)

while True:
    ret, frame = cap.read()
    if not ret:
        break
    
    # 预处理帧
    input_frame = cv2.resize(frame, (224, 224))
    input_array = np.expand_dims(input_frame, axis=0)
    input_array = preprocess_input(input_array)
    
    # 预测
    predictions = model.predict(input_array)
    label = decode_predictions(predictions, top=1)[0][0][1]
    
    # 显示结果
    cv2.putText(frame, f'Prediction: {label}', (10, 30), 
                cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2)
    cv2.imshow('Real-time Classification', frame)
    
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

🚀 七、目标检测入门

7.1 使用OpenCV进行人脸检测

1
2
3
4
5
6
7
8
9
10
11
12
13
14
# 加载预训练的人脸检测器
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')

# 检测人脸
faces = face_cascade.detectMultiScale(gray_image, 1.1, 4)

# 绘制检测框
image_with_faces = image.copy()
for (x, y, w, h) in faces:
    cv2.rectangle(image_with_faces, (x, y), (x+w, y+h), (255, 0, 0), 2)

plt.imshow(cv2.cvtColor(image_with_faces, cv2.COLOR_BGR2RGB))
plt.title('人脸检测结果')
plt.show()

八、下一步学习建议

  1. 深入学习深度学习：掌握CNN、RNN等神经网络结构
  2. 学习高级计算机视觉任务：如图像分割、目标跟踪、3D重建等
  3. 实践项目：尝试完成实际项目，如车牌识别、人脸识别系统等
  4. 阅读论文：关注CVPR、ICCV等顶级会议的最新研究成果
  5. 参与开源项目：在GitHub上寻找相关项目参与贡献

🚀 总结

本文介绍了计算机视觉的基础知识和实践技巧，从图像处理基础到深度学习应用，涵盖了入门所需的核心内容。通过实际的代码示例，你可以快速上手并开始自己的计算机视觉项目。记住，实践是最好的学习方式，不断尝试和实验将帮助你更好地掌握这一领域的知识。

计算机视觉是一个快速发展的领域，保持学习和实践的态度至关重要。祝你在这条学习道路上取得丰硕的成果！

[up主专用，视频内嵌代码贴在这]