如果你有兴趣或计划做与图像或视频相关的事情，你绝对应该考虑使用计算机视觉。计算机视觉 （CV） 是人工智能 （AI） 的一个分支，它使计算机能够从图像、视频和其他视觉输入中提取有意义的信息，并采取必要的行动。例如自动驾驶汽车、自动交通管理、监控、基于图像的质量检查等等。
什么是 OpenCV？
OpenCV 是一个主要针对计算机视觉的库。它拥有你在使用计算机视觉 （CV） 时所需的所有工具。“Open”代表开源，“CV”代表计算机视觉。
我会学到什么？
本文包含使用 OpenCV 库开始使用计算机视觉所需的全部内容。你会在计算机视觉方面感到更加自信和高效。
读取和显示图像
首先让我们了解如何读取图像并显示它，这是CV的基础知识。读取图像
import numpy as np
import cv2 as cv
import matplotlib．pyplot as plt
img＝cv2．imread（＇．．／input／images－for－computer－vision／tiger1．jpg＇）
＇img＇ 包含 numpy 数组形式的图像。让我们打印它的类型和形状
print（type（img））
print（img．shape）
numpy 数组的形状为 （667， 1200， 3），其中，
667 – 图像高度，1200 – 图像宽度，3 – 通道数，
在这种情况下，有 RGB 通道，所以我们有 3 个通道。原始图像是 RGB 的形式，但 OpenCV 默认将图像读取为 BGR，因此我们必须在显示之前将其转换回RGB。
显示图像：
＃ Converting image from BGR to RGB for displaying
img＿convert＝cv．cvtColor（img， cv．COLOR＿BGR2RGB）
plt．imshow（img＿convert）
在图像上绘图
我们可以绘制线条、形状和文本图像。
＃ Rectangle
color＝（240，150，240） ＃ Color of the rectangle
cv．rectangle（img， （100，100），（300，300），color，thickness＝10， lineType＝8） ＃＃ For filled rectangle， use thickness ＝ －1
＃＃ （100，100） are （x，y） coordinates for the top left point of the rectangle and （300， 300） are （x，y） coordinates for the bottom right point
＃ Circle
color＝（150，260，50）
cv．circle（img， （650，350），100， color，thickness＝10） ＃＃ For filled circle， use thickness ＝ －1
＃＃ （250， 250） are （x，y） coordinates for the center of the circle and 100 is the radius
＃ Text
color＝（50，200，100）
font＝cv．FONT＿HERSHEY＿SCRIPT＿COMPLEX
cv．putText（img， ＇Save Tigers＇，（200，150）， font， 5， color，thickness＝5， lineType＝20）
＃ Converting BGR to RGB
img＿convert＝cv．cvtColor（img， cv．COLOR＿BGR2RGB）
plt．imshow（img＿convert）
混合图像
我们还可以使用 OpenCV 混合两个或多个图像。图像只不过是数字，你可以对数字进行加、减、乘、除运算，从而得到图像。需要注意的一件事是图像的大小应该相同。
＃ For plotting multiple images at once
def myplot（images，titles）：
fig， axs＝plt．subplots（1，len（images），sharey＝True）
fig．set＿figwidth（15）
for img，ax，title in zip（images，axs，titles）：
if img．shape［－1］＝＝3：
img＝cv．cvtColor（img， cv．COLOR＿BGR2RGB） ＃ OpenCV reads images as BGR， so converting back them to RGB
else：
img＝cv．cvtColor（img， cv．COLOR＿GRAY2BGR）
ax．imshow（img）
ax．set＿title（title）
img1 ＝ cv．imread（＇．．／input／images－for－computer－vision／tiger1．jpg＇）
img2 ＝ cv．imread（＇．．／input／images－for－computer－vision／horse．jpg＇）
＃ Resizing the img1
img1＿resize ＝ cv．resize（img1， （img2．shape［1］， img2．shape［0］））
＃ Adding， Subtracting， Multiplying and Dividing Images
img＿add ＝ cv．add（img1＿resize， img2）
img＿subtract ＝ cv．subtract（img1＿resize， img2）
img＿multiply ＝ cv．multiply（img1＿resize， img2）
img＿divide ＝ cv．divide（img1＿resize， img2）
＃ Blending Images
img＿blend ＝ cv．addWeighted（img1＿resize， 0．3， img2， 0．7， 0） ＃＃ 30％ tiger and 70％ horse
myplot（［img1＿resize， img2］， ［＇Tiger＇，＇Horse＇］）
myplot（［img＿add， img＿subtract， img＿multiply， img＿divide， img＿blend］， ［＇Addition＇， ＇Subtraction＇， ＇Multiplication＇， ＇Division＇， ＇Blending＇］）
乘法图像几乎为白色，分割图像为黑色，这是因为白色表示255，黑色表示0。当我们将图像的两个像素值相乘时，我们得到的数字更大，因此其颜色变为白色或接近白色，与分割图像相反。
