opencv极简教程（计算机视觉入门）

经常有人问我计算机视觉怎么入门，OpenCV怎么入门网上也有很多回答我看了部分回答，觉得还是有必要说一下虽然很久不写这类文章了，专业知识方面的文章我也都删了，毕竟只看这类文章对学习帮助不大，反而可能误导学习有时间看这类文章的人，还不如多动手练习，今天小编就来说说关于opencv极简教程?下面更多详细答案一起来看看吧!

opencv极简教程

经常有人问我计算机视觉怎么入门，OpenCV怎么入门。网上也有很多回答。我看了部分回答，觉得还是有必要说一下。虽然很久不写这类文章了，专业知识方面的文章我也都删了，毕竟只看这类文章对学习帮助不大，反而可能误导学习。有时间看这类文章的人，还不如多动手练习。

先简单总结下部分网上的回答，这些回答大部分是推荐看书或视频，比如CV成长指南、深度学习进阶、线性代数、矩阵分析、数据结构、机器学习、统计学习方法、信息论、AI经典论文以及深度学习等等。我想，如果照着这种方式学下去，估计很多人还没开始就要放弃了。还有的说直接看深度学习，然后找几篇论文看下，就算入门了，这种纯粹就是为了写论文，对以后工作帮助不大，当然，如果找到一家以论文为主的单位，可能发展也不错，但是肯定做不了应用。如果你觉得看了书或视频，就认为自己已经入门了，那么，请回答我下面的几个简单的问题：

1、什么是数字图像？

2、什么是灰度图，什么是二值图，什么是彩色图？颜色空间有哪些？

3、什么是图像的位数、什么是图像的通道？主流的图像格式有哪些？有什么特点？

如果连这些最基本的都没有弄清楚，怎么能算入门呢？另外多说一句，很多人将深度学习当成了计算机视觉。

再来一个稍微深一点的问题：

什么是图像特征？图像特征有哪些？目前有哪些提取图像特征的方法？图像特征提取出来后怎么表示？好好思考下，看自己能否回答得出来。

现在很多人做计算机视觉，毕竟视觉算法的岗位待遇不低，但是恐怕在不久的将来就会发生变化，前段时间看新闻说不少大的企业都开始裁员算法岗，我也不知道真假。但是有一点我还是比较清楚，企业需要的是能带来实际效益的人，而不是只会写论文的人。我喜欢把做算法的人分为两类，一类我称为算法设计师，另一类我称为算法研究人员。

对于第一类人员，应该是目前大部分做算法的人都属于此类，主要就是使用算法，进行各种算法组合实现某个目标，调整一下算法的参数，对于企业而言，其实是需要这部分人将某个应用落地，从而带来实际的效益。但是很遗憾，目前这部分人中也有大部分不合格，不能算是合格的算法设计师，很多人连基本的算法都不懂。对于第二类人员，目前能做纯算法研究的人，实际是极少部分人。企业很少需要这类人，主要在高校或研究所，虽然论文数量不少，做得深的却不多。当然，基础研究必须要做。

怎么学习计算机视觉？我想，首先应该搞清楚计算机视觉是什么，能干什么，然后是怎么干。对于OpenCV的学习也是同样的道理。后面我会给出我认为的学习路线，各位可以对照看下自己是否能学下去。

首先应该明确的是计算机视觉不等于深度学习，对于目前很多人都将计算机视觉与深度学习划等号，至少很多人认为学好深度学习就是在搞计算机视觉，这是完全错误的。再说一点，所有的计算机视觉任务，归根结底，就是要提取图像的特征。深度学习只是计算机视觉图像处理中的其中一种算法。

计算机视觉简单来说可以认为就是图像处理，这种图像处理与用PS软件做图像处理是不同的，具体的概念我就不详述了。那么，计算机视觉能干什么呢？当前，计算机视觉主要用于缺陷检测、识别、分类、结合机器人的视觉引导定位、测量。所以不要只是看到识别这一个方向。哪些地方需要用到计算机视觉呢？这个问题就没什么好说的了，几乎每个行业都会用到，或者说都有视觉的需求。这其中又以工业生产为最，毕竟工业生产的体量最大。最后一个，计算机视觉怎么干？这个问题简单，就是使用各种图像处理算法实现某个任务。

我也不想说太多，下面我给出一种入门和提高的路线，不需要你学习那么多听起来就让人闻风丧胆的知识，只要你上过大学，学了点高等数学，线性代数和概率论就可以了，毕竟这几门课程是每个理工科学生都要学的。

一、入门阶段：

1、查阅什么是数字图像，熟悉我前面提到的几个简单的问题，就算是和数字图像认识了。

2、学习OpenCV，结合使用OpenCV，了解并熟练使用以下函数：

（1）直方图

（2）图像平滑：均值滤波、高斯滤波、中值滤波、双边滤波。

（3）图像增强：线性拉伸、对数变换、直方图均衡化

（4）图像锐化与边缘检测：sobel、laplacian、canny

（5）数学形态学：膨胀、腐蚀、开运算、闭运算

（6）图像分割：二值化分割、局部自适应二值化

（7）图像轮廓：查找轮廓、轮廓的长度和面积、最小包围轮廓

（8）模板匹配

3、看我微头条给出的四个例子，把它都实现了。

到这里，如果你都学会了，你会发现其实很多视觉应用好像都可以做了。

二、提高阶段：以下内容只要求会用，不用去看原理

1、图像几何变换

2、图像特征：HOG、SIFT、SURF、ORB

3、相机标定

4、SVM（支持向量机）

5、CNN（卷积神经网络）

到这里，你会发现原来图像变换，图像各种任务也就那么回事儿。

三、研究与写论文阶段

如果上面的内容你没有做，我不建议你去做下面的事情。如果上面的内容你还不满足，可以接着做下面的事情，结合源代码把下面提到的算法原理搞清楚，

1、HOG、SIFT

2、SVM

3、线性回归

4、CNN

好了，就这样吧，上面的内容搞清楚了，你会发现原来看论文也不过如此，同时你会有写论文的冲动。

要做到我上面提到的内容，需要多长时间？这么说吧，前两个阶段找对了方法和工具，一个月有所小成，两个月后会觉得好像自己什么视觉应用都可以做。然后再做一段时间应用案例，会发现自己好像很多应用又做好不了。为什么会这样？哈哈哈哈，自己去思考，其实这时候你的水平已经比很多人都高了。最后阶段需要多长时间，如果你已经做下去了，那可能就是一辈子的事情了。

最后，端午节到了，祝大家端午安康。

,