Python OpenCV 的学习路线与重要知识点汇总 3

19

轮廓查找与绘制

核心要理解到在 OpenCV 中，查找轮廓就像在黑色背景中找白色物体。

常用函数：

• 查找轮廓 cv2.findContours()；
• 绘制轮廓 cv2.drawContours() 。

最后应该掌握针对每个轮廓进行操作。

20

轮廓特征属性及应用

这部分内容比较重要，并且知识点比较多，核心内容与函数分别如下：

• 寻找凸包 cv2.convexHull() 与 凸性检测 cv2.isContourConvex()；
• 轮廓外接矩形 cv2.boundingRect()；
• 轮廓最小外接矩形 cv2.minAreaRect()；
• 轮廓最小外接圆 cv2.minEnclosingCircle()；
• 轮廓椭圆拟合 cv2.fitEllipse()；
• 逼近多边形曲线 cv2.approxPolyDP()；
• 计算轮廓面积 cv2.contourArea()；
• 计算轮廓长度 cv2.arcLength()；
• 计算点与轮廓的距离及位置关系 cv2.pointPolygonTest()；
• 形状匹配 cv2.matchShapes()。

21

高级部分-分水岭算法及图像修补

掌握分水岭算法的原理，掌握核心函数 cv2.watershed() 。

可以扩展补充图像修补技术及相关函数 cv2.inpaint()，学习完毕可以尝试人像祛斑应用。

22

GrabCut & FloodFill 图像分割、角点检测

这部分内容都需要一些图像专业背景知识，先掌握相关概念知识，在重点学习相关函数。

• GrabCut 算法 cv2.grabCut()；
• 漫水填充算法 cv2.floodFill()；
• Harris 角点检测 cv2.cornerHarris()；
• Shi-Tomasi 角点检测 cv2.goodFeaturesToTrack()；
• 亚像素角点检测 cv2.cornerSubPix()。

23

特征检测与匹配

特征点的检测和匹配是计算机视觉中非常重要的技术之一, 在物体识别、视觉跟踪、三维重建等领域都有很广泛的应用。

OpenCV 提供了如下特征检测方法：

• “FAST” FastFeatureDetector；
• “STAR” StarFeatureDetector；
• “SIFT” SIFT(nonfree module) Opencv3 移除，需调用 xfeature2d 库；
• “SURF” SURF(nonfree module) Opencv3 移除，需调用 xfeature2d 库；
• “ORB” ORB Opencv3 移除,需调用 xfeature2d 库；
• “MSER” MSER；
• “GFTT” GoodFeaturesToTrackDetector；
• “HARRIS” (配合 Harris detector)；
• “Dense” DenseFeatureDetector；
• “SimpleBlob” SimpleBlobDetector。

24

OpenCV 应用部分之运动物体跟踪与人脸识别

了解何为运动物体检测，OpenCV 中常用的运动物体检测方法有背景减法、帧差法、光流法，跟踪算法常用的有 meanShift， camShift，粒子滤波， 光流法 等。

• meanShift 跟踪算法 cv2.meanShift()；
• CamShift 跟踪算法 cv2.CamShift()。

如果学习人脸识别，涉及的知识点为：

• 人脸检测：从图像中找出人脸位置并标识；
• 人脸识别：从定位到的人脸区域区分出人的姓名或其它信息；
• 机器学习。