opencv極簡教程?經常有人問我計算機視覺怎麼入門，OpenCV怎麼入門網上也有很多回答我看了部分回答，覺得還是有必要說一下雖然很久不寫這類文章了，專業知識方面的文章我也都删了，畢竟隻看這類文章對學習幫助不大，反而可能誤導學習有時間看這類文章的人，還不如多動手練習，今天小編就來說說關于opencv極簡教程?下面更多詳細答案一起來看看吧!

opencv極簡教程

經常有人問我計算機視覺怎麼入門，OpenCV怎麼入門。網上也有很多回答。我看了部分回答，覺得還是有必要說一下。雖然很久不寫這類文章了，專業知識方面的文章我也都删了，畢竟隻看這類文章對學習幫助不大，反而可能誤導學習。有時間看這類文章的人，還不如多動手練習。

先簡單總結下部分網上的回答，這些回答大部分是推薦看書或視頻，比如CV成長指南、深度學習進階、線性代數、矩陣分析、數據結構、機器學習、統計學習方法、信息論、AI經典論文以及深度學習等等。我想，如果照着這種方式學下去，估計很多人還沒開始就要放棄了。還有的說直接看深度學習，然後找幾篇論文看下，就算入門了，這種純粹就是為了寫論文，對以後工作幫助不大，當然，如果找到一家以論文為主的單位，可能發展也不錯，但是肯定做不了應用。如果你覺得看了書或視頻，就認為自己已經入門了，那麼，請回答我下面的幾個簡單的問題：

1、什麼是數字圖像？

2、什麼是灰度圖，什麼是二值圖，什麼是彩色圖？顔色空間有哪些？

3、什麼是圖像的位數、什麼是圖像的通道？主流的圖像格式有哪些？有什麼特點？

如果連這些最基本的都沒有弄清楚，怎麼能算入門呢？另外多說一句，很多人将深度學習當成了計算機視覺。

再來一個稍微深一點的問題：

什麼是圖像特征？圖像特征有哪些？目前有哪些提取圖像特征的方法？圖像特征提取出來後怎麼表示？好好思考下，看自己能否回答得出來。

現在很多人做計算機視覺，畢竟視覺算法的崗位待遇不低，但是恐怕在不久的将來就會發生變化，前段時間看新聞說不少大的企業都開始裁員算法崗，我也不知道真假。但是有一點我還是比較清楚，企業需要的是能帶來實際效益的人，而不是隻會寫論文的人。我喜歡把做算法的人分為兩類，一類我稱為算法設計師，另一類我稱為算法研究人員。

對于第一類人員，應該是目前大部分做算法的人都屬于此類，主要就是使用算法，進行各種算法組合實現某個目标，調整一下算法的參數，對于企業而言，其實是需要這部分人将某個應用落地，從而帶來實際的效益。但是很遺憾，目前這部分人中也有大部分不合格，不能算是合格的算法設計師，很多人連基本的算法都不懂。對于第二類人員，目前能做純算法研究的人，實際是極少部分人。企業很少需要這類人，主要在高校或研究所，雖然論文數量不少，做得深的卻不多。當然，基礎研究必須要做。

怎麼學習計算機視覺？我想，首先應該搞清楚計算機視覺是什麼，能幹什麼，然後是怎麼幹。對于OpenCV的學習也是同樣的道理。後面我會給出我認為的學習路線，各位可以對照看下自己是否能學下去。

首先應該明确的是計算機視覺不等于深度學習，對于目前很多人都将計算機視覺與深度學習劃等号，至少很多人認為學好深度學習就是在搞計算機視覺，這是完全錯誤的。再說一點，所有的計算機視覺任務，歸根結底，就是要提取圖像的特征。深度學習隻是計算機視覺圖像處理中的其中一種算法。

計算機視覺簡單來說可以認為就是圖像處理，這種圖像處理與用PS軟件做圖像處理是不同的，具體的概念我就不詳述了。那麼，計算機視覺能幹什麼呢？當前，計算機視覺主要用于缺陷檢測、識别、分類、結合機器人的視覺引導定位、測量。所以不要隻是看到識别這一個方向。哪些地方需要用到計算機視覺呢？這個問題就沒什麼好說的了，幾乎每個行業都會用到，或者說都有視覺的需求。這其中又以工業生産為最，畢竟工業生産的體量最大。最後一個，計算機視覺怎麼幹？這個問題簡單，就是使用各種圖像處理算法實現某個任務。

我也不想說太多，下面我給出一種入門和提高的路線，不需要你學習那麼多聽起來就讓人聞風喪膽的知識，隻要你上過大學，學了點高等數學，線性代數和概率論就可以了，畢竟這幾門課程是每個理工科學生都要學的。

一、入門階段：

1、查閱什麼是數字圖像，熟悉我前面提到的幾個簡單的問題，就算是和數字圖像認識了。

2、學習OpenCV，結合使用OpenCV，了解并熟練使用以下函數：

（1）直方圖

（2）圖像平滑：均值濾波、高斯濾波、中值濾波、雙邊濾波。

（3）圖像增強：線性拉伸、對數變換、直方圖均衡化

（4）圖像銳化與邊緣檢測：sobel、laplacian、canny

（5）數學形态學：膨脹、腐蝕、開運算、閉運算

（6）圖像分割：二值化分割、局部自适應二值化

（7）圖像輪廓：查找輪廓、輪廓的長度和面積、最小包圍輪廓

（8）模闆匹配

3、看我微頭條給出的四個例子，把它都實現了。

到這裡，如果你都學會了，你會發現其實很多視覺應用好像都可以做了。

二、提高階段：以下内容隻要求會用，不用去看原理

1、圖像幾何變換

2、圖像特征：HOG、SIFT、SURF、ORB

3、相機标定

4、SVM（支持向量機）

5、CNN（卷積神經網絡）

到這裡，你會發現原來圖像變換，圖像各種任務也就那麼回事兒。

三、研究與寫論文階段

如果上面的内容你沒有做，我不建議你去做下面的事情。如果上面的内容你還不滿足，可以接着做下面的事情，結合源代碼把下面提到的算法原理搞清楚，

1、HOG、SIFT

2、SVM

3、線性回歸

4、CNN

好了，就這樣吧，上面的内容搞清楚了，你會發現原來看論文也不過如此，同時你會有寫論文的沖動。

要做到我上面提到的内容，需要多長時間？這麼說吧，前兩個階段找對了方法和工具，一個月有所小成，兩個月後會覺得好像自己什麼視覺應用都可以做。然後再做一段時間應用案例，會發現自己好像很多應用又做好不了。為什麼會這樣？哈哈哈哈，自己去思考，其實這時候你的水平已經比很多人都高了。最後階段需要多長時間，如果你已經做下去了，那可能就是一輩子的事情了。

最後，端午節到了，祝大家端午安康。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!