OpenCV-Tutorial

OpenCV (Open Source Computer Vision Library) ist eine Open-Source-Softwarebibliothek für Computer Vision und Maschinelles Lernen.

OpenCV besteht aus einer Reihe von C-Funktionen und einer kleinen Anzahl von C++-Klassen und bietet Schnittstellen für Sprachen wie Python, Java und MATLAB.

OpenCV bietet eine große Anzahl von Computer-Vision-Algorithmen und Bildverarbeitungswerkzeugen, die in den Bereichen Bild- und Videoverarbeitung, Analyse und maschinelles Lernen weit verbreitet eingesetzt werden.

Das Designziel von OpenCV ist es, eine einfache und benutzerfreundliche grundlegende Computer-Vision-Bibliothek bereitzustellen, die Entwicklern hilft, schnell komplexe Vision-Anwendungen zu erstellen.

Bevor Sie mit diesem Tutorial beginnen, müssen Sie wissen

OpenCV unterstützt mehrere Programmiersprachen, aber Python und C++ sind die beiden am häufigsten verwendeten. Die Python-Syntax ist einfach und leicht zu lernen und eignet sich für Anfänger.

Bevor Sie mit dem OpenCV-Tutorial beginnen, benötigen Sie grundlegende Python-Kenntnisse. Wenn Sie mit Python nicht vertraut sind, können Sie unser Tutorial lesen:

Entwicklungsgeschichte

Das OpenCV-Projekt wurde ursprünglich 1999 von Intel ins Leben gerufen und konzentrierte sich auf CPU-intensive Aufgaben als Teil eines Projekts, das Raytracing und 3D-Darstellung umfasste.

  • 1999 wurde das OpenCV-Projekt von Intel Research ins Leben gerufen, mit dem Ziel, die Forschung und Anwendung von Computer Vision zu fördern.

  • Im Jahr 2000 wurde die erste Version von OpenCV veröffentlicht.

  • Im Jahr 2006 wurde OpenCV 1.0 veröffentlicht.

  • Im Jahr 2009 wurde OpenCV 2.0 veröffentlicht und Unterstützung für Python hinzugefügt.

  • Im Jahr 2015 wurde OpenCV 3.0 veröffentlicht und Unterstützung für Deep Learning hinzugefügt.

  • Im Jahr 2018 wurde OpenCV 4.0 veröffentlicht, wodurch Leistung und Funktionalität weiter optimiert wurden.

    • Im Jahr 2020: OpenCV 4.x-Versionen wurden veröffentlicht, wodurch die Unterstützung für moderne Rechenplattformen (wie CUDA, OpenCL) weiter gestärkt und weitere Funktionen für maschinelles Lernen und Computer Vision hinzugefügt wurden.

Beispiel

OpenCV liest und zeigt ein Bild an:

Beispiel

# Importiere die OpenCV-Bibliothek und verwende den Alias cv anstelle von cv2
import cv2 as cv

# Ersetze "path/to/image" durch den tatsächlichen Bildpfad, zum Beispiel "cat.jpg" oder "C:/images/dog.png"
img = cv.imread("path/to/image")

# Wenn der Bildpfad falsch ist oder die Datei nicht existiert, wird cv.imread() None zurückgeben
if img is None:
    # Fehlermeldung ausgeben
    print("Error: Could not load image.")
    # Programm beenden
    exit()

# "Display window" ist der Name des Anzeigefensters, der angepasst werden kann
# img sind die anzuzeigenden Bilddaten
cv.imshow("Anzeigefenster", img)

# Auf Tastendruck warten
# Parameter 0 bedeutet, unbegrenzt zu warten, bis der Benutzer eine beliebige Taste drückt
# Der Rückgabewert k ist der ASCII-Codewert der vom Benutzer gedrückten Taste
k = cv.waitKey(0)

# Prüfen, ob der Benutzer die Esc-Taste gedrückt hat (ASCII-Code 27)
if k == 27:
    # Alle OpenCV-Fenster schließen
    cv.destroyAllWindows()

Verwandte Links

Andere Erweiterungen