第2章

Hands-On Algorithms for Computer Vision

OpenCV入门

在上一章中，我们已经向读者介绍了计算机视觉，以及其在行业中被广泛用来提高服务与产品的实例。我们了解了计算机视觉领域中最基本的概念，例如图像和像素。我们还学习了色彩空间，并在章节结尾简短地讨论了计算机视觉库和框架。现在，我们将继续前面的内容，介绍强大并被广泛使用的计算机视觉库之一—OpenCV。

OpenCV是一个用来创建跨平台计算机视觉应用的类、函数、模块及相关资源的大型合集。在这一章，我们将学习OpenCV的结构，其所包含的模块和功能以及它支持的编程语言。接着我们将了解在哪里可以获得OpenCV以及编程开发中可能用到的工具。然后，我们将学习如何通过CMake轻松创建OpenCV工程。尽管这意味着我们的重点将放在C++类和函数上，但在需要时也会涉及Python，以便熟悉这两种语言的开发者都能随主题阅读本章。

在完成了OpenCV库最初阶段的学习后，我们将开始学习Mat类。我们将看到上一章中所讲到的图像概念如何嵌入OpenCV 的Mat类。我们还将谈到与Mat类相兼容（或非常相关）的其他类。OpenCV处理函数输入和输出参数的方法是非常重要的主题，我们将在本章的后面部分介绍。最后，我们将学习OpenCV在计算机视觉应用中是如何实现输入、处理和输出这三个步骤的。这将要求我们学会使用OpenCV访问（和写入）图像和视频文件。

这一章紧接上一章的介绍，会包含许多计算机视觉算法学习基础的实战案例。

在这一章，我们将涵盖下面这些问题：

• 什么是OpenCV，哪里可以获取，如何使用？

• 如何用CMake创建OpenCV工程？

• 理解Mat类和如何使用它访问像素。

• 如何使用Mat_、Matx和UMat类？

• 如何使用imread和imwrite函数读写图像？

• 如何使用VideoCapture和VideoWriter类读写视频？

• 如何从网络中访问摄像头和视频流（使用实时流协议（RTSP））？

2.1　技术要求

• Microsoft Visual Studio、Xcode或者任何C++的集成开发环境（IDE）。

• Visual Studio Code或者任何其他可编写CMake文件和Python 源文件等的代码编辑器。

• Python 3.X。

• CMake 3.X。

• OpenCV 3.X。

尝试学习和使用最新版本的技术和软件一直都是最好的选择。本书所涵盖的内容和计算机视觉也不例外，请确保下载和安装最新版本的软件。

我们将简单介绍如何安装和配置工作环境，如有需要，读者可以访问以下网址以获取本章的源代码和例子：https://github.com/PacktPublishing/Hands-On-Algorithms-for-Computer-Vision/tree/master/Chapter02。