如何學習OpenCV

05-02

本文授權轉載自賈老師的微信公眾號"OpenCV學堂"。更多信息可掃描文末二維碼關注公眾號（知乎已將二維碼轉換成鏈接，可自動跳轉到微信）。

一：學習OpenCV三個階段

人工智慧帶火了計算機視覺的人才需求，作為計算機視覺應用開發框架OpenCV也越來越受到歡迎，市場需求大增，很多人聽說了之後就迫不及待的想加入這波大軍，這其中很多人他可能懂應用編程，但是計算機視覺零基礎，一般都是我要識別個什麼，而且還有時間限制，一般都是一個月左右時間，急功近利的心態可見一斑。

學了幾個API之後看到了點效果就覺得OpenCV也沒什麼嘛，感覺跟我搞應用開發一樣啊，很快上手啦，就在這個時候發現應用場景稍微有點改變，之前那一點點的效果也沒有了，什麼都識別不了，然後又發現還有這麼多東西要學，才發現這個演算法沒聽說過、那個演算法不知道，甚至連他自己調用的演算法API那些參數是什麼意思也沒搞懂怎麼調，於是他們就會抱怨OpenCV做的也太差了，壓根不行啊，才發現做計算機視覺好難，其實是他們學習OpenCV的打開方式不對。

正確的打開方式應該是這樣：首先學習基礎，如何知道自己的圖像處理與計算機視覺的基礎如何呢，很簡單，如果你能正確回答下面的十個問題，那說明你還是有點圖像處理基礎的。

1.圖像常見的格式有

A.jpg
B.tiff
C.png
D.webp

2.常見的圖像通道數可能是：

A. 單通道
B.雙通道
C. 三通道
D.四通道

3.數字圖像中最小數據單元是什麼

A. 像素
B.亞像素
C.超像素
D.顏色

4.常說的圖像濾波是什麼數學原理

A. 傅立葉變換,
B.離散餘弦變換
C.卷積
D.距離變換

5.常見的圖像插值演算法有

A. 最近鄰
B. 雙立方
C. lanczos插值
D.雙線性

6.常見的RGB圖像每個像素點顏色值範圍

A. 0~1
B. 0~256
C.0~255
D.0~180

7.關於RGB色彩的描述下面正確的是：

A.RGB(255,255,255)表示黑色
B.RGB(0,0,255)表示藍色
C.RGB(255,0,0)表示綠色
D.RGB(0,0,0)表示白色

8.常見的圖像色彩空間有：

A. HSL
B. HSV
C. RGB
D. YCrCb

9.常見的圖形繪製時候像素渲染方法有

A.四鄰域渲染
B.八鄰域渲染
C.透明通道混合反鋸齒渲染
D.遊戲渲染

10.下面關於RGB圖像亮度與對比度說法正確的是

A.顏色值越高，亮度越高
B.降低圖像亮度會影響圖像對比度
C.亮度就是圖像對比度
D.圖像對比度就是圖像直方圖

上面10道題是圖像處理基礎知識考察，其考察目的是檢驗是否擁有學習OpenCV一些必備的基礎知識，如果你一半都沒有做對(關注公眾號，發送【答案】兩個字，即可查看答案)，我覺得暫時你應該先放下你的那些識別、檢測的目標，而是老老實實的看視頻課程或者圖書、博客文章等，釐清這些基本概念，本人根據自己學習圖像處理、計算機視覺與OpenCV親身經歷，總結一個學習路線圖，僅供大家參考：

大致分為三個階段，第一個階段應該是基礎，第二個階段是提升、第三個階段是應用，而很多初學者一般都看重的是第三部分，素不知前面還有N多東西沒學，正所謂「千里之行，始於足下」。只有走好學習OpenCV的第一步我們才能走好剩下的999步。否則就會出現「欲速則不達」的尷尬局面，貌似懂，一做應用什麼都不行，調用哪個OpenCV演算法函數都無法解決問題的進退維谷之中。

二：做內外兼修的OpenCV開發者

OpenCV3.x中集成了超過1000個演算法模塊，這些演算法如何組合使用，他們的參數意義，演算法的原理與適用場景條件等各不相同，要成為一個真正的OpenCV開發高手，必須精通常見的演算法原理，各個參數意義，參數使用等。

就拿我們最常見的OpenCV中HAAR人臉檢測來說吧，整個代碼演示我可以做到20行以內實現，但是具體到應用場景，我就聽到有人跟我說HAAR級聯人臉檢測速度太慢了這樣的抱怨，原因是他連最基本的各個參數是什麼意思都沒搞清楚，更談不上調參數優化啦HAAR級聯檢測器API調用如下：

void cv::CascadeClassifier::detectMultiScale( InputArray image, std::vector<Rect> & objects, double scaleFactor = 1.1, int minNeighbors = 3, int flags = 0, Size minSize = Size(), Size maxSize = Size() )

第一個參數image是輸入圖像第二個參數objects檢測到的人臉BOX位置信息
第三個參數是放縮比率，這個參數是用來構建HAAR多尺度用的
第四個參數是計算人臉BOX的最小相鄰個數第五個參數是標誌，在OpenCV3.0以後的版本中已經不再使用，沒有任意意義
第六個參數是檢測人臉時，可以檢出BOX的最小寬高
第七個參數是檢測人臉時，可以檢出BOX的最大寬高

上述的七個參數，對檢測速度與檢測結果影響比較大的分別是第三、第四、第六、第七個參數，第六與第七個參數是設置大小，這個很容易理解，比較難理解的是第四個，最小相鄰個數，假設最小相鄰數目取3、則有下圖：

表示在最終紅色BOX人臉檢測結果是基於HAAR級聯檢測磚紅色、青色、藍色框的求得平均值得到紅色BOX框，理論上3表示至少有三個候選，這個參數值越大，檢測結果輸出人臉的準確率越高，同樣耗時也會越長、還會導致漏檢率增加。

而很多初學者沒有仔細了解該參數的意義，更無從談起如何優化參數，另外三個參數，如果考慮速度的話，最好設置最大與最小可檢測人臉BOX範圍，這裡有利於減少計算時間，提升實時性能。這裡只是通過這個例子來說明OpenCV中的各個演算法API參數重要性，要成為OpenCV開發高手，個人認為要做到內外兼修，這裡內是指相關數學、演算法論文都認真讀、仔細的研究，不斷加深對相關演算法的理解與領悟；外是指要加強動手能力，編程能力，做為OpenCV開發者我們首要職責就是負責讓視覺相關應用落地，沒有很強悍的工程能力與解決問題能力很難做到這點。結合本人的親身實踐和學習路徑，建議在學習OpenCV 編程時搞清楚幾點對學習更加有幫助

學習API函數時查找相關論文，嘗試閱讀論文
搞清楚學到的每個演算法相關數學基礎，嘗試理解相關參數意義
學會看OpenCV官方的文檔與代碼示例
古語云「獨學而無有、孤陋則寡聞」，所以多認識一些OpenCV學習者與開發者
從最新版本開始學習，OpenCV已經發布了OpenCV3.4.1最新版本，建議學習從OpenCV3.4開始學習，避免學習一些過期的API給自己帶來不必要的煩惱與負擔。
C++還是Python，當前OpenCV SDK支持C++與Python SDK，所以無論選擇哪一種語言都可以學習OpenCV。

三：關注業界動態、緊跟技術潮流

如果你成功了經歷了前面幾個階段，應該恭喜你是一個真正的OpenCV開發者啦，但是這個時候還有清醒的意識到你只是一個知道和熟悉常見OpenCV中演算法、使用它們解決實際問題的開發者而已，要學會關注業界動態，關注OpenCV框架的新發展與新動向、特別是新演算法在OpenCV框架中的實現與SDK發布。

舉例來說DNN模塊發布已經快一年了，本人一直跟蹤OpenCV的每個Release、深刻感受到它的功能越來越完善與強大，個人觀點以後OpenCV的大部分對象檢測與識別都可能基於DNN模塊實現，這樣的好處是對開發者顯而易見，即降低了學習門檻，有提高了檢測準確性與精度，對於DNN這樣的新模塊，作為OpenCV開發者的你是否一直在不斷跟蹤它，另外注意學術界的動態，OpenCV社區會很快把一些最新CVPR上面的論文變成想法演算法模塊的，所以對一些影響比較大的CVPR的論文有條件要及時跟進閱讀與理解。

很多人想學習人工智慧相關的熱門技術，我覺得OpenCV就是很接地氣，也很好的方向選擇，也不需要太過深奧的數學知識，即使零基礎也可以學會、學好。正如古人所說「假輿馬者，非利足也，而致千里；假舟楫者，非能水也，而絕江河。君子生非異也，善假於物也」，藉助OpenCV這個神兵利器，開發者也會從檢測到識別無所不能。

後記

也許不適合所有人，但是如果能對初學者有一點幫助，也算值得我寫下上面幾百字的肺腑之言了！

千里之行、始於足下。

OpenCV學堂公眾號??

http://weixin.qq.com/r/-UwcBEzECBF3rQhn9xnv (二維碼自動識別)

另外宣傳一波公眾號博主賈老師的線上課程(部分課程需要自掏腰包)

賈志剛的網路課堂，賈志剛深度學習,計算機視覺,自然語言大講堂 - 51CTO學院特級講師?

edu.51cto.com

最後的最後

如果喜歡小林的專欄，就收藏了吧！してください！