嚴格來說不是在講Python而是講在Python下使用OpenCV。本篇將介紹和深度學習數(shù)據(jù)處理階段最相關的基礎使用，并完成4個有趣實用的小例子：

- 延時攝影小程序
- 視頻中截屏采樣的小程序
- 圖片數(shù)據(jù)增加（data augmentaTIon）的小工具
- 物體檢測框標注小工具

OpenCV是計算機視覺領域應用最廣泛的開源工具包，基于C/C++，支持Linux/Windows/MacOS/Android/iOS，并提供了Python，Matlab和Java等語言的接口，因為其豐富的接口，優(yōu)秀的性能和商業(yè)友好的使用許可，不管是學術界還是業(yè)界中都非常受歡迎。OpenCV最早源于Intel公司1998年的一個研究項目，當時在Intel從事計算機視覺的工程師蓋瑞·布拉德斯基(Gary Bradski)訪問一些大學和研究組時發(fā)現(xiàn)學生之間實現(xiàn)計算機視覺算法用的都是各自實驗室里的內部代碼或者庫，這樣新來實驗室的學生就能基于前人寫的基本函數(shù)快速上手進行研究。于是OpenCV旨在提供一個用于計算機視覺的科研和商業(yè)應用的高性能通用庫。 第一個alpha版本的OpenCV于2000年的CVPR上發(fā)布，在接下來的5年里，又陸續(xù)發(fā)布了5個beta版本，2006年發(fā)布了第一個正式版。2009年隨著蓋瑞加入了Willow Garage，OpenCV從Willow Garage得到了積極的支持，并發(fā)布了1.1版。2010年OpenCV發(fā)布了2.0版本，添加了非常完備的C++接口，從2.0開始的版本非常用戶非常龐大，至今仍在維護和更新。2015年OpenCV 3正式發(fā)布，除了架構的調整，還加入了更多算法，更多性能的優(yōu)化和更加簡潔的API，另外也加強了對GPU的支持，現(xiàn)在已經(jīng)在許多研究機構和商業(yè)公司中應用開來。

6.1.1 OpenCV的結構

和Python一樣，當前的OpenCV也有兩個大版本，OpenCV2和OpenCV3。相比OpenCV2，OpenCV3提供了更強的功能和更多方便的特性。不過考慮到和深度學習框架的兼容性，以及上手安裝的難度，這部分先以2為主進行介紹。

根據(jù)功能和需求的不同，OpenCV中的函數(shù)接口大體可以分為如下部分：

- core：核心模塊，主要包含了OpenCV中最基本的結構（矩陣，點線和形狀等），以及相關的基礎運算/操作。

- imgproc：圖像處理模塊，包含和圖像相關的基礎功能（濾波，梯度，改變大小等），以及一些衍生的高級功能（圖像分割，直方圖，形態(tài)分析和邊緣/直線提取等）。

- highgui：提供了用戶界面和文件讀取的基本函數(shù)，比如圖像顯示窗口的生成和控制，圖像/視頻文件的IO等。

如果不考慮視頻應用，以上三個就是最核心和常用的模塊了。針對視頻和一些特別的視覺應用，OpenCV也提供了強勁的支持：

- video：用于視頻分析的常用功能，比如光流法（OpTIcal Flow）和目標跟蹤等。

- calib3d：三維重建，立體視覺和相機標定等的相關功能。

- features2d：二維特征相關的功能，主要是一些不受專利保護的，商業(yè)友好的特征點檢測和匹配等功能，比如ORB特征。

- object：目標檢測模塊，包含級聯(lián)分類和Latent SVM

- ml：機器學習算法模塊，包含一些視覺中最常用的傳統(tǒng)機器學習算法。

- flann：最近鄰算法庫，F(xiàn)ast Library for Approximate Nearest Neighbors，用于在多維空間進行聚類和檢索，經(jīng)常和關鍵點匹配搭配使用。

- gpu：包含了一些gpu加速的接口，底層的加速是CUDA實現(xiàn)。

- photo：計算攝像學（ComputaTIonal Photography）相關的接口，當然這只是個名字，其實只有圖像修復和降噪而已。

- sTItching：圖像拼接模塊，有了它可以自己生成全景照片。

- nonfree：受到專利保護的一些算法，其實就是SIFT和SURF。

- contrib：一些實驗性質的算法，考慮在未來版本中加入的。

- legacy：字面是遺產(chǎn)，意思就是廢棄的一些接口，保留是考慮到向下兼容。

- ocl：利用OpenCL并行加速的一些接口。

- superres：超分辨率模塊，其實就是BTV-L1（Biliteral Total Variation – L1 regularization）算法

- viz：基礎的3D渲染模塊，其實底層就是著名的3D工具包VTK（Visualization Toolkit）。

從使用的角度來看，和OpenCV2相比，OpenCV3的主要變化是更多的功能和更細化的模塊劃分。

6.1.2 安裝和使用OpenCV

作為最流行的視覺包，在Linux中安裝OpenCV是非常方便的，大多數(shù)Linux的發(fā)行版都支持包管理器的安裝，比如在Ubuntu 16.04 LTS中，只需要在終端中輸入：

>> sudo apt install libopencv-dev python-opencv

當然也可以通過官網(wǎng)下載源碼編譯安裝，第一步先安裝各種依賴：

>> sudo apt install build-essential

>> sudo apt install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev

>> sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev

然后找一個clone壓縮包的文件夾，把源碼拿下來：
>> git clone opencv/opencv

然后進入OpenCV文件夾：

>> mkdir release

>> cd release

>> cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local

準備完畢，直接make并安裝：

>> make

>> sudo make install

Windows下的安裝也很簡單，直接去OpenCV官網(wǎng)下載：

DOWNLOADS | OpenCV

執(zhí)行exe安裝后，會在<安裝目錄>/build/python/2.7下發(fā)現(xiàn)一個叫cv2.pyd的文件，把這個文件拷貝到Libsite-packages下，就可以了。Windows下如果只想在Python中體驗OpenCV還有個更簡單的方法是加州大學爾灣分校（University of California, Irvine）的Christoph Gohlke制作的Windows下的Python科學計算包網(wǎng)頁，下載對應版本的wheel文件，然后通過pip安裝：
~gohlke/pythonlibs/#opencv

本書只講Python下OpenCV基本使用，Python中導入OpenCV非常簡單：
import cv2

就導入成功了。