opencv python3教程（怎么配置opencv python3.6.1 anaconda）

本文目录

• 怎么配置opencv python3.6.1 anaconda
• 如何在Python中使用OpenCV的
• 使用OpenCV和Python进行图像拼接

怎么配置opencv python3.6.1 anaconda

电脑系统：win7 64位，（其他系统类似）关于Anaconda3-4.4.0下配置OpenCV3.2.01.首先官网下载最新版本的Anaconda3-4.4.0（基于自己的电脑选择32位或64位），该版本已经支持最新的Python3.6；注意：安装过程中：1）安装路径可以改变，但一定要是非汉语命名的文件夹路径；2）一定要选择“Add PATH TO ....”(增加环境变量)， 如果首次安装，这个一定要选择，虽然软件不建议，但也要选择； 不然在win命令提示符窗口，输入一些更新或下载命令，会显示“...不是内部或外部命令”； 例如，输入命令：conda list 或 conda --version 或 python2.配置opencv3.2.0版本，看了好多关于这方面的贴子提醒的是，也有其他的配置方法，例如***隐藏网址***--这些要依据自己的网络好不好而决定，如果好的话，可以试试；反之，就算了，安装中途就会终止。--如果按照上面博主的方法配置，还要需要根据安装python的版本下载相应的opencv *.whl文件--笔者是python3.6，所以对应的是opencv_python‑3.2.0‑cp36‑cp36m‑win_amd64.whl这个文件--下载地址： www.lfd.uci.edu/~gohlke/pythonlibs/#opencv- 按Win+R 输入cmd打开命令提示符窗口，进入到D:\Program Files\Anaconda3\Lib\site-packages文件夹下--笔者将Anaconda3安装在了D盘的program files里面，因此路径如上，这个根据自己的安装路径而定，但是 X:\*******\Anaconda3\Lib\site-packages不变- 在win命令提示符窗口，执行命令上面下载的opencv *.whl文件，--如：pip install opencv_python‑3.2.0‑cp36‑cp36m‑win_amd64.whl--执行完，显示成功安装 opencv-python‑3.2.0，就应该没问题；笔者想说的是：如果上面等等的方法都不成功，直接可将已经配置好的opencv文件复制到X:\*******\Anaconda3\Lib\site-packages文件夹下也行；Anaconda3需要配置的Opencv文件如下（与Python配置的完全不同），红色的就是opencv *.whl文件，可以不复制进来。有需要的请留下邮箱，在线发送。3. 最后就是测试

如何在Python中使用OpenCV的

0.下载安装Opencv，当前版本为249.

1.下载Python，当前OPencv版本为249，不过其支持的最新版本的Python为2.7，所以可以下载276版本。

2.下载numpy，开始我使用了1.6，没有通过，错误如图。下载了最新的1.8.1版本。

3.将Opencv安装目录下opencv\build\python\2.7\x86中的cv2.pyd复制到python安装目录Lib\site-packages下。

4.找到opencv源文件内的draw.py运行。

~如果你认可我的回答，请及时点击【采纳为满意回答】按钮

~~手机提问的朋友在客户端右上角评价点【满意】即可。

~你的采纳是我前进的动力

~~O(∩_∩)O，记得好评和采纳，互相帮助，谢谢。

使用OpenCV和Python进行图像拼接

么是图像拼接呢？简单来说，对于输入应该有一组图像，输出是合成图像。同时，必须保留图像之间的逻辑流。 首先让我们了解图像拼接的概念。基本上，如果你想捕捉一个大的场景，你的相机只能提供一个特定分辨率的图像（如：640×480），这当然不足以捕捉大的全景。所以，我们可以做的是捕捉整个场景的多个图像，然后把所有的碎片放在一起，形成一个大的图像。这些有序的照片被称为全景。获取多幅图像并将其转换成全景图的整个过程称为图像拼接。 首先，需要安装opencv 3.4.2.16。 接下来我们将导入我们将在Python代码中使用的库：在我们的教程中，我们将拍摄这张精美的照片，我们会将其分成两张左右两张照片，然后我们会尝试拍摄相同或非常相似的照片。因此，我将此图像切成两个图像，它们会有某种重叠区域：在此，我们将列出我们应采取的步骤，以取得最终的结果: 因此，从第一步开始，我们将导入这两个图像并将它们转换为灰度，如果您使用的是大图像，我建议您使用cv2.resize，因为如果您使用较旧的计算机，它可能会非常慢并且需要很长时间。如果要调整图像大小，即调整50％，只需将fx = 1更改为fx = 0.5即可。我们还需要找出两幅图像中匹配的特征。我们将使用opencv_contrib的SIFT描述符。SIFT (Scale constant Feature Transform)是一种非常强大的OpenCV算法。这些最匹配的特征作为拼接的基础。我们提取两幅图像的关键点和sift描述符如下:kp1和kp2是关键点，des1和des2是图像的描述符。如果我们用特征来画这幅图，它会是这样的: 左边的图像显示实际图像。右侧的图像使用SIFT检测到的特征进行注释：一旦你有了两个图像的描述符和关键点，我们就会发现它们之间的对应关系。我们为什么要这么做?为了将任意两个图像连接成一个更大的图像，我们必须找到重叠的点。这些重叠的点会让我们根据第一幅图像了解第二幅图像的方向。根据这些公共点，我们就能知道第二幅图像是大是小还是旋转后重叠，或者缩小/放大后再fitted。所有此类信息的产生是通过建立对应关系来实现的。这个过程称为registration。 对于匹配图像，可以使用opencv提供的FLANN或BFMatcher方法。我会写两个例子证明我们会得到相同的结果。两个示例都匹配两张照片中更相似的特征。当我们设置参数k = 2时，这样我们就要求knnMatcher为每个描述符给出2个最佳匹配。“matches”是列表的列表，其中每个子列表由“k”个对象组成。以下是Python代码： FLANN匹配代码：BFMatcher匹配代码：通常在图像中，图像的许多地方可能存在许多特征。所以我们过滤掉所有的匹配来得到最好的。因此我们使用上面得到的前2个匹配项进行比值检验。如果下面定义的比值大于指定的比值，则考虑匹配。现在我们定义在图像上绘制线条的参数，并给出输出以查看当我们在图像上找到所有匹配时的样子：这是输出的匹配图像：这部分完整Python代码：因此，一旦我们获得了图像之间的最佳匹配，我们的下一步就是计算单应矩阵。如前所述，单应矩阵将与最佳匹配点一起使用，以估计两个图像内的相对方向变换。 在OpenCV中估计单应性是一项简单的任务，只需一行代码: 在开始编码拼接算法之前，我们需要交换图像输入。所以img_现在会取右图像img会取左图像。 那么让我们进入拼接编码:因此，首先，我们将最小匹配条件count设置为10(由MIN_MATCH_COUNT定义)，并且只有在匹配良好的匹配超出所需匹配时才进行拼接。否则，只需显示一条消息，说明匹配不够。 因此，在if语句中，我们将关键点(从匹配列表)转换为findHomography()函数的参数。 只需在这段代码中讨论cv2.imshow（“original_image_overlapping.jpg”，img2），我们就会显示我们收到的图像重叠区域：因此，一旦我们建立了单应性，我们需要扭曲视角，我们将以下单应矩阵应用于图像： 所以我们使用如下：在上面两行Python代码中，我们从两个给定的图像中获取重叠区域。然后在“dst”中我们只接收到没有重叠的图像的右侧，因此在第二行代码中我们将左侧图像放置到最终图像。所以在这一点上我们完全拼接了图像：剩下的就是去除图像的黑色，所以我们将编写以下代码来从所有图像边框中删除黑边：这是我们调用修剪边界的最终定义函数，同时我们在屏幕上显示该图像。如果您愿意，也可以将其写入磁盘：使用上面的Python代码，我们将首先收到原始图片：这是完整的最终代码：在本教程中，我们学习了如何使用OpenCV执行图像拼接和全景构造，并编写了最终的图像拼接代码。 我们的图像拼接算法需要四个主要步骤：检测关键点和提取局部不变描述符; 获得图像之间的匹配描述符; 应用RANSAC估计单应矩阵; 使用单应矩阵应用warping transformation。 当仅为两个图像构建全景图时，该算法在实践中工作良好。