opencv简介（opencv documentation）

本篇文章给大家谈谈opencv简介，以及opencv documentation对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。

本文目录一览：

• 1、如何用OpenCV训练自己的分类器
• 2、如何利用opencv进行样本训练
• 3、OpenCV 基础功能简介
• 4、怎么快速入门opencv？推荐几本很好的教材
• 5、halcon和opencv的图像互转（C/C++）

如何用OpenCV训练自己的分类器

首先，需要说明的是，OpenCV自带的haar training提取的特征是haar特征 分类器是AdaBoost级联分类器（如需了解Adaboost算法， 。所谓的级联分类器，就是将若干的简单的分量分类器（可以理解为一般的普通分类器）依次串联起来，最终的检测分类结果，要依次通过所有的分量分类器才能算是一个有效的检测分类结果。否则，就认为当前检测区域内没有我们需要找的目标。

利用OpenCV自带的haar training程序训练一个分类器，需要经过以下几个步骤：

（1）收集训练样本：

训练样本包括正样本和负样本。正样本，通俗点说，就是图片中只有你需要的目标。而负样本的图片只要其中不含有目标就可以了。但需要说明的是，负样本也并非随便选取的。例如，你需要检测的目标是汽车，那么正样本就应该是仅仅含有汽车的图片，而负样本显然不能是一些包含天空的，海洋的，风景的图片。因为你最终训练分类器的目的是检测汽车，而汽车应该出现在马路上。也就是说，分类器最终检测的图片应该是那些包含马路，交通标志，建筑物，广告牌，汽车，摩托车，三轮车，行人，自行车等在内的图片。很明显，这里的负样本应该是包含摩托车、三轮车、自行车、行人、路面、灌木丛、花草、交通标志、广告牌等。

另外，需要提醒的是，adaboost方法也是机器学习中的一个经典算法，而机器学习算法的前提条件是，测试样本和训练样本独立同分布。所谓的独立同分布，可以简单理解为：训练样本要和最终的应用场合非常接近或者一致。否则，基于机器学习的算法并不能保证算法的有效性。此外，足够的训练样本（至少得几千张正样本、几千张负样本）也是保证训练算法有效性的一个前提条件。

这里，假设所有的正样本都放在f:/pos文件夹下，所有的负样本都放在f:/neg文件夹下；

（2）对所有的正样本进行尺寸归一化：

上一步收集到的正样本，有很多的尺寸大小，有的是200*300，有的是500*800...尺寸归一化的目的，就是把所有的图片都缩放到同一大小。比如，都缩放到50*60的大小。

（3）生成正样本描述文件：

所谓的正样本描述文件，其实就是一个文本文件，只不过，很多人喜欢将这个文件的后缀改成.dat而已。正样本描述文件中的内容包括：文件名 目标个数 目标缓腊在图片中的位置（x,y,width,height）

典型的正样本描述文件如下所示：

0.jpg 1 0 0 30 40

1.jpg 1 0 0 30 40

2.jpg 1 0 0 30 40

.....

不难发现，正样本描述文件中，每一个正样本占一行，每一行以正样本图片开头，后面紧跟着该图片中正样本的数量（通常为1），以及正样本在图片中的位置

假如，f:\pos文件夹下有5000个正样本图片，每个图片中仅有一个目标。那么，我们可以写程序（遍历文件夹中的所有图片文件，将文件名写入到文件中，将正样本在图片中的位置，大小都写入文件中）生成一个pos.dat文件作为正样本描述文件。

（4）创建正样本vec文件

由于haarTraining训练的时候需要输入的正样本是vec文件，所以需要使用createsamples程序来将正乎昌样本转换为vec文件。

打开OpenCV安装目录下bin文件夹里面的名为createSamples（新版本的OpenCV里面改名为opencv_createSamples）的可执行程序。需要提醒的是，该程序应该通过命令行启动（可以参考我的另一篇博客： ）。并设置正样本所在的路径以及生成的正样本文件保存路劲（例如：f:\pos\pos.vec）。

Createsamples程序的命令行参数：

命令行参数：

－vec vec_file_name

训练好的正样本的输出文件名。

－imgimage_file_name

源目标图片（例如：一个公司图标）

－bgbackground_file_name

背景描述文件。

－numnumber_of_samples

要产生的正样本的数量，和正样本图片数目相同。

－bgcolorbackground_color

背景色（假定当前图片为灰度图）。背景岁哪扒色制定了透明色。对于压缩图片，颜色方差量由bgthresh参数来指定。则在bgcolor－bgthresh和bgcolor＋bgthresh中间的像素被认为是透明的。

－bgthreshbackground_color_threshold

－inv

如果指定，颜色会反色

－randinv

如果指定，颜色会任意反色

－maxidevmax_intensity_deviation

背景色最大的偏离度。

－maxangelmax_x_rotation_angle

－maxanglemax_y_rotation_angle，

－maxzanglemax_x_rotation_angle

最大旋转角度，以弧度为单位。

－show

如果指定，每个样本会被显示出来，按下"esc"会关闭这一开关，即不显示样本图片，而创建过程继续。这是个有用的debug选项。

－wsample_width

输出样本的宽度（以像素为单位）

－h《sample_height》

输出样本的高度，以像素为单位。

（5） 创建负样本描述文件

在保存负样本的文件夹下生成一个负样本描述文件，具体步骤同（3），此处不再赘叙；

（6）进行样本训练

该步骤通过调用OpenCV\bin目录下的haartraining程序(新版本的opencv改名为opencv_haartraining)来完成。其中，Haartraining的命令行参数为：

－datadir_name

存放训练好的分类器的路径名。

－vecvec_file_name

正样本文件名（由trainingssamples程序或者由其他的方法创建的）

－bgbackground_file_name

背景描述文件。

－nposnumber_of_positive_samples，

－nnegnumber_of_negative_samples

用来训练每一个分类器阶段的正/负样本。合理的值是：nPos = 7000;nNeg = 3000

－nstagesnumber_of_stages

训练的级联分类器层数。

－nsplitsnumber_of_splits

决定用于阶段分类器的弱分类器。如果1，则一个简单的stump classifier被使用。如果是2或者更多，则带有number_of_splits个内部节点的CART分类器被使用。

－memmemory_in_MB

预先计算的以MB为单位的可用内存。内存越大则训练的速度越快。

－sym（default）

－nonsym

指定训练的目标对象是否垂直对称。垂直对称提高目标的训练速度。例如，正面部是垂直对称的。

－minhitrate《min_hit_rate》

每个阶段分类器需要的最小的命中率。总的命中率为min_hit_rate的number_of_stages次方。

－maxfalsealarmmax_false_alarm_rate

没有阶段分类器的最大错误报警率。总的错误警告率为max_false_alarm_rate的number_of_stages次方。

－weighttrimmingweight_trimming

指定是否使用权修正和使用多大的权修正。一个基本的选择是0.9

－eqw

－modebasic(default)|core|all

选择用来训练的haar特征集的种类。basic仅仅使用垂直特征。all使用垂直和45度角旋转特征。

－w《sample_width》

－h《sample_height》

训练样本的尺寸，（以像素为单位）。必须和训练样本创建的尺寸相同。

一个训练分类器的例子：

"D:\Program Files\OpenCV\bin\haartraining.exe" -data data\cascade -vec data\pos.vec -bg negdata\negdata.dat -npos 49 -nneg 49 -mem 200 -mode ALL -w 20 -h 20

训练结束后，会在目录data下生成一些子目录，即为训练好的分类器。

（7） 生成xml文件

上一步在进行haartraining的时候，会在data目录下生成一些目录及txt文件，我们需要调用opencv\bin\haarconv.exe将这些txt文件转换为xml文件，也就是所谓的分类器。

至此，分类器的训练工作已完成。剩下的，就是在程序中加载xml文件，并调用相应的函数接口来实现分类检测的作用了。

[img]

如何利用opencv进行样本训练

OpenCV训练分类器

一、简介

目标检测方法最初由Paul Viola [Viola01]提出，并由Rainer Lienhart [Lienhart02]对这一方法进行了改善。

该方法的基本步骤为：

首先，利用样本（大约几百幅样本图片）的 harr 特征进行分类器训练，得到一个级联的boosted分类器。

分类器中的"级联"是指最终的分类器是由几个简单分类器级联组成。在图像检测中，被检窗口依次通过每一级分类器， 这样在前面几层的检测中大部分的候选区域就被排除了，全部通过每一级分类器检测的区域即为目标区域。

分类器训练完以后，就可以应用于输入图像中的感兴趣区域(与训练样本相同的尺寸)的检测。检测到目标区域(汽车或人脸)分类器输出为1，否则输出为0。为了检测整副图像，可以在图像中移动搜索窗口，检测每一个位置来确定可能的目标。为了搜索不同大小的目标物体，分类器被设计为可以进茄改卜行尺寸改变，这样比改变待检颤穗图像的尺寸大小更为有效。所以，为了在图像中检测未知大小的目标物体，扫描程序通常需要用不同比例大小的搜歼顷索窗口对图片进行几次扫描。

目前支持这种分类器的boosting技术有四种：

Discrete Adaboost, Real Adaboost, Gentle Adaboost and Logitboost。

"boosted" 即指级联分类器的每一层都可以从中选取一个boosting算法(权重投票)，并利用基础分类器的自我训练得到。

根据上面的分析，目标检测分为三个步骤：

1、 样本的创建

2、 训练分类器

3、 利用训练好的分类器进行目标检测。

二、样本创建

训练样本分为正例样本和反例样本，其中正例样本是指待检目标样本(例如人脸或汽车等)，反例样本指其它任意图片，所有的样本图片都被归一化为同样的尺寸大小(例如，20x20)。

负样本

负样本可以来自于任意的图片，但这些图片不能包含目标特征。负样本由背景描述文件来描述。背景描述文件是一个文本文件，每一行包含了一个负样本图片的文件名（基于描述文件的相对路径）。该文件必须手工创建。

e.g: 负样本描述文件的一个例子：

假定目录结构如下：

/img

img1.jpg

img2.jpg

bg.txt

则背景描述文件bg.txt的内容为：

img/img1.jpg

img/img2.jpg

正样本

正样本由程序craatesample程序来创建。该程序的源代码由OpenCV给出，并且在bin目录下包含了这个可执行的程序。

正样本可以由单个的目标图片或者一系列的事先标记好的图片来创建。

Createsamples程序的命令行参数：

命令行参数：

－vec vec_file_name

训练好的正样本的输出文件名。

－imgimage_file_name

源目标图片（例如：一个公司图标）

－bgbackground_file_name

背景描述文件。

－numnumber_of_samples

要产生的正样本的数量，和正样本图片数目相同。

－bgcolorbackground_color

背景色（假定当前图片为灰度图）。背景色制定了透明色。对于压缩图片，颜色方差量由bgthresh参数来指定。则在bgcolor－bgthresh和bgcolor＋bgthresh中间的像素被认为是透明的。

－bgthreshbackground_color_threshold

－inv

如果指定，颜色会反色

－randinv

如果指定，颜色会任意反色

－maxidevmax_intensity_deviation

背景色最大的偏离度。

－maxangelmax_x_rotation_angle

－maxanglemax_y_rotation_angle，

－maxzanglemax_x_rotation_angle

最大旋转角度，以弧度为单位。

－show

如果指定，每个样本会被显示出来，按下"esc"会关闭这一开关，即不显示样本图片，而创建过程继续。这是个有用的debug选项。

－wsample_width

输出样本的宽度（以像素为单位）

－h《sample_height》

输出样本的高度，以像素为单位。

注：正样本也可以从一个预先标记好的图像集合中获取。这个集合由一个文本文件来描述，类似于背景描述文件。每一个文本行对应一个图片。每行的第一个元素是图片文件名，第二个元素是对象实体的个数。后面紧跟着的是与之匹配的矩形框（x, y, 宽度，高度）。

OpenCV 基础功能简介

OpenCV(开源计算机视觉库 http：//opencv.org ) 是一个开源的BSD许可库，包含数百种计算机视觉算法。由于功能强大,几乎所有用到的复杂的图片分析处理都会用到,所以有必要了解下它具体都有什么功能,方便我们使用。

官方文档： OpenCV 教程 — OpenCV 2.3.2 documentation

Core functionality ：基础数据模块，包含一些发杂数据结构和基本函数方法，主要包含如下的内容：

OpenCV基本数据结构（Basic Structures）；

基本的C语言数据结构和操作（Basic C Structures and Operations）；

动态数据结构（Dynamic Structures）；

数组操作相关函数（Operations on Arrays）；

绘图功能（Drawing Functions）；

XML和YAML语法的支持（XML/YAML Persistence）；

XML和YAML语法的支持的C语言接口（XML/YAML Persistence (C API)）；

聚类（Clustering）橡氏升；

辅助功能与系统函数和宏（Utility and System Functions and Macros）；

与OpenGL的互操作（OpenGL interoperability）；

Image processing ：图梁老像处核余理模块，包括线性和非线性图像滤波，几何图像变换（调整大小，仿射和透视扭曲，基于通用表的重新映射），颜色空间转换，直方图等。imgproc，是Image Processing的简写。图像处理模块，主要包含以下内容：

线性和非线性的图像滤波（Image Filtering）；

图像的几何变换（Geometric Image Transformations）；

图像的其他变换（Miscellaneous Image Transformations）；

直方图（Histograms）；

结构分析和形状描述（Structural Analysis and Shape Descriptors）；

运动分析和目标跟踪（Motion Analysis and Object Tracking）；

特征检测（Feature Detection）；

目标检测（Object Detection）；

是High-level GUI and Media I/O的简写。高层用户界面模块和媒体输入/输出模块，主要包含以下内容：

用户界面（User Interface）；

图片和视频的读写（Reading and Writing Images and Video）；

QT新功能（Qt New Functions）；

2D Features Framework的简写。二维特征框架模块，主要包含以下内容：

人脸识别

VR和AR

特征的检测和描述（Feature Detection and Description）；

特征检测器的通用接口（Common Interfaces of Feature Detectors）；

描述符提取器的通用接口（Common Interfaces of Descriptor Extractors）；

描述符匹配器的通用接口（Common Interfaces of Descriptor Matchers）；

通用描述符匹配器通用接口（Common Interfaces of Generic Descriptor Matchers）；

关键点和匹配结果的绘制功能（Drawing Function of Keypoints and Matches）；

目标分类（Object Categorization）；

Clustering and Search in Multi-Dimensional Spaces，多维空间聚类和搜索模块，主要包含以下内容：

快速近视最近邻搜索（Fast Approximate Nearest Neighbor Search）；

聚类（Clustering）；

是Video Analysis的简写。视频分析模块，主要包含以下内容：

运动分析和目标跟踪（Motion Analysis and Object Tracking），视频相关的，上面提到的是图片相关的；

是Camera Calibration and 3D Reconstruction的简写。这个模块主要是相机校准和三维重建相关的内容，包括基本的多视角几何算法、单个立体摄像头标定、物体姿态估计、立体相似性算法，3D信息的重建等

机器学习库：统计模型、随机树、神经网络等等…

检测预定义类的对象和实例（例如，面部，眼睛，马克杯，人，汽车等）。

视频分析模块，包括运动估计，背景减法和对象跟踪算法。

图像修复和图像去噪两部分

怎么快速入门opencv？推荐几本很好的教材

1.图书肢枝

学习Opencv(中文版)，是个很不错的教材，如果你有c++基础的话，上手很容易。

但是如果你想做图像处理的话，建议你去找数字图像处理

2.论坛与教程

1)，需要看网页上的：OpenCV 编程简介（矩阵/图像/视频的基本读写操作）入门必读，看完之后大体对opencv也就有个了解了。

2)，上面有opencv安装教程，简单例历升敏子等等。看笑厅现成下载操作。

3)，论坛

希望学习愉快~

halcon和opencv的图像互转（C/C++）

简介：opencv开源的计算机视觉库，halcon是商业的视觉库，opencv的一些算子枣吵在一般的生产环境下是够用的，但是在对算法速度、精度都要求更高的环境下就有些吃力了。最近在研究halcon，抽几个算子粗略测试一下，效果和速度确实凳旦侍很好，以后可能会在对算法速度要求比较迟颤高的地方部署，这里先记录一下opencv和halcon图像数据互转的方法。

参考：

关于opencv简介和opencv documentation的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。