作者：俊欣

来源：关于数据分析与可视化

今天小编来给大家介绍3个干货满满的计算机视觉方向的Python实战项目，主要用到的库有

opencv-pythonnumpypillow

要是大家所配置的环境当中没有这几个模块的话，就需要先用pip命令下载安装

pip install opencv-python numpy pillow

边缘检测的基本思想就是简化图像信息，使用边缘线代表图像所携带信息，而这次我们要用到的则是Canny边缘检测算子，在Opencv当中需要调用的是cv.canny()方法即可，代码如下

import cv2 as cvimport matplotlib.pyplot as pltimg = cv.imread('导入图像的路径',0)edges = cv.Canny(img,100,200)plt.subplot(121)plt.imshow(img, cmap='gray').........plt.show()

output

将照片变成素描风格

我们最终要实现的目的在于将照片变成素描风格，大致的逻辑在于首先需要将图片变成灰色图像然后反转，在反转之后进行模糊化处理，代码如下

import cv2img = cv2.imread("导入照片的路径")## 将照片灰度化处理gray_image = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)## 将灰度化的照片反转处理inverted_gray_image = 255-gray_image## 将反转的照片模糊化处理blurred_inverted_gray_image = cv2.GaussianBlur(inverted_gray_image, (19,19),0)## 再一次的进行反转inverted_blurred_image = 255-blurred_inverted_gray_image### 颜色减淡混合处理sketck = cv2.divide(gray_image, inverted_blurred_image,scale= 256.0)cv2.imshow("Original Image",img)cv2.imshow("Pencil Sketch", sketck)cv2.waitKey(0)

output

判断形状

现在我们需要来判断图片当中图形的轮廓，而识别轮廓的算法在opencv模块当中是有内置的，代码如下

import cv2import numpy as npfrom matplotlib import pyplot as plt# 导入照片img = cv2.imread('3.png')# 将照片灰度化处理，当然要是您的照片已经是黑白的，就可以跳过这一步gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# setting threshold of the gray image_, threshold = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)# 识别轮廓的方法contours, _ = cv2.findContours(    threshold, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)i = 0for contour in contours:    # cv2.approxPloyDP() function to approximate the shape    approx = cv2.approxPolyDP(contour, 0.01 * cv2.arcLength(contour, True), True)    # 找到图片的中心点    M = cv2.moments(contour)    if M['m00'] != 0.0:        x = int(M['m10'] / M['m00'])        y = int(M['m01'] / M['m00'])    # 将轮廓的名字放在各个图形的中央    if len(approx) == 3:        cv2.putText(img, 'Triangle', (x, y),                    cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 0, 0), 2)    elif len(approx) == 4:        .......    elif len(approx) == 5:        ......    elif len(approx) == 6:        ......    else:        ......# 将最后的图形呈现出来cv2.imshow('shapes', img)cv2.waitKey(0)cv2.destroyAllWindows()

output