CV从入门到精通到入土

发布： 阅读：

传统计算机视觉（Traditional CV）就像是一门图像的炼金术，你不依赖现在的深度学习（AI），而是纯靠数学和像素的把戏来达成目的。

我们不写大段代码，只聊“这是啥”、“有啥用”、“什么时候用”以及“经典连招”。函数名以最常用的 OpenCV (Python) 为例。

准备好了吗？我们开始发车，直奔入土！

第一阶段：入门 (The Basics) —— 让你看懂图像的本质

这个阶段的核心是：把复杂的图像变成简单的数字矩阵。

1. 色彩空间转换 (Color Space Conversion)

  • 概念： 图像默认是 RGB（红绿蓝），但这种格式对算法很不友好（比如光线一暗，RGB三个值全变）。
  • 常用操作：
    • 灰度化 (Grayscale)： 彩色变黑白。90%的CV算法第一步，因为处理单通道比三通道快多了。(cv2.cvtColor)
    • 转 HSV： 色调(H)、饱和度(S)、亮度(V)。当你需要按颜色提取东西时必用（比如只提取画面里的红色苹果），因为H通道不受光照影响。
  • 什么时候用： 拿到图的第一步。

2. 二值化 (Binarization / Thresholding)

  • 概念： “非黑即白”。设定一个阈值（比如127），大于它的像素全变白（255），小于的全变黑（0）。
  • 进阶概念：
    • Otsu大津法： 不知道阈值设多少？用它，算法自动帮你找一个最完美的切割点。
    • 自适应阈值 (Adaptive Threshold)： 如果图片一边亮一边暗（阴影），全局阈值会翻车。自适应会把图片切成小块，每块算自己的阈值。
  • 什么时候用： 抠图、提取文字、把目标和背景彻底分离。(cv2.threshold, cv2.adaptiveThreshold)

3. 几何变换 (Geometric Transformations)

  • 概念： 缩放、旋转、平移、翻转。
  • 什么时候用： 统一图片大小，或者做数据增强。(cv2.resize, cv2.warpAffine)

第二阶段：精通 (The Core) —— 像素级的奇技淫巧

这个阶段的核心是：玩弄相邻像素之间的关系（卷积与形态学）。

1. 图像平滑/降噪 (Blurring / Filtering)

照片上总会有噪点，直接处理会爆炸，必须先“磨皮”。

  • 均值滤波 / 高斯滤波 (Gaussian Blur)： 类似于近视眼看世界，边缘会变模糊。专门对付一般的高频白噪声。(cv2.GaussianBlur)
  • 中值滤波 (Median Blur)： 专门对付椒盐噪声（画面上随机的黑白麻点）。它不讲武德，直接取周围像素的中位数，能完美抹掉麻点且保留边缘。
  • 什么时候用： 二值化或边缘检测之前的必做前置动作，不降噪直接提取边缘绝对全是碎渣子。

2. 形态学操作 (Morphological Operations) —— 重点！

这是处理二值图（黑白图）的绝对核心。假设白色是你想要的目标，黑色是背景。

  • 腐蚀 (Erosion)：
    • 概念： 消除边缘的白色像素，让白色区域“瘦身”。
    • 作用： 抹掉画面里微小的白色噪点，或者把两个粘在一起的白块强行断开。(cv2.erode)
  • 膨胀 (Dilation)：
    • 概念： 扩大边缘的白色像素，让白色区域“发胖”。
    • 作用： 填补白块内部的小黑洞，或者把断裂的一条线重新接上。(cv2.dilate)
  • 开运算 (Opening = 先腐蚀，后膨胀)：
    • 神技！ 专门用来消除目标外面的噪点。先腐蚀把外面的小毛刺和噪点灭掉，这时候主体也瘦了，再用膨胀让主体恢复原状。（外面干净了）。
  • 闭运算 (Closing = 先膨胀，后腐蚀)：
    • 神技！ 专门用来填补目标内部的黑洞。先膨胀把里面的黑洞挤满，这时候主体胖了，再用腐蚀让主体边缘缩回原状。（里面实心了）。
  • 形态学梯度 (Gradient = 膨胀图 减去 腐蚀图)：
    • 作用： 胖子减去瘦子，剩下的就是外壳。直接得到目标的轮廓边缘。(cv2.morphologyEx)

3. 边缘检测 (Edge Detection)

  • 概念： 找图像里像素值剧烈变化的地方（往往就是物体的边界）。
  • Canny 算法： CV界最经典的边缘检测算子。画出来的边缘是一条极细的纯净白线。
  • 什么时候用： 当你需要测量物体尺寸、找形状（圆、矩形）时。(cv2.Canny)

第三阶段：经典连招 (The Pipelines) —— 见证奇迹的时刻

懂得招式没用，得会打连招。以下是 CV 工程师最常用的套路。

连招 A：提取答题卡/文档/车牌号的外框

问题： 在复杂背景下找出一个矩形框。

  1. 灰度化 (排除颜色干扰)
  2. 高斯滤波 (消除背景纹理和噪点)
  3. Canny边缘检测 (勾勒出所有物体的线条)
  4. 膨胀 (因为Canny画出的线条可能断裂，膨胀一下把线连死)
  5. 找轮廓 (cv2.findContours)
  6. 多边形拟合 (过滤掉不是4个顶点的轮廓，锁定那个最大的矩形)

连招 B：数一数培养皿里有多少个细胞 / 画面里有多少硬币

问题： 细胞粘在一起，怎么分开计数？

  1. 灰度化 -> Otsu二值化 (黑白分离，细胞变白，背景变黑)
  2. 形态学开运算 (干掉周围游离的杂质)
  3. 距离变换 (Distance Transform) (核心！计算每个白点到黑边的距离，越靠近细胞中心的点越亮，边缘越暗)
  4. 再次二值化 (只保留最亮的中心点，这样粘在一起的细胞就只剩下各自孤立的中心了)
  5. 连通域分析 (数一数图上有几个白点，就是几个细胞)。(cv2.connectedComponents)

连招 C：去除图片上的水印或划痕

问题： 图片上有细长的破坏痕迹。

  1. 二值化提取划痕 (把划痕变成纯白，其他全黑，作为Mask掩膜)
  2. 膨胀掩膜 (把划痕稍微扩大一点点，确保完全覆盖)
  3. 图像修复 (Inpainting) (算法根据掩膜边缘的正常像素，向内推测并填补颜色)。(cv2.inpaint)

第四阶段：入土 (The Grave) —— 数学与脱发的地狱

当你觉得上面的东西太简单，开始追求极致的稳定性和原理时，你就半截入土了。现在的AI虽然强大，但在算力极低（如单片机）或要求绝对可解释性的工业视觉中，这些仍是天神级别的存在。

1. 频域分析 (傅里叶变换 Fourier Transform)

  • 概念： 把图像从“像素矩阵”变成“频率图”。平滑的区域是低频，边缘和噪点是高频。
  • 入土操作： 在频域里直接把高频部分切掉一块再转回图像，你会发现某种特定的规律性网纹（比如扫描出的摩尔纹）神奇地消失了。

2. 霍夫变换 (Hough Transform)

  • 概念： 极坐标系下的空间映射。
  • 作用： 你的图里哪怕线断成了几十截，哪怕圆被遮挡了一半，霍夫变换都能靠数学硬生生把这根直线或者圆给找出来。工业上用来检测零件圆孔极其好用。(cv2.HoughLines, cv2.HoughCircles)

3. 手工特征提取三巨头 (SIFT / SURF / HOG)

  • 概念： 深度学习(CNN)出现之前的CV霸主。为了让计算机认出一个水杯，前辈们用极其复杂的数学公式计算局部梯度方向直方图。
  • 神迹： SIFT 提取的特征点，无论你怎么把图片旋转、缩放、甚至改变亮度，它都能精准匹配到两张图中的同一个点（常用于全景图拼接）。

4. 相机标定与3D几何 (Camera Calibration)

  • 入土原因： 镜头有畸变（鱼眼效果）。为了用摄像头做高精度测量（精确到0.01毫米），你需要拿一个标定板（黑白棋盘格）在镜头前各个角度拍几十张图，解算相机的内参矩阵（焦距、光心）和畸变系数，然后做图像去畸变。里面全是矩阵求导和非线性优化。(cv2.calibrateCamera)

总结指南

  • 想找轮廓/边缘： 灰度 -> 滤波去噪 -> Canny/二值化 -> findContours。
  • 二值化后全是麻点： 开运算（除外噪） / 闭运算（补内洞）。
  • 光照不均匀扣不出图： 自适应阈值 (Adaptive Threshold)。
  • 找规则图形： 霍夫变换（直线/圆）。

计算机视觉是一门靠“试”出来的玄学，调参（比如膨胀的核大小是 3x3 还是 5x5）占据了传统 CV 工程师 80% 的生命。祝你在 OpenCV 的泥潭里玩得开心！