- 機器學習:使用OpenCV、Python和scikit-learn進行智能圖像處理(原書第2版)
- (印)阿迪蒂亞·夏爾馬 維什韋什·拉維·什里馬利 (美)邁克爾·貝耶勒
- 489字
- 2020-11-24 18:12:55
1.5 開始使用OpenCV
我相信你是OpenCV的一個忠實用戶,可能不需要再向你證明它的強大功能了。
OpenCV為計算機視覺應用提供了一個通用的架構,已經成為一套完整的經典且先進的計算機視覺和機器學習算法。根據其文檔,OpenCV已經擁有超過47 000人的用戶社區,下載次數超過700萬次。這太驚人了!作為一個開源項目,研究人員、企業和政府機構利用和修改現有的代碼很容易。
盡管如此,在近期的機器學習熱潮中,涌現出許多開源機器學習庫,這些庫所提供的功能遠遠超過了OpenCV。一個突出的例子是scikit-learn,它提供了許多先進的機器學習算法以及大量在線教程和代碼片段。因為OpenCV的開發主要是為了提供計算機視覺算法,所以OpenCV的機器學習功能僅限于一個名為ml的模塊。正如我們將在本書中看到的,OpenCV雖然提供了許多先進的算法,但是有時在功能上卻有些欠缺。在這些情況下,我們不會重新開發,而是簡單地使用scikit-learn來實現我們的功能。
最后且最重要的是,使用Python的Anaconda發行版安裝OpenCV,本質上是一行程序,我們將在下面幾節中看到。
注意
如果你是想要構建實時應用程序的一個高級用戶,那么OpenCV的算法針對這項任務進行了很好的優化,而且Python提供了一些必要的加速計算方法(例如,使用Cython,或諸如joblib或dask之類的并行處理庫)。