Python中的机器视觉

我想使用Python执行一些基本的机器视觉任务，我想知道在哪里可以找到帮助我入门的教程

据我所知，唯一一个免费的Python机器视觉库是（这显然是一个包装器），但我找不到任何合适的教程

我的主要任务是从FireWire获取图像。在不同区域分割图像。然后对每个区域进行统计，确定像素面积和质心

以前，我使用过Matlab，没有任何问题。我想在Python中找到等效的函数是，和

---

谢谢

我不太了解这个软件包，也不知道它与OpenCV的比较，但我已经从中导入并使用了一两个类。大部分图像处理都是通过numpy阵列完成的，可能与您使用Matlab来满足您的需求的方式非常相似。

您可能会从中受益。这是给SciPy的建议。它与Matlab有很多相似之处。特别是包含的matplotlib软件包，该软件包显式用于仿真Matlab绘图函数。我认为SciPy没有与您提到的功能等价的功能。有些事情是相似的。例如，是GraySthresh的一个非常简单的版本。它没有实现“Otsu”方法，只是实现了一个简单的阈值，但这可能已经足够接近了

---

很抱歉，我不知道有任何教程更接近您描述的任务。但是，如果您习惯于Matlab，并且希望在Python中实现这一点，这是一个很好的起点。

我已经使用.NET和IronPython从FW摄像头获取了图像。在CPython上，我会签出ctypes库，除非您找到任何用于抓取的库支持。

文档：几年前，我经常使用OpenCV wrapped for Python。OpenCV有大量的文档记录，附带了许多示例，甚至还有一个。我使用的Python包装足够薄，因此只需要很少的包装特定文档（这是许多其他包装库的典型情况）。我想您只需要花几分钟的时间看一个例子，比如PyCV单元测试，然后就可以专注于适合您需要的OpenCV文档了

分析：至于是否有比OpenCV更好的库，我有些过时的观点是，如果你想做相当高级的东西（例如，对象跟踪），OpenCV是很棒的，但对于你的需求来说，这可能是过分的。听起来scipy与一些基本的numpy数组操作相结合就足够了

---

采集：我所知道的采集选项有OpenCV、Motmot或使用ctypes直接与驱动程序接口。其中，我从未使用过Motmot，因为我在安装它时遇到了麻烦。我发现的其他方法相当简单，尽管我不记得细节（这是一件好事，因为它意味着它很简单）。

OpenCV可能是图书馆的最佳选择；你可以为他们选择包装。我查看了标准OpenCV安装附带的SWIG包装，但最终使用了，因为内存管理看起来更干净

它们都是围绕C代码的非常薄的包装，因此您可以找到的任何C引用都适用于Python

OpenCV是巨大的，没有很好的文档记录，但是在samples目录中包含了一些不错的示例，您可以使用它们开始使用。提供了一个可搜索的OpenCV API参考

你没有提到你是否在寻找在线或印刷资料，但我有这本书，它非常好（C语言的例子，但很容易翻译）

功能有点类似于regionprops；它将为您提供一个连接组件的列表，然后您可以对其进行检查以获取其信息

对于阈值，您可以尝试。我相信你可以通过一个标志来使用大津的方法，但它似乎没有在那里的文档中列出

---

我没有遇到与gray2ind相对应的特定函数，但它们可能在其中。

我已经创建了一个关于此主题的网站：。它有一些教程，&c和一些软件链接。这里有更多的链接和教程。

前言：这本书更适合那些想要熟练掌握计算机或机器视觉入门知识的人，尽管它涵盖了最初的问题

[书籍]： 目前，您可以从该书的网站上以pdf格式免费下载最终草稿：

导言：

这本书背后的想法是为动手实践提供一个容易获得的切入点 对计算机视觉的基本理论和算法有足够的了解 成为学生、研究者和爱好者的基础。 你需要知道什么

• 基本编程经验。您需要知道如何使用编辑器并运行 脚本，如何构造代码以及基本数据类型。熟悉Python或其他脚本风格语言（如Ruby或Matlab）将有所帮助
• 基础数学。为了充分利用这些例子，如果你知道 矩阵，向量，矩阵乘法，标准数学函数 以及导数和梯度等概念。一些更高级的数学- 可以很容易地跳过数学示例

你将学到什么

• 使用Python进行图像编程
• 计算机视觉技术在现实世界中有着广泛的应用
• 许多基本算法以及如何实现和应用它们- 自我

---

这是如何在Threshold:cv.Threshold（src、dst、Threshold、maxValue、cv.cv_THRESH_BINARY | cv.cv_THRESH_Otsu）中使用大津方法的。参数阈值被忽略，因为大津的方法自动确定最佳阈值。文档链接：OpenCV的Python绑定包含在文档中。您可能还对基于的python框架感兴趣