使用python製作簡易OpenCV影像辨識的小實作，有提供Pycharm及Spyder的opencv庫安裝方式，後續將實作Androidstudio安卓系統與OpenCV結合的APP，以下言論純個人分享，如有大神能建議及改善的地方非常歡迎留言!!!
開發流程:

1. 使用Pycharm、Spyder安裝OpenCV庫
2. 引入OpenCV庫(圖像、視頻處理)、Nympy庫(陣列數值計算)及導入下載圖片
3. 灰階(使用opencv運算COLOR_BGR2GRAY)
4. 二值化(Threshold)
5. 邊緣化Canny
6. 膨脹/侵蝕

使用Pycharm、Spyder安裝OpenCV庫

• Pycharm
  pip install numpy
pip install opencv-python
  下載失敗時可重新安裝
  pip uninstall numpy
pip uninstall opencv-python
• Spyder (Anaconda)
  到此位置安裝
  pip install numpy
pip install opencv-python
  

開始實作前須先了解OpenCV圖像處理

• 灰階(Grayscale):將色彩圖片轉成0~255的灰色圖片，而中間的數值表示不同程度的灰色，0表黑色，255表白色。
• 二值化(Threshold):將圖片轉成只有兩種顏色的圖像，黑、白。通常會先灰階後，再由0~255內定義閥值及最大值255，大於閥值=255白色，小時閥值0黑色。
• 邊緣化(Canny):檢測圖片中的邊緣，進行高斯濾波(GaussianBlur)處理，減少細節，讓邊緣化準確率提高。
• 膨脹(Dilate):增強特定區域的範圍，使特定區域變大膨脹，其目的是填補之間縫隙與小孔。
• 侵蝕(Erode):與膨脹相反，其目的是將兩者相連更好分開。
• 輪廓(contours):代表了物體的外形或邊界，常使用輪廓來描述物體的形狀、計算物體的面積、計算物體的矩形或圓形等。
• 矩形框(Rectangles):包圍物體或物體的輪廓，需要先找到物體的輪廓，然後才能計算或劃出矩形框。
• Canny 邊緣檢測和輪廓是圖像處理中兩個不同的概念，Canny前者，輪廓後者。

• 引入OpenCV庫(圖像、視頻處理)、Nympy庫(陣列數值計算)及導入下載圖片
  import cv2
import numpy as np
  提供圖片使用:
• 將圖片匯入並顯示

import cv2
img = cv2.imread("E:/2024_NTNU/Python/NN.JPG")
img = cv2.resize(img, (700, 500))
cv2.imshow("image1", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

imread:讀取圖片位置("X:/../../../XX.JPG")
resize:將圖片轉成自己調整的大小(寬,高)
imshow:顯示圖片("image1"標題框, img定義的圖片名變數)
waitKey:無限等待時間，這個沒打圖片會消失or當機
cv2.destroyWindows(Windows_name):刪除單一指定影像視窗
cv2.destroyAllWindows():刪除所有Open Cv影像視窗

• 灰階(使用opencv運算COLOR_BGR2GRAY)

import cv2
img = cv2.imread("E:/2024_NTNU/Python/NN.JPG")
img = cv2.resize(img, (700, 500))
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv2.imshow("image1", gray_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

gray_img為灰階後的圖片

• 二值化(Threshold)
  binary_img = cv2.threshold(gray_img, 128, 255, cv2.THRESH_BINARY)[1]
  使用threshold會返回兩個值，[0]是原本的灰階後圖片，[1]是二值化後的圖片
  也可以寫成
  _, binary_img = cv2.threshold(gray_img, 128, 255, cv2.THRESH_BINARY)
  記得底下cv2.imshow("image1", img)的img改成你定義的圖片
  

• Canny邊緣化

import cv2
img = cv2.imread("E:/2024_NTNU/Python/NN.JPG")
img = cv2.resize(img, (700, 500))
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
canny_img = cv2.Canny(gray_img, 60, 0)
cv2.imshow("image1", canny_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

圖片邊緣=與周圍像素質差很大(圖片,最低門檻值(200以下過濾),最高門檻值(超過當邊緣))
可以自行設定閥值

• 膨脹
  需要使用到import numpy as np矩陣運算

import cv2
import numpy as np
kernel = np.ones((5, 5), np.uint8)
img = cv2.imread("E:/2024_NTNU/Python/NN.JPG")
img = cv2.resize(img, (700, 500))
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
canny_img = cv2.Canny(gray_img, 60, 0)
dilate = cv2.dilate(canny_img, kernel, iterations=1)
cv2.imshow("image1", dilate)
cv2.waitKey(0)
cv2.destroyAllWindows()

kernel = np.ones((5, 5), np.uint8)
使用創建NumPy庫中的np.ones創建一個5*5正方形結構(5行5列)
dilate = cv2.dilate(canny_img, kernel, iterations=1)
膨脹效果=邊緣線條變粗(圖片,2微陣列的和(np),膨脹次數)

• 侵蝕
  eroded_img = cv2.erode(canny_img, kernel, iterations=0)
  侵蝕效果=邊緣線條變細(圖片,2微陣列的和(np),侵蝕次數)
  canny_img未膨脹過的:iterations我用成1就都讀不到了
  dilate = cv2.dilate(canny_img, kernel, iterations=1)
eroded_img = cv2.erode(dilate, kernel, iterations=2)
  這是先經由膨脹後再決定侵蝕程度
  
  *希望各位大大都能成功!!!
  以上言論是我自己所定義的沒有完全是對的，如有大神能建議及改善的地方非常歡迎留言!!!