OpenCV 和计算机视觉，我们现在处于什么位置？

Question

我想做一个涉及计算机视觉的项目。主要是物体检测/识别。经过一番研究，我不断回到 OpenCV。但是所有的教程都是从 2008 年开始的（我想当时它有点大）。它显然不能在 Mac 上的 Python 中编译。我正在使用 Xcode 中的 C++ 框架，但是没有一个教程可以工作，因为它们已经过时了，而且我可以解析的文档很烂。

对于我正在做的事情是否有更好的解决方案，是否有人对学习如何使用 OpenCV 有任何建议？

谢谢

Answer 1

想到的最简单的答案是阅读示例代码并稍微了解一下，并尝试您的想法是否有效。 api 确实发生了变化，并且大多数教程都是为 OpenCV 的第一个版本编写的，看起来没有人费心重写它们。然而，它背后的核心思想并没有改变。因此，如果您找到回答您的问题的教程，但使用旧 API 编写，只需查看文档以了解已使用函数的现代替换。这并不容易和快速，但看起来很有效。如果您使用最新（实际上是 2.3）版本，我建议同时使用2.1 documntation 和 2.3 docs + tutorials 。您还应该查看应该与库一起安装的示例。有很多关于如何使用文档中未提及的结构和技巧的提示。最后，不要害怕查看库本身的代码（如果您自己编译它）。不幸的是，这是我知道的唯一来源，例如检查哪些代码对应于哪种类型的Mat 对象。

Answer 2

让我补充几点。首先，我可以向您保证，OpenCV 的 Python 绑定可以在 Mac 上运行。我每天都在使用它们。

很多人喜欢 OpenCV 的原因有很多：

1. 许可证很好，适合集成到商业产品等中。
2. 从技术角度来看，它非常好。它为您提供了最先进算法的参考实现。
3. 与其他替代方案相比，它的速度往往相当快（我在看你的 Matlab）。

就像生活中的一切一样，它并不完美：

1. 这是一个很好的例子，说明软件库是一个移动的目标。 我有一个使用 OpenCV 的 300 行 python 程序，每隔几个 发布新版本的 OpenCV 几个月后，我必须更改它 以适应新的函数名称/调用约定等。 图书馆确实进步了很多，但是不得不改变是很痛苦的 每年 3 次相同的计划。
2. 它有一个学习曲线，就像计算机视觉本身一样， 技术性强，不易学。

还有其他选择（有其他优点和缺点）带有图像处理工具箱的 MATLAB 就是这样一个例子。

Answer 3

我在开始使用 OpenCV 时遇到了类似的问题，根据我的经验，这实际上是学习它的最大障碍。这对我有用：

1. 本书：“OpenCV 2 计算机视觉应用程序编程手册”。这是最新一本书，并提供了有关如何解决不同计算机视觉问题的示例（您可以在亚马逊上使用“Look Inside！”查看目录）。它确实帮助我轻松进入 OpenCV 并熟悉该库的工作方式。

2. 正如其他人所说，这些示例非常有帮助。对于本书跳过或仅简要介绍的内容，您通常可以在查看示例时找到更详细的示例。您还可以在本书和示例之间找到解决相同问题的不同方法。例如，对于查找关键点/特征，本书展示了一个使用 FAST 特征的示例：

   vector<KeyPoint> keypoints;
FastFeatureDetector fast(40);
fast.detect(image, keypoints);

   但在示例中，您会发现一种更灵活的方法（如果您想选择使用哪种关键点检测算法）：

   vector<KeyPoint> keypoints;
Ptr<FeatureDetector> featureDetector = FeatureDetector::create("FAST");
featureDetector->detect(image, keypoints);

根据我的经验，事情最终会开始点击，对于更具体的问题，您会开始在博客上或在 StackOverflow 上查找最新信息。