我学习图像处理的小结

Posted 2020-10-02 GreenOpen专注图像处理

前一段时间，我一直在制作OpenCV基础知识的课件,因为一方面我感觉现有教程需要一个系统核心；另一方面我也反省自己对基础知识是否掌握牢靠了，千万不能误人子弟。那么课件的制作，包括内容的顺序，主要还是基于《learningOpenCV3》的。结合制作课件，我对《learningOpenCV3》书后的习题较为仔细的解决，并且push到了Github上https://github.com/oreillymedia/Learning-OpenCV-3_examples。有push当然也就有commit了，可喜的是这个commit是由Opencv类库的创始者，也是《learningOpenCV3》这本书的作者Gary操作的。一来二去混熟了，我就问Gary这书怎么还没中文版呀？他说开始搞了呀。我就说我能不能加入呀？他说行。要了我的email，接着联系上了清华出版社，也看到了部分初稿。由于书已经翻译的差不多了，我就作为reviewer加入，主要是看一看语法和程序方面的错误。review的过程，实际上还是一个重复学习的过程，很多在以前学习过程中一笔带过，或者看不懂就拉倒的地方，现在就必须认真仔细地来看

    前一段时间，我一直在制作OpenCV基础知识的课件（《学习OpenCV3.0初级实战视频课程》 http://edu.51cto.com/course/10381.html，《学习OpenCV3.0中级实战视频课程》http://edu.51cto.com/course/10712.html）。因为一方面我感觉如果仅仅是有比如“答题卡识别”http://edu.51cto.com/course/8637.html，“图像拼接”http://edu.51cto.com/course/9313.html这一类的视频，总是缺乏一个系统的过程；另一方面我也在做视频的过程中，反省自己对基础知识是否掌握牢靠了，千万不能误人子弟。那么课件的制作，包括内容的顺序，主要还是基于《learningOpenCV3》的。结合制作课件，我对《learningOpenCV3》书后的习题较为仔细的解决，并且push到了Github上https://github.com/oreillymedia/Learning-OpenCV-3_examples。有push当然也就有commit了，可喜的是这个commit是由Opencv类库的创始者，也是《learningOpenCV3》这本书的作者Gary操作的。一来二去混熟了，我就问Gary这书怎么还没中文版呀？他说开始搞了呀。我就说我能不能加入呀？他说行。要了我的email，接着联系上了清华出版社，也看到了部分初稿。由于书已经翻译的差不多了，我就作为reviewer加入，主要是看一看语法和程序方面的错误。review的过程，实际上还是一个重复学习的过程，很多在以前学习过程中一笔带过，或者看不懂就拉倒的地方，现在就必须认真仔细地来看——多多少少要担负责任的呀。这个过程中，反思走过的路，悟出了一些东西，主要是当时是如何一步一步学习起图像处理的，和大家分享：

 

  第一个过程，从不了解到了解

  我一开始是用csharp的，而且刚开始做图像处理用的是halcon。halcon的官方自带的例程很多，百十来个吧，我当时一个一个跑着玩，感觉很有意思；然后就想办法融合到csharp中去。csharp不是写界面快嘛，加上halcon的函数效果，就能够得到完整的程序。然后我开始修改这些例程，实际上，我一开始使用halcon来做图像拼接，并且实现了出来http://www.cnblogs.com/jsxyhelu/p/3390598.html。但是halcon的版权的呀，还有和界面的交互的问题也多，苦恼时看到一本书，叫做《学习OpenCV2》，听老师傅说这个很厉害，翻了一翻——完全看不懂呀！

 

  第二个过程，抄袭，形成自己的东西

  版权是硬伤呀，没有办法只能学习OpenCV，一开始不是看《学习OpenCV2》，而是其他书。我采用的方法是在当当、china-pub中搜索opencv这个关键字，然后找到所有已经翻译成中文的opencv方面的书，然后再亚马逊上面搜索opencv，再找到那些还没有翻译的原版。基本上，OpenCV相关的书英文的我都有，比较重要的有中文的。书拿到了，我认为比较高效的方法就是——快速过一遍，有了基础；然后跑里面的例子，增加感性的认识；然后再根据需要重构，反复反复。这个过程中，也生成自己的专用函数GOCVhelper（位github开源，简介http://www.cnblogs.com/jsxyhelu/p/5904251.html）为了使用OpenCV，从头学习mfc，虽然现在c++发展很迅速了，windows这块还是mfc支持的比较好；偶尔看到于世琪的dshow对mfc的支持，感觉这个太好了，多次封装成为了GOMFCTemplate2（位github开源，简介http://www.cnblogs.com/jsxyhelu/p/GOMFCTemplate2.html），成为一个比较完整的库了，也发给于世琪看了，他说很好！还帮在微博上推了一下。

但是mfc写界面实在太慢呀，怎么办？两条路。一个是用csharp来写，在这个方向研究，形成了《Csharp调用基于Opencv编写的类库文件》http://www.cnblogs.com/jsxyhelu/p/GOCW.html 这种方法，但是有缺陷，传递的图片不能太大太快；另一个方向是mfc形成更全面的类库，实现了GreenOpenPainthttp://www.cnblogs.com/jsxyhelu/p/6350260.html，类似于画图程序，带文件列表，能够放大缩小还带阴影，最重要的还是带准确的标尺，还能够画矩形框。要知道，想在mfc中实现这种效果，全部要底层实现呀，我可是翻遍了github,codeproject，问遍了stackoverflow才得到这样的结果的。

当然，这些模型的推动，都是有实际项目拉动的。首先实现项目，然后从项目中将模型精良出来，方便下次使用。我基本上采用这个模式吧。

  这样，csharp通过clr调用opencv , GreenOpenPaint实现多图像处理，再加上GOMFCTemplate2实现实时视频处理。那么对于桌面来说，基本够用了。下一步就是手机端和webapi了，这些已经思考到了，在研究。

 

  第三个过程，算法原创

  做到这个过程，还只是使用OpenCV做项目。但是随着项目的深入，很多时候客户的要求，不是有现成的算法的，也不是通过现有算法进行拼接能够解决的。怎么办？只能自己去研究，有一些问题是有论文的，也可能有书，运气比较好还有matlab代码；也会遇到了太少见了，论文也比较少。这个时候，需要的能力，还是最基本的英语和数学。能够快速阅读得到自己要的东西，但是往往一篇重要的的论文也得读个十几、几十遍吧，数学这块，我主要从线性代数开始，包括做《learningOpenCV3》课后习题的时候，只要涉及到数学问题，都想办法给解决掉，推导出来！而不是跳过去。因为我已经认识到，数学对于灵感呀、思维呀综合能力的影响很重要；能够把一个定理，比如pca中svd分解给推导一个例题出来，再使用这个函数，那感觉绝对不一样的（《学习OpenCV3》第7章第4题-SVD奇异值分解的验算http://www.cnblogs.com/jsxyhelu/p/7029283.html）。

图像处理涉及方面很多，无论是理论、实现还是应用场景，再加上软件、硬件，我也只是接触、了解、实现了很小的一个部分。但是反思这几年的过程，感觉还是有必要小结一下的，这里把自己博客中的一些东西串了一下——每一篇博客的发布都肯定是有原因的，不是随便发布出来的。写博客是总结，也是分享。现在感觉博客看的人还是比较少，感觉有里面的一些资源，还是有自己的思考在里面的，是有一定价值的东西。大家如果有机会，还是帮忙宣传宣传。有机会也多来踩一踩，增增人气！

  最后，放些图，有图有真相嘛~