使用 Python 開始學習 OpenCV｜從影像處理到即時處理的完整指南│Pythonプログラミングの世界

1. 什麼是 OpenCV？

在 Python 的影像處理中，OpenCV（cv2）是一個非常重要的函式庫。本節將說明 OpenCV 是什麼、為什麼應該在 Python 中使用它，以及其基本概念。

OpenCV 的概述

OpenCV（Open Source Computer Vision Library）是一個用於影像處理和電腦視覺的函式庫。最初由 Intel 開發，目前作為開源專案，由許多開發者和研究人員共同維護。OpenCV 不僅可以用於 Python，還可以在 C++、Java 等程式語言中使用，但與 Python 的組合特別受歡迎。這是因為 Python 語法簡潔，而 OpenCV 擁有強大的影像處理功能，非常適合從初學者到高級開發者的廣泛用戶。

使用 Python 搭配 OpenCV 的優勢

簡單的介面
OpenCV 提供直覺且易懂的 API，使用 Python 只需幾行程式碼即可實現高級影像處理。例如，讀取與顯示影像、調整大小等基本操作都可以輕鬆完成。
豐富的功能
OpenCV 不僅能夠讀取與顯示影像，還支援顏色空間轉換、邊緣檢測、物件識別、人臉偵測等多種影像處理功能。這使得 OpenCV 能夠應用於從基本的影像處理到使用機器學習的高級影像辨識等多種場景。
龐大的社群與支援
由於 OpenCV 受到眾多開發者的使用，網路上有豐富的文件、教學資源與範例程式碼。即使遇到問題，也能在社群論壇或 Q&A 網站上找到解決方案，這是 OpenCV 的一大優勢。

OpenCV 的應用場景

OpenCV 廣泛應用於影像識別、人臉偵測、動作追蹤、機器視覺等多個領域，特別是在以下場合發揮作用：

監視攝影機系統：用於人臉識別與異常行為偵測。
醫學影像處理：分析 CT 掃描或 MRI 影像。
自動駕駛技術：進行物件偵測與車道識別。

由於 OpenCV 在實際專案中提供高效且穩定的處理能力，因此被許多企業廣泛採用。

2. 如何在 Python 中安裝 OpenCV

接下來，我們將說明如何在 Python 環境中安裝 OpenCV。本節將介紹使用 pip 來安裝函式庫的方法，以及常見錯誤的解決方案。

OpenCV 的安裝步驟

要在 Python 中使用 OpenCV，首先需要安裝該函式庫。最常見的安裝方式是使用 Python 的套件管理工具「pip」，執行以下指令即可安裝 OpenCV：

pip install opencv-python

執行此指令後，OpenCV 便會安裝至您的 Python 環境。此外，如果不需要 GUI 相關功能，例如在伺服器環境中執行，建議安裝「opencv-python-headless」版本，以減少不必要的相依性。

pip install opencv-python-headless

常見錯誤與解決方案

ModuleNotFoundError: No module named 'cv2'
這個錯誤通常是因為 OpenCV 尚未安裝，或 Python 環境設定不正確。請確認 OpenCV 是否已安裝，並在安裝後再次執行程式。
相依性問題
安裝 OpenCV 時可能會遇到相依性錯誤。在這種情況下，可以嘗試安裝 opencv-contrib-python 套件來解決問題。

pip install opencv-contrib-python

版本不相容
如果 Python 版本與 OpenCV 版本不相容，則可能會發生錯誤。請查閱 OpenCV 官方文件，確認對應的版本，並安裝適當的版本。

3. 如何讀取影像

使用 OpenCV 讀取影像的方法非常簡單。本節將介紹如何使用 cv2.imread() 函式讀取影像，並使用 cv2.imshow() 顯示影像。

讀取影像

在 Python 中使用 OpenCV 讀取影像，可以透過 cv2.imread() 函式完成。這個函式會從指定的檔案路徑讀取影像，並將其作為 NumPy 陣列返回。

import cv2

# 讀取影像
image = cv2.imread('example.jpg')

在這裡，請確保檔案路徑正確。建議使用絕對路徑，或者確保影像檔案存放在與執行 Python 指令的目錄中。

顯示影像

要顯示讀取的影像，可以使用 cv2.imshow() 函式。以下程式碼展示如何在新的視窗中顯示影像，並等待使用者按鍵後關閉視窗。

cv2.imshow('Image', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上述程式碼中，cv2.imshow() 用於顯示影像，cv2.waitKey(0) 讓程式等待使用者按鍵後才繼續執行，最後 cv2.destroyAllWindows() 用來關閉所有開啟的視窗。如果 cv2.waitKey() 的參數設為 0，則會無限等待使用者輸入。若要指定等待時間（毫秒），可以使用 cv2.waitKey(1000)。

如果影像無法正確讀取，該如何處理？

如果影像讀取失敗，則 cv2.imread() 會返回 None。我們可以使用以下方式進行錯誤檢查：

if image is None:
    print("找不到影像")
else:
    cv2.imshow('Image', image)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

如果檔案路徑錯誤、影像檔案損壞，或是格式不受支援，這類檢查能幫助除錯。

4. 影像的前處理與調整大小

在進行影像處理前，通常會先對影像進行調整大小或改變顏色空間。本節將介紹如何使用 cv2.resize() 來調整影像大小，以及如何進行顏色空間轉換。

調整影像大小

若要改變影像的大小，可以使用 cv2.resize() 函式。此函式會根據指定的尺寸來縮放影像。以下是使用 cv2.resize() 來調整影像大小的範例：

import cv2

# 讀取影像
image = cv2.imread('example.jpg')

# 調整影像大小
resized_image = cv2.resize(image, (400, 300))

# 顯示調整後的影像
cv2.imshow('Resized Image', resized_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

在這個範例中，(400, 300) 代表新的寬度與高度。如果希望保持原始比例縮放影像，可以使用 fx 和 fy 參數來設定縮放比例：

resized_image = cv2.resize(image, None, fx=0.5, fy=0.5)

此範例將影像縮小 50%。透過設定 None 作為尺寸參數，我們可以僅使用縮放比例來調整影像大小，而不需手動計算具體的寬高數值。

顏色空間轉換

在進行影像處理時，通常需要改變影像的顏色空間。例如，將彩色影像轉換為灰階影像可以減少計算負擔，提升處理速度。OpenCV 使用 cv2.cvtColor() 來進行顏色空間轉換。

# 轉換為灰階影像
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 顯示灰階影像
cv2.imshow('Gray Image', gray_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

在這個程式碼中，cv2.COLOR_BGR2GRAY 用於將 BGR（藍、綠、紅）格式的彩色影像轉換為灰階影像。透過這樣的轉換，我們可以降低影像資訊量，使後續處理更加高效。

5. 進階影像處理：輪廓偵測與直方圖分析

在 OpenCV 中，為了對影像進行更深入的分析或物件偵測，可以使用輪廓偵測與直方圖分析技術。本節將介紹如何使用 cv2.findContours() 進行輪廓偵測，以及如何使用 cv2.calcHist() 來分析影像的顏色分佈。

輪廓偵測

輪廓偵測是一種基本的影像處理技術，可用來識別影像中的物件形狀。要進行輪廓偵測，通常先將影像轉換為灰階，然後執行二值化處理，最後透過 cv2.findContours() 來偵測輪廓。

# 轉換為灰階影像
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 二值化處理
ret, thresh = cv2.threshold(gray_image, 127, 255, cv2.THRESH_BINARY)

# 輪廓偵測
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

# 繪製輪廓
cv2.drawContours(image, contours, -1, (0, 255, 0), 3)

# 顯示結果
cv2.imshow('Contours', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

這段程式碼首先將影像轉換為灰階，然後使用 cv2.threshold() 進行二值化處理。接著，透過 cv2.findContours() 偵測輪廓，最後使用 cv2.drawContours() 在影像上繪製輪廓。

直方圖分析

直方圖分析可以用來視覺化影像的顏色或亮度分佈。在 OpenCV 中，可以使用 cv2.calcHist() 來計算直方圖，並透過 matplotlib 來繪製圖表。

import matplotlib.pyplot as plt

# 計算直方圖
hist = cv2.calcHist([image], [0], None, [256], [0, 256])

# 繪製直方圖
plt.plot(hist)
plt.show()

這段程式碼計算影像的藍色通道直方圖，然後使用 matplotlib 繪製直方圖。透過分析直方圖，我們可以了解影像中不同亮度的分佈情況，例如對比度或曝光是否適當。

6. 實作範例：即時影像處理

OpenCV 不僅能夠處理靜態影像，也能處理即時攝影機影像。本節將介紹如何使用 cv2.VideoCapture() 來獲取即時影像，並對影像進行處理。這些技術可應用於即時影像過濾、物件偵測等場景。

攝影機影像擷取

使用 OpenCV 的 cv2.VideoCapture()，可以從攝影機中擷取即時影像。以下程式碼展示了如何讀取並顯示攝影機影像：

import cv2

# 啟動攝影機
cap = cv2.VideoCapture(0)

# 確保攝影機正常開啟
if not cap.isOpened():
    print("無法開啟攝影機")
    exit()

while True:
    # 讀取影像幀
    ret, frame = cap.read()

    if not ret:
        print("無法獲取影像")
        break

    # 顯示影像
    cv2.imshow('Camera Feed', frame)

    # 按 'q' 鍵退出
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 釋放資源並關閉視窗
cap.release()
cv2.destroyAllWindows()

這段程式碼從攝影機讀取影像，並即時顯示在視窗中。如果按下 ‘q’ 鍵，程式會結束並釋放攝影機資源。

即時影像過濾

除了顯示即時影像，我們還可以對影像進行處理，例如將影像轉換為灰階。

while True:
    ret, frame = cap.read()

    if not ret:
        break

    # 轉換為灰階影像
    gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # 顯示處理後的影像
    cv2.imshow('Grayscale Camera Feed', gray_frame)

    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

這段程式碼將攝影機影像轉換為灰階，並即時顯示處理後的結果。使用 cv2.cvtColor() 來將 BGR 彩色影像轉換為灰階影像，這樣可以減少計算負擔，提高處理效能。

7. 疑難排解（Troubleshooting）

在使用 OpenCV 時，可能會遇到各種錯誤或問題。本節將介紹常見的錯誤及其解決方案，幫助你更順利地使用 OpenCV。

1. OpenCV 未安裝

錯誤訊息：
ModuleNotFoundError: No module named 'cv2'

這個錯誤通常表示 OpenCV 尚未安裝在你的 Python 環境中。你可以執行以下指令來安裝 OpenCV：

pip install opencv-python

如果你在無 GUI 的伺服器環境中運行 Python，建議安裝 headless 版本：

pip install opencv-python-headless

2. 無法開啟攝影機

錯誤現象：
當執行 cv2.VideoCapture(0) 時，攝影機無法開啟。

可能的解決方案：

確保攝影機已正確連接。
確認沒有其他應用程式正在使用攝影機。
如果設備有多個攝影機，可以嘗試改變索引，例如 cv2.VideoCapture(1)。

3. 影像讀取失敗

錯誤現象：
影像檔案無法讀取或讀取後返回 None。