OpenCV 毕设入门教程——计算机视觉实战

前言

OpenCV 是毕设中图像处理/计算机视觉方向的首选库。常见毕设题目：车牌识别、人脸考勤系统、手势识别、医学图像分割、车道线检测。

---

第一章：OpenCV 核心数据结构

cv::Mat —— 一切图像的基础

cv::Mat img;                          // 空矩阵
img = cv::imread("photo.jpg");        // 读取图片
img = cv::Mat(480, 640, CV_8UC3);    // 创建 480×640 彩色图

常用属性：

• img.rows / img.cols — 高/宽
• img.channels() — 通道数（灰度=1，彩色=3）
• img.type() — 数据类型

像素访问

// 灰度图
uchar pixel = gray.at<uchar>(y, x);

// 彩色图 (BGR)
cv::Vec3b pixel = img.at<cv::Vec3b>(y, x);
uchar blue = pixel[0], green = pixel[1], red = pixel[2];

---

第二章：毕设十大常用操作

1. 灰度化

cv::cvtColor(src, gray, cv::COLOR_BGR2GRAY);

2. 高斯模糊

cv::GaussianBlur(src, dst, cv::Size(5,5), 0);

3. 边缘检测

cv::Canny(gray, edges, 50, 150);

4. 二值化

cv::threshold(gray, binary, 127, 255, cv::THRESH_BINARY);
// 自适应二值化（光照不均时用）
cv::adaptiveThreshold(gray, binary, 255, cv::ADAPTIVE_THRESH_GAUSSIAN_C,
                      cv::THRESH_BINARY, 11, 2);

5. 形态学操作

cv::dilate(binary, dilated, kernel);   // 膨胀
cv::erode(binary, eroded, kernel);     // 腐蚀
cv::morphologyEx(binary, opened, cv::MORPH_OPEN, kernel);  // 开运算

6. 轮廓查找

std::vector<std::vector<cv::Point>> contours;
cv::findContours(binary, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);
for (size_t i = 0; i < contours.size(); i++) {
    cv::drawContours(img, contours, i, cv::Scalar(0, 255, 0), 2);
}

7. 人脸检测

cv::CascadeClassifier face_cascade;
face_cascade.load("haarcascade_frontalface_default.xml");
std::vector<cv::Rect> faces;
face_cascade.detectMultiScale(gray, faces, 1.1, 3);

8. 颜色空间转换

cv::cvtColor(img, hsv, cv::COLOR_BGR2HSV);
// HSV 更适合颜色筛选：H(色调) 0-180, S(饱和度) 0-255, V(明度) 0-255

9. 图像缩放

cv::resize(src, dst, cv::Size(320, 240));

10. 视频读取

cv::VideoCapture cap(0);           // 摄像头
// cv::VideoCapture cap("video.mp4"); // 视频文件
cv::Mat frame;
while (cap.read(frame)) {
    cv::imshow("Video", frame);
    if (cv::waitKey(30) == 27) break;  // ESC 退出
}

---

第三章：毕设经典方案——车牌识别

简化流水线

读图 → 灰度 → 高斯模糊 → Canny边缘 → 轮廓查找 → 
筛选矩形轮廓（车牌区域）→ OCR 字符识别

关键代码片段

// 轮廓筛选：找到近似矩形的轮廓
for (const auto& contour : contours) {
    double peri = cv::arcLength(contour, true);
    std::vector<cv::Point> approx;
    cv::approxPolyDP(contour, approx, 0.02 * peri, true);
    // 4顶点 + 面积合理 → 可能是车牌
    if (approx.size() == 4 && cv::contourArea(approx) > 1000) {
        cv::Rect roi = cv::boundingRect(approx);
        cv::Mat plate = img(roi);
        // 送入 OCR...
    }
}

---

第四章：答辩准备

1. 准备对比图：原图 vs 处理结果，效果最直观
2. 录屏演示：实时摄像头识别比静态图片更有说服力
3. 说明参数调优：展示你对算法理解的程度
4. 备用方案：如果现场光线差，准备一段预先录好的视频

---

思考题

1. Canny 的高低阈值如何影响边缘检测结果？
2. 为什么颜色检测常用 HSV 而不是 RGB？
3. 如何提升人脸检测在侧脸/遮挡情况下的准确率？