Tutorial de OpenCV

OpenCV (Open Source Computer Vision Library) es una biblioteca de software de código abierto para visión por computadora y aprendizaje automático.

OpenCV está compuesto por una serie de funciones en C y algunas clases de C++, y también proporciona interfaces para lenguajes como Python, Java, MATLAB, etc.

OpenCV ofrece una gran cantidad de algoritmos de visión por computadora y herramientas de procesamiento de imágenes, ampliamente utilizadas en el procesamiento y análisis de imágenes y videos, así como en el campo del aprendizaje automático.

El objetivo de diseño de OpenCV es proporcionar una biblioteca básica de visión por computadora sencilla y fácil de usar, que ayude a los desarrolladores a construir rápidamente aplicaciones visuales complejas.


Antes de aprender este tutorial, necesitas saber

OpenCV soporta varios lenguajes de programación, pero Python y C++ son los dos más utilizados. La sintaxis de Python es simple y fácil de aprender, adecuada para principiantes.

Antes de comenzar a aprender el tutorial de OpenCV, necesitamos tener una base básica de Python. Si aún no conoces Python, puedes leer nuestro tutorial:


Desarrollo histórico

El proyecto OpenCV fue iniciado por Intel en 1999, dedicado a tareas intensivas en CPU, como parte de un plan que incluía trazado de rayos y visualización en 3D.

  • En 1999, el proyecto OpenCV fue iniciado por Intel Research, con el objetivo de promover la investigación y las aplicaciones de la visión por computadora.

  • En 2000, se publicó la primera versión de OpenCV.

  • En 2006, se publicó la versión 1.0 de OpenCV.

  • En 2009, se publicó la versión 2.0 de OpenCV, que añadió soporte para Python.

  • En 2015, se publicó la versión 3.0 de OpenCV, que añadió soporte para el aprendizaje profundo.

  • En 2018, se publicó la versión 4.0 de OpenCV, que optimizó aún más el rendimiento y las funciones.

  • En 2020: se publicaron las versiones 4.x de OpenCV, que fortalecieron aún más el soporte para plataformas de computación modernas (como CUDA, OpenCL) y añadieron más funciones de aprendizaje automático y visión por computadora.


Ejemplos

OpenCV lee y muestra una imagen:

Ejemplo

# Importar la biblioteca OpenCV y usar el alias cv en lugar de cv2
import cv2 as cv

# Reemplaza "path/to/image" con la ruta real de la imagen, por ejemplo "cat.jpg" o "C:/images/dog.png"
img = cv.imread("path/to/image")

# Si la ruta de la imagen es incorrecta o el archivo no existe, cv.imread() devolverá None
if img is None:
    # Imprimir mensaje de error
    print("Error: Could not load image.")
    # Salir del programa
    exit()

# "Display window" es el nombre de la ventana de visualización, se puede personalizar
# img son los datos de la imagen a mostrar
cv.imshow("Display window", img)

# Esperar la entrada de una tecla
# El parámetro 0 significa espera indefinida, hasta que el usuario presione cualquier tecla
# El valor de retorno k es el código ASCII de la tecla presionada por el usuario
k = cv.waitKey(0)

# Verificar si el usuario presionó la tecla Esc (código ASCII 27)
if k == 27:
    # Cerrar todas las ventanas de OpenCV
    cv.destroyAllWindows()

Enlaces relacionados

Otras extensiones