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
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
- Sitio web oficial de OpenCVhttps://opencv.org/
- Código fuente de OpenCV:https://github.com/opencv/opencv
- Documentación de OpenCV:https://docs.opencv.org/