type
status
date
slug
summary
tags
category
icon
password
1. OpenCV 简介
OpenCV 是一个开源的计算机视觉和机器学习软件库，最初由 Intel 发起，现由 Willow Garage 和 Itseez（现为 Intel）共同维护。其核心优势包括：
- 开源免费：功能全面、无使用费用，社区活跃；
- 多语言支持：提供 C++、Python、Java 等多种接口；
- 跨平台：支持 Windows、Linux、macOS、iOS、Android 等操作系统；
- 丰富 API：内置经典的图像处理和机器学习算法，并支持深度学习框架模型的加载与推理。
其中，OpenCV-Python 是对原生 C++ 接口的高性能封装，它结合了 Python 的易用性和 NumPy 的数值计算优势，让开发者能够用简洁的代码完成高效的图像处理工作。
2. 环境安装
在 Python 环境中安装 OpenCV：
3. 图像的基本表示
3.1像素与位深
- 像素：图像的最小单位，存储颜色和亮度信息。
- 位深（
Bit Depth）：常见的 8 位图像（uint8），每通道像素值范围为 0–255。
3.2颜色空间
- RGB 三原色：由红（R）、绿（G）、蓝（B）三种颜色通道组成，通过不同比例混合可表示丰富色彩。
- 在 OpenCV 中，默认使用 BGR 顺序存储彩色图像数据。
4. 图像的存储与读取
OpenCV 中图像以 NumPy 数组形式存在：
- 彩色图像：三维数组，形状为
(height, width, channels)；
- 灰度图像：二维数组，形状为
(height, width)。
img.dtype：图像数据类型，如uint8。
5. 图像操作基础
5.1 读取与显示图像
需要使用
cv.waitKey(0)来控制窗口显示时长，0表示等待按键，使用cv2.destroyAllWindows()关闭所有窗口。5.2 保存图像
5.3 创建空白图像
5.4 图像切片与缩放
- 切片
- 调整图像大小
6. 在图像上绘制基本图形
6.1 绘制直线、矩形与圆形
7. 视频读取与处理
7.1 捕获摄像头
7.2 读取视频文件
8. 每日一题
题目：1695. 删除子数组的最大得分
给你一个正整数数组
nums ，请你从中删除一个含有 若干不同元素 的子数组。删除子数组的 得分 就是子数组各元素之 和 。返回 只删除一个 子数组可获得的 最大得分 。
如果数组
b 是数组 a 的一个连续子序列，即如果它等于 a[l],a[l+1],...,a[r] ，那么它就是 a 的一个子数组。示例 1：
示例 2：
解题：
1.看到这个题，其实当场就有想法了，不就是暴力法吗，我用两个for循环，把读取到的数放入num列表中，如果遇到重复的，退出内层循环，计算num的和，取最大值。于是初代代码诞生了
- 还是太低估了中等题目，超时了。。。。。这些数字看的我头大，还只是1/20。。。
2.改变策略，在内层循环中，可以从上一次循环的结尾开始，这样就省去了读取前面值的时间
- 结果直接错误，发现问题所在：假设
nums = [4,2,4,5,6]，num窗口会变成：先加4,2，遇到4重复，break，只删掉4，实际窗口还残留老的2，窗口不能滑动到“无重复”的状态。
3.再次修改代码，经过上次的问题，发现需要从列表前面开始一直删除到重复的位置，于是V3代码诞生了
- 再一次超时🤬🤬🤬🤬🤬🤬🤬🤬🤬🤬🤬🤬🤬🤬🤬
- 总结：
sum(num)每次都会重新计算一次，可以优化掉
4.去除
sum(num),改用直接计算sum- 遇到重复的值就从num头部开始删除里面的值，直到删除到重复的位置，同时对sum进行运算，节约了
sum(num)的时间
- 测试通过，但是时间还是很长，改！！！ 🤡🤡🤡🤡🤡🤡🤡🤡
5.V5版本！问了下ai，发现可以用set()节省
while value in num每次查询num中是否有value的时间，再利用双指针确定位置以及对应元素。- 当没有重复时，右指针一直往后走，并将读取到的数据加入num，同时sum加上读取的值，如果出现了重复，左指针从开始位置一直删除到重复的位置，同时sum减掉删除的值
- 终于………成了，不过还不是最优解法，我要躺平了
- 看了一下运行时间最快的解法
- 他使用的是has，问了下ai，以下是set和has的区别：
方案 | 判重结构 | 查找/删除 | 空间复杂度 | 优缺点 |
set | set() | O(1) | O(n) | 通用，适合大范围数据 |
has数组 | bool[] | O(1) | O(max(nums)) | 快，常数小，需值小范围 |
- set更通用，适合数据值分布广、范围大但实际元素数较少。
- has数组更快更省常数时间，但需要数值范围较小。适合元素值分布紧凑的场景，比如全是0~10000以内的整数。
- 作者:sisui
- 链接:https://www.sisui.me//article/py-opencv-basics-computer-vision-leetcode1695
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议，转载请注明出处。
相关文章
