上位机图像处理和嵌入式模块部署（python opencv）

前面我们谈到了qt，谈到了opencv，也谈到了嵌入式，但是没有说明python在这个过程当中应该扮演什么样的角色。opencv从开发的角度来说，可以是配合python做算法验证，十分简洁、方便，毕竟python不需要自己来编译。从上位机的角度说，opencv还可以做成上位机工具，给fae使用。当然，它做到嵌入式模块里面也是可以的，这样的话，opencv就会被编译成arm代码，结合上位机工具一起去部署就可以了。所以，哪怕就是相同的opencv库，用法不同，场景不同，发挥的作用也是不一样的。

1、安装python软件

python本身是一门脚本语言，建议大家可以安装一个较新的版本，比如说python3。

2、安装opencv包

网上很多的教程，都是推荐大家直接用pip install去安装，其实这样安装的效率是很低的。建议大家在安装好python3之后，cd到Scripts目录下，利用pip和douban的软件源来安装opencv，这样效率要高很多。比如说，像这样，

pip3.exe install opencv-python -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

3、确认opencv已经安装好

要想确认cv2已经安装好，只需要在python3目录下打开python，输入下面这个语句，如果没有报错的话，那就一切正常了，

import cv2

4、第一个python脚本的图像处理程序

安装好了opencv之后，就可以写图像处理程序了。最简单的一个脚本，肯定就是显示一幅lena.png的图片了。我们可以打开一个编辑器，接下来就是输入下面这些脚本即可，

import cv2'''
main entry
''' 
def main():picture = cv2.imread('./lena.bmp')cv2.imshow('lena', picture)cv2.waitKey(0)cv2.destroyAllWindows()if __name__ == '__main__':main()

5、执行脚本

假设编写的脚本没有问题，我们就可以用python工具直接运行它就ok了。脚本的文件名如果是demo.py，那么可以这么来进行执行脚本，

C:\Python39\python.exe demo.py

确认一下图片是否可以正常显示，能正常显示，那就代表问题不大了。

6、第一次用python实现灰化算法

前面我们虽然显示了lena.png，但是没有自己用python写一个算法，算是一个小小的遗憾。这里，我们其实也可以通过python脚本，自己来实现一个灰化算法，这也是不错的一个选择。很多时候，对于一些成熟的算法，并不是我们自己不会写，而是说使用opencv更加方便一点，仅此而已。因为这样在出现问题的时候，才会知道怎么去调整和debug脚本，

import cv2
import numpy as np'''
use average value
'''
def generate_gray_data(picture):for i in range(picture.shape[0]):for j in range(picture.shape[1]):val = np.sum(picture[i,j])val = val/3picture[i,j] = [val, val, val]return picture'''
main entry
'''
def main():picture = cv2.imread('./lena.bmp')print(picture.shape[0])print(picture.shape[1])print(picture.shape[2])picture = generate_gray_data(picture)cv2.imshow('lena', picture)cv2.waitKey(0)cv2.destroyAllWindows()if __name__ == '__main__':main()

7、分析和总结

opencv作为一个库来说，本身无所谓好坏。我们使用它，也是为了实现特定的功能。它可以和c++配合，也可以和python进行搭档，一般来说我们处理的流程是这样的，如下图所示，大家可以熟记于心一下。python也好，c++也好，opencv也好，自己写算法也好，嵌入式开发也好，每一个步骤都有自己的用途。不存在谁取代谁的问题。这个过程当然可以简化，也可以添加新的流程，最终目的都是为了满足客户的需求，同时实现个人的价值和利益。