㈠ 論述在python程序中如何導入OpenCV以及matplotlib庫中的pyplot
首先分兩個：第一個：
Python程序中如何導入OpenCV
解決方法：
找到opencv源代碼中的cv2文件夾
復制到anaconda的lib文件夾中
再導入cv2，就好了。
然後python 3.7中導入
沒有安裝anaconda,只安裝了python的也可以將cv2復制到python的安裝路徑下的(C:Program FilesPython37Libsite-packages)文件夾中。
opencv4.3.0中的cv2
是opencv4.3.0可以看到，應該是其支持這幾個版本的python。
現在僅僅是可以將cv2導入，但是由於python和opencv的版本支持問題，並不一定可以使用cv2中所有的方法，若遇到問題，可以在評論區寫下，一起探索下奧。
以上內容為學習交流使用，純屬個人經驗，採納需謹慎！
解決方式如下：
解決方法：更換低版本matplotlib
pip3 uninstall matplotlib就可以解導入matplotlib庫中的pyplot的問題了！
希望這些能幫助到你！
㈡ python怎麼安裝opencv庫
本文教大家在Window系統下Python如何安裝OpenCV庫。
因為有強大的pip，所以只需要兩步就可安裝OpenCV庫，步驟見下：
第一步：win+R 打開運行，輸入cmd進入命令行窗口，看到如下界面：
第二步：直接輸入pip install opencv-python，如下圖：
等待安裝：
*強調：圖片中紅線表面，pip是從這個地址下載OpenCV庫的。
下載完成。
從圖中紅線可以看到，Opencv庫已成功安裝，且這個庫的大小是23.1MB。
更多Python相關技術文章，請訪問Python教程欄目進行學習！以上就是小編分享的關於python怎麼安裝opencv庫的詳細內容希望對大家有所幫助，更多有關python教程請關注環球青藤其它相關文章！
㈢ 使用OpenCV和Python進行圖像拼接
么是圖像拼接呢？簡單來說，對於輸入應該有一組圖像，輸出是合成圖像。同時，必須保留圖像之間的邏輯流。
首先讓我們了解圖像拼接的概念。基本上，如果你想捕捉一個大的場景，你的相機只能提供一個特定解析度的圖像（如：640×480），這當然不足以捕捉大的全景。所以，我們可以做的是捕捉整個場景的多個圖像，然後把所有的碎片放在一起，形成一個大的圖像。這些有序的照片被稱為全景。獲取多幅圖像並將其轉換成全景圖的整個過程稱為圖像拼接。
首先，需要安裝opencv 3.4.2.16。
接下來我們將導入我們將在Python代碼中使用的庫：
在我們的教程中，我們將拍攝這張精美的照片，我們會將其分成兩張左右兩張照片，然後我們會嘗試拍攝相同或非常相似的照片。
因此，我將此圖像切成兩個圖像，它們會有某種重疊區域：
在此，我們將列出我們應採取的步驟，以取得最終的結果:
因此，從第一步開始，我們將導入這兩個圖像並將它們轉換為灰度，如果您使用的是大圖像，我建議您使用cv2.resize，因為如果您使用較舊的計算機，它可能會非常慢並且需要很長時間。如果要調整圖像大小，即調整50％，只需將fx = 1更改為fx = 0.5即可。
我們還需要找出兩幅圖像中匹配的特徵。我們將使用opencv_contrib的SIFT描述符。SIFT (Scale constant Feature Transform)是一種非常強大的OpenCV演算法。這些最匹配的特徵作為拼接的基礎。我們提取兩幅圖像的關鍵點和sift描述符如下:
kp1和kp2是關鍵點，des1和des2是圖像的描述符。如果我們用特徵來畫這幅圖，它會是這樣的:
左邊的圖像顯示實際圖像。右側的圖像使用SIFT檢測到的特徵進行注釋：
一旦你有了兩個圖像的描述符和關鍵點，我們就會發現它們之間的對應關系。我們為什麼要這么做?為了將任意兩個圖像連接成一個更大的圖像，我們必須找到重疊的點。這些重疊的點會讓我們根據第一幅圖像了解第二幅圖像的方向。根據這些公共點，我們就能知道第二幅圖像是大是小還是旋轉後重疊，或者縮小/放大後再fitted。所有此類信息的產生是通過建立對應關系來實現的。這個過程稱為registration。
對於匹配圖像，可以使用opencv提供的FLANN或BFMatcher方法。我會寫兩個例子證明我們會得到相同的結果。兩個示例都匹配兩張照片中更相似的特徵。當我們設置參數k = 2時，這樣我們就要求knnMatcher為每個描述符給出2個最佳匹配。「matches」是列表的列表，其中每個子列表由「k」個對象組成。以下是Python代碼：
FLANN匹配代碼：
BFMatcher匹配代碼：
通常在圖像中，圖像的許多地方可能存在許多特徵。所以我們過濾掉所有的匹配來得到最好的。因此我們使用上面得到的前2個匹配項進行比值檢驗。如果下面定義的比值大於指定的比值，則考慮匹配。
現在我們定義在圖像上繪制線條的參數，並給出輸出以查看當我們在圖像上找到所有匹配時的樣子：
這是輸出的匹配圖像：
這部分完整Python代碼：
因此，一旦我們獲得了圖像之間的最佳匹配，我們的下一步就是計算單應矩陣。如前所述，單應矩陣將與最佳匹配點一起使用，以估計兩個圖像內的相對方向變換。
在OpenCV中估計單應性是一項簡單的任務，只需一行代碼:
在開始編碼拼接演算法之前，我們需要交換圖像輸入。所以img_現在會取右圖像img會取左圖像。
那麼讓我們進入拼接編碼:
因此，首先，我們將最小匹配條件count設置為10(由MIN_MATCH_COUNT定義)，並且只有在匹配良好的匹配超出所需匹配時才進行拼接。否則，只需顯示一條消息，說明匹配不夠。
因此，在if語句中，我們將關鍵點(從匹配列表)轉換為findHomography()函數的參數。
只需在這段代碼中討論cv2.imshow（「original_image_overlapping.jpg」，img2），我們就會顯示我們收到的圖像重疊區域：
因此，一旦我們建立了單應性，我們需要扭曲視角，我們將以下單應矩陣應用於圖像：
所以我們使用如下：
在上面兩行Python代碼中，我們從兩個給定的圖像中獲取重疊區域。然後在「dst」中我們只接收到沒有重疊的圖像的右側，因此在第二行代碼中我們將左側圖像放置到最終圖像。所以在這一點上我們完全拼接了圖像：
剩下的就是去除圖像的黑色，所以我們將編寫以下代碼來從所有圖像邊框中刪除黑邊：
這是我們調用修剪邊界的最終定義函數，同時我們在屏幕上顯示該圖像。如果您願意，也可以將其寫入磁碟：
使用上面的Python代碼，我們將首先收到原始圖片：
這是完整的最終代碼：
在本教程中，我們學習了如何使用OpenCV執行圖像拼接和全景構造，並編寫了最終的圖像拼接代碼。
我們的圖像拼接演算法需要四個主要步驟：檢測關鍵點和提取局部不變描述符; 獲得圖像之間的匹配描述符; 應用RANSAC估計單應矩陣; 使用單應矩陣應用warping transformation。
當僅為兩個圖像構建全景圖時，該演算法在實踐中工作良好。
㈣ python庫有哪些
Python比較常見的庫有：Arrow、Behold、Click、Numba、Matlibplot、Pillow等：
1、Arrow
Python中處理時間的庫有datetime，但是它過於簡單，使用起來不夠方便和智能，而Arrow可以說非常的方便和智能。它可以輕松地定位幾個小時之前的時間，可以輕松轉換時區時間，對於一個小時前，2個小時之內這樣人性化的信息也能夠准確解讀。
2、Behold
調試程序是每個程序員必備的技能，對於腳本語言，很多人習慣於使用print進行調試，然而對於大項目來說，print的功能還遠遠不足，我們希望有一個可以輕松使用，調試方便，對變數監視完整，格式已於查看的工具，而Behold就是那個非常好用的調試庫。
3、Click
現在幾乎所有的框架都有自己的命令行腳手架，Python也不例外，那麼如何快速開發出屬於自己的命令行程序呢?答案就是使用Python的Click庫。Click庫對命令行api進行了大量封裝，你可以輕松開發出屬於自己的CLI命令集。終端的顏色，環境變數信息，通過Click都可以輕松進行獲取和改變。
4、Numba
如果你從事數學方面的分析和計算，那麼Numba一定是你必不可少的庫。Numpy通過將高速C庫包裝在Python介面中來工作，而Cython使用可選的類型將Python編譯為C以提高性能。但是Numba無疑是最方便的，因為它允許使用裝飾器選擇性地加速Python函數。
5、Matlibplot
做過數據分析，數據可視化的數學學生一定知道matlab這個軟體，這是一個收費的數學商用軟體，在Python中，Matlibplot就是為了實現這個軟體中功能開發的第三方Python庫。並且它完全是免費的，很多學校都是用它來進行數學教學和研究的。
6、Pillow
圖像處理是任何時候我們都需要關注的問題，平時我們看到很多ps中的神技，比如調整畫面顏色，飽和度，調整圖像尺寸，裁剪圖像等等，這些其實都可以通過Python簡單完成，而其中我們需要使用的庫就是Pillow。
7、pyqt5
Python是可以開發圖形界面程序的。而pyqt就是一款非常好用的第三方GUI庫，有了它，你可以輕松開發出跨平台的圖形應用程序，其中qtdesigner設計器，更是加速了我們開發圖形界面的速度。
除了上述介紹的之外，Python還有很多庫，比如：Pandas、NumPy、SciPy、Seaborn、Keras等。
㈤ 如何用opencv python實現圖像的局部放大
在opencv_refman裡面找下這個函數吧，opencv_refman是opencv函數庫裡面自帶的，可以在opencv路徑下搜索下。