问Python中的机器视觉

EN

对于库来说，OpenCV可能是最好的选择；您可以为它们选择包装器。我查看了标准OpenCV安装附带的SWIG包装器，但最终还是使用了ctypes-opencv，因为它的内存管理似乎更简洁。

它们都是非常薄的C代码包装器，所以您能找到的任何C引用都适用于Python。

OpenCV非常庞大，文档也不是特别详细，但samples目录中包含了一些不错的示例，您可以使用它们来开始使用。here是一个可搜索的OpenCV应用编程接口参考。

您没有提到您是否在寻找在线或印刷资源，但我有一本O'Reilly的书，它非常好(用C编写的示例，但很容易翻译)。

FindContours函数有点类似于regionprops；它将为您提供一个已连接组件的列表，然后您可以检查该列表以获取它们的信息。

对于阈值设置，您可以尝试Threshold。我确信您可以向它传递一个标志来使用Otsu的方法，但它似乎没有在那里的文档中列出。

我还没有遇到与gray2ind对应的特定函数，但它们可能就在其中。

文档:几年前，我在Python中经常使用OpenCV包装。OpenCV有广泛的文档，附带了许多示例，甚至还有一个book。我使用的Python包装器非常薄，因此几乎不需要特定于包装器的文档(这是许多其他包装库的典型情况)。我想花几分钟看一个示例，比如PyCV单元测试，就足够了，然后您就可以专注于适合您需求的OpenCV文档了。

分析:至于是否有比OpenCV更好的库，我有些过时的观点是，如果你想做相当高级的事情(例如对象跟踪)，OpenCV是很好的，但它可能对你的需求有些过分了。听起来scipy ndimage结合一些基本的numpy数组操作可能就足够了。

获取:据我所知，获取的选项有OpenCV、Motmot或使用ctype直接连接到驱动程序。其中，我从来没有使用过Motmot，因为我在安装它时遇到了问题。我发现的其他方法相当简单，尽管我不记得细节(这是一件好事，因为它意味着它很容易)。

我已经建立了一个关于这个主题的网站：pythonvision.org。它有一些教程，&c和一些软件链接。那里有更多的链接和教程。