Python机器视觉编程环境搭建方法

1. Why Python

C/C++

早期的计算机视觉领域大多数程序都是用C/C++编写。随着计算机硬件速度越来越快，开源平台越来越多，开发者选择计算机视觉算法的实现语言变得更加灵活，代码编写的效率和易用性成为选择编写语言时的考虑因素，而不再仅仅只考虑执行效率。

Python

Python的跨平台、开放性、易用性，加之丰富的资源使其成为近年来越来越多开发者的选择。国外出版了大量的Python编程、学习书籍，亚马逊搜索Python图书，结果列表长达100页共5712本（截止2016年5月28日）。你也可以从诸如Coursera或Edx等mooc平台找到像MIT校长讲授的Python入门等课程。国内也引进了许多优秀的学习资料和许多在线课程。除了这些学习资料，更重要的是Python自带很多可免费获取的强大而便捷的图像处理、数学计算和数据挖掘模块和丰富的其他网络资源。

本文以windows平台为例，介绍使用Python进行计算机视觉编程的开发环境搭建与基本配置，总结了软件下载地址、安装方法和开发环境搭建的基本方法，并提供了简单的代码示例。想说的是，Python安装方法与系统、软件版本等诸多因素有关，要想一步到位比较难，遇到问题多种方式可以混合尝试。

2.下载安装软件包

Python机器视觉编程环境的常用配置如下：

Python：Pyhton2.7或Python3.x
pip：python的一个包管理器，安装后可方便的引入第三方库
NumPy：该模块用于python计算机视觉编程时的向量、矩阵的表示与操作
SciPy：更高级的数学计算模块
Matplotlib：结果可视化模块
PIL：Python的图像处理类库，提供通用的图像处理功能及大量基本图像操作
LIBSVM：用于机器学习的开源库
OpenCV：流行的开源机器视觉算法库，提供越来越多的Python接口，目前支持到Python2.7

2.1 Python

下载地址：

https://www.python.org/downloads/

版本选择：

选择Python2还是Pyhton3这是一个问题，我们需要知道的：

Python2：用的人多，坑少，大多数第三方库目前都支持。
Python3：重大改进，发展趋势。但有些第三方库目前还支持不到3.x。
Python3与Python2有很多语法差异，并且不兼容2.x版本。

对初学者，可以先学Pyhton2.7，等第三方库支持较好了再学习Python3，也会比较快入手。

安装并添加环境变量：

下载与操作系统对应的版本，运行安装，这里选择默认安装路径C:\\Python27。

然后添加Python的安装路径到系统环境变量PATH中：计算机->右键->属性->高级系统设置，系统环境变量后加“;”号，然后添加python2.7的路径，确定。

这样，命令行即可直接运行Pyhton，并查看版本信息

2.2 安装pip

pip是python中的一个包管理器，就是在电脑中自动安装、配制、卸载和升级软件包的工具组合。pip可以代替之前的easy_install，可方便的引入第三方库。

下载地址：

https://pypi.python.org/pypi/pip

目前最新版本为PIP-8.1.2。

安装并添加系统环境变量：

下载对pip-8.1.2.tar.gz压缩包，打开cmd，进入相应解压目录使用命令行安装。

例如，下载的是PIP-8.1.2.tar.gz压缩包，解压后得到pip-8.1.2文件夹。将该拷贝到Python安装目录C:\\Python27下（不拷贝到这个文件夹也可以），打开cmd进入pip-8.1.2目录下运行：

python setup.py install

然后再次编辑系统环境变量，将C:\\Python27\\Scripts也添加到Path，这样可以方便的运行pip

有了pip可以在命令行使用 pip install xxx 的方法方便的安装所需的第三方库，例如下面的NumPy和SciPy等第三方库了。

2.3 NumPy

NumPy（Numeric Python）是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高效的多（该结构也可以用来表示矩阵（matrix））。提供了许多高级的数值编程工具，如：矩阵数据类型、矢量处理，以及精密的运算库。专为进行严格的数字处理而产生。

NumPy和SciPy都可以在http://www.scipy.org/scipylib/download.html下载。

下载地址：

https://sourceforge.net/projects/numpy/files/
https://sourceforge.net/projects/numpy/files/NumPy/1.9.2/numpy-1.9.2-win32-superpack-python2.7.exe/download

安装：

方法1：

下载源码，打开cmd，进入相应目录使用命令行安装

python setup.py install

方法2：

windows系统可以下载对应版本的.exe文件，如numpy-1.9.2-win32-superpack-python2.7.exe安装。

方法3：

使用pip直接安装NumPy

pip install numpy

可能会因为网速等原因安装不成功，多试几次。本机安装时试了两次装成功。

2.4 SciPy

SciPy (Scientific Computing Tools for Python) 是一款方便、易用的python的科学和工程计算工具包。它包括统计,优化,整合,线性代数模块,傅里叶变换,信号和图像处理，常微分方程求解器等。

方法3：

同样也可以使用pip直接安装scipy

pip install scipy

2.5 PIL

PIL (Python Imaging Library) Python图像处理类库。提供了通用的图像处理功能，以及大量游泳的基本图像操作，如图像缩放、裁剪、色彩空间转换等。

下载地址：

http://www.pythonware.com/products/pil/

安装：

方法1：

下载源码，打开cmd，进入相应目录使用命令行安装

python setup.py install

方法2：

windows系统可下载.exe文件，如PIL-1.1.7.win32-py2.7.exe安装。注意PIL目前免费版支持到Python2.7。

方法3：

使用pip安装

pip install PIL

2.6 matplotlib

matplotlib是一个2维Pyhton跨平台交互式绘图库。

下载地址：

http://matplotlib.org/users/installing.html
https://pypi.python.org/pypi/matplotlib/

安装说明文档http://matplotlib.org/users/installing.html 提示在windows平台安装matplot需要安装相应版本的setuptools, numpy, python-dateutil, pytz, pyparsing, 和 cycler。具体下载地址在该页面下方有。本机只预先装了numpy，其他包可能在pip安装时自动下载安装了吧。大家可以先试试下面的方法2。

安装：

方法1：

使用pip离线安装.whl文件。将上述下载地址下载好的matplotlib-1.5.1-cp27-none-win32.whl拷入某文件夹<dir>

pip install  e:\\教程\\python\\matplotlib \\ matplotlib-1.5.1-cp27-none-win32.whl

方法2：

使用pip在线安装

pip install matplotlib

2.7 LIBSVM

LIbSVM是台湾同胞为世界机器学习的卓越贡献之一，目前支持Python, R, MATLAB, Perl, Ruby, Weka, CommonLISP, CLISP, Haskell, OCaml, LabVIEW, and PHP interfaces. C# .NET code and CUDA多种语言。

下载地址：

http://www.csie.ntu.edu.tw/~cjlin/libsvm/

下载LIBSVM软件包libsvm-3.21.zip文件

安装：

windows下安装python的LIBSVM模块及其艰难，请务必做好思想准备：windows下安装LIBSVM最常见问题出在libsvm.dll文件上，关键是要用正确版本的libsvm.dll文件替换windows下的libsvm.dll文件。

在尝试网上各种方法未果后，终于找到一个在本机环境下能用的方法，并且此方法比较简便，仅供大家参考。本机环境为：

系统为win7 64位
下载的LIBSVM版本是libsvm-3.21压缩包
python安装路径C:\\Python27
Python版本：2.7.11 win32位

（1）将下载的libsvm-3.21压缩包解压到C盘根目录下（其他文件夹也可）

将libsvm-3.21解压到C:\\libsvm-3.21\\

（2）下载libsvm-3.21的.whl文件

到以下网址下载与自己Python版本对应的LIBSVM的.whl文件：

http://www.lfd.uci.edu/~gohlke/pythonlibs/#libsvm

拷贝到某目录，例如：e:\\教程\\python\\Libsvm

（3）使用pip安装libsvm-3.21-cp27-none-win32.whl

运行cmd，使用pip安装上述.whl文件：

pip install  e:\\教程\\python\\libsvm\\libsvm-3.21-cp27-none-win32.whl

图片[1]-Python机器视觉编程环境搭建方法-卡核
现在，符合本机环境和软件版本的LIBSVM就被存放到你python安装目录下的Lib\\site-packages文件夹中，其中有一个\\libsvm-3.21.dist-info文件夹，里面都是说明文件。

（4）将安装生成的libsvm.dll替换C:\\libsvm-3.21\\windows下的libsvm.dll

使用安装生成的C:\\Python27\\Lib\\site-packages\\下的libsvm.dll替换C:\\libsvm-3.21\\windows下的libsvm.dll。至此，libsvm.dll文件和你电脑的版本号完全对应，安装完成，本文在第3节测试安装。

本方法参考了下文：

http://www.mamicode.com/info-detail-1289587.html

2.8 OpenCV

OpenCV是业界最常用的开源机器视觉库，无需多介绍。

下载地址：

http://opencv.org/downloads.html

安装：

下载文件opencv-2.4.10.exe是一个自解压缩文件，将解压后的文件夹opencv->build->python->2.7->x86中的 cv2.pyd复制到：C:\\Python27\\Lib\\site-packages 中即可。

3. 测试安装：示例程序

3.1 NumPy+PIL

Python IDLE GUI新建File，输入如下代码，保存后F5运行

from PIL import Image
pil_im =Image.open("f:/images/Lena.jpg").convert('L')
pil_im.show()

值得注意的是：

windows7下PythonPIL库show()函数显示图片有问题，解决方法是在将Python安装目录下的Lib/site-packages/PIL目录下的 ImageShow.py 文件的第 99 行进行替换：

将原

return "start /wait %s && del/f %s" % (file, file)

替换为

return "start /wait %s && PING127.0.0.1 -n 5 > NUL && del /f %s" % (file, file)

替换后图片将使用windows图片查看器打开。

NumPy参考文档：

http://docs.scipy.org/doc/numpy/

PIL参考文档：

http://www.pythonware.com/library/pil/handbook/index.htm
http://effbot.org/imagingbook/

3.2 NumPy+Matplotlib

打开Python，File->New File，输入如下代码，保存，F5运行

import numpy as np
import matplotlib.pyplot as plt
X = np.linspace(-np.pi, np.pi, 256, endpoint=True)
C,S = np.cos(X), np.sin(X)
plt.plot(X,C)
plt.plot(X,S)
plt.show()

更多示例参考：

http://www.labri.fr/perso/nrougier/teaching/matplotlib/

帮助文档：

http://matplotlib.org/contents.html
http://matplotlib.org/Matplotlib.pdf

3.3 LIBSVM

2.7节已经安装配置好了LIBSVM，打开IDLE (PythonGUI)，新建一个文件，输入如下代码：

import os

os.chdir('C:\\libsvm-3.21\\python')
from svmutil import *

y, x = svm_read_problem('../heart_scale')
m = svm_train(y[:200], x[:200], '-c 4')
p_label, p_acc, p_val = svm_predict(y[200:], x[200:], m)

取个文件名（例如svmlib_test1.py）保存后，按F5运行，运行结果如下，说明安装成功

===================== RESTART:D:\\Python\\svmlib_test1.py =====================

Accuracy = 84.2857%(59/70) (classification)

3.4 OpenCV

打开解压后opencv文件夹中的source\\samples\\python

选择drawing.py右键->Edit with IDLE

如果没有问题应该看到变换的彩色条纹：

自己写个显示图像的例子，新建文件，输入代码

import cv2
im = cv2.imread("f:/images/Lena.jpg")
imGray = cv2.imread('f:/images/Lena.jpg',cv2.CV_LOAD_IMAGE_GRAYSCALE)
cv2.imshow("WinName",im)
cv2.imshow("Gray WinName",imGray)
cv2.waitKey()

保存，F5运行，结果如下