OpenCV 入門：用 Node.js 進行圖片處理 （譯文）
在這篇 OpenCV 入門文章中，我將會向大家展示如何使用 Node.js 進行計算機視覺處理。並且結合例項講解使用 OpenCV 這個開源庫進行影象處理的基礎方法。
目前，我正在完成我的碩士論文，其中使用到了 React Native ，神經網路，和 OpenCV 計算機視覺庫。請允許我向你們展示一些我在使用 OpenCV 過程中學習到的一些東西。
計算機視覺是電腦科學中的一個領域，主要專注於使用不同的演算法從影象和視訊中獲取資料。
計算機視覺在許多領域得到了廣泛地應用，例如安全攝像頭的運動跟蹤，控制車輛進行自動駕駛，從圖片或視訊中識別或搜尋物件。
要實現計算機視覺演算法是一件非常繁複的工作，不過幸好有
OpenCV 官方支援 C ， C ++， Python 和 Java 。幸運的是，由 Peter Braden 領導的一群 Javascript 程式設計師開發了一個 Javascript 的 OpenCV 介面庫，名為 node-opencv。
利用該介面庫，我們可以實現用於影象分析的 Node.js 應用。此庫目前還沒有實現所有的 OpenCV 特性 - 特別是 OpenCV 3 的一些特性 - 不過已經基本夠用了。
安裝
要在 Node.js 中使用 OpenCV 庫，你得先進行全域性安裝。在 MacOS 上，你可以通過
譯者注：由於譯者實際使用的是 OpenCV 3.2.0 版本，故在邊緣偵測部分的程式碼相對於原文有所修改。
brew tap homebrew/science
brew install opencv
如果你使用的是其它的作業系統，這裡有 Linux 和 Windows 版本的教程。在成功安裝之後，我們就可以在 Node.js 專案中安裝 node-opencv 了。
npm install --save opencv
有時安裝會失敗（它是開源專案，還沒有到達最終完成的階段），不過你應該可以在該專案的 GitHub 頁面
OpenCV 基礎
載入及儲存圖片 + 矩陣
OpenCV 的最基本功能是載入和儲存影象。你可以通過下面的方法呼叫這些功能：cv#readImage() 和 **Maritx#save()**；
const cv = require('opencv');
cv.readImage('./img/myImage.jpg', function(err, img) {
if (err) {
throw err;
}
const width = im.width();
const height = im.height();
if (width < 1 || height < 1) {
throw new Error('Image has no size');
}
// do some cool stuff with img
// save img
img.save('./img/myNewImage.jpg');
});
承載載入圖片資料的物件，是 OpenCV 使用的一個基本資料結構 - 矩陣。所有載入和生成的影象都是用矩陣來描述的，矩陣中的每一個元素都對應影象的一個畫素。矩陣的大小由載入影象的大小決定。在 Node.js 中你可以使用特定引數呼叫 new Matrix() 構造方法來生成一個矩陣。
new cv.Matrix(rows, cols);
new cv.Matrix(rows, cols, type, fillValue);
修改影象
變換影象顏色是一個基礎方法。例如，我們可以呼叫 Matrix#convertGrayscale() 得到一個灰度圖片。
img.convertGrayScale();
img.save('./img/myGrayscaleImg.jpg');
在進行邊緣探測時經常會用到這個方法。
我們可以使用 Matrix#convertHSVscale() 方法將影象轉換為 HSV 圓柱座標表示（ HSV cylindrical-coordinate representation ）。
img.convertHSVscale();
img.save('./img/myHSVscaleImg.jpg');
我們可以使用 Matrix#crop(x, y, width, height) 方法來裁剪圖片，並指定其中的引數。
這個方法並不會改變當前的影象，而是返回一個全新的影象。
let croppedImg = img.crop(1000, 1000, 1000, 1000);
croppedImg.save('./img/croppedImg');
如果我們想要將影象物件賦值給另一個變數，可以使用 Matrix#copy() 方法返回一個新的圖片物件。
let newImg = img.copy();
這樣，我們可以用一些基礎的 Matrix 方法進行工作了。我們還能找到各種模糊和濾鏡方法來進行圖片編輯。你可以在 GitHub 專案裡的 Matrix.cc 檔案中找到 Matrix 物件實現的所有方法。
腐蝕和膨脹
腐蝕和膨脹是數學形態學（ mathematical morphology ）的基本方法。我將結合下面的影象修改操作來解釋它們是如何工作的。（譯者注：具體數學定義可參考此文）
二進位制影象 A 通過結構元素 B 的膨脹定義如下
OpenCV 有一個 Matrix#dilate(iterations, structEl) 方法，其中的 iterations 引數指定膨脹的量，structEl 引數是用於膨脹的結構元素（預設為 3X3 ）。
我們可以用此引數呼叫膨脹方法。
img.dilate(3);
OpenCV 呼叫膨脹方法時如下。
cv::dilate(self->mat, self->mat, sturctEl, cv::Point(-1, -1), 3);
呼叫過此方法後，我們可以得到如下修改過的影象。
二進位制影象 A 通過結構元素 B 的腐蝕定義如下
在 OpenCV 中，我們可以呼叫 Martix#erode(iterations, structEl) 方法，和前面的膨脹方法相似。
我們可以這樣呼叫它：
img.erode(3);
同樣我們可以得到一個腐蝕過的影象。
邊緣偵測
關於邊緣偵測，我們可以使用「坎尼邊緣探測演算法」。該演算法起源於 1986 年，並且一個非常流行，被稱作「最佳探測器」。演算法規定了邊緣偵測中三個重要的標準，列舉如下：
- 邊緣偵測要保證低錯誤率；
- 良好的邊緣定位 - 探測到的邊緣和實際邊緣畫素差必須最小；
- 影象的邊緣只能被標記一次；
在使用「坎尼邊緣探測演算法」前，我們可以先將影象轉為灰度格式，通常這樣做可以讓我們獲得更好的結果。接下來，我們可以通過高斯模糊濾鏡消除影象上的噪點，它需要一個向量作為高斯核大小的引數（ which receives a parameter as a field - Gaussian kernel size ）。再呼叫這兩個方法處理過後，我們可以在坎尼邊緣偵測時獲得更好更準確的結果。