学习地址1：https://pan.baidu.com/s/1kF1AOMRwksyVRuEhB6_N5w 提取码: s9md
学习地址2：https://share.weiyun.com/h7QGjND2 密码：n7mvbe
一、PyQT的概念
PyQt是一个创建Python GUI应用程序的工具包，是Qt和Python结合的一个产物，可以说是为了将Qt的功能用于Python开发的一个Qt的Python包装器。它是Python编程语言和Qt库的成功融合。
PyQt的整个程序开发框架，主要包括如下部分：
图形界面编辑的工具：Qt Designer
不同部分信息交换机制：信号和槽
界面操作的事件及捕获机制
一套控制界面显示和数据存储分离以及映射的机制：Model/View架构
通过这些重要的工具和框架机制，开发人员可以设计对应的GUI图形化界面、定义不同部件的操作及响应、捕获部件或应用的消息以及实现界面显示组件和数据存储组件的联动，从而构造完整的应用程序框架。
PyQt实现了一个Python模块集。它有超过300类，将近6000个函数和方法。它是一个多平台的工具包，可以运行在所有主要操作系统上，包括UNIX，Windows和Mac。 PyQt采用双许可证，开发人员可以选择GPL和商业许可。在此之前，GPL的版本只能用在Unix上，从PyQt的版本4开始，GPL许可证可用于所有支持的平台。
二、OpenCV
OpenCV项目最初由Intel于1999年启动，当时的目标是提供一个免费的计算机视觉库，并开放其源代码，以促进计算机视觉研究的发展。随后，OpenCV在2000年发布了第一个公开版本，从那时起，OpenCV迅速成为了计算机视觉领域最受欢迎的库之一。后来，OpenCV的开发由Willow Garage公司继续，随后由Itseez公司接管，直到今天，OpenCV的开发由OpenCV开发团队维护。
核心功能和模块：
OpenCV库包含了众多的模块，每个模块都提供了不同的功能，以下是一些核心的模块：
2.1 核心功能模块（Core Module）
这个模块提供了基本的数据结构和功能，包括图像数据类型、矩阵操作、文件IO等。
图像操作：
读取和保存图像：可以使用 imread() 函数读取图像文件，使用 imwrite() 函数保存图像到文件。
图像属性访问：可以通过 Mat 对象的属性访问功能获取图像的尺寸、通道数、数据类型等信息。
像素操作：可以直接访问和修改图像的像素值，或者使用像素迭代器遍历图像。
图像通道操作：可以将多通道图像拆分成单通道图像，或者将单通道图像合并成多通道图像。
创建矩阵：可以使用 Mat 类的构造函数或 create() 函数创建矩阵。
矩阵运算：支持常见的矩阵运算，如加法、减法、乘法等。
矩阵转换：可以对矩阵进行转置、仿射变换、透视变换等操作。
2.2 图像处理模块（Image Processing Module）
OpenCV 的图像处理模块提供了各种图像处理算法，包括图像滤波、边缘检测、图像变换等。这些算法可以帮助用户对图像进行预处理、增强、分析和特征提取等操作。下面是图像处理模块中常用的功能和算法：
图像滤波（Image Filtering）：
平滑滤波（Smoothing Filters）：如均值滤波、高斯滤波、中值滤波等，用于去除图像中的噪声。
锐化滤波（Sharpening Filters）：如拉普拉斯滤波器、Sobel 滤波器等，用于增强图像的边缘和细节。
图像变换（Image Transformations）：
几何变换（Geometric Transformations）：如平移、旋转、缩放、仿射变换等，用于调整图像的尺寸和位置。
透视变换（Perspective Transformation）：用于校正图像中的透视失真。
边缘检测（Edge Detection）：
Sobel 算子：Sobel 算子通常用于灰度图像的边缘检测，其基本思想是利用图像中像素灰度值的变化情况来识别边缘。Sobel 算子在水平和垂直方向上分别定义了两个卷积核（通常为 3x3 的矩阵），用于计算图像中每个像素点的水平和垂直方向的梯度值。
Canny 边缘检测：首先，对输入图像进行高斯滤波，以减少图像中的噪声。高斯滤波可以平滑图像，并模糊图像中的细节，从而有助于检测到真实的边缘。在经过高斯滤波的图像上，利用 Sobel 算子或其他梯度算子计算图像的梯度幅值和梯度方向。梯度方向可以帮助确定边缘的方向。对图像中的梯度幅值进行非极大值抑制，保留局部梯度幅值最大的像素点，以使得边缘变得更细化。利用双阈值检测策略对梯度幅值进行阈值处理，将图像中的像素点分为强边缘、弱边缘和非边缘三类。通常设置两个阈值，一个是高阈值（high threshold），用于确定强边缘像素；另一个是低阈值（low threshold），用于确定弱边缘像素。通过连接强边缘像素，利用弱边缘像素进行边缘跟踪，得到完整的边缘。
三、人工智能应用
人工智能在生活中的应用有：
1、虚拟个人助理，使用者可通过声控、文字输入的方式，来完成一些日常生活的小事；
2、语音评测，利用云计算技术，将自动口语评测服务放在云端，并开放api接口供客户远程使用；
3、无人汽车，主要依靠车内的以计算机系统为主的智能驾驶仪来实现无人驾驶的目标；
4、天气预测，通过手机gprs系统，定位到用户所处的位置，在利用算法，对覆盖全国的雷达图进行数据分析并预测。
有疑问加站长微信联系（非本文作者）
