OpenCV

OpenCV (Biblioteca de visión artificial de código abierto) es una biblioteca de código abierto con más de 2.500 algoritmos optimizados para el procesamiento de imágenes y la visión artificial (CV). Lee y escribe imágenes y vídeos, captura flujos de cámara, filtra y transforma píxeles, detecta y empareja características, calibra cámaras y ejecuta redes neuronales entrenadas. OpenCV nació en Intel Research en 1999, está escrito en C++ con enlaces para Python y Java, y se distribuye con licencia Apache 2.0 desde la versión 4.5.0. En Python se instala con pip install opencv-python y se importa como cv2; representa todas las imágenes como matrices NumPy.

Qué hace OpenCV#

• Entrada y salida de imágenes y vídeo: Lee y escribe formatos de imagen habituales, descodifica archivos de vídeo y captura fotogramas de cámaras y flujos de red.
• Procesamiento de imágenes: Cambio de tamaño, conversión del espacio de color, desenfoque, enfoque, umbralización y operaciones morfológicas: los pasos de preprocesamiento habituales antes de que una imagen llegue a un modelo.
• Detección y emparejamiento de características: Los detectores de esquinas y puntos clave, como SIFT y ORB, encuentran puntos distintivos que pueden emparejarse entre imágenes para unir panorámicas, localizar objetos y realizar SLAM visual. SIFT pasó a formar parte de la biblioteca principal en la versión 4.4.0, tras expirar su patente.
• Geometría de cámaras: La calibración elimina la distorsión de la lente, las homografías corrigen la perspectiva y el emparejamiento estéreo recupera la profundidad a partir de dos cámaras para robótica y reconstrucción 3D.
• Análisis de vídeo: La sustracción de fondo separa los objetos en movimiento de una escena estática, y el flujo óptico mide cómo se desplazan los píxeles entre fotogramas.
• Inferencia con redes neuronales profundas: El módulo dnn carga modelos entrenados, por ejemplo en formato ONNX, y los ejecuta en la CPU o la GPU sin necesidad de instalar un marco de aprendizaje profundo.

Esta canalización clásica encuentra los contornos de las formas de una imagen sin ningún modelo aprendido:

import urllib.request

import cv2
import numpy as np

# Download a sample image and decode it into a BGR NumPy array
data = urllib.request.urlopen("https://ultralytics.com/images/bus.jpg").read()
image = cv2.imdecode(np.frombuffer(data, np.uint8), cv2.IMREAD_COLOR)

# Classical pipeline: grayscale, blur to suppress noise, then Canny edge detection
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
blurred = cv2.GaussianBlur(gray, (5, 5), 0)
edges = cv2.Canny(blurred, 50, 150)

# Trace connected edge pixels into contours, the outlines of shapes in the scene
contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
print(f"Image shape: {image.shape}, contours found: {len(contours)}")

Imprime Image shape: (1080, 810, 3), contours found: 1449: una imagen de 1080×810 con tres canales de color y 1.449 contornos independientes trazados a partir de sus bordes. OpenCV almacena los canales de color en el orden azul-verde-rojo (BGR), por lo que primero hay que convertir las imágenes que se pasan a bibliotecas que esperan RGB con cv2.cvtColor.

OpenCV y los marcos de aprendizaje profundo#

OpenCV y los marcos de aprendizaje profundo, como PyTorch y TensorFlow, trabajan en distintas etapas de una misma canalización. OpenCV se ocupa del preprocesamiento de datos y de la salida alrededor de la red: captura fotogramas, cambia su tamaño, dibuja resultados y escribe el vídeo de salida; el marco entrena y ejecuta la red neuronal convolucional intermedia. Una aplicación de vídeo en tiempo real repite estos pasos para cada fotograma:

Ultralytics YOLO26 acepta directamente los fotogramas NumPy BGR de OpenCV, y results[0].plot() devuelve un fotograma anotado en el mismo formato, por lo que el modelo se integra en un bucle de OpenCV sin necesidad de ninguna conversión. Este ejemplo ejecuta una pasada del bucle sobre la imagen de muestra incluida en el paquete ultralytics:

import cv2
from ultralytics import YOLO
from ultralytics.utils import ASSETS

# OpenCV carga la imagen de muestra incluida como una matriz NumPy BGR
frame = cv2.imread(str(ASSETS / "bus.jpg"))

# YOLO26 recibe directamente el fotograma de OpenCV
model = YOLO("yolo26n.pt")
results = model(frame)

# plot() devuelve una matriz BGR anotada que OpenCV puede mostrar o guardar
annotated = results[0].plot()
cv2.imwrite("bus_annotated.jpg", annotated)

Dentro de un bucle de vídeo, se ejecutan las mismas tres llamadas en cada fotograma de cv2.VideoCapture, y cv2.imshow o cv2.VideoWriter sustituye a cv2.imwrite.