安裝

pip install numpy
pip install opencv-python
pip install opencv-contrib-python

OpenCV主要模塊

core

核心功能模塊。該模塊主要包含 OpenCV庫的基礎(chǔ)結(jié)構(gòu)以及基本操作，例如OpenCV基礎(chǔ)數(shù)據(jù)結(jié)構(gòu)、繪圖函數(shù)、數(shù)組操作相關(guān)函數(shù)、動態(tài)數(shù)據(jù)結(jié)構(gòu)等calib3d：
這個模塊名稱是有 calibration（校準(zhǔn)）和 3D 兩個術(shù)語的縮寫組合而成。包含了相機(jī)標(biāo)定與立體視覺等功能，例如物體位姿估計、三維重建、攝像頭標(biāo)定等

dnn

深度學(xué)習(xí)模塊。該模塊是 OpenCV4版的一個特色，主要包括：構(gòu)建神經(jīng)網(wǎng)絡(luò)、加載序列化網(wǎng)絡(luò)模型等。但這一模塊目前僅適用與正向傳遞計算（測試網(wǎng)絡(luò)），原則上不支持反向計算（訓(xùn)練網(wǎng)絡(luò)）。

feature2d

該模塊是由 feature（特征）和 2D 兩個術(shù)語的縮寫組合而成的，其功能主要為處理圖像特征點，例如特征檢測、描述、匹配等

flann

快速近似最鄰近庫（Fast Library for Approximate Nearest Neighbors）。該模塊是高維的近似近鄰快速搜索算法庫，主要包含快速近似近鄰搜索、聚類等

gapi

該模塊是 OpenCV4.0 中新增模塊，旨在加速常規(guī)的圖像處理。與其他模塊相比，這個模塊主要充當(dāng)框架，而不是某些特定的計算機(jī)視覺算法

highgui

高層 GUI，包含創(chuàng)建和操作顯示圖像的窗口、處理鼠標(biāo)事件及鍵盤命令、提高圖形交互可視化界面等

imgcodecs

圖像文件讀取與保存模塊，主要用于圖像文件讀取與保存

imgproc

該模塊名稱是由 image（圖像）和 process（處理）兩個組合而成。是重要的圖像處理模塊，主要包含：圖像濾波、幾何變換、直方圖、特征檢測、目標(biāo)檢測等

ml

機(jī)器學(xué)習(xí)模塊，主要包括：統(tǒng)計分類、回歸、數(shù)據(jù)聚類等

objdetect

目標(biāo)檢測模塊，主要用于圖像的目標(biāo)檢測，如檢測 Haar 特征

photo

計算攝像模塊，只要包含圖像修復(fù)、去燥等

stitching

圖像拼接模塊，主要包含：特征點尋找與匹配圖像、估計旋轉(zhuǎn)、自動校準(zhǔn)、接縫估計等圖像拼接過程的相關(guān)內(nèi)容

video

視頻分析模塊，主要包含：運動估計、背景分離、對象跟蹤等視頻處理等

videoio

視頻輸入/輸出模塊，主要用于讀取、寫入視頻 或者圖像序列

圖片基本操作

攝像頭采集圖片

# 引入OpenCV庫
import cv2

# 調(diào)用攝像頭進(jìn)行拍照 VideoCapture(0)0為默認(rèn)攝像頭
cap = cv2.VideoCapture(0)
# 獲取一幀圖片
# 如果捕獲成功，代碼中ret值為真，img為捕獲的圖像。
ret, img = cap.read()
# 釋放捕獲對象
cap.release()

讀取圖片

cv2.imread(path, 標(biāo)記)

第二個參數(shù)指定圖片被讀取的方式：

• cv2.IMREAD_COLOR : 讀入彩色圖像，默認(rèn)模式；
• cv2.IMREAD_GRAYSCALE : 以灰度模式讀入圖像；
• cv2.IMREAD_UNCHANGED : 加載圖像包含alpha通道。

使用數(shù)字簡約表示以上三種標(biāo)記，分別為 1， 0或-1。

import cv2
image_path = "images.jpg"
img = cv2.imread(image_path,0)

顯示圖像

import cv2
cap=cv2.VideoCapture(0)
ret,img=cap.read()    
## 如果捕獲成功，代碼中ret值為真，img為捕獲的圖像。
cap.release()
if ret:
    cv2.imshow('demo',img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
else:
    print("錯誤")

imshow(窗口名稱, 圖片對象) 

保存圖片

import cv2
cap=cv2.VideoCapture(0)
ret,img=cap.read()
cap.release()
if ret:
    cv2.imshow('demo',img)
    cv2.imwrite('2.png', img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
else:
    print("錯誤")

import cv2
cap=cv2.VideoCapture(0)
ret,img=cap.read()
cap.release()
if ret:
    cv2.imshow('demo',img)
    cv2.imwrite('2.png', img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
else:
    print("錯誤")

cv2.imwrite(path, 圖片對象)

色彩空間

色彩空間（Color space）是對色彩的組織方式，是坐標(biāo)系統(tǒng)和子空間的闡述，位于系統(tǒng)的每種顏色都有單個點表示。

RGB

OpenCV中默認(rèn)的色彩空間是BGR。BGR與RGB的區(qū)別只是三個顏色信道的位置發(fā)生了變化，實際上原理相同。

HSV與HSL色彩空間

為了更好的數(shù)字化處理顏色，提出了HSV，HSL兩個色彩空間。

HSV色彩空間中，H是色調(diào)(hue)，S是飽和度(saturation)， V是明度(value)。

HSL色彩空間中，H是色調(diào)(hue)，S是飽和度(saturation)，L是亮度(lightness)。

灰度空間

在OpenCV的灰度空間中，和一般的色彩空間相同，每一個顏色都有三個量，但是只有第一個亮度有值，所以表示為（亮度，0，0）。

其中，亮度是根據(jù)如下灰度公式計算而得：Gray = R*0.299 + G*0.587 + B*0.114

色彩空間轉(zhuǎn)換

經(jīng)常用到的是以下兩種：

1. BGR空間到Gray空間 的轉(zhuǎn)換；
2. BGR空間到HSV空間 的轉(zhuǎn)換。

使用的函數(shù)為：cv2.cvtColor()。

它的函數(shù)聲明為：

1. cv2.cvtColor(圖片對象，轉(zhuǎn)換類型)

對于BGR到Gray的轉(zhuǎn)換，使cv2.COLOR_BGR2GRAY類型。

同樣的，對于BGR到HSV的轉(zhuǎn)換，使用cv2.COLOR_BGR2HSV類型。

import cv2, requests
r=requests.get('https://raw.githubusercontent.com/MrHarsh10/ImageHosting-/main/img/202209062216524.jpg')
with open('pic.jpg','wb') as f:
    f.write(r.content)
img=cv2.imread('pic.jpg',1)
img2=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
cv2.imshow('處理前',img)
cv2.imshow('處理后',img2)
cv2.waitKey(0)
cv2.destroyAllWindows()
cv2.imwrite('test.jpg',img2) 

人臉識別應(yīng)用

類Harr特征

圖像中的特征通常是指，圖片的像素點經(jīng)過一系列的運算之后得到的結(jié)果，這些結(jié)果可能是向量、矩陣和多維數(shù)據(jù)等等。類Harr特征是一種反映圖像的灰度變化的，像素分模塊求差值的一種特征。

Harr特征類別

可分為三類：邊緣特征、線性特征、中心特征和對角線特征

邊緣特征

線性特征

中心特征和對角線特征

使用Harr分類器檢測人臉

OpenCV 中的人臉訓(xùn)練模型格式為 XML，可以從 https://github.com/opencv/opencv/tree/master/data/haarcascades 。在此我們使用Harrcascade_frontalface_default.xml模型檢測人臉。

聲明分類器：

CascadeClassifier(path)

調(diào)用分類函數(shù)：

detectMultiScale(img,scaleFactor, minNeighbors, minSize)`

參數(shù)說明：

1. 圖片對象：待識別圖片對象；
2. scaleFactor：圖像縮放比例；
3. minNeighbors：對特征檢測點周邊多少有效點同時檢測，這樣可避免因選取的特征檢測點太小而導(dǎo)致遺漏；
4. minSize：特征檢測點的最小尺寸，可選參數(shù)。

import cv2
img=cv2.imread('1.png',1)
grayimg=cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
faces = face_cascade.detectMultiScale(grayimg, 1.2, 5)

for (x,y,w,h) in faces:
    print((x,y,w,h))
    cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 6)
cv2.imshow('demo',img)
cv2.imwrite('out.jpg',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

文章來源地址http://www.zghlxwxcb.cn/news/detail-493767.html

攝像頭實時識別

import cv2
import numpy as np
capture = cv2.VideoCapture(0)
if capture.isOpened():
    while True:
        ret, frame = capture.read()
        grayimg = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
        faces = face_cascade.detectMultiScale(grayimg, 1.2, 5)
        for (x, y, w, h) in faces:
            cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 0, 255), 2)
        cv2.imshow('frame', frame)
        if cv2.waitKey(1) == ord('q'):
            capture.release()
            break
cv2.destroyAllWindows()

到了這里，關(guān)于OpenCV-Python:簡單實現(xiàn)人臉識別的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！