OpenCV简单实践

1.读取图片

# 导入cv模块
import cv2 as cv
# 读取图片
img = cv.imread('test/people.jpg')
# 显示图片
cv.imshow("img", img)
# 等待
cv.waitKey(0)
# 释放内存
cv.destroyAllWindows()

2.灰度转换

# 导入cv模块
import cv2 as cv
# 读取图片
img = cv.imread('test/people.jpg')
# 灰度转换
gray_img = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
# 显示灰度图片
cv.imshow("gray_img", gray_img)
# 显示图片
cv.imshow("img", img)
# 保存图片
cv.imwrite('img.jpg', img)
# 等待
cv.waitKey(0)
# 释放内存
cv.destroyAllWindows()

3.修改尺寸

# 导入cv模块
import cv2 as cv
# 读取图片
img = cv.imread('test/people.jpg')
#修改尺寸
resize_img = cv.resize(img, dsize=(200,200))
# 显示原图
cv.imshow('img',img)
#显示修改后的
cv.imshow('resize_img',resize)
#打印原图尺寸
print("原图尺寸:",img.shape)
#打印修改后的尺寸
print("修改后尺寸:",resize_img.shape)
# 等待
while True:
    if ord('q') ==cv.waitKey(0):
         break
# 释放内存
cv.destroyAllWindows()

4.绘制矩形

# 导入cv模块
import cv2 as cv
# 读取图片
img = cv.imread('test/people.jpg')
# 坐标
x,y,w,h = 100,100,100,100
# 绘制矩形(图片,矩形起始点长宽,颜色[RGB 0~255],线的粗细)
cv.rectangle(img,(x,y,x+w,y+h),color=(0,0,255),thickness=1)
# 绘制圆形(图片,圆心,半径,颜色,线粗细)
#cv.circle(img,center=(x+w,y+h),radius=100,color=(255,0,0),thickness=1)
# 显示
cv.imshow('img',img)
while True:
    if ord('q') ==cv.waitKey(0):
         break
# 释放内存
cv.destroyAllWindows()

5.人脸检测

detectMultiScale函数介绍：

参数1：image--待检测图片，一般为灰度图像加快检测速度；

参数2：objects--被检测物体的矩形框向量组；

参数3：scaleFactor--表示在前后两次相继的扫描中，搜索窗口的比例系数。默认为1.1即每次搜索窗口依次扩大10%;

参数4：minNeighbors--表示构成检测目标的相邻矩形的最小个数(默认为3个)。 如果组成检测目标的小矩形的个数和小于 min_neighbors - 1 都会被排除。 如果min_neighbors 为 0, 则函数不做任何操作就返回所有的被检候选矩形框， 这种设定值一般用在用户自定义对检测结果的组合程序上； 参数5：flags--要么使用默认值，要么使用CV_HAAR_DO_CANNY_PRUNING，如果设置为CV_HAAR_DO_CANNY_PRUNING，那么函数将会使用Canny边缘检测来排除边缘过多或过少的区域，因此这些区域通常不会是人脸所在区域；

参数6、7：minSize和maxSize用来限制得到的目标区域的范围。

1.image表示的是要检测的输入图像

2.objects表示检测到的人脸目标序列

3.scaleFactor表示每次图像尺寸减小的比例

4.minNeighbors表示每一个目标至少要被检测到3次才算是真的目标(因为周围的像素和不同的窗口大小都可以检测到人脸),

5.minSize为目标的最小尺寸

6.minSize为目标的最大尺寸

# 导入cv模块
import cv2 as cv
# 检测函数
def face_detect_demo():
    #将图片转换为灰度
    gray_img = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
    # 加载分类器（调用opencv自带的人脸识别分类器，就不用自己去训练了）
    face_detect = cv.CascadeClassifier('D:/ProgramData/Anaconda3/Lib/site-packages/cv2/data/haarcascade_frontalface_default.xml')
    face = face_detect.detectMultiScale(gray_img,1.01,5,0,(1,1),(50,50))
    # 绘制框
    for x,y,w,h in face:
        cv.rectangle(img,(x,y),(x+w,y+h),color=(0,0,255),thickness=1)
    # 显示
    cv.imshow('face',img)
    
# 读取图像
img = cv.imread('test/p.jpg')
# 检测函数
face_detect_demo()
while True:
    if ord('q') ==cv.waitKey(0):
         break
# 释放内存
cv.destroyAllWindows()

6.视频检测

# 导入cv模块
import cv2 as cv
# 检测函数
def face_detect_demo(img):
    #将图片转换为灰度
    gray_img = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
    # 加载分类器（调用opencv自带的人脸识别分类器，就不用自己去训练了）
    face_detect = cv.CascadeClassifier('D:/ProgramData/Anaconda3/Lib/site-packages/cv2/data/haarcascade_frontalface_default.xml')
    face = face_detect.detectMultiScale(gray_img,1.21,5,0,(100,100),(300,300))
    # 绘制框
    for x,y,w,h in face:
        cv.rectangle(img,(x,y),(x+w,y+h),color=(0,0,255),thickness=2)
    # 显示
    cv.imshow('face',img)
    
#读取摄像头
cap = cv.VideoCapture(0)

# 循环
while True:
    flag,frame = cap.read()
    if not flag:
        break
    face_detect_demo(frame)
    if ord('q') ==cv.waitKey(0):
         break          

# 释放摄像头
cap.release()
# 释放内存
cv.destroyAllWindows()