这篇文章将为大家详细讲解有关python中opencv的使用方法是什么,小编觉得挺实用的,因此分享给大家做个参考,希望大家阅读完这篇文章后可以有所收获。
OpenCV是一个旨在解决计算机视觉问题的Python库。OpenCV最初由Intel在1999年开发,但是后来由Willow Garage资助。它支持很多编程语言,如C++,Python,Java等等。它也支持多种平台,包括Windows,Linux和MacOS。
OpenCV Python只是一个与Python一起使用的原始C++库的包装类。通过使用它,所有OpenCV数组结构都能被转化为NumPy数组或从NumPy数组转化而来。这样就可以轻松地将其与其他使用NumPy的库集成。例如,SciPy和Matplotlib等库。
OpenCV的基础操作?
Opencv能完成以下从加载图像到调整大小等基本操作:
使用OpenCV加载图片
查看图片形状/分辨率
显示图片
调整图像大小
1. 使用OpenCV加载图片
Import cv2 # colored Image Img = cv2.imread ("Penguins.jpg",1) # Black and White (gray scale) Img_1 = cv2.imread ("Penguins.jpg",0)
如以上代码所示,第一个要求是导入OpenCV模块。
之后,我们可以用imread模块读取图片。参数中的1代表这是一个彩色图片。如果这个参数的值是0,就意味着这个将被导入的图片是黑白图片。这里的图片名称是“Penguins”。很简单吧?
2. 查看图片形状/分辨率
我们可以使用shape子函数来输出图片的形状。看看以下代码:
Import cv2 # Black and White (gray scale) Img = cv2.imread ("Penguins.jpg",0) Print(img.shape)
对于图片的形状,我们指的是NumPy数组的形状。执行代码之后你将会看到这个矩阵由768行和1024列组成。
3. 显示图片
使用OpenCV显示图片非常简单和直接。思考以下图片:
import cv2 # Black and White (gray scale) Img = cv2.imread ("Penguins.jpg",0) cv2.imshow("Penguins", img) cv2.waitKey(0) # cv2.waitKey(2000) cv2.destroyAllWindows()
正如你所见,我们首先使用imread导入图片。我们需要一个输出窗口来显示这个图片,对吧?
然后,我们等待用户事件。waitKey使窗口保持静态直到用户按下一个键。传入的参数是以毫秒为单位的时间。
最后,我们根据waitForKey的参数使用destroyAllWindows关闭窗口。
4. 调整图像大小
类似地,调整图像大小非常简单。 这里有另一个代码段:
import cv2 # Black and White (gray scale) img = cv2.imread ("Penguins.jpg",0) resized_image = cv2.resize(img, (650,500)) cv2.imshow("Penguins", resized_image) cv2.waitKey(0) cv2.destroyAllWindows()
这里,resize函数用于将图像大小调整为所需的形状。这里的参数是新调整大小后的图像的形状。
与之前的代码相比,剩下的代码非常简单,对吗?
我相信你们对企鹅很好奇,这是我们想要输出的图片!
这是另一个向resize函数传递参数的方法。看看下面的表示方法:
Resized_image = cv2.resize(img, int(img.shape[1]/2), int(img.shape[0]/2)))
这里,我们得到的新图像大小是原始图像的一半。
使用OpenCV进行人脸检测
这看起来很复杂,但实际上很容易。 让我带你了解整个过程,然后你也会有同样的感受。
第一步:想一想我们的先决条件。我们首先需要一个图像。然后,我们需要创建一个级联分类器,它最后会给我们提供面部特征。
第二步:这一步要使用到OpenCV读取图像和特征文件。所以这个时候,原始数据点是NumPy数组的形式。
我们要做的就是搜索面部 NumPy n维数组的行和列的值。这是具有面部矩形坐标的数组。
第三步:最后一步是使用矩形面框显示图像。
看看下面的图片,这里我以图片的形式总结了上述的三个步骤以便于阅读:
非常直接明了,对吧?
首先,如之前所述,我们创建CascadeClassifier对象来提取面部特征。包含面部特征的XML文件路径是此处的参数。
下一步是读取一个包含面部的图片,并且使用COLOR_BGR2GREY将其转化为黑白图片。接下来,我们搜索图像的坐标。这是使用detectMultiScale来实现的。
你问什么坐标?它是面部矩形的坐标。scaleFactor被用来减小5%的形状值,直到找到面部。因此,总的来说,值越小,准确度越高。
最后,这张脸被显示到窗口。
给识别的人脸添加矩形面框
这个逻辑很简单——就像使用for循环语句一样简单。看看下面的图片:
我们通过传递参数(比如图片对象,轮廓框的RGB值和矩形的宽度),使用cv2.rectangle来定义方法以创建一个矩形。
让我们来看看面部检测的完整代码:
import cv2 # Create a CascadeClassifier Object face_cascade = cv2.CascadeClassifier("haarcascade_frontalface_default.xml") # Reading the image as it is img = cv2.imread("photo.jpg") # Reading the image as gray scale image gray_img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) # Search the co-ordintes of the image faces = face_cascade.detectMultiScale(gray_img, scaleFactor = 1.05, minNeighbors=5) for x,y,w,h in faces: img = cv2.rectangle(img, (x,y), (x+w,y+h),(0,255,0),3) resized = cv2.resize(img, (int(img.shape[1]/7),int(img.shape[0]/7))) cv2.imshow("Gray", resized) cv2.waitKey(0) cv2.destroyAllWindows()
关于python中opencv的使用方法是什么就分享到这里了,希望以上内容可以对大家有一定的帮助,可以学到更多知识。如果觉得文章不错,可以把它分享出去让更多的人看到。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。