一 . opencv是什么及其作用?
OpenCV是一个基于BSD许可(开源)发行的跨平台计算机视觉库,可以运行在Linux、Windows、Android和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成,同时提供了Python、Ruby、MATLAB等语言的接口,实现了图像处理和计算机视觉方面的很多通用算法(百度百科)。
鉴于本人的工作环境主要是采用python作为开发工具,故本篇博客是基于python来做的学习记录。
二 . 环境依赖和opencv包
- 环境:python3.65+windows10
- 包:opencv-python、opencv-contrib-python(pip安装)
- 说明:装好python以后,直接在cmd里面使用pip install 即可,若遇见下载速度过慢或超时的情况,建议换个pip源,使用方式如:pip install package -i https://pypi.tuna.tsinghua.edu.cn/simple/
1. 读取图片,将其转换为数组
from matplotlib import pyplot as pyl import cv2 import numpyimg = cv2.imread("cat.jpg") #img是一个numpy.ndarray对象,默认是以BGR三通道读取图片数据(三维数组) #img_gray = cv2.imread("cat.jpg",cv2.IMREAD_GRAYSCALE) 以灰度图像方式读取图片数据(二维数组)
2. 数组数据转换
img_BGR = cv2.imread("cat.jpg") img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) #将其转换为灰度的二维数组数据
3. 数组数据窗口展示
img = cv2.imread("cat.jpg")cv2.imshow("IMage",img) cv2.waitKey(0) # 按任意键关闭窗口,cv2.waitKey(1000) 延时一秒关闭窗口 cv2.destroyAllWindows()
4. 图像保存
cv2.imwrite("mycat.jpg",img)
5. 图像的截取
# 其实本质就是对np数组进行操作 img = cv2.imread("cat.jpg") cv2.imshow("IMage",img[:100,:200]) # 取前100行,前200列的像素作为图像展示
6. BGR数据切片
img = cv2.imread("cat.jpg")# 切片 b,g,r = cv2.split(img) # 得到各自颜色通道的二维数组数据# 合并 img = cv2.merge(b,g,r)
7 同样大小的数组像素值运算
img = cv2.imread("cat.jpg") img_2 = numpy.copy(img)# np相加,像素值只要超过255,就减掉255,比如257,结果就为2 print(img[:3,:3,0]+img_2[:3,:3,0] ) # cv2相加,像素值超过255,就等于255 print(cv2.add(img[:3,:3,0],img_2[:3,:3,0]))
8 图片的融合
img_cat = cv2.imread("cat.jpg") img_dog = cv2.imread("dog.jpg")ret = cv2.addWeighted(img_cat,0.2,img_dog,0.8,0) # 数据后面的值决定图片融合和所占的权重 cv2.imshow("IMage",ret) cv2.waitKey(0) # 按任意键关闭窗口,cv2.waitKey(1000) 延时一秒关闭窗口 cv2.destroyAllWindows()# 如果图片大小不一致,使用cv2.resize(img_xx,(300,200)) ————》转换为np.shape = 200,300的数组
9 图片的比例缩放
img_cat = cv2.imread("cat.jpg")ret = cv2.resize(img_cat,(0,0),fx=3,fy=1) #横向拉长三倍 ret2 = cv2.resize(img_cat,(0,0),fx=3,fy=3) #图片扩大三
【实例】通过训练 进行人脸识别:
import numpy as npimport cv2import os
filenames = os.listdir('./faces/')
faces = []
# targerts == labels标签
targets = []
for f in filenames:for fn in os.listdir('./faces/%s'%(f)):faces.append(cv2.imread('./faces/%s/%s'%(f,fn)))targets.append(f.split('.')[0])
faces = np.asarray(faces)
targets = np.asarray(targets)
len(targets)
#60/
labels = np.asarray([i for i in range(1,7)]*10)
labels.sort()
labels
array([1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 3, 3,3, 3, 3, 3, 3, 3, 3, 3, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 5, 5, 5, 5,5, 5, 5, 5, 5, 5, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6])
# face-recognizer人脸的识别
# Eigen特征,根据特征值相似,认为同一个人
fr = cv2.face.EigenFaceRecognizer_create()
labels_train = labels[::2]
len(labels_train)
#30
faces_train = faces[::2]
len(faces_train)
#30
# faces_train2=[]
# for face in faces_train:
# gray = cv2.cvtColor(face,cv2.COLOR_BGR2BGRA)
# faces_train2.append(gray)
# 灰度化处理
faces_train2 = []
for face in faces_train:gray = cv2.cvtColor(face,cv2.COLOR_BGR2GRAY)faces_train2.append(gray)
faces_train2 = np.asarray(faces_train2)
faces_train2.shape
#(30, 64, 64)
# 训练
fr.train(faces_train2,labels_train)
face_test = faces[1::2]
#叫什么名字的标签
labels_test =labels[1::2]
targets_labels =targets[::10]
for face in face_test:gray = cv2.cvtColor(face,cv2.COLOR_RGB2GRAY)# 1 ~ 20label,confidence = fr.predict(gray)cv2.imshow(targets_labels[label-1],face)print(label,confidence)print('------------------',targets_labels[label-1])cv2.waitKey(1000)cv2.destroyAllWindows()
print(targets_labels)