最后
🍅 硬核资料:关注即可领取PPT模板、简历模板、行业经典书籍PDF。
🍅 技术互助:技术群大佬指点迷津,你的问题可能不是问题,求资源在群里喊一声。
🍅 面试题库:由技术群里的小伙伴们共同投稿,热乎的大厂面试真题,持续更新中。
🍅 知识体系:含编程语言、算法、大数据生态圈组件(Mysql、Hive、Spark、Flink)、数据仓库、Python、前端等等。
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
简单读取一个图像,并将该图像显示:
# 导入模块
import cv2
# 读取图片
im = cv2.imread('./zxc/1.jpg')
# 显示图片,该方法只会显示一瞬间。(第一个参数为窗口名称,第二个参数为ndarray对象)
cv2.imshow('im', im)
# 等待键盘输入,传入毫秒值,当传入0时表示无限等待。(imshow配合该方法可以让界面一直显示)
cv2.waitKey(0)
# 因为OpenCv是用C/C++写的,所以需要释放内存
cv2.destroyAllWindows()
上述代码就实现了最简单的读取并显示图像的操作了。
1.2、opencv图像灰度转换
灰度转换就是将图片转换成黑白图像。因为我们在人脸识别时,灰度图像便于识别,
import cv2
# 读取图像
im = cv2.imread('./zxc/2.jpg')
# 灰度转换(第一个参数为ndarray对象,第二个参数为cv2中的常量),返回一个ndarray对象
grey = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)
# 将grey保存
cv2.imwrite('grey.jpg', grey)
# 显示灰度转换后的图像
cv2.imshow('grey', grey)
# 等待键盘输入
cv2.waitKey(0)
# 销毁窗口
cv2.destroyAllWindows()
1.3、绘制图形
后续在检测人脸的时候,我们会绘制图形,将人脸框起来。图形的绘制也非常简单.
import cv2
# 读取图像
im = cv2.imread('./zxc/15.jpg')
# 在图像im上绘制矩形
"""
第一个参数为ndarray对象
第二个参数为左上角的坐标(x1, y1)
第三个参数为右下角的坐标(x2, y2)
第四个参数为颜色值,其顺序不同于我们之前的,使用的是BGR
第五个参数为线条宽度
"""
cv2.rectangle(im, (220, 100), (380, 250), (255, 255, 0), 2)
# 显示图像
cv2.imshow('im', im)
# 等待输入
cv2.waitKey(0)
# 销毁窗口
cv2.destroyAllWindows()
二、人脸检测
2.1、获取特征数据
开始人类检测之前,我们要先获取一个特征数据。在opencv安装目录中,cv2/data文件夹,进入该文件夹后,里面全是特征文件,我们一般选用haarcascade_frontalface_default.xml。
2.1、检测人脸
我们可以把特征文件复制到我们项目下,也可以直接用绝对路径引用。cv2.CascadeClassifier对象可以用来检测人脸
face_detector = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
其中,传入参数为特征文件的路径。我们可以选择相对路径,也可以选择绝对路径。完整人类检测代码如下:
import cv2# 加载特征数据face_detector = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')# 读取图片im = cv2.imread('./zxc/2.jpg')# 检测人脸,返回人脸的位置信息faces = face_detector.detectMultiScale(im)# 遍历人脸for x, y, w, h in faces: # 在人脸区域绘制矩形 cv2.rectangle(im, (x, y), (x+w, y+h), (255, 255, 0), 2)# 显示图像cv2.imshow('im', im)cv2.waitKey(0)cv2.destroyAllWindows()
其中detectMultiScale方法返回一个数组对象,这个对象保存了n张人脸的左上角坐标、脸的宽、脸的高。检测效果如下:
三、人脸识别
3.1、训练数据
训练数据主要有两个部分,人脸信息和标签,其中标签为int列表。我在目录data中准备了钢铁侠和周星驰的图片,钢铁侠为1,周星驰为2。
准备好图像后,我们就可以开始训练数据了,训练数据代码如下:
import cv2import osimport numpy
root_path = "./data/"
lables = []faces = []
def getFacesAndLabels(): """读取图片特征和标签""" global root_path
# 获取人脸检测器 face_detector = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
# 获取图片路径 folders = os.listdir(root_path) for folder in folders: path = os.path.join(root_path, folder) files = os.listdir(path) for file in files: # 读取图片 path1 = os.path.join(path, file) im = cv2.imread(path1) # 转换灰度 grey = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY) # 读取人脸数据 face = face_detector.detectMultiScale(grey) for x, y, w, h in face: # 设置标签,分离文件名称 lables.append(int(folder)) # 设置人脸数据 faces.append(grey[y:y + h, x:x + w])
return faces, lables
# 调用方法获取人脸信息及标签faces, labels = getFacesAndLabels()# 获取训练对象recognizer = cv2.face.LBPHFaceRecognizer_create()# 训练数据recognizer.train(faces, numpy.array(labels))# 保存训练数据recognizer.write('model.yml')
![在这里插入图片描述](https://img-blog.csdnimg.cn/20210511152217670.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poaWd1aWd1,size_16,color_FFFFFF,t_70)
**感谢每一个认真阅读我文章的人,看着粉丝一路的上涨和关注,礼尚往来总是要有的:**
① 2000多本Python电子书(主流和经典的书籍应该都有了)
② Python标准库资料(最全中文版)
③ 项目源码(四五十个有趣且经典的练手项目及源码)
④ Python基础入门、爬虫、web开发、大数据分析方面的视频(适合小白学习)
⑤ Python学习路线图(告别不入流的学习)
**网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。**
**[需要这份系统化学习资料的朋友,可以戳这里获取](https://bbs.csdn.net/topics/618317507)**
**一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!**