OpenCV-Python速查表：从导入图像到人脸检测_使用jupyter用opencv实现对图像进行五官检测

调整大小到20%后

这个调整大小函数会保持原始图像的尺寸比例。

更多图像缩放函数，请查看这里。（https://www.tutorialkart.com/opencv/python/opencv-python-resize-image/  ）

旋转

左图: 图片来自Pexels的Jonathan Meyer。右图: 进行180度旋转之后的狗狗。

image.shape输出高度、宽度和通道。M是旋转矩阵——它将图像围绕其中心旋转180度。

-ve表示顺时针旋转图像的角度  & +ve逆表示逆时针旋转图像的角度。

灰度和阈值(黑白效果)

来源：Pexels

gray_image 是灰度图像的单通道版本。

这个threshold函数将把所有比127深(小)的像素点阴影值设定为0，所有比127亮(大)的像素点阴影值设定为255。

另一个例子:

这将把所有阴影值小于150的像素点设定为10和所有大于150的像素点设定为200。

更多有关thresholding函数的内容，请查看这里。（https://docs.opencv.org/3.4/d7/d4d/tutorial_py_thresholding.html  ）

左图：灰阶狗狗。右图：黑白狗狗。

模糊/平滑

左图：图像来自Pixabay。右图：模糊后的狗狗。

高斯模糊函数接受3个参数:

第一个参数是要模糊的图像。

第二个参数必须是一个由两个正奇数组成的元组。当它们增加，模糊效果也会增加。

第三个参数是sigmaX和sigmaY。当左边位于0时，它们会自动从内部大小计算出来。

更多关于模糊函数的内容，请查看这里。（https://docs.opencv.org/3.1.0/d4/d13/tutorial_py_filtering.html  ）

在图像上绘制矩形框或边框

左图：图像来自Pixabay。右图：脸上有一个矩形框的狗狗。

rectangle函数接受5个参数:

第一个参数是图像。

第二个参数是x1, y1 -左上角坐标。

第三个参数是x2, y2 -右下角坐标。

第四个参数是矩形颜色(GBR/RGB，取决于你如何导入图像)。

第五个参数是矩形线宽。

绘制一条线

左图：图像来自Pixabay。右图：两只狗狗用一条线分开。

line函数接受5个参数:

第一个参数是要画的线所在的图像。

第二个参数是x1, y1。

第三个参数是x2, y2。

第四个参数是线条颜色(GBR/RGB，取决于你如何导入图像)。

第五个参数是线宽。

在图片上写入文字

左图：图像来自Pixabay。右图：两只狗狗用一条线分开。

putText函数接受 七个参数：

第一个参数是要写入文本的图像。

第二个参数是待写入文本。

第三个参数是x, y——文本开始的左下角坐标。

第四个参数是字体类型。

第五个参数是字体大小。

第六个参数是颜色(GBR/RGB，取决于你如何导入图像)。

第七个参数是文本线条的粗细。

人脸检测

这里没有找到狗狗照片，很遗憾：（

图片来自Pixabay,作者：Free-Photos。

detectMultiScale函数是一种检测对象的通用函数。因为我们调用的是人脸级联，所以它会检测到人脸。

detectMultiScale函数接受4个参数：

第一个参数是灰阶图像。

第二个参数是scaleFactor。因为有些人脸可能离镜头更近，所以看起来会比后台的人脸更大。比例系数弥补了这一点。

检测算法使用一个移动窗口来检测对象。minNeighbors定义在当前对象附近检测到多少对象，然后再声明检测到人脸。

与此同时，minsize给出了每个窗口的大小。

检测到两张人脸。

轮廓——一种对象检测方法

使用基于颜色的图像分割，你可以来检测对象。

cv2.findContours & cv2.drawContours 这两个函数可以帮助你做到这一点。

最近，我写了一篇非常详细的文章，叫做《使用Python通过基于颜色的图像分割来进行对象检测》。你需要知道的关于轮廓的一切都在那里。（https://towardsdatascience.com/object-detection-via-color-based-image-segmentation-using-python-e9b7c72f0e11  ）

最终,保存图片

总结

OpenCV是一个非常容易使用的算法库，可以用于3D建模、高级图像和视频编辑、跟踪视频中的标识对象、对视频中正在做某个动作的人进行分类、从图像数据集中找到相似的图像，等等。

nce.com/object-detection-via-color-based-image-segmentation-using-python-e9b7c72f0e11  ）

最终,保存图片

[外链图片转存中…(img-MXdeG0IK-1726068961032)]

总结

OpenCV是一个非常容易使用的算法库，可以用于3D建模、高级图像和视频编辑、跟踪视频中的标识对象、对视频中正在做某个动作的人进行分类、从图像数据集中找到相似的图像，等等。