实战深度学习(下)OpenCV库

实战深度学习(下)OpenCV库

   在上一节中,我们讲到了OpenCV库的安装,现在我们来进行实战,看如何利用Python来调用OpenCV库。

一:

如果您的电脑是win10的系统,那么请您按下win键,再按下空格键,输入Python,进入Python的IDEA shell界面。这个时候您也可以直接进入CMD进行民命令行模式的编辑,因为第一次可我们并不会很多的代码需要您去编辑。在后期您可以使用轻量级的IDEA,比如sublime test3 或者重量级的Pycharm IDEA进行编辑,它们都是现在世界上十分常用的Python编译器,用它们进行编辑,会给你们一种视觉上的清新之感以及灵魂上的愉悦之感呢。


二:如果您的电脑是linux操作系统,这是一个主流的选择。很好,笔者现在还没有为我的linux操作系统配置上Python环境,因此具体方法您可以百度一下。


三:如果您的电脑是苹果电脑,请您赶紧卖了,因为配置太低,系统难用,价格昂贵。完全不适合编写程序搞事情。


四:开始编写代码:

现在我们输入以下代码:

import cv2 

 #表示您引入了opencv库

import numpy as np

#表示您引入了用于计算矩阵的库并且将numpy简写为了np

现在,如果您按下F5运行,编译器没有报错的话,那么把您的库文件肯定是安装好的了,嘿嘿


五:读入图片,保存图片:

在opencv库当中,最基本的一步就是读入图片和保存图片了。我们可以在读入和保存图片的时候改变图片的格式,因为里面的库函数对Python的文件读写已经进行了一定的操作。现在我们键入以下代码:

# Load an color image in grayscale

img = cv2.imread('呵呵.jpg',0)

#表示您所读入的图片的名称和路径

cv2.imshow('image',img)

#显示图像

  cv2.waitKey(0)

#等待键盘事件,这和我们的单片机相同

  cv2.destroyAllWindows()

#意思和上面的英文代码相同


六:保存图片文件:

请输入以下代码:

cv2.imwrite('呵呵.png',img)

#即可保存以上图片为png格式了,十分方便。

七,笔者已经自己用OpenCV尝试成功进行人脸识别的项目,其结果如下所示:(由于这是在我的公众号上复制的,本人性别男,性格:懒。因此就懒得把图片复制过来了额)

posted @ 2018-03-31 12:46 Geeksongs 阅读( ...) 评论( ...) 编辑 收藏
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
├─1.计算机视觉简介、环境准备(python, ipython) │ computer vsion.pdf │ CS231 introduction.pdf │ ├─2.图像分类问题简介、kNN分类器、线性分类器、模型选择 │ 2. 图像分类简介、kNN与线性分类器、模型选择.mp4 │ 2.初识图像分类.pdf │ ├─3.再谈线性分类器 │ 3.再谈线性分类器.mp4 │ 再谈线性分类器.pdf │ ├─4.反向传播算法和神经网络简介 │ .反向传播算法和神经网络简介.pdf │ 4. 反向传播算法和神经网络简介.mp4 │ ├─5.神经网络训练1 │ 5.-神经网络训练1.pdf │ 5.神经网络训练1.mp4 │ ├─6.神经网络训练2、卷积神经网络简介 │ 6.神经网络训练2.mp4 │ 神经网络训练2.pdf │ ├─7.卷积神经网络 │ 7.卷积神经网络.mp4 │ Lession7.pdf │ ├─8.图像OCR技术的回顾、进展及应用前景 │ 8.图像OCR技术的回顾、进展及应用前景.mp4 │ PhotoOCR_xbai.pdf │ └─9.物体定位检测 物体定位检测.pdf │ ├─10.卷积神经网络可视化 │ .卷积神经网络可视化.pdf │ 10.卷积神经网络可视化.mp4 │ ├─11.循环神经网络及其应用 │ 11.循环神经网络及其应用.mp4 │ 循环神经网络.pdf │ ├─12.卷积神经网络实战 │ 12.卷积神经网络训练实战.mp4 │ 卷积神经网络实战.pdf │ ├─13.常见深度学习框架介绍 │ 常见深度学习框架介绍.pdf │ ├─14.图像切割 │ 14.图像切割.mp4
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值