03数据分析之opencv的使用

opencv的使用

一、安装与配置opencv

安装： pip inatall opencv-python

opencv 由c++开发， python调用使用cv2模块
import cv2

二、opencv处理图片

import cv2

huazai = cv2.imread('./huazai.jpg')  # 读取本地图片
huazai.shape  # 查看图片维度

1、显示图片
cv2.imshow('hua', huazai)  # 显示图片
cv2.waitKey(0)  # 等待键盘输入，单位毫秒，如果是0，无限等待
cv2.destroyAllWindows()


2、将图片转换为黑白色
# BGR 蓝绿红，cv2读取图片颜色通道为BGR
# PIL 读取图片，颜色通道RGB
huazai2 = cv2.cvtColor(huazai, code=cv2.COLOR_BGR2GRAY)  # 将图片转换为黑白色
cv2.imshow('huag', huazai2)
cv2.waitKey(0)  # 等待键盘输入，单位毫秒，如果是0，无限等待
cv2.destroyAllWindows()

3、保存/另存图片
cv2.imwrite('./huag.png', huazai2)  # 保存/另存图片


4、改变图片大小
huazai3 = cv2.resize(huazai, dsize=(300, 300)) # 改变图片大小
huazai3.shape  #(300, 300, 3)

二、opencv人脸识别

1.人脸识别
# https://github.com/opencv/opencv/tree/master/data/haarcascades
# 需要在github下载人脸特征数据

import numpy as np
import cv2

hua = cv2.imread('./wuli.jpg')  # 读取图片

# 级联分类器， 加载人脸数据特征数据，返回可以识别人脸的对象
detecttor = cv2.CascadeClassifier('./haarcascade_frontalface_default.xml')

# 检测人脸位置,
# scaleFactor缩放比例，默认1.1，缩放检测区来检测
# minNeighbors  左右两边检测出来的零基数量， 默认3(向左，向右，向上下移动检测都是人脸，则认为是人脸)
# minSize: 最小人脸区域
face_zone = detecttor.detectMultiScale(hua, scaleFactor=1.3, minNeighbors=5,minSize=(20,20))  
# face_zone  # array([[121, 110, 219, 219]], dtype=int32)

for x,y,w,h in face_zone:  # 画正方形
    cv2.rectangle(hua, pt1=(x,y), pt2=(x + w, y + h),color=(0,255,0),thickness=1)
    
cv2.imshow('hua', hua)
cv2.waitKey(0)
cv2.destroyAllWindows()



2.将图片转换成黑白色再识别

import numpy as np
import cv2

hua = cv2.imread('./wuli.jpg')

huageay = cv2.cvtColor(hua, code=cv2.COLOR_BGR2GRAY)  # 将图片转换为黑白色

# 级联分类器， 加载人脸数据特征数据，返回可以识别人脸的对象
detecttor = cv2.CascadeClassifier('./haarcascade_frontalface_default.xml')

# 检测人脸位置,
# scaleFactor缩放比例，默认1.1，缩放检测区来检测
# minNeighbors  左右两边检测出来的零基数量， 默认3(向左，向右，向上下移动检测都是人脸，则认为是人脸)
# minSize: 最小人脸区域
face_zone = detecttor.detectMultiScale(huageay, scaleFactor=1.3, minNeighbors=5,minSize=(20,20))  

# face_zone  # array([[121, 110, 219, 219]], dtype=int32)

for x,y,w,h in face_zone:  # 画正方形（给定两个点的坐标即可）
    cv2.rectangle(hua, pt1=(x,y), pt2=(x + w, y + h),color=(0,255,0),thickness=1)
    
    color = np.random.randint(0,255,size=3)
    cv2.circle(hua, center=(x+w//2, y+h//2), radius=w//2,   # 画圆（给定圆心和半径）
               color = color.tolist(),
               thickness = 2  # 粗细程度
              )
    
cv2.imshow('hua', hua)
cv2.waitKey(0)
cv2.destroyAllWindows()

三、opencv处理视频

1.opencv处理视频：

	视频是多张图片组合而成的
	opencv可以读取视频中的每一帧图片
	保存成jpg格式的图片

    
2.opencv处理视频及相关属性

import cv2

cap = cv2.VideoCapture('./shipin.mp4')  # 读取视频
flag, frame = cap.read()  # 获取一帧, 如果获取失败返回False
print(flag, frame.shape)  # True (720, 1280, 3)

cv2.imshow('shipin', frame)  # 展示获取的图片帧
cv2.waitKey()
cv2.destroyAllWindows()

cap.get(propId = cv2.CAP_PROP_FPS)  # 获取每秒多少帧  25.0  # 1000/25  # 40
cap.get(propId = cv2.CAP_PROP_FOURCC)  # 获取编码格式
cap.get(propId = cv2.CAP_PROP_FRAME_COUNT)  # 获取总帧数  #3400.0
cap.get(propId = cv2.CAP_PROP_FRAME_HEIGHT) # 获取帧高度  # 720.0
cap.get(propId = cv2.CAP_PROP_FRAME_WIDTH)  # 获取帧宽度  # 1280.0



3.读取并播放视频（帧播放）
import cv2

cap = cv2.VideoCapture('./shipin.mp4')  # 读取视频
while cap.isOpened():  # 判断是否还打开
    flag,frame = cap.read()   # 获取一帧, 如果获取失败返回False
    
    if flag == False:
        break
        
    cv2.imshow('shipin', frame)
    
    if ord('q') == cv2.waitKey(40):
        break

cv2.destroyAllWindows()
cap.release()


4.在视频中加入人脸检测及获取电脑摄像头检测人脸：

import cv2
# 加入人脸检测
# cap = cv2.VideoCapture('./shipin.mp4')  # 读取视频,参数是0调取本地摄像头
cap = cv2.VideoCapture(0)  # 读取视频,参数是0调取本地摄像头

detector = cv2.CascadeClassifier('./haarcascade_frontalface_default.xml')

while cap.isOpened():  # 判断是否还打开
    flag,frame = cap.read()
    gray = cv2.cvtColor(frame, code = cv2.COLOR_BGR2GRAY)
    
    face_zone = detector.detectMultiScale(gray, scaleFactor=1.2, minNeighbors=5)
    
    for x,y,w,h in face_zone:
        cv2.circle(frame, center=(x+w//2, y+h//2), radius=w//2, color=[0, 0, 255], thickness=2)
    
    if flag == False:
        break
        
    cv2.imshow('shipin', frame)
    
    if ord('q') == cv2.waitKey(20):
        break

cv2.destroyAllWindows()
cap.release()



5.写视频（保存视频）
import cv2

# 加入人脸检测
# cap = cv2.VideoCapture('./shipin.mp4')  # 读取视频,参数是0调取本地摄像头
cap = cv2.VideoCapture(0)  # 读取视频,参数是0调取本地摄像头

w = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH)) + 1
h = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT)) + 1

# videoWriter = cv2.VideoWriter('./po.avi', cv2.VideoWriter_fourcc('M', 'P','4','2'), 24, (w, h))  # 写avi格式
videoWriter = cv2.VideoWriter('./po.mp4', cv2.VideoWriter_fourcc('M', 'P','4','V'), 16, (w,h))  # 写mp4格式



while cap.isOpened():  # 判断是否还打开
    flag,frame = cap.read()
     
    if flag == False:
        break
    
    cv2.imshow('shipin', frame)
    videoWriter.write(frame)
        
    
    if ord('q') == cv2.waitKey(20):
        break

cv2.destroyAllWindows()
cap.release()
videoWriter.release()

opencv识别人脸：
人脸特征都是相似的
根据人脸特征，识别人脸
声明算法，给什么样的特征，识别什么样的事物：眼睛，嘴巴，等等
face_detect = cv2.CascadeClassifier(’./haarcascade_frontalface_default.xml’)
人脸加测代码
face_detect.detectMultiScale(huazai,scaleFactor = 1.1,minNeighbors = 5)

opencv识别多张人脸：
可以将图片变成灰色图片，进行检测
灰色图片和彩色图片尺寸一样
人脸区域不会发生变化
opencv在检测人脸时，只能检测正脸
一张图片中，如果有多张人脸，人脸尺寸不一样，算法可以检测到不同尺寸的人脸

opencv识别视频中的人脸：
视频的帧数
cap.get(propId = cv2.CAP_PROP_FPS)
识别视频中的人脸和识别一张图片中的人脸操作流程类似的
原理是相同

opencv识别摄像头中人脸
python学习营qq：458847959

opencv保存视频：
opencv保存视频：
opencv保存视频：
cv2.ViedeoWriter
参数二：
# OpenCV提供的格式是未经过压缩的，目前支持的格式如下：
CV_FOURCC(‘P’, ‘I’, ‘M’, ‘1’) = MPEG-1 codec
CV_FOURCC(‘M’, ‘J’, ‘P’, ‘G’) = motion-jpeg codec
CV_FOURCC(‘M’, ‘P’, ‘4’, ‘2’) = MPEG-4.2 codec
CV_FOURCC(‘D’, ‘I’, ‘V’, ‘3’) = MPEG-4.3 codec
CV_FOURCC(‘D’, ‘I’, ‘V’, ‘X’) = MPEG-4 codec
CV_FOURCC(‘U’, ‘2’, ‘6’, ‘3’) = H263 codec
CV_FOURCC(‘I’, ‘2’, ‘6’, ‘3’) = H263I codec
CV_FOURCC(‘F’, ‘L’, ‘V’, ‘1’) = FLV1 codec

# 视频格式包括: 
# I420(适合处理大文件) -> .avi;
# PIMI -> .avi;
# MJPG -> .avi & .mp4
# THEO -> .ogv;
# FLV1(flash video, 流媒体视频) -> .flv
python学习营qq：458847959

opencv保存视频，视频尺寸缩小
opencv保存视频，视频尺寸缩小
视频保存黑白的
视频和音频的合并需要ffmpeg