OpenCV 车辆检测/人脸识别+图像拼接+文字识别

已于 2024-05-17 13:43:34 修改
阅读量1.2w 收藏 197
点赞数 43
分类专栏： Opencv 文章标签： 机器学习 python opencv
于 2021-05-11 19:53:28 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/jartins/article/details/116666426
版权

点击查看完整版​​​​​​​

一、开发环境搭建

命令行安装方式 - mac        

brew install python@3.9
pip3 install numpy matplotlib opencv_python
             // numpy             - 矩阵操作
             // matplotlib        - 显示

// 测试是否安装成功（import 无报错信息 表示安装成功）
MacintoshdeMacBook-Pro:~ Jartin$ python3
Python 3.9.1 (default, Jan  8 2021, 17:15:36) 
[Clang 11.0.0 (clang-1100.0.33.17)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> import numpy
>>> import matplotlib
>>> import cv2


二、图像 视频加载与展示

  • API介绍
  1. namedWindow()             窗口标号
  2. imshow()                 窗口展示
  3. destroyAllWindows()     销毁所有窗口
  4. resizeWindow             窗口大小
import cv2;

# 创建窗口
cv2.namedWindow('new', cv2.WINDOW_NORMAL);
# WINDOW_AUTOSIZE 不可以resize
# WINDOW_NORMAL   可以resize

# 设定窗口大小
cv2.resizeWindow('new', 1920, 1080)

# 展示窗口
cv2.imshow('new', 0);

# 键盘和鼠标的监听 实现
key = cv2.waitKey(0)
if(key == 'q'):
    exit()

# 销毁所有窗口
cv2.destroyAllWindows();
import cv2;
# 图片加载
cv2.namedWindow('img', cv2.WINDOW_NORMAL);
img = cv2.imread('./jobs.jpeg');

cv2.imshow('img', img)

key = cv2.waitKey(0)
if (key & 0xFF == ord('q')):
    cv2.destroyAllWindows();
  • 视频采集
  1. VideoCapure()            虚拟采集器
  2. cap.read()                将视频帧处理
  3. cap.release()            释放资源
import cv2;
# 使用opencv 的 videocapture采集视频数据
# 创建窗口
cv2.namedWindow('video', cv2.WINDOW_NORMAL);
cv2.resizeWindow('video', 640, 480);

# 获取视频设备
cap = cv2.VideoCapture(0);

while True:
    # 从摄像头读取视频帧
    ret, frame = cap.read();

    # 将视频帧在窗口中显示
    cv2.imshow('video', frame);

    # 等待键盘事件，如果q，退出 waitKey(1)帧率越小 视频越流畅
    key = cv2.waitKey(1);
    if (key & 0xFF == ord('q')):
        break;
                    
    # 释放VideoCapture
    cap.release();
    cv2.destroyAllWindows();
import cv2;
# 读取视频文件
# 创建窗口
cv2.namedWindow('video', cv2.WINDOW_NORMAL);
cv2.resizeWindow('video', 640, 480);

# 获取视频设备 / 从视频文件中读取视频帧
cap = cv2.VideoCapture(0);
cap = cv2.VideoCapture('/Users/Jartin/Desktop/opencv/zl.mp4');

while True:
    # 从摄像头读取视频帧
    ret, frame = cap.read();

    # 将视频帧在窗口中显示
    cv2.imshow('video', frame);

    # 等待键盘事件 如果q退出
    key = cv2.waitKey(1);
    if (key & 0xFF == ord('q')):
        break;

        # 释放rediocap
        cap.release();
        cv2.destroyAllWindows();
import cv2;
# 视频录制
# 创建videowrite为写多媒体文件
fourcc = cv2.VideoWriter_fourcc(*'MJPG');

# 路径、 forcc、帧率、分辨率
vw = cv2.VideoWriter('./out.mp4', fourcc, 25, (1280, 720))

# 创建窗口
cv2.namedWindow('video', cv2.WINDOW_NORMAL);
cv2.resizeWindow('video', 640, 360);

# 获取视频设备
cap = cv2.VideoCapture(0);

while True:
    # 从摄像头读取数据
    ret, frame = cap.read();

    # 将视频帧在窗口显示
    cv2.imshow('video', frame);

    # 写数据到多媒体文件
    vw.write(frame);
                    
    # 等待键盘事件 如果为q退出
    key = cv2.waitKey(1);
    if (key & 0xFF == ord('q')):
        break;
                        
    # 释放videocapture
    cap.release();

    # 释放videowrite资源
    vw.release();

    cv2.destroyAllWindows();
import cv2;
import numpy as np;

# 控制鼠标 鼠标回调函数
def mouse_callback(event, x, y, flags, userdata):
    print(event, x, y, flags, userdata);

# 创建窗口
cv2.namedWindow('mouse', cv2.WINDOW_NORMAL);
cv2.resizeWindow('mouse', 640, 360);

# 设置鼠标回调
cv2.setMouseCallback('mouse', mouse_callback, '123');

# 显示窗口和背景 
# numpy图片组件、np.zeros显示图片、(高, 宽, bgr3种数组)、np.uint8像素类型
img = np.zeros((360, 640, 3), np.uint8);
while True:
    cv2.imshow('mouse', img);
    key = cv2.waitKey(1);
    if key & 0xFF == ord('q'):
        break;
                
    cv2.destroyAllWindows();
  •  TrackBar 控件
  1. createTrackbar     创建TrackBar
  2. getTrackPos        获取TrackBar
import cv2;
import numpy as np;

def callback():
    pass;

# 创建窗口
cv2.namedWindow('trackbar', cv2.WINDOW_NORMAL);

# 创建trackbar     名字、窗口名字、默认当前值、最大值、回调方法
cv2.createTrackbar('R', 'trackbar', 0, 255, callback);
cv2.createTrackbar('G', 'trackbar', 0, 255, callback);
cv2.createTrackbar('B', 'trackbar', 0, 255, callback);

# 创建图片
img = np.zeros((480, 640, 3), np.uint8);

while True:

    # 读取值
    r = cv2.getTrackbarPos('R', 'trackbar');
    g = cv2.getTrackbarPos('G', 'trackbar');
    b = cv2.getTrackbarPos('B', 'trackbar');

    img[:] = [b, g, r];

    cv2.imshow('trackbar', img);

    key = cv2.waitKey(10);
    if key & 0xFF == ord('q'):
        break;

    cv2.destroyAllWindows();
  •   色彩空间
  1. RGB与BGR
  2. RGB 人眼色彩空间
  3. OpenCV 默认使用BGR
  4. HSV/HSB/HSL 色相、饱和度、明亮度
  5. YUV 视频存储
import cv2;
import numpy as np;

def callback():
    pass;

# 创建窗口
cv2.namedWindow('trackbar', cv2.WINDOW_NORMAL);

# 创建trackbar     名字、窗口名字、默认当前值、最大值、回调方法
cv2.createTrackbar('R', 'trackbar', 0, 255, callback);
cv2.createTrackbar('G', 'trackbar', 0, 255, callback);
cv2.createTrackbar('B', 'trackbar', 0, 255, callback);

# 创建图片
img = np.zeros((480, 640, 3), np.uint8);

while True:
    # 读取值
    r = cv2.getTrackbarPos('R', 'trackbar');
    g = cv2.getTrackbarPos('G', 'trackbar');
    b = cv2.getTrackbarPos('B', 'trackbar');

    img[:] = [b, g, r];

    cv2.imshow('trackbar', img);

    key = cv2.waitKey(10);
    if key & 0xFF == ord('q'):
        break;
    cv2.destroyAllWindows();

        HSV     Hue：色相、红色、蓝色、绿色
                Saturation：饱和度，颜色的纯度
                Value：明度

        YUV     视频中常用
                对像素的描述 Y数据 UV彩色信息

  • 色彩空间转换
import cv2;

def callback():
    pass;

cv2.namedWindow('color', cv2.WINDOW_NORMAL);

img = cv2.imread('./jobs.jpeg');

colorspaces = [cv2.COLOR_BGR2RGBA, cv2.COLOR_BGR2BGRA, cv2.COLOR_BGR2GRAY, cv2.COLOR_BGR2HSV, cv2.COLOR_BGR2YUV];

cv2.createTrackbar('curcolor', 'color', 0, 4, callback);

while True:
    index = cv2.getTrackbarPos('curcolor', 'color');

    # 颜色空间转换API
    cvt_img = cv2.cvtColor(img, colorspaces[index]);

    cv2.imshow('color', img)
    key = cv2.waitKey(10);
    if key & 0xFF == ord('q'):
        break;

    cv2.destroyAllWindows();
  • Numpy 图像基础操作
  1. opencv中用到的矩阵都要转换成Numpy数组
  2. Numpy是一个经高度优化的Python数值库
  • 基本操作
  1. 创建数组        array()
  2. 创建全0数组     zeros() / ones
  3. 创建全值数组     full()
  4. 创建单元数组     identity / eye()
import numpy as np

# np.zeros((行的个数, 列的个数, 通道数/层数), 矩阵中的数据类型);
c = np.zeros((480, 640, 3), np.uint8);

print(c)

矩阵的检索与赋值
             ROI   [y1:y2,x1:x2]

Mat是什么
             是矩阵,可以理解为一张图 有head 与 body组成

  • Mat的深拷贝与浅拷贝
import cv2
import numpy as np

img = cv2.imread('./1.jpeg');

# 浅拷贝
img2 = img;

# 深拷贝
img3 = img.copy();

img[10:100, 10:100] = [0, 0, 255]

cv2.imshow('img', img)
cv2.imshow('img2', img2)
cv2.imshow('img3', img3)

cv2.waitKey(0);
  • 图像的多种属性
import cv2;
import numpy as numpy

img = cv2.imread('./1.jpeg')

# (1200, 1920, 3)  高度、长度、通道数
print(img.shape)

# 6912000  高度 * 长度 * 3
print(img.size)

# uint8 图像中每个元素的位深
print(img.dtype)
  • 通道的分离与合并
import cv2;
import numpy as np
# 通道的分离与合并

img = np.zeros((480, 640, 3), np.uint8)

b,g,r = cv2.split(img);

b[10:100, 10:100] = 255;
g[10:100, 10:100] = 255;

img2 = cv2.merge((b, g, r))

cv2.imshow('img', img);
cv2.imshow('b', b);
cv2.imshow('g', g);
cv2.imshow('img2', img2);
cv2.waitKey(0);

三、绘制基本图形

  • 线、矩形、圆
  • 椭圆、多边形、绘制字体
import cv2;
import numpy as np;
# 绘制直线
img = cv2.imread('./1.jpeg')

cv2.line(img, (10, 20), (10, 900), (0,0,255), 20, 4);
cv2.line(img, (100, 12), (400, 100), (0,0,255), 20, 14);

cv2.imshow('img', img);

key = cv2.waitKey(0);
import cv2;
import numpy as np;

img = cv2.imread('./1.jpeg');

# cv2.ellipse(img, (500, 500), )

# 画圆
cv2.circle(img, (520, 440), 100, (0, 0, 255), 10)
cv2.circle(img, (520, 440), 5, (0, 0, 255), 10)

# 画椭圆 
# 度是按顺时针计算的
cv2.ellipse(img, (520, 440), (100, 50), 15, 0, 360, (0, 0, 255), -1)

# 画多边形
pts = np.array(((320, 10), (150, 100), (450, 100)), np.int32)
cv2.polylines(img, [pts], True, (0, 0, 255))

# 填充
cv2.fillPoly(img, [pts], (255, 255, 0))

# 绘制文本
cv2.putText(img, 'Yulanlan', (800, 400), cv2.FONT_HERSHEY_PLAIN, 9, (255, 0, 0))

cv2.imshow('draw', img);
cv2.waitKey(0)

四、车辆识别    

  • 基本图像运算处理
  • 形态学
  • 轮廓查找
  • 图像运算

            
            待续

        

        


 

jartins
关注
  • 43
    点赞
  • 踩
  • 197
    收藏
    觉得还不错? 一键收藏
  • 24
    评论
专栏目录
车辆识别项目.rar
08-31
通过opencv对图像以及视频进行车辆识别：先加载图像，再把图像进行灰度化处理，再通过级联分类器xml文件，对图像进行识别，得到位置及大小，再用所得数据把车辆给框出来
基于OpenCV的车辆监测与计数
04-10
基于OpenCV2.4.9的视频车辆识别与车辆计数，在Visual Studio 2010上开发。多多指教。
OpenCV - 汽车识别
zhp搁浅的博客
10-30 1万+
一：参考博客 opencv 环境搭建：https://blog.csdn.net/qq_33508087/article/details/83310357 opencv手掌识别：https://blog.csdn.net/qq_33508087/article/details/83476561 二：源码 下载汽车识别分类器：https://pan.baidu.com/s/1ui2IV2FR...
【OpenCV】“帧差法”实现移动物体的检测（车辆识别）
2401_84520026的博客
04-21 1138
针对最近很多人都在面试，我这边也整理了相当多的面试专题资料，也有其他大厂的面经。希望可以帮助到大家。最新整理面试题上述的面试题答案都整理成文档笔记。也还整理了一些面试资料&最新2021收集的一些大厂的面试真题最新整理电子书最新整理大厂面试文档以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。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。
利用opencv做车载倒车伪全景拼接图
huoguangyao的博客
01-18 4986
例如图片中左边的图像，在交车倒车时，车四周摄像头全景拼接 思路：其实所谓全景拼接不过是一个是伪拼接，并不是对图像重合区域进行特征点识别和对其，而是对图片进行压缩剪辑，融合放到背景图上。 1、取一张汽车图片，将图片分为九宫格，如下所示，九宫格中间正好是汽车图片，九宫格的上下左右设置为梯形，用于盛放车身四周图片 2、通过几何关系找到图中1、2、3、4点的坐标，用于标记图像中mask尺寸，...
车辆行人图像识别
s2s2s2s246的专栏
11-08 2053
运用卷积神经网络训练的车辆行人检测算法。准确率在95%以上，top5的准确率在98%以上。下面的视频在cpu i5下的计算时间，检测一张图片大概在8秒左右，在GPU gtx1080ti下的检测时间大概在40毫秒左右。 行人检测： 轿车检测： 卡车检测： ...
opencv案例: 车辆检测
因为热爱所以坚持
12-07 4333
车辆检测
Opencv教程：人工智能图像处理入门案例实战
Huoyo
02-09 3899
1、简介 opencv是一个计算机视觉领域的开源库，提供了很多图像处理算法模型和数据处理能力，使用opencv可以完成很多常见的计算机视觉领域的任务，诸如常见的人脸识别、目标检测等 然而对于很多非算法工程师来说，这些任务变得有些遥不可及，所以本专栏旨在使用Python-Opencv实现一些常用的案例，不涉及算法底层原理，更多的倾向于工程实践，让更多的工程师也可以以实战使用人工智能技术 主要涉及内容如下： 图片基本操作 1、图片读取与显示 2、RGB通道分离 3、图像绘图（线段、箭头、矩形等） 4、图片
OpenCV学习笔记（二十一）——车辆识别和跟踪
热门推荐
行歌
05-16 1万+
     今天在GitHub上看到一个对车辆训练好的模型，即xml文件，于是拿来测试了一个效果。我用这个xml文件对视频中的每一帧画面进行简单的车辆识别定位，演示代码如下：import cv2 import numpy as np camera = cv2.VideoCapture ("video.avi") camera.open("video.avi") car_cascade = cv2....
siftPface.rar_OPENCV 代码_sift识别_图像拼接 opencv
07-14
在描述中，“基于opencv的sift图像拼接和人脸识别程序代码”进一步强调了这个项目不仅涉及到SIFT算法，还包含了人脸识别的代码。OpenCV是一个广泛使用的开源计算机视觉库，提供了多种图像处理和计算机视觉的函数，...
c#和opencv结合，能够实现人脸识别.zip
12-22
将C#与OpenCV结合，可以创建出高效、精确的图像处理应用，例如人脸识别、车牌号识别和图像拼接等。 人脸识别是一项复杂的技术，涉及到图像预处理、特征提取、模板匹配和识别算法等多个步骤。在C#中使用OpenCV实现...
基于OpenCV的小案例C++源码边缘角点轮廓图像分割增强拼接目标检测颜色直方图抠图人脸识别等.zip
最新发布
05-05
关于OpenCV的小案例：图像边缘、角点和轮廓检测；图像分割；图像增强；图片拼接；运动目标检测；颜色直方图比较；三帧帧差法；抠图案例；人脸识别案例；布匹瑕疵检测小思路 内容 图像边缘、角点和轮廓检测 图像分割 ...
opencv车辆识别正样本（纯手工抠图）708张
12-12
opencv 车辆检测 车辆识别 训练样本 cascade HOG HAAR LBP 纯手工抠图 正样本
OpenCV Haar分类器车辆识别模型训练样本和训练结果
07-15
包含车辆正负样本，以及opencv_createsamples.exe、opencv_traincascade.exe以及训练样本结果
openCV 车别识别
12-01
opencv 识别车牌号并抓取车牌号roi区域，vs2010+opencv2.4.9
javaCV+openCV+FFmpeg实现视频帧转为图像并进行人脸识别（一）
08-12
2. **OpenCV**: OpenCV（开源计算机视觉库）是一个跨平台的计算机视觉库，它包含了大量的图像处理和计算机视觉的算法，广泛应用于图像识别、人脸识别、图像拼接等领域。 3. **FFmpeg**: FFmpeg是一个强大的音频和...
Python+Opencv图像处理图片
01-07
边缘检测是识别图像中物体边界的重要手段，Canny算法、Sobel算子和Laplacian算子都是常用的边缘检测方法，可以通过`cv2.Canny()`, `cv2.Sobel()`或`cv2.Laplacian()`实现。 色彩空间转换在处理图像时也至关重要。...
python语言下使用opencv接口cv2.VideoCapture()接口调用海康机器人工业相机
qq_39570716的博客
06-07 1万+
文章目录 目录 文章目录 前言 一、opencv接口介绍 二、调用海康机器人工业相机 1.使用海康机器人工业相机的前提 2.调用海康机器人工业相机进行显示 3.调用海康机器人工业相机进行存图 4.调用海康机器人工业相机存视频 5.调用海康机器人工业相机进行简单图像处理 总结 前言 提示：这里可以添加本文要记录的大概内容： 例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。 提示：以下是本篇文章正文内容，下.
基于Python_opencv的车牌识别系统
weixin_51141489的博客
01-05 5859
本项目是基于python_opencv的车牌识别系统，文档中可下载完整代码，希望大家多多支持，也欢迎大家多提意见，一起学习！！！！！
使用 OpenCV 和 Python 进行图像识别并生成代码
05-18
可以使用 OpenCV 自带的 Haar 特征分类器进行人脸识别，使用 OCR（Optical Character Recognition）技术进行文字识别等。 5. 生成代码。根据图像识别的结果，可以使用 Python 的字符串拼接和文件操作等功能，生成...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 24
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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