opencv高级课程以及部分错误修正

---

前言

本文主要记录了opencv高级课程部分的一些笔记以及受版本等引起的错误分享。改错确实是件令人头疼的事情。

---

提示：以下是本篇文章正文内容。

一、手部识别

Opencv库自带的有人脸识别，而我们的需求远远不满足于脸部，为方便识别其他部位，我们引入一个新库，mediapipe，这里面有着众多识别库，可以在移动端以及pc端上执行。

1.功能实现

import cv2
import mediapipe as mp
import time
cap = cv2.VideoCapture(0)
mphands = mp.solutions.hands
hands = mphands.Hands()#参数拥有默认值
mpDraw = mp.solutions.drawing_utils

pTime = 0
cTime = 0


while True:
    success,img = cap.read()
    imgRGB = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
    results = hands.process(imgRGB)
  # print(results.multi_hand_landmarks)
    if results.multi_hand_landmarks:
        for handlms in results.multi_hand_landmarks:
            for id, lm in enumerate(handlms.landmark):
                #print(id,lm)
                h,w,c = img.shape
                cx,cy = int(lm.x*w),int(lm.y*h)
                print(id,cx,cy)
               # if id == 0:
                    #cv2.circle(img,(cx,cy),16,(255,0,255),cv2.FILLED)
            mpDraw.draw_landmarks(img,handlms,mphands.HAND_CONNECTIONS)


    cTime = time.time()
    fps = 1/(cTime - pTime)
    pTime = cTime

    cv2.putText(img,str(int(fps)),(10,70),cv2.FONT_HERSHEY_PLAIN,3,(255,0,255),3)
    cv2.imshow("img",img)
    cv2.waitKey(1)

相信对于有opencv基础的人而言，这些代码阅读起来十分方便，唯一不同的地方在于mediapipe库的引入，首先创造识别手部的对象，然后引入自带的画出标记点的对象，这里注意一定要将图片的BGR格式转换为RGB格式，然后调用我们创建的识别手部对象的process方法对图片进行处理。

2.保存为模块及常见问题

我们为之后做一些项目的同时，为了减少代码量，我们会将手部识别的代码保存为我们可以随时导入的模块。

import cv2
import mediapipe as mp
import time

class handDetector():
    def __init__(self, mode=False, maxHands=2,modelComplexity=1,detectionCon=0.5, trackCon=0.5):
        self.mode = mode
        self.maxHands = maxHands
        self.modelComplexity = modelComplexity
        self.detectionCon = detectionCon
        self.trackCon = trackCon

        self.mpHands = mp.solutions.hands
        self.hands = self.mpHands.Hands(self.mode, self.maxHands,self.modelComplexity,
                                        self.detectionCon, self.trackCon)
        self.mpDraw = mp.solutions.drawing_utils

    def findHands(self, img, draw=True):
        imgRGB = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
        self.results = self.hands.process(imgRGB)
        # print(results.multi_hand_landmarks)

        if self.results.multi_hand_landmarks:
            for handLms in self.results.multi_hand_landmarks:
                if draw:
                    self.mpDraw.draw_landmarks(img, handLms,
                                               self.mpHands.HAND_CONNECTIONS)
        return img

    def findPosition(self, img, handNo=0, draw=True):

        lmList = []
        if self.results.multi_hand_landmarks:
            myHand = self.results.multi_hand_landmarks[handNo]
            for id, lm in enumerate(myHand.landmark):
                # print(id, lm)
                h, w, c = img.shape
                cx, cy = int(lm.x * w), int(lm.y * h)
                # print(id, cx, cy)
                lmList.append([id, cx, cy])
                if draw:
                    cv2.circle(img, (cx, cy), 15, (255, 0, 255), cv2.FILLED)

        return lmList


def main():
    pTime = 0
    cTime = 0
    cap = cv2.VideoCapture(0)
    detector = handDetector()
    while True:
        success, img = cap.read()
        img = detector.findHands(img)
        lmList = detector.findPosition(img)
        if len(lmList) != 0:
            print(lmList[4])

        cTime = time.time()
        fps = 1 / (cTime - pTime)
        pTime = cTime

        cv2.putText(img, str(int(fps)), (10, 70), cv2.FONT_HERSHEY_PLAIN, 3,
                    (255, 0, 255), 3)

        cv2.imshow("Image", img)
        cv2.waitKey(1)


if __name__ == "__main__":
    main()

而在我对照视频敲完代码之后，发现并不可以运行，而是报错。

相信不少人都会遇到这样的问题，参数存在问题，当我查阅官方文档，发现少了一个很重要的参数：modelComplexity模型复杂度，我们在**init**中加入这个参数即可解决报错的问题。

你可以调整参数