这篇文章主要介绍了Python OpenCV快速入门教程,帮助大家更好的利用opencv图像处理,感兴趣的同学可以了解下
OpenCV简介
OpenCV是计算机视觉中最受欢迎的库,最初由intel使用C和C ++进行开发的,现在也可以在python中使用。该库是一个跨平台的开源库,是免费使用的。OpenCV库是一个高度优化的库,主要关注实时应用程序。
OpenCV库是2500多种优化算法的组合,可用于检测和识别不同的人脸,实时识别图像中的对象,使用视频和网络摄像头对不同的人类动作进行分类,跟踪摄像机的运动,跟踪运动对象(例如汽车,人等),实时计数对象,缝合图像来产生高分辨率图像,从图像数据库中查找相似的图像,从使用闪光灯拍摄的图像中消除红眼并提高图像质量,跟踪眼睛的运动,跟踪脸部等。
它拥有大约4.7万活跃用户社区,下载量超过1800万。谷歌,亚马逊,特斯拉,微软,本田等许多大公司都使用Open cv来改善他们的产品,它更是驱动了AI的发展。
以上就是Python OpenCV快速入门教程的详细内容,更多关于Python OpenCV入门教程的资料请关注公众hao【咕泡AI】回复(123)领OpenCV入门到进阶全套资料,还有500G人工智能学习资料!!!!
先决条件
在开始编写代码之前,我们需要在设备上安装opencv。
如果你是ProIn编程专家,并且熟悉每个IDE,那么请使用Pycharm并从设置中的程序包管理器安装OpenCV-python。
如果你是初学者或中级程序员,或者只是想关注博客,那么我们将使用代码编辑器而不是IDE。
只需转到Visual Studio Code网站并根据你的操作系统下载最新版本即可。
现在,我们将创建一个虚拟环境,并在其中安装opencv。打开终端,然后使用cd定位到桌面,使用mkdir 创建一个名为opencv
的文件夹,然后运行以下命令。
现在,使用env\scripts\activate
激活环境,你会在C:\Users\username\Desktop\opencv
之前看到小括号(env)出现。
现在,只需使用pip安装OpenCV。
我们会在本文中涵盖7个主题
1. 读,写和显示图像
2. 读取视频并与网络摄像头集成
3. 调整大小和裁剪图像
4. 基本的图像过滤器使用的函数
5. 绘制不同的形状
6. 在图像上书写文字
7. 检测并裁剪脸部
读,写和显示图像
要使用Opencv读取图像,我们有imread()函数; 要显示图像,有imshow()函数,而对于书写,我们有imwrite()函数。让我们看看它们的语法。
imread():
1 2 3 | img = cv2.imread( "PATH_TO_IMAGE.jpg/png" ) Example img = imread( "images/dog0.jpg" ) |
imshow():
1 2 3 | cv2.imshow( "WINDOW NAME" ,IMG_VAR) Example imshow( "Dog Image" ,img) |
imwrite():
1 2 3 4 5 | cv2.imwrite(FILENAME, IMAGE) filename: A string representing the file name. The filename must include image format like .jpg, .png, etc. image: It is the image that is to be saved. Example cv2.imwrite( 'images/img' ,img) |
读取视频并与网络摄像头集成
读取视频文件与在OpenCV中读取图像文件非常相似,区别在于我们使用了cv2.videocapture。
句法
1 2 3 | video = cv2.VideoCapture( "FILEPATH.mp4" ) Example video = cv2.VideoCapture( "video/dog/dog.mp4" ) |
视频是许多帧结合在一起的集合,每帧都是一幅图像。要使用OpenCV观看视频,我们只需要使用while循环显示视频的每一帧。
1 2 3 4 5 | while True : success , img = cap.read() cv2.imshow( "Video" ,img) if cv2.waitKey( 1 ) & 0xff = = ord ( 'q' ): ##key 'q' will break the loop break |
要与网络摄像头集成,我们需要传递网络摄像头的端口值而不是视频路径。如果你使用的是笔记本电脑,但没有连接任何外部网络摄像头,则只需传递参数0;如果你有外部网络摄像头,则传递参数1。
1 2 3 4 5 6 7 8 9 | cap = cv2.VideoCapture( 0 ) cap. set ( 3 , 640 ) ## Frame width cap. set ( 4 , 480 ) ## Frame Height cap. set ( 10 , 100 ) ## Brightness while True : success, img = cap.read() cv2.imshow( "Video" ,img) if cv2.waitKey( 1 ) & 0xff = = ord ( 'q' ): break |
调整大小和裁剪图像
调整大小是更改图像形状的过程。在Opencv中,我们可以使用resize函数调整图像形状的大小。
句法
1 2 3 4 5 6 | cv2.resize(IMG,(WIDTH,HEIGHT)) IMG: image which we want to resize WIDTH: new width of the resize image HEIGHT: new height of the resize image Example cv2.resize(img,( 224 , 224 )) |
要首先调整图像的大小,我们需要知道图像的形状。我们可以使用shape来找到任何图像的形状,然后根据图像形状,可以增加或减小图像的大小。让我们看看示例。
1 2 3 4 5 6 7 8 9 10 | import cv2 img = cv2.imread( "images/img0.jpg" ) ##Choose any image print (img.shape) imgResize = cv2.resize(img,( 224 , 224 )) ##Decrease size imgResize2 = cv2.resize(img,( 1024 , 1024 )) ##Increase size cv2.imshow( "Image" ,img) cv2.imshow( "Image Resize" ,imgResize) cv2.imshow( "Image Increase size" ,imgResize2) print (imgResize.shape) cv2.waitKey( 0 ) |
如果你不想对宽度和高度进行硬编码,也可以使用形状,然后使用索引来增加宽度和高度。
1 2 3 4 5 6 7 8 9 10 11 | import cv2 img = cv2.imread( "images/img0.jpg" ) ##Choose any image print (img.shape) shape = img.shape imgResize = cv2.resize(img,(shape[ 0 ] / / 2 ,shape[ 1 ] / / 2 )) ##Decrease size imgResize2 = cv2.resize(img,(shape[ 0 ] * 2 ,shape[ 1 ] * 2 )) ##Increase size cv2.imshow( "Image" ,img) cv2.imshow( "Image Resize" ,imgResize) cv2.imshow( "Image Increase size" ,imgResize2) print (imgResize.shape) cv2.waitKey( 0 ) |
![](https://i-blog.csdnimg.cn/blog_migrate/b1b4080e0be115f46bbb632354b302e4.jpeg)
裁剪图像
裁剪是获取图像的一部分过程。在OpenCV中,我们可以通过定义裁剪后的矩形坐标来执行裁剪。
句法
1 2 3 4 5 | imgCropped = img[y1:y2, x1:x2] (x1,y1): top - left vertex (x2,y2): bottom - right vertex Example imgCropped = img[ 0 : 100 , 200 : 200 ] |
使用裁剪方法,让我们尝试从图像中获取蒙娜丽莎的脸。
1 2 3 4 5 6 | import cv2 img = cv2.imread( "images/img0.jpg" ) imgCropped = img[ 50 : 250 , 120 : 330 ] cv2.imshow( "Image cropped" ,imgCropped) cv2.imshow( "Image" ,img) cv2.waitKey( 0 ) |
![](https://i-blog.csdnimg.cn/blog_migrate/dbb9dad9a693f9eccc2e4741957c3df0.jpeg)
你也可以使用paint来找到(x1,y1),(x2,y2)的正确坐标。
右键单击图像并保存,尝试从图像中获取王卡。
![](https://i-blog.csdnimg.cn/blog_migrate/9f9e631bcd2a03051cea48c10525209d.jpeg)
提示:使用paint来找到正确的坐标,最后使用调整大小来增加裁剪图像的大小。
“在寻求解决方案之前,请尝试自己动手做。”
👉解决方案- https://gist.github.com/Abhayparashar31/9b01473431de765c0a73e81271233d91
基本的图像过滤器使用的函数
我们可以在图像上使用许多基本的滤镜操作,例如将图像转换为灰度图像,模糊图像等等。让我们一一看一下比较重要的操作。
将图像转为灰度图像
要将图像转换为灰度,我们可以使用一个函数cvtColor,这里我们将cv2.COLOR_BGR2GRAY作为参数传递。
1 2 3 4 5 | imgGray = cv2.cvtColor(IMG,cv2.CODE) IMG: Original image CODE: Conversion code for Gray(COLOR_BGR2GRAY) Example imgGray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) |
将图像转为HSV
要将图像转换为HSV,我们可以使用函数cvtColor,这里我们将cv2.COLOR_BGR2HSV作为参数传递。它主要用于对象跟踪。
1 2 3 4 5 | imgGray = cv2.cvtColor(IMG,cv2.CODE) IMG: Original image CODE: Conversion code for Gray(COLOR_BGR2HSV) Example imgHsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV) |
图像模糊
模糊用于去除图像中的多余噪声,也称为平滑,这是对图像应用低通滤波器的过程。要在Opencv中使用模糊,我们有一个函数GaussianBlur。
1 2 3 4 5 6 | imgBlur = cv2.GaussianBlur(img,(sigmaX,sigmaY),kernalSize) kernalsize − A Size object representing the size of the kernel. sigmaX − A variable representing the Gaussian kernel standard deviation in X direction. sigmaY - same as sigmaX Exmaple imgBlur = cv2.GaussianBlur(img,( 3 , 3 ), 0 ) |
边缘检测
在OpenCV中,我们使用Canny边缘检测器来检测图像中的边缘,也有不同的边缘检测器,但最著名的是Canny边缘检测器。Canny边缘检测器是一种边缘检测算子,它使用多阶段算法来检测图像中的大范围边缘,它由John F. Canny在1986年开发。
1 2 3 4 | imgCanny = cv2.Canny(img,threshold1,threshold2) threshold1,threshold2:Different values of threshold different for every images Example imgCanny = cv2.Canny(img, 100 , 150 ) |
膨胀
以上就是Python OpenCV快速入门教程的详细内容,更多关于Python OpenCV入门教程的资料请关注公众hao【咕泡AI】回复(123)领OpenCV入门到进阶全套资料,还有500G人工智能学习资料!!!!
膨胀是用来增加图像中边缘的大小。首先,我们定义一个大小为奇数(5,5)的核矩阵,然后利用核函数对图像进行放大。我们对Canny边缘检测器的输出图像进行了放大处理。
1 2 | kernel = np.ones(( 5 , 5 ),np.uint8) ## DEFINING KERNEL OF 5x5 imgDialation = cv2.dilate(imgCanny,kernel,iterations = 1 ) ##DIALATION |
腐蚀
腐蚀是扩张的反面,它用于减小图像边缘的尺寸。首先,我们定义一个奇数(5,5)的核矩阵大小,然后使用核对图像执行腐蚀。我们对Canny边缘检测器的输出图像施加腐蚀。
1 2 | kernel = np.ones(( 5 , 5 ),np.uint8) ## DEFINING KERNEL OF 5x5 imgDialation = cv2.erode(imgCanny,kernel,iterations = 1 ) ##EROSION |
现在,在同一程序中将所有基础函数应用于Monalisa映像。
![](https://i-blog.csdnimg.cn/blog_migrate/4130aa4beeb840760101af0c1aa185ea.png)
绘制不同的形状
我们可以使用OpenCV来绘制矩形,圆形,直线等不同的形状。
矩形:
要在图像上绘制矩形,我们使用矩形函数。在函数中,我们传递宽度,高度,X,Y,RGB中的颜色,厚度作为参数。
1 2 3 4 5 6 7 8 9 | cv2.rectangle(img,(w,h),(x,y),(R,G,B),THICKNESS) w: width h: height x: distance from x axis y: distance from y axis R,G,B: color in RGB form ( 255 , 255 , 0 ) THICKNESS: thickness of rectangel(integer) Example cv2.rectangle(img,( 100 , 300 ),( 200 , 300 ),( 255 , 0 , 255 ), 2 ) |
圆:
要绘制一个圆,我们使用cv2.circle。我们传递x,y,半径大小,RGB形式的颜色,厚度作为参数。
1 2 3 4 5 6 7 8 | cv2.circle(img,(x,y),radius,(R,G,B),THICKNESS) x: distance from x axis y: distance from y axis radius: size of radius(integer) R,G,B: color in RGB form ( 255 , 255 , 0 ) THICKNESS: thickness of rectangel(integer) Example cv2.circle(img,( 200 , 130 ), 90 ,( 255 , 255 , 0 ), 2 ) |
线:
要绘制一条线,我们使用cv2.line,使用起点(x1,y1),终点(x2,y2),RGB形式的颜色,厚度作为参数。
1 2 3 4 5 6 7 | cv2.line(img,(x1,y1),(x2,y2),(R,G,B),THICKNESS) x1,y1: start point of line (integer) x2,y2: end point of line (integer) R,G,B: color in RGB form ( 255 , 255 , 0 ) THICKNESS: thickness of rectangel(integer) Example cv2.line(img,( 110 , 260 ),( 300 , 260 ),( 0 , 255 , 0 ), 3 ) |
在图像上书写文字
在OpenCV中,我们有一个函数cv2.puttext, 可以在特定位置的图像上写文本。它以图像,文本,x,y,颜色,字体,字体比例,粗细为输入。
1 2 3 4 5 6 7 8 9 10 11 | cv2.putText(img,text,(x,y),FONT,FONT_SCALE,(R,G,B),THICKNESS) img: image to put text on text: text to put on image X: text distance from X axis Y: text distance from Y axis FONT: Type of FONT ( ALL FONT TYPES) FONT_SCALE: Scale of Font(Integer) R,G,B: color in RGB form ( 255 , 255 , 0 ) THICKNESS: thickness of rectangel(integer) Example cv2.putText(img, "HELLO" ,( 120 , 250 ),cv2.FONT_HERSHEY_COMPLEX, 1 ,( 255 , 255 , 255 ), 2 ) |
![](https://i-blog.csdnimg.cn/blog_migrate/4b55bcb9a675463e926f45ba858abdc2.jpeg)
下载Monalisa图片。
任务:使用形状和文本为左侧图像中所示的Monalisa脸创建框架。
提示:首先是一个圆形,然后是矩形,然后根据圆形和矩形放置文本,最后根据文本放置一行。
👉解决方案- https://gist.github.com/Abhayparashar31/af36bf25ce61345266db4b54aba33be1
检测并裁剪脸部
在创建人脸识别系统时,人脸检测是非常有用的。在OpenCV中,我们提供了许多可用于不同目的的预训练haar级联分类器。在OpenCV GitHub上查看分类器的完整列表。
为了检测OpenCV中的人脸,我们使用了haarcascade_frontalface_default.xml分类器,它会返回我们图像的四个坐标(w,h,x,y),使用这些坐标,我们将在脸部上绘制一个矩形,然后使用相同的坐标来裁剪脸部。现在使用imwrite,我们将裁剪的图像保存在目录中。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 | import cv2 # Load the cascade face_cascade = cv2.CascadeClassifier( 'haarcascade_frontalface_default.xml' ) # Read the input image img = cv2.imread( 'images/img0.jpg' ) # Convert into grayscale gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # Detect faces faces = face_cascade.detectMultiScale(gray, 1.3 , 4 ) # Draw rectangle around the faces for (x, y, w, h) in faces: cv2.rectangle(img, (x, y), (x + w, y + h), ( 255 , 0 , 0 ), 2 ) # Cropping Face crop_face = img[y:y + h, x:x + w] #Saving Cropped Face cv2.imwrite( str (w) + str (h) + '_faces.jpg' , crop_face) cv2.imshow( 'img' , img) cv2.imshow( "imgcropped" ,crop_face) cv2.waitKey() |
以上就是Python OpenCV快速入门教程的详细内容,更多关于Python OpenCV入门教程的资料请关注公众hao【咕泡AI】回复(123)领OpenCV入门到进阶全套资料,还有500G人工智能学习资料!!!!