安装opencv及python+opencv测试代码的例子

最新推荐文章于 2024-05-17 10:10:24 发布
最新推荐文章于 2024-05-17 10:10:24 发布
阅读量1w 收藏 10
点赞数 3
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 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/qq_42617827/article/details/88124116
版权

安装opencv

  1. 需要安装和python版本相匹配的opencv,前往此网站(http://www.lfd.uci.edu/~gohlke/pythonlibs/)下载opencv文件。我安装的python是3.5版本的，因此我选择了opencv_python-3.4.5+contrib-cp35-cp35m-win_amd64.whl。

  2. 将下载的文件安装在 .\Anaconda3\Lib\site-packages下，如下图：
    在这里插入图片描述

  3. 打开命令行，使用cd转到相应的文件夹，输入以下语句：
    pip install opencv_python-3.4.5+contrib-cp35-cp35m-win_amd64.whl
    接下来就等待安装成功。

测试代码

1.在Anaconda3里的jupyterNotebook里输入import cv2，如果没有报错，说明opencv安装成功。
在这里插入图片描述
2.输入显示图片的相关代码

import cv2
import numpy as np
img = cv2.imread('D:/aa.jpg', cv2.IMREAD_COLOR)
cv2.imshow("image", img)
cv2.waitKey(0)

输出结果为
在这里插入图片描述
运行成功！！！

不吃香菜--
关注
  • 3
    点赞
  • 踩
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
【OpenCV】在Python环境下安装OpenCV并检测是否安装成功
量化Mike
01-13 1万+
OpenCV是一个开源的计算机视觉库，可以在Windows、Linux、MacOS等操作系统上运行。它起源于英特尔性能实验室的实验研究，由俄罗斯的专家负责实现和优化，并以为计算机视觉提供通用性接口为目标。
opencv缺陷检测
whaosoft143ai的博客
06-17 1891
为了方便后面计算，也为了计数方便，我先定义了一个产品类型的结构体myproduct，里面包含外接Rect,质心cx,xy,还有对应索引index. 为了去除重复，每次计算每个轮廓的位置，再根据当前帧里面的所有产品坐标与上一帧图像中产品里面的坐标进行对比，如果有两个产品在上下两帧中偏移的距离很小，那么我们可以认为它是同一件产品，否则就是新出现的产品，就需要放入我们的product容器里面，这其实在实际抓拍检测过程中，比较常用的去重方法：​​​​​​​。我们看一下这个函数的原型：​​​​​​​whaosoft
opencv 应用举例
xie__jin__cheng的博客
05-17 1436
opencv 应用举例
OpenCV入门-基于Python
羊羊羊
05-21 1160
opencv入门，必知必会
opencv官方库自带python例子代码及数据
12-28
本资源是OpenCV官方库自带的Python示例代码及相关的数据集，非常适合初学者和开发者深入理解和实践OpenCV的功能。 在官方文档（<https://docs.opencv.org/4.9.0/d6/d00/tutorial_py_root.html>）中，你可以找到详尽...
python+opencv轮廓检测代码解析
09-20
本篇文章将深入解析如何使用Python结合OpenCV库来实现轮廓检测。 首先，OpenCV是一个强大的开源计算机视觉库，提供了多种图像处理和计算机视觉功能。在进行轮廓检测前，我们需要了解基本的图像处理步骤，包括图片的...
python+opencv实现车牌定位功能(实例代码)
12-23
【Python + OpenCV 实现车牌定位功能】 在计算机视觉领域，车牌定位是一项常见的任务，它涉及到图像处理和模式识别技术。本实例展示了如何利用Python和OpenCV库来完成这一任务，特别适合初学者理解基本的图像处理...
python实现opencv+scoket网络实时图传
12-20
Python 实现的 OpenCV+Socket 网络实时图传是一种高效的方法，允许在不同的设备之间实时传输视频流。这个实例展示了如何通过 Python 编程将服务器端的视频捕获和压缩与客户端的接收和解码相结合。以下是关键知识点的...
Python OpenCV实现文档自动矫正（含源码和测试数据）
AI吃大瓜的博客
11-26 6842
基于OpenCV实现一个简易的文档自动矫正算法，支持通过用户交互实现文档矫正，也支持通过算法实现完全自动文档矫正，即文档一键矫正；文档自动矫正，一键矫正，图片矫正，文本矫正；文本图像倾斜矫正；文档倾斜矫正
Python+OpenCv项目代码
03-18
Python和OpenCv的项目实践代码，供小伙伴们下载参考。
opencv安装是否成功的测试程序
05-06
opencv安装是否成功的测试程序，用于安装opencv程序后，检测opencv是否能使用的检测的程序：调用一张图片并显示出来
使用OpenCV和Python实现缺陷检测的示例代码
Shinebone的博客
03-19 1969
在上面的代码中，'Result’是窗口的名称，img是要显示的图像。cv2.waitKey(0)函数会等待用户按下任意键后关闭窗口。cv2.destroyAllWindows()函数会关闭所有打开的窗口。你需要使用cv2.imshow()函数来显示结果。
基于OpenCv的人脸识别（Python完整代码）
热门推荐
Cheney ' blog
06-21 15万+
目前人脸识别有很多较为成熟的方法，这里调用OpenCv库，而OpenCV又提供了三种人脸识别方法，分别是LBPH方法、EigenFishfaces方法、Fisherfaces方法。本文采用的是LBPH（Local Binary Patterns Histogram，局部二值模式直方图）方法。opencv是一个开源的的跨平台计算机视觉库，内部实现了图像处理和计算机视觉方面的很多通用算法，对于python而言，在引用opencv库的时候需要写为import cv2。其中，cv2是opencv的C++命名空间名称
【Opencv测试用例（二）】
weixin_43488529的博客
04-07 1423
Opencv测试用例Chapter031、colorDetection.cpp结果测试代码2、extractObject.cpp结果测试代码3、huesaturation.cpp结果测试代码Chapter041、contentFinder.cpp结果测试代码2、finder.cpp结果测试代码 Chapter03 1、colorDetection.cpp 结果 测试代码 头文件colordetector.h #if !defined COLORDETECT #define COLORDETECT #in
opencv-python各版本对应下载地址
fengyingv的博客
12-11 1万+
https://pypi.tuna.tsinghua.edu.cn/simple/opencv-python/
Python+OpenCV 十几行代码模仿世界名画
weixin_42625143的博客
07-09 967
现在很多人都喜欢拍照（自拍）。有限的滤镜和装饰玩多了也会腻，所以就有 APP 提供了模仿名画风格的功能，比如 prisma、versa 等，可以把你的照片变成 梵高、毕加索、蒙克 等大师的风格。 这种功能叫做“图像风格迁移”，几乎都是基于 CVPR 2015 的论文《A Neural Algorithm of Artistic Style》和 ECCV 2016 的论文《Perceptual L...
Python 3.7.1运行OpenCV第一个小程序（测试OpenCV配置好没）
不唐
05-10 963
测试是否配置好了OpenCV，对图片进行灰度化处理。 import cv2 img = cv2.imread("C:/Users/LCH/Desktop/test.jpg") cv2.imshow("原图",img) imgGray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) cv2.imshow("灰度图",imgGray) 运行结果 注意： ...
Crypto_30_vHsm_Types.h
最新发布
07-09
Crypto_30_vHsm_Types
OpenCV+Python+Dlib面部标定、眨眼和疲劳检测代码
06-07
以下是OpenCV、Python和Dlib实现面部标定、眨眼和疲劳检测的代码： 首先，需要安装OpenCV、Python和Dlib库。在Python中，可以使用pip安装这些库： ``` pip install opencv-python pip install dlib ``` 接下来，导入必要的库： ```python import cv2 import dlib import numpy as np from scipy.spatial import distance as dist ``` 然后，定义一些常量和函数： ```python EYE_AR_THRESH = 0.25 # 眼睛长宽比阈值 EYE_AR_CONSEC_FRAMES = 3 # 连续帧数 YAWN_THRESH = 20 # 打哈欠阈值 ALARM_SOUND_PATH = "alarm.wav" # 警报声音文件路径 def eye_aspect_ratio(eye): # 计算眼睛长宽比 A = dist.euclidean(eye[1], eye[5]) B = dist.euclidean(eye[2], eye[4]) C = dist.euclidean(eye[0], eye[3]) ear = (A + B) / (2.0 * C) return ear def mouth_aspect_ratio(mouth): # 计算嘴巴长宽比 A = dist.euclidean(mouth[14], mouth[18]) B = dist.euclidean(mouth[12], mouth[16]) C = dist.euclidean(mouth[0], mouth[6]) mar = (A + B) / (2.0 * C) return mar def play_alarm_sound(path): # 播放警报声音 import os os.system("aplay " + path + " &") ``` 现在，让我们加载Dlib的人脸检测器和68个面部标定点模型： ```python detector = dlib.get_frontal_face_detector() predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat") ``` 最后，我们可以开始处理视频流或摄像头输入： ```python cap = cv2.VideoCapture(0) # 摄像头输入 ear_history = [] # 眼睛长宽比历史记录 mar_history = [] # 嘴巴长宽比历史记录 alarm_on = False # 是否播放警报声音 while True: ret, frame = cap.read() if not ret: break gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) rects = detector(gray, 0) for rect in rects: # 检测人脸并标定面部 shape = predictor(gray, rect) shape = np.array([(p.x, p.y) for p in shape.parts()]) # 计算眼睛长宽比和嘴巴长宽比 left_eye = shape[36:42] right_eye = shape[42:48] mouth = shape[48:68] ear = (eye_aspect_ratio(left_eye) + eye_aspect_ratio(right_eye)) / 2.0 mar = mouth_aspect_ratio(mouth) # 在视频中显示眼睛和嘴巴区域 cv2.drawContours(frame, [cv2.convexHull(left_eye)], -1, (0, 255, 0), 1) cv2.drawContours(frame, [cv2.convexHull(right_eye)], -1, (0, 255, 0), 1) cv2.drawContours(frame, [cv2.convexHull(mouth)], -1, (0, 255, 0), 1) # 更新眼睛长宽比历史记录 ear_history.append(ear) if len(ear_history) > EYE_AR_CONSEC_FRAMES: ear_history.pop(0) # 更新嘴巴长宽比历史记录 mar_history.append(mar) if len(mar_history) > EYE_AR_CONSEC_FRAMES: mar_history.pop(0) # 判断是否眨眼和打哈欠 ear_avg = np.mean(ear_history) mar_avg = np.mean(mar_history) if ear_avg < EYE_AR_THRESH and mar_avg > YAWN_THRESH: # 开始播放警报声音 if not alarm_on: alarm_on = True play_alarm_sound(ALARM_SOUND_PATH) else: # 停止播放警报声音 alarm_on = False cv2.imshow("Frame", frame) key = cv2.waitKey(1) if key == 27: break cap.release() cv2.destroyAllWindows() ``` 这段代码中，我们使用OpenCV从摄像头或视频流中读取帧。然后，我们将每个帧转换为灰度图像，并使用Dlib检测人脸和面部标定点。 接下来，我们计算眼睛长宽比和嘴巴长宽比，并绘制出眼睛和嘴巴的轮廓。然后，我们更新眼睛长宽比和嘴巴长宽比历史记录，并检查是否有连续的帧满足眨眼和打哈欠的条件。如果是，我们播放警报声音。 最后，我们在视频中显示帧，并等待按下ESC键退出程序。 希望这个例子可以帮助你开始使用OpenCV、Python和Dlib实现面部标定、眨眼和疲劳检测。

“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
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