书接上回，这次我们利用Aidlux调用手机摄像头玩转OpenCV

最新推荐文章于 2023-08-20 14:53:02 发布

远方上鸭

最新推荐文章于 2023-08-20 14:53:02 发布

阅读量760

点赞数 4

文章标签：智能手机 opencv 人工智能

本文链接：https://blog.csdn.net/qq_62016841/article/details/132096355

版权

这篇文章中，我们主要完成以下几项任务：

一、我们讲解一下利用OpenCV自带的功能来调用手机摄像头实时拍照、实时逐帧捕捉手机摄像头所拍摄的画面（我们直接讲一个稍微有一点难度的代码，即Canny边缘检测，同理，霍夫直线检测也是相同的道理，我们在这里就不过多啰嗦了）

二、将写好的代码文件通过Aidlux自带的传输文件的端口，从本地上传到手机/home文件目录下

三、在软件自带的终端上运行我们写好的python文件

四、最后，我们利用Aidlux自带的launch-build应用，将我们写好的python代码成功创建成桌面应用，并从桌面运行启动，至此，我们今天的任务就告成了！！！

正文

一、讲解代码：

import cv2
import numpy as np
from cvs import *
import matplotlib.pyplot as plt
import time
import matplotlib 



## 初始化摄像头
# 摄像头ID 0-后置 1-前置
Camera_ID = 0

# 获取摄像头信息
cap = cvs.VideoCapture (Camera_ID)


## 逐帧处理函数（选择一个运行）

# 逐帧处理函数，默认不进行任何处理，直接将摄像头捕获的画面写入视频帧

# 一、什么都不改动，直接获取手机摄像头画面进行展示
# def process_frame(img_bgr):
#     '''输入BGR格式的 numpy array，输出BGR格式的 numpy array'''
#     # img_bgr = img_bgr[:,:,::-1] # BGR转RGB
#     return img_bgr


# 二、 Canny 边缘检测
# def process_frame(img_bgr):
#     '''输入BGR格式的 numpy array，输出BGR格式的 numpy array'''
#     img_bgr = cv2.Canny(img_bgr, 100, 200)
#     img_bgr = np.dstack((img_bgr, img_bgr, img_bgr))
#     return img_bgr


# 三、 Canny 边缘检测 - 写 FPS 数值
# def process_frame(img_bgr):
#     '''输入BGR格式的 numpy array，输出BGR格式的 numpy array'''

#     # 记录该帧开始处理的时间
#     start_time = time.time()

#     # 逐帧处理操作
#     img_bgr = cv2.Canny(img_bgr, 100, 200)
#     img_bgr = np.dstack((img_bgr, img_bgr, img_bgr))

#     # 记录该帧处理完毕的时间
#     end_time = time.time()
#     # 计算每秒处理图像帧数FPS
#     FPS = 1/(end_time - start_time)

#     # 在画面上写 FPS 数值
#     end_time = time.time()
#     FPS = 1/(end_time - start_time) # 计算每秒处理图像帧数FPS
#     FPS_string = 'FPS {:.2f}'.format(FPS) # 写在画面上的字符串
#     img_bgr = cv2.putText(img_bgr, FPS_string, (25, 100), cv2.FONT_HERSHEY_SIMPLEX, 1.25, (255, 0, 255), 2) # 在画面上写字：图片，字符串，左上角坐标，字体，字体大小，颜色，字体粗细

#     return img_bgr


# 四、Hough 直线检测 - 写 FPS 数值
def process_frame(img_bgr):
    # 记录该帧开始处理的时间
    start_time = time.time ()

    img_gray = cv2.cvtColor (img_bgr, cv2.COLOR_BGR2GRAY)  # BGR 转 灰度图
    edges = cv2.Canny (img_gray, 50, 150, apertureSize=3)  # Canny 直线检测
    lines = cv2.HoughLines (edges, 1, np.pi / 180, 150)  # 霍夫直线检测

    if lines is None:  # 如果检测出直线
        pass
    else:
        for line in lines:
            rho, theta = line[0]
            a = np.cos (theta)
            b = np.sin (theta)
            x0 = a * rho
            y0 = b * rho
            # x1 stores the rounded off value of (r * cos(theta) - 1000 * sin(theta))
            x1 = int (x0 + 1000 * (-b))
            # y1 stores the rounded off value of (r * sin(theta)+ 1000 * cos(theta))
            y1 = int (y0 + 1000 * (a))
            # x2 stores the rounded off value of (r * cos(theta)+ 1000 * sin(theta))
            x2 = int (x0 - 1000 * (-b))
            # y2 stores the rounded off value of (r * sin(theta)- 1000 * cos(theta))
            y2 = int (y0 - 1000 * (a))
            img_bgr = cv2.line (img_bgr, (x1, y1), (x2, y2), (0, 0, 255), 2)

    # 在画面上写 FPS 数值
    end_time = time.time ()
    FPS = 1 / (end_time - start_time)  # 计算每秒处理图像帧数FPS
    FPS_string = 'FPS {:.2f}'.format (FPS)  # 写在画面上的字符串
    img_bgr = cv2.putText (img_bgr, FPS_string, (25, 100), cv2.FONT_HERSHEY_SIMPLEX, 1.25, (255, 0, 255),
                           2)  # 在画面上写字：图片，字符串，左上角坐标，字体，字体大小，颜色，字体粗细

    return img_bgr


## 逐帧实时处理手机摄像头拍摄的画面-代码模板
while True:
    img_bgr = cap.read ()

    if img_bgr is None:
        continue

    img_bgr = process_frame (img_bgr)

    cvs.imshow (img_bgr)