opencv python 创建灰度图_小白级OpenCV入门

如今科技发展迅速，很多领域都涉及到“计算机视觉”这个细分领域。简单的说，就是将图像信息转化为计算机可以处理的数字信息，从而让计算机可以看得见，本文就介绍一下纯小白的opencv入门技巧。

OpenCV入门

# 安装：# OpenCV 的安装依赖 numpy 库，在安装之前确保已经安装好了 numpy 库。pip install opencv-python

Python中的opencv安装仅需一行代码就搞定了，opencv是C++写的代码，python中调用cv2模块中的方法就可以了。

图片读取

准备就绪后，就可以开始学习了，既然是为了让计算机可以看得见，那么首先介绍一下如何来读取图片。需要注意的一点是cv2读取图片路径中，不能包含中文，否则读取不出来。从网上下载张图片放在程序同目录下，开始读取。

import cv2

dog = cv2.imread('dog.jpg') # 小编比较喜欢小狗

# 显示图片
cv2.imshow('dog', dog)

# 等待键盘输入时中断，单位是毫秒，如果是0，无限等待
cv2.waitKey(0)

# 由于opencv是有C++编写的，所以程序结束后要释放一下
cv2.destroyAllWindows()

转灰度图

利用 dog.shape 函数可以看到数据形状，彩色图片是三维的，在很多操作时数据量大，不便于操作，经常会转换成灰度图像。

# 彩色图片变为黑白
import cv2
dog = cv2.imread('dog.jpg')

# cv2 读取图片，颜色通道是BGR
# PIL 读取图片，颜q色通道是RGB

dog_gray = cv2.cvtColor(dog, code=cv2.COLOR_BGR2GRAY) # 转灰度，可以利用tab键进行操作，其中的属性名都很友好

cv2.imshow('gray', dog_gray)
cv2.waitKey(0)
cv2.destroyAllWindows()

其他常用操作

• 调整图片规格

dogg = cv2.resize(dog, dsize=(298, 368)) # 括号中的宽高尺寸顺序与shape输出是相反的

• 存储图片

cv2.imwrite('./dog_gray.jpg', dog_gray) # 参数一是存储路径，参数二是被存储图片

• 键盘中断退出

cv2.imshow('dogg', dogg)
while True:
    if ord('q') == cv2.waitKey(9000): # 等3000毫秒,等待键盘输入字符‘q’则退出
        break
cv2.destroyAllWindows()
# ord('q')是得到q的ASCII码

人脸识别

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。这就需要训练数据来识别人脸，不过GitHub上已经有一些训练好的训练数据了，可以直接下载。直接GitHub上搜索opencv，找星标 最多的那个，C++编写的。里面有各种训练好的数据集，我们这次用到的数据，直接给出链接。

https://github.com/opencv/opencv/tree/master/data/haarcascades

import numpy as np
import cv2

pic = cv2.imread('./nba.jpg')

# 人脸数据，级联分类器，给人脸特征数据，返回可以识别人脸的对象
detector = cv2.CascadeClassifier('./haarcascade_frontalface_default.xml')

# 转换成灰度
gray = cv2.cvtColor(pic, code=cv2.COLOR_BGR2GRAY)

# 使用训练好的识别人脸对象来识别人脸区域
face_zone = detector.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=3) # 后两个参数就是默认值，可以修改来调整识别人脸的精确度

for x, y, w, h in face_zone:
    # 在人脸上画一个正方形，画正方形只需要知道左上角和右下角坐标即可
    cv2.rectangle(pic, pt1=(x, y), pt2=(x+w, y+h), color=[0, 255, 0], thickness=2)
    # 在人脸上画圈，需要圆的圆心坐标和半径
    cv2.circle(pic, center=(x+w//2, y+h//2), radius=w//2, color=[0, 0, 255], thickness=2)

# 使用灰度图检测，绘制在彩色图片上
cv2.imshow('pic', pic)
cv2.waitKey(0)
cv2.destroyAllWindows()

是不是很简单的几步就实现了，显然，有些误差，但是效果已经很明显了，想要获得更好的结果可以调整参数，或者自己再训练数据。

视频处理

使用opencv来处理视频之前，首先应该了解视频是怎么来的。简单的说视频就是有很多张图片构成(这里忽略了音频，音频是由二维数据组成，左声道和右声道，有机会以后再说)。

中间步骤解析：

# 读取数据cap = cv2.VideoCapture('./v1.mp4') # flag和frame接收返回值，flag是个布尔型值，表示是否读取到帧，frame为当前帧的数据flag, frame = cap.read()# 获取视频对象的帧频率，可以通过该频率计算 WaitKey 时间，来调整视频的快慢cap.get(propId=cv2.CAP_PROP_FPS)

import numpy as np
import cv2

# 参数是0，则调取本地摄像头
cap = cv2.VideoCapture(0)

w = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH)) + 1 # 宽一点没问题，小了不行
h = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT)) + 1

vidioWriter = cv2.VideoWriter('./po.mp4', cv2.VideoWriter_fourcc('M','P','4','v'), 24, (w, h)) # 要求int型
# cv2.VideoWriter_fourcc('M','P','4','2') avi格式
# cv2.VideoWriter_fourcc('M','P','4','v') mp4格式

detector = cv2.CascadeClassifier('./haarcascade_frontalface_default.xml')

while cap.isOpened():
    flag, frame = cap.read()
    
    gray = cv2.cvtColor(frame, code=cv2.COLOR_BGR2GRAY)
    face_zone = detector.detectMultiScale(gray, scaleFactor=1.2, minNeighbors=5)
    for x,y,w,h in face_zone:
        cv2.circle(frame, center=(x+w//2, y+h//2), radius=w//2, color=[0, 0, 255], thickness=2)
        vidioWriter.write(frame)
    #　上面创建了写视频对象，仅需把每一帧写入即可
    
    if flag == False:
    # 判断是否还能读取到帧，取不到则表示视频结束了，退出循环
        break
    
    cv2.imshow('pic', frame)
    
    if ord('q') == cv2.waitKey(40):
    # 没有键入‘q’时，按等待时间展示每一帧，合起来就是个视频，输入‘q’时退出
        break
        
cv2.destroyAllWindows()

cap.release() # 释放资源
vidioWriter.release()

完

精彩推荐

python数据分析与挖掘 | 数据预处理

python数据分析与挖掘 | 数据探索

python数据分析工具 | matplotlib

Python GUI编程(Tkinter)