[opencv][python] 学习手册2：练习代码3
32_打开摄像头.py
33_视频分解图像.py
34_人脸识别案例.py
35_摄像头人脸识别.py
36_判断当前是白天还是黑夜.py
文章目录
32_打开摄像头.py
代码
"""
需求：
1. 打开摄像头
2. 检查摄像头是否打开成功
3. 获取摄像头信息
4. 循环读取摄像头中图片信息
1. 读取摄像头图片信息
2. 检查读取图片是否成功，成功-显示图像
3. 等待按键
"""
import logging
import cv2 as cv
"""------------------------- 函数区 -------------------------"""
def frame_equalization(in_frame):
# global c3_eq
# 2. 拆分图像 split
channels = cv.split(in_frame)
# 3. 对每个通道进行均衡化 equalizeHist api
cb_eq = cv.equalizeHist(channels[0])
cg_eq = cv.equalizeHist(channels[1])
cr_eq = cv.equalizeHist(channels[2])
# 4. 再将均衡化的单通道进行融合 merge api
return cv.merge([cb_eq, cg_eq, cr_eq])
"""------------------------- 调试区 -------------------------"""
logging.basicConfig(level=logging.INFO)
# 1. 打开摄像头
video = cv.VideoCapture(0, cv.CAP_DSHOW) # cv.CAP_DSHOW 消除 [ WARN:0] terminating async callback
# 2. 检查摄像头是否打开成功
flag = video.isOpened()
# print("摄像头状态：[{0}]".format(flag))
logging.info("摄像头状态：[{0}]".format(flag))
# 3. 获取摄像头信息
height = video.get(cv.CAP_PROP_FRAME_HEIGHT)
width = video.get(cv.CAP_PROP_FRAME_WIDTH)
fps = video.get(cv.CAP_PROP_FPS)
# print("height::[{0}], width::[{1}], fps::[{2}]".format(height, width, fps))
logging.info("height::[{0}], width::[{1}], fps::[{2}]".format(height, width, fps))
# 4. 循环读取摄像头中图片信息
while True:
# 1. 读取摄像头图片信息
flag, frame = video.read()
# 2. 检查读取图片是否成功，成功-显示图像
if flag:
# 添加视频帧处理功能
c3_eq = frame_equalization(frame)
cv.imshow("frame", frame)
cv.imshow("c3_eq", c3_eq)
# 3. 等待按键, 30fps
key = cv.waitKey(30)
if key == 27 or key == ord('q'):
cv.destroyAllWindows()
break
注1：
cv.VideoCapture(0, cv.CAP_DSHOW)参数2使用 DSHOW，不然会报错： cv.CAP_DSHOW 消除 [ WARN:0] terminating async callback
运行结果（略）
33_视频分解图像（连续视频帧保存）.py
需求
实现视频帧的连续保存，按下 s 键，开始保存视频图像，再次按下 s 键，停止保存。
代码
"""
需求：
1. 打开摄像头
2. 检查摄像头是否打开成功
3. 获取摄像头信息
4. 循环读取摄像头中图片信息
1. 读取摄像头图片信息
2. 检查读取图片是否成功，成功-显示图像
3. 等待按键
"""
import os
import cv2 as cv
# 1. 打开摄像头
video = cv.VideoCapture(0, cv.CAP_DSHOW) # cv.CAP_DSHOW 消除 [ WARN:0] terminating async callback
# 2. 检查摄像头是否打开成功
flag = video.isOpened()
print("摄像头状态：[{0}]".format(flag))
# 3. 获取摄像头信息
height = video.get(cv.CAP_PROP_FRAME_HEIGHT)
width = video.get(cv.CAP_PROP_FRAME_WIDTH)
fps = video.get(cv.CAP_PROP_FPS)
print("height::[{0}], width::[{1}], fps::[{2}]".format(height, width, fps))
def frame_equalization(in_frame):
# global c3_eq
# 2. 拆分图像 split
channels = cv.split(in_frame)
# 3. 对每个通道进行均衡化 equalizeHist api
cb_eq = cv.equalizeHist(channels[0])
cg_eq = cv.equalizeHist(channels[1])
cr_eq = cv.equalizeHist(channels[2])
# 4. 再将均衡化的单通道进行融合 merge api
return cv.merge([cb_eq, cg_eq, cr_eq])
def save_frame(in_frame, i, save_enable=False):
save_path = r"../save"
if save_enable:
try:
os.mkdir(save_path)
except:
pass
cv.imwrite(save_path + "/img_{}.png".format(i), in_frame)
print("save img ", i)
else:
pass
# 4. 循环读取摄像头中图片信息
save_enable = False
index = 0
while True:
# 1. 读取摄像头图片信息
flag, frame = video.read()
# 2. 检查读取图片是否成功，成功-显示图像
if flag:
# 图像均衡化
c3_eq = frame_equalization(frame)
# 显示原图像+均衡图像
cv.imshow("frame", frame)
cv.imshow("c3_eq", c3_eq)
# 保存原图像
save_frame(frame, index, save_enable)
# 3. 等待按键, 30fps
key = cv.waitKey(30)
# 视频图像连续保存
if key == ord('s'):
# if not save_enable:
# save_enable = True
# else:
# save_enable = False
save_enable = not save_enable # 开关机制
print("save_enable ::", save_enable)
# 退出视频
if key == 27 or key == ord('q'):
cv.destroyAllWindows()
break
index += 1
运行结果（略）
34_人脸识别案例.py
代码
"""
需求：
1. 读取图像
2. 转化成灰度图
3. 加载人脸识别特征文件
4. 加载人眼识别特征文件
5. 检测人脸
6. 对每一个检测到的人脸进行处理
1. 用矩形框出人脸
2. 截取人脸 ROI
3. 对人脸 ROI 进行人眼检测
4. 对每一个检测到的人眼进行处理
1. 用矩形框出人眼
7. 显示图像，等待按键
问题解决
加载训练模型出问题：Process finished with exit code -1073741515 (0xC0000135)
链接：https://stackoverflow.com/questions/33582766/process-finished-with-exit-code-1073741515-0xc0000135
解决：内存被占用，重启编译器
"""
# import cvlog as log
import logging
import cv2 as cv
# 0. 配置 python 日志
logging.basicConfig(level=logging.INFO)
# 1. 读取图像
filename = r"../img/lena.jpg"
# filename = r"../save/img_1192.png"
src = cv.imread(filename, cv.IMREAD_COLOR)
# 2. 转化成灰度图
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
# 3. 加载人脸识别特征文件
face_detector = cv.CascadeClassifier(r"../img/haarcascade_frontalface_default.xml")
# 4. 加载人眼识别特征文件
eye_detector = cv.CascadeClassifier(r"../img/haarcascade_eye.xml")
# 5. 检测人脸
faces = face_detector.detectMultiScale(gray, 1.3, 1, minSize=(10, 10))
logging.info("人脸数量：[{0}]".format(len(faces)))
logging.info("人脸向量：\n[{0}]".format(faces))
# 6. 对每一个检测到的人脸进进行处理
for face in faces:
f_x = face[0]
f_y = face[1]
f_h = face[2]
f_w = face[3]
# 1. 用矩形框出人脸
cv.rectangle(src, (f_x, f_y), (f_x + f_w, f_y + f_h), (0, 255, 0), 2)
# 2. 截取人脸 ROI
face_roi = src[f_y:f_y + f_h, f_x:f_x + f_w]
# 3. 对人脸 ROI 进行人眼检测
eyes = eye_detector.detectMultiScale(face_roi, 1.3, 5)
logging.info("人眼数量：[{0}]".format(len(eyes)))
logging.info("人眼向量：\n[{0}]".format(eyes))
# 4. 对每一个检测到的人眼进行处理
for eye in eyes:
e_x = eye[0]
e_y = eye[1]
e_h = eye[2]
e_w = eye[3]
# 1. 用矩形框出人眼
cv.rectangle(face_roi, (e_x, e_y), (e_x + e_w, e_y + e_h), (0, 0, 255), 2)
cv.imshow("face_roi", face_roi)
# 7. 显示图像，等待按键
cv.imshow("src", src)
key = cv.waitKey(0)
print("key = ", key)
# logging.error("key = ", key)
运行结果
35_摄像头人脸识别.py
代码
"""
需求：
1. 打开摄像头
2. 检查摄像头是否打开成功
3. 获取摄像头信息
4. 循环读取摄像头中图片信息
1. 读取摄像头图片信息
2. 检查读取图片是否成功，成功-显示图像
3. 等待按键
"""
import logging
import cv2 as cv
"""------------------------- 函数区 -------------------------"""
"""
需求：
1. 打开摄像头
2. 检查摄像头是否打开成功
3. 获取摄像头信息
4. 循环读取摄像头中图片信息
1. 读取摄像头图片信息
2. 检查读取图片是否成功，成功-显示图像
3. 等待按键
问题解决：
1. 如何调整参数：detectMultiScale：https://stackoverflow.com/questions/20801015/recommended-values-for-opencv-detectmultiscale-parameters
"""
import logging
import cv2 as cv
"""------------------------- 函数区 -------------------------"""
def frame_equalization(in_frame):
# global c3_eq
# 2. 拆分图像 split
channels = cv.split(in_frame)
# 3. 对每个通道进行均衡化 equalizeHist api
cb_eq = cv.equalizeHist(channels[0])
cg_eq = cv.equalizeHist(channels[1])
cr_eq = cv.equalizeHist(channels[2])
# 4. 再将均衡化的单通道进行融合 merge api
return cv.merge([cb_eq, cg_eq, cr_eq])
def detect_init():
# global face_detector, eye_detector
f_detector = cv.CascadeClassifier(r"../img/haarcascade_frontalface_default.xml")
e_detector = cv.CascadeClassifier(r"../img/haarcascade_eye.xml")
return f_detector, e_detector
def detect_face_eye(in_frame):
gray = cv.cvtColor(in_frame, cv.COLOR_BGR2GRAY)
faces = face_detector.detectMultiScale(gray, 1.5, 2, minSize=(30, 30))
for face in faces:
f_x = face[0]
f_y = face[1]
f_h = face[2]
f_w = face[3]
# 1. 用矩形框出人脸
cv.rectangle(in_frame, (f_x, f_y), (f_x + f_w, f_y + f_h), (0, 255, 0), 2)
# 2. 截取人脸 ROI
f_roi = in_frame[f_y:f_y + f_h, f_x:f_x + f_w]
# 3. 对人脸 ROI 进行人眼检测
eyes = eye_detector.detectMultiScale(f_roi, 1.7, 7, minSize=(40, 40))
# 4. 对每一个检测到的人眼进行处理
for eye in eyes:
e_x = eye[0]
e_y = eye[1]
e_h = eye[2]
e_w = eye[3]
# 1. 用矩形框出人眼
cv.rectangle(f_roi, (e_x, e_y), (e_x + e_w, e_y + e_h), (0, 0, 255), 2)
# cv.imshow("face_roi", face_roi)
return f_roi
"""------------------------- 调试区 -------------------------"""
# 0. 配置 python 日志
logging.basicConfig(level=logging.INFO)
# 1. 打开摄像头
video = cv.VideoCapture(0, cv.CAP_DSHOW) # cv.CAP_DSHOW 消除 [ WARN:0] terminating async callback
# 2. 检查摄像头是否打开成功
flag = video.isOpened()
logging.info("摄像头状态：[{0}]".format(flag))
# 3. 获取摄像头信息
height = video.get(cv.CAP_PROP_FRAME_HEIGHT)
width = video.get(cv.CAP_PROP_FRAME_WIDTH)
fps = video.get(cv.CAP_PROP_FPS)
logging.info("height::[{0}], width::[{1}], fps::[{2}]".format(height, width, fps))
# # 加载特征识别文件
face_detector, eye_detector = detect_init()
# 4. 循环读取摄像头中图片信息
while True:
# 1. 读取摄像头图片信息
flag, frame = video.read()
# 2. 检查读取图片是否成功，成功-显示图像
if flag:
# # 功能 1：视频帧均衡化
c3_eq = frame_equalization(frame)
# # 功能 2：人脸、人眼识别
face_roi = detect_face_eye(frame)
try:
cv.imshow("frame", frame)
cv.imshow("c3_eq", c3_eq)
cv.imshow("face_roi", face_roi)
except:
pass
# 3. 等待按键, 30fps
key = cv.waitKey(30)
if key == 27 or key == ord('q'):
cv.destroyAllWindows()
break
logging.info("相机退出")
运行结果（略）
36_判断当前是白天还是黑夜.py
原理
- 将图像从 RGB（BGR） 空间 转化到 HSV 空间，色调（H），饱和度（S），明度（V）。
- 色调H：
用角度度量，取值范围为0°～360°，从红色开始按逆时针方向计算，红色为0°，绿色为120°,蓝色为240°。它们的补色是：黄色为60°，青色为180°,品红为300°- 饱和度S：
饱和度S表示颜色接近光谱色的程度。通常取值范围为0%～100%，值越大，颜色越饱和。- 明度V:
明度表示颜色明亮的程度，通常取值范围为0%（黑）到100%（白）。
- 注意: 在opencv中,H、S、V值范围分别是[0,180]，[0,255]，[0,255]，而非[0,360]，[0,1]，[0,1]；
代码
"""
需求：
1. 读取图像
2. 将图像从 RGB 空间转换成 HSV 空间（色调（H），饱和度（S），明度（V））
3. 获取 V 通道信息
4. 求 V 通道的平均值
5. 显示图像，等待按键
解决问题：TypeError: not all arguments converted during string formatting：https://stackoverflow.com/questions/18053500/typeerror-not-all-arguments-converted-during-string-formatting-python
"""
import logging
import cv2 as cv
import numpy as np
"""------------------------- 功能函数 -------------------------"""
def get_brightness(in_img):
# 2. 将图像从 RGB 空间转换成 HSV 空间（色调（H），饱和度（S），明度（V））
hsv = cv.cvtColor(in_img, cv.COLOR_BGR2HSV)
# 3. 获取 V 通道信息
channels = cv.split(hsv)
# 4. 求 V 通道的平均值
v_channel = channels[2]
h, w = in_img.shape[0], in_img.shape[1]
total_v = np.sum(v_channel)
avg_v = total_v / (h * w)
return avg_v
"""------------------------- 调试代码 -------------------------"""
logging.basicConfig(level=logging.INFO)
# 1. 读取图像
filename_day = r"../img/day_shanghai.jpg"
filename_night = r"../img/night_shanghai.jpg"
day = cv.imread(filename_day, cv.IMREAD_COLOR)
night = cv.imread(filename_night, cv.IMREAD_COLOR)
day_brightness = get_brightness(day)
night_brightness = get_brightness(night)
logging.info("day 的平均亮度：{}".format(day_brightness))
logging.info("night 的平均亮度：{}".format(night_brightness))
# 5. 显示图像，等待按键
cv.imshow("day", day)
cv.imshow("night", night)
key = cv.waitKey(0)
print("key = ", key)
运行结果
E:\Software\A_anaconda\envs\python3\python.exe E:/WorkSpace/WS_CV_2D/day02/36_判断当前是白天还是黑夜.py
INFO:root:day 的平均亮度：170.97303571428571
INFO:root:night 的平均亮度：52.73478390461997
通过设定 HSV 中 V 的阈值判断白天或黑夜
todo：图片合成视频
参考
问题解决
1. 加载训练模型出问题：Process finished with exit code -1073741515 (0xC0000135)
链接：https://stackoverflow.com/questions/33582766/process-finished-with-exit-code-1073741515-0xc0000135
7779
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
