Opencv的学习

#机器学习（数据+特征+分类器）4 预测检验
#视频与图片的分解合成，hog特征原理 Harr特征原理 SVM分类器的原理  Adaboost分类器原理  HOG+SVM小狮子检测#
#harr 模板 Adaboost 三级（强分类器 弱分类器 node）

#01 视频分解图片
#1 load 2 info 3 parse 4 imshow ,inmwrite

#(准备样本来做的)
import cv2
cap=cv2.VideoCapture(r'C:\Users\Administrator\Desktop\1.mp4')
isopened=cap.isOpened #判断是否打开打开才可以执行后续操作
print(isopened)
fps=cap.get(cv2.CAP_PROP_FPS)#帧率
width=int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))#w
height=int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))#h
print(fps,width,height)
i=0 #（记录当前保存了多少张）
while(isopened):
    if i==10:
        break;
    else:
        i=i+1
    (flag,frame)=cap.read()#读取每一张  flag:表明是否读取成功 frame:图片的内容
    filename='image'+str(i)+'.jpg'
    print(filename)
    if flag==True:
        cv2.imwrite(filename,frame,[cv2.IMWRITE_JPEG_QUALITY,100])
print('end')

#图片合成视频
import cv2
img=cv2.imread(r'C:\Users\Administrator\Desktop\1.1.jpg')
imginfo=img.shape
size=(imginfo[1],imginfo[0])
print(size)
videowrite=cv2.VideoWriter('2.mp4',-1,5,size)
for i in range(1,11):
    filename='image'+str(i)+'.jpg'
    img=cv2.imread(filename)
    videowrite.write(img)
    
print('end')
 

 

 

 

 

 

 

 

 

 

 

 

 

 

# 3 data
data=np.vstack((rand1,rand2))
data=np.array(data,dtype='float32')

#svm 所有的数据都要有label
#[155,48] -- 0 女生 [152,53]----1 男生
#监督学习 (在学习的时候要知道他的标签)  0负样本 1 正样本
#4 训练（svm的训练）
svm=cv2.ml.SVM_create() #ml  机器学习模块 先创建了一个支持向量机，创建好之后，需要设置它的属性，这样它就创建好了，下来就是用它来进行训练与预测
#属性设置
svm.setType(cv2.ml.SVM_C_SVC)
svm.setKernel(cv2.ml.SVM_LINEAR)#line
svm.setC(0.01)
#训练（参数设置好之后，使用SVM对数据进行训练）
result=svm.train(data,cv2.ml.ROW_SAMPLE,label)
#预测
pt_data=np.vstack([[167,55],[162,57]])#0 女生 1 男生
pt_data=np.array(pt_data,dtype='float32')
print(pt_data)
(par1,par2)=svm.predict(pt_data)
print(par1,par2)

 

 

##################很有用
#####对于文件夹下的图片统一尺寸，并保存到另外的文件夹下
import os
import time
from PIL import Image

def alter(path,object):
    s = os.listdir(path)
    count = 1
    for i in s:
        document = os.path.join(path,i)
        img = Image.open(document)
        out = img.resize((224,224))#224 *224是VGG16的结构模型输入大小
        listStr = [str(int(time.time())), str(count)]
        fileName = ''.join(listStr)
        out.save(object+os.sep+'%s.jpg' % fileName,format='jpg')
        count = count + 1

alter(r'C:\Users\Administrator\Desktop\火焰识别\训练样本\进行了数据增强的样本\最原始的样本\火焰图',r'C:\Users\Administrator\Desktop\火焰识别\训练样本\进行了数据增强的样本\最原始的样本\尺寸一致')
 

 

 

#很有用
###使用python批量修改文件名(按照顺序命名)
import os

class BatchRename():
    def __init__(self):
        self.path = r'C:\Users\Administrator\Desktop\火焰识别\训练样本\进行了数据增强的样本\最原始的样本\火焰图'

    def rename(self):
        filelist = os.listdir(self.path)
        total_num = len(filelist)
        i = 1
        for item in filelist:
            if item.endswith('.jpg'):
                src = os.path.join(os.path.abspath(self.path), item)
                dst = os.path.join(os.path.abspath(self.path), str(i) + '.jpg')
                try:
                    os.rename(src, dst)
                    print('converting %s to %s ...' % (src, dst))
                    i = i + 1
                except:
                    continue
        

if __name__ == '__main__':
    demo = BatchRename()
    demo.rename()
 

 

 

 

 

 

##对文件夹下的图片图像进行批量的水平翻转
import cv2
from glob2 import glob
for fn in glob(r'C:\Users\Administrator\Desktop\w\ww\www\*.jpg'): #确认文件格式
    img=cv2.imread(fn)
    horizontal_img=cv2.flip(img,1)#将原始图像进行批量翻转这样就获得了2倍的图片
    splitName=fn.split(".")
    newName=splitName[0]
    cv2.imwrite(newName+'_flip.jpg',horizontal_img)

 

 

#在平移时改变大小(保证完整的信息)
import numpy as np
import cv2
from glob2 import glob
import numpy as np
from PIL import Image
# 大小改变
def transform_with_change_size(image,xoffset,yoffset):
    rows = image.shape[0] + np.abs(yoffset)
    cols = image.shape[1] + np.abs(xoffset)

    dist = np.zeros((rows,cols,image.shape[2]),image.dtype)

    for y in range(rows):
        for x in range(cols):
            new_x = x - xoffset
            new_y = y - yoffset

            if new_x >=0 and new_y >= 0 and new_x < cols and new_y < rows:
                dist[y,x] = image[new_y,new_x] 
    return dist
for fn in glob(r'C:\Users\Administrator\Desktop\w\ww\fubenone\*.jpg'): #确认文件格式
    img=cv2.imread(fn,1)
    result = transform_with_change_size(img,100,100)
    splitName=fn.split(".")
    print(splitName[1])
    cv2.imwrite('C:\\Users\\Administrator\\Desktop\\L\\'+splitName[1]+'.jpg',result)

 

 

 

 

#在平移时不改变大小
import numpy as np
import cv2
from glob2 import glob
import numpy as np
from PIL import Image
# 大小改变
def transform_without_change_size(image,xoffset,yoffset):
    rows = image.shape[0]
    cols = image.shape[1]

    dist = np.zeros_like(image)

    for y in range(rows):
        for x in range(cols):
            new_x = x - xoffset
            new_y = y - yoffset

            if new_x >=0 and new_y >= 0 and new_x < cols and new_y < rows:
                dist[y,x] = image[new_y,new_x] 

    return dist
for fn in glob(r'C:\Users\Administrator\Desktop\w\ww\fubenthree\*.jpg'): #确认文件格式
    img=cv2.imread(fn,1)
    result = transform_with_change_size(img,100,100)
    splitName=fn.split(".")
    newName=splitName[0]
    cv2.imwrite(newName+'_flip.jpg',result)
 

 

 

#进行旋转的程序（30度旋转）
import numpy as np
import cv2
from glob2 import glob
import numpy as np
from PIL import Image

def rotate(image, angle, center=None, scale=1.0):
    (h, w) = image.shape[:2]
    if center is None:
        center = (w / 2, h / 2)
        M = cv2.getRotationMatrix2D(center, angle, scale)
        rotated = cv2.warpAffine(image, M, (w, h))
        return rotated
for fn in glob(r'C:\Users\Administrator\Desktop\w\ww\fubenone\*.jpg'): #确认文件格式
    img=cv2.imread(fn,1)
    result = rotate(img,45)
    splitName=fn.split(".")
    print(splitName[1])
    cv2.imwrite('C:\\Users\\Administrator\\Desktop\\L\\'+splitName[1]+'.jpg',result)

 

 

 

 

 

进行模型的保存
import tensorflow as tf
import os
import tarfile
import requests

#inception模型下载地址
inception_pretrain_model_url='http://download.tensorflow.org/models/image/imagenet/inception-2015-12-05.tgz'
#模型存放地址
inception_pretrain_model_dir='inception_model'
if not os.path.exists(inception_pretrain_model_dir):
    os.makedirs(inception_pretrain_model_dir)
#获取文件名，以及文件路径
filename=inception_pretrain_model_url.split('/')[-1]#这块获得的参数就是inception-2015-12-05.tgz
filepath=os.path.join(inception_pretrain_model_dir,filename)

#下载模型
if not os.path.exists(filepath):
    print("download: ", filename)
    r = requests.get(inception_pretrain_model_url, stream=True)
    with open(filepath, 'wb') as f:
        for chunk in r.iter_content(chunk_size=1024):
            if chunk:
                f.write(chunk)
print("finish: ", filename)
#解压文件
tarfile.open(filepath, 'r:gz').extractall(inception_pretrain_model_dir)
#模型结构存放文件
log_dir = 'inception_log'
if not os.path.exists(log_dir):
    os.makedirs(log_dir)
    
#classify_image_graph_def.pb为google训练好的模型
inception_graph_def_file = os.path.join(inception_pretrain_model_dir, 'classify_image_graph_def.pb')
with tf.Session() as sess:
    #创建一个图来存放google训练好的模型
    with tf.gfile.FastGFile(inception_graph_def_file, 'rb') as f:
        graph_def = tf.GraphDef()
        graph_def.ParseFromString(f.read())
        tf.import_graph_def(graph_def, name='')
    #保存图的结构
    writer = tf.summary.FileWriter(log_dir, sess.graph)
    writer.close()