opencv调用电脑内置摄像头基本操作及相关问题解析

0 引言

调用电脑内置摄像头的原理与上一节的图片读取原理一致,此次是在短时间内读取多个帧(图片),达到视频读取的效果。详细操作如下:

1 先打开电脑内置摄像头,并且给它取个名字。

函数为:cv.VideoCapture(0)。capture意为俘获,video意为录像,加在一起即为捕获录像。例:

cap=cv.VideoCapture(0)

当该函数的参数为0时,即为调用本电脑的摄像头;参数为某一视频地址时,则为读取打开该视频。

2 检查摄像头是否正常运行

函数为cap.isOpened(),该函数在读取的摄像头cap下,执行判断程序:is opened?并返回布尔值。此处可以用if选择语句来检查:

if not cap.isOpened():
    print('Cannot open camera')
    exit()
while True:         // 后续可以接上执行语句

3 开始捕获逐帧图片

函数为:ret,frame=cap.read(),该函数将返回两个参数:ret、frame;ret返回值为布尔值,用于检测图片捕获是否正确、frame返回值为三维矩阵,即为每一帧的图像。例:

   ret,frame=cap.read()

4 通过上述返回的ret值,判断图片读取是否正确

该操作主要为直接通过返回的ret值判断,直接使用if判断句即可:

 if not ret:
        print('Cannot receive frame . Exiting...')
        break

5 将读取到的逐帧图片转换为灰度色彩空间,并在窗口显示

此处使用到一种函数cv.cvtColor(frame,cv.COLOR_BGR2GRAY),其中cv.cvtColor意为转变色彩空间(有关opencv的色彩空间相关知识,可以戳https://www.cnblogs.com/feifanrensheng/p/9132031.html,里面有较为详细的讲解)。其中两个参数分别为转换对象名称与色彩转换的种类:BGR2GRAY意为BGR to GRAY,即3通道BGR色彩空间,转换为1通道GRAY色彩空间。
完成色彩转换后,直接使用上一节的函数cv.imshow()函数即可显示视频:
注:下面代码中**new_gray=cv.flip(gray, 1)**只是为了将视频镜像,更为好看,使用的函数,不在该节的展示中,有兴趣的朋友可以自行搜索学习。

 gray=cv.cvtColor(frame,cv.COLOR_BGR2GRAY)
    new_gray=cv.flip(gray, 1)
    cv.imshow("frame",new_gray)

6 完成操作释放所有捕获的摄像头,关闭所有窗口

结束工作后,需要记得释放捕获的硬件:

cap.release()
cv.destroyAllWindows()

7 附:键盘相关操作

该部分为博主学习过程中对于cv.waitKey()函数相关操作的理解:
该函数括号中只有一个参数,当参数大于0时,意为需等待用户的操作时间,若在此期间,用户操作程序中对应按键,则语句立即结束,执行后续的程序,反之,如果期间用户没操作,括号中的参数对应时间(ms)到了后,同样结束语句,执行后续程序;当参数等于0时,意为无限时间等待用户操作,直到用户操作后,才开始执行后续语句。例:

cv.waitKey(1)==ord('q')       //等待时间为1ms、用户可操作按钮为q(其中ord()是读取字符‘q’的ASCII码的函数)

8 附上整体程序代码

import numpy as np
import cv2 as cv
cap=cv.VideoCapture(0)
if not cap.isOpened():
    print('Cannot open camera')
    exit()
while True:
    ret,frame=cap.read()
    if not ret:
        print('Cannot receive frame . Exiting...')
        break
    gray=cv.cvtColor(frame,cv.COLOR_BGR2GRAY)
    new_gray=cv.flip(gray, 1)
    cv.imshow("frame",new_gray)
    if cv.waitKey(1)& 0xFF==ord('q'):
        break
cap.release()
cv.destroyAllWindows()
  • 7
    点赞
  • 42
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
当然可以!下面是一个使用PythonOpenCV调用摄像头并进行数字识别的示例代码: ```python import cv2 import numpy as np from keras.models import load_model # 加载数字识别模型 model = load_model('digit_recognition_model.h5') # 设置摄像头 cap = cv2.VideoCapture(0) while True: # 读取摄像头的帧 ret, frame = cap.read() # 将帧转换为灰度图像 gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 对图像进行二值化处理 _, thresholded = cv2.threshold(gray, 100, 255, cv2.THRESH_BINARY_INV) # 查找图像的轮廓 contours, _ = cv2.findContours(thresholded, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) for contour in contours: # 获取轮廓的边界框 x, y, w, h = cv2.boundingRect(contour) # 提取数字区域 digit_region = thresholded[y:y+h, x:x+w] # 调整数字区域的大小 resized_digit = cv2.resize(digit_region, (28, 28)) # 将图像转换为模型输入所需的格式 input_data = np.reshape(resized_digit, (1, 28, 28, 1)).astype('float32') / 255 # 使用模型进行预测 prediction = model.predict_classes(input_data)[0] # 在图像上绘制识别结果 cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2) cv2.putText(frame, str(prediction), (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0, 255, 0), 2) # 显示结果图像 cv2.imshow('Digit Recognition', frame) # 按下 'q' 键退出循环 if cv2.waitKey(1) & 0xFF == ord('q'): break # 释放摄像头并关闭窗口 cap.release() cv2.destroyAllWindows() ``` 在运行代码之前,你需要确保已经安装了OpenCV和Keras库,并且已经训练了一个数字识别模型(保存为'digit_recognition_model.h5')。这个模型可以使用MNIST数据集或者其他适用于数字识别的数据集进行训练。 这段代码会打开计算机的摄像头,实时读取摄像头的帧,并对每一帧进行数字识别。识别结果会在图像上用矩形框和数字进行标注。按下 'q' 键可以退出程序。 希望对你有所帮助!如果还有其他问题,请随时提问。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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