OpenCV_PY_1.1读、写、显示图像

相关代码

读图像——cv2.imread(filename,flag)
参数说明:
filename——图像文件名(读取图像的路径),需加 ' '
flag——图像读取格式标志,如:读取时调整图片大小或将图片改为灰色... 不写则默认原图         
写图像——cv2.write(filename,img)用于写入图像
参数说明:
filename——图像文件名(储存图像的路径),需加 ' '
img——存储的图像
显示图像——cv2.imshow(winname,img)
参数说明:
winname——显示的窗口名,需加 ' '
img——显示的图像

import cv2  # 导入OpenCv-Python工具包,默认图像图像格式BGR
import numpy as np  # 导入numpy计算工具包

# 1 读取图像_取一个变量名img
img=cv2.imread('Rem.png')  # 参数:图像路径

# 2 写图像
wimg=np.zeros((50,50),dtype=np.uint8)
# 创建一个50*50的黑色图像 dtype=np.uint8表示每个数组元素用一个字节(8位)存储,颜色取值范围0——255
cv2.imwrite('blackWindow.jpg',wimg)  # 参数一:文件名;参数二:图像数组

# 3 显示图像_窗口名为image
cv2.imshow('image',img)  # 参数一:窗口名称;参数二:图像
cv2.waitKey(0)  # 等待按键输入,返回按键的ASCII值。0表示任意按键;其他整数表示时间,单位毫秒
cv2.destroyAllWindows()  # 删除全部窗口

运行结果

OpenCV学习笔记,希望对您有所帮助

2023/07/20/4:46

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
### 回答1: 好的,以下是一个基本的使用PythonOpenCV库进行人脸识别的代码示例: ```python import cv2 # 加载预训练的人脸检测器 face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml') # 打开摄像头 cap = cv2.VideoCapture(0) while True: # 取每一帧的图像 ret, frame = cap.read() # 将图像转换为灰度图像 gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 在灰度图像上检测人脸 faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5) # 在图像上标记人脸 for (x, y, w, h) in faces: cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2) # 显示图像 cv2.imshow('frame', frame) # 按下q键退出循环 if cv2.waitKey(1) & 0xFF == ord('q'): break # 释放摄像头和窗口资源 cap.release() cv2.destroyAllWindows() ``` 这个代码使用了OpenCV的人脸检测器来检测每一帧图像中的人脸,并在图像上标记出人脸的位置。可以使用键盘上的“q”键来退出循环并释放摄像头和窗口资源。 要运行这个代码,您需要先安装OpenCV库,并将预训练的人脸检测器“haarcascade_frontalface_default.xml”文件放在与代码文件相同的目录中。 ### 回答2: 人脸识别是一种广泛应用的计算机技术,可以通过计算机与相机设备合作,实现对人脸图像的自动检测、识别和分类。在Python编程语言中,我们可以使用OpenCV库结合人脸识别算法,实现人脸识别功能。 首先,通过Python中的pip工具可以很方便地安装OpenCV库。安装完成后,我们可以引入OpenCV库并使用其提供的函数来进行人脸识别。 在使用之前,我们需要先收集一些包含人脸和非人脸的图像样本,用于训练分类器。通常情况下,我们需要大约几百到上千张样本图像。 接下来,我们可以使用OpenCV中的cv2.CascadeClassifier类来加载已经训练好的人脸分类器模型,该模型可以接受图像作为输入,并返回检测到的人脸位置。 接下来,我们可以使用摄像头图像,并将其转换为灰度图像,以便进行人脸检测。然后,我们可以调用分类器模型的detectMultiScale函数,对灰度图像进行人脸检测。 最后,我们可以使用cv2.rectangle函数在原始图像上绘制出检测到的人脸位置,并显示结果图像。同时,我们也可以使用cv2.putText函数添加文字信息。 总结起来,使用Python语言和OpenCV库实现人脸识别的步骤大致如下: 1. 安装OpenCV库。 2. 收集人脸和非人脸图像样本。 3. 加载训练好的人脸分类器模型。 4. 取摄像头图像,并转换为灰度图像。 5. 调用分类器模型的detectMultiScale函数进行人脸检测。 6. 绘制人脸矩形框和添加文字信息。 7. 显示结果图像。 以上就是使用PythonOpenCV库实现人脸识别的一个简单步骤。当然,人脸识别是一个复杂而庞大的领域,在实际应用中还需要考虑到很多因素,比如光照条件、姿态变化等。这里只是一个简单的介绍。 ### 回答3: 使用Python语言和OpenCV库来编一个人脸识别程序可以分为以下几个步骤: 1. 导入所需的库: ``` import numpy as np import cv2 ``` 2. 加载人脸识别模型: ``` face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml') ``` 需要下载一个名为'haarcascade_frontalface_default.xml'的人脸识别分类器模型,并将其保存在程序所在的目录下。 3. 打开并图像: ``` img = cv2.imread('image.jpg') ``` 将需要进行人脸识别的图像以文件路径的形式传入`imread()`函数中。 4. 将图像转换为灰度图: ``` gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) ``` 将彩色图像转换为灰度图,提高识别的准确性。 5. 检测人脸: ``` faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5) ``` 使用人脸识别分类器模型对灰度图中的人脸进行检测,返回检测到的人脸的位置和大小。 6. 绘制人脸框: ``` for (x, y, w, h) in faces: cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 3) ``` 利用返回的人脸位置信息,在原图像中绘制一个矩形框来标识人脸。 7. 显示并保存结果: ``` cv2.imshow('Face Detection', img) cv2.imwrite('result.jpg', img) ``` 在窗口中显示带有人脸框的图像,并将结果保存到文件。 8. 等待用户输入关闭窗口: ``` cv2.waitKey(0) cv2.destroyAllWindows() ``` 以上是一个简单的人脸识别程序的实现过程。可以根据具体需求对程序进行进一步的优化和扩展。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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