OpenCV入门教程(含人脸检测与常用图像处理示例等)-CSDN博客

本文链接：https://blog.csdn.net/woshicver/article/details/117915403

在这篇文章中，我们将提供一些使用OpenCV的示例。

在OpenCV中混合图像

我们将提供一个逐步的示例，说明如何使用Python OpenCV混合图像。下面我们展示了目标图像和滤镜图像。

目标图像

滤镜图像

import cv2
 
# Two images
img1 = cv2.imread('target.jpg')
img2 = cv2.imread('filter.png')
 
# OpenCV expects to get BGR images, so we will convert from BGR to RGB
 
img1 = cv2.cvtColor(img1, cv2.COLOR_BGR2RGB)
img2 = cv2.cvtColor(img2, cv2.COLOR_BGR2RGB)
 
# Resize the Images. In order to blend them, the two images
# must be of the same shape
 
img1 =cv2.resize(img1,(620,350))
img2 =cv2.resize(img2,(620,350))
 
 
# Now, we can blend them, we need to define the weight (alpha) of the target image
# as well as the weight of the filter image
# in our case we choose 80% target and 20% filter
blended = cv2.addWeighted(src1=img1,alpha=0.8,src2=img2,beta=0.2,gamma=0)
 
# finally we can save the image. Now we need to convert it from RGB to BGR
 
cv2.imwrite('Blending.png',cv2.cvtColor(blended, cv2.COLOR_RGB2BGR))

在OpenCV中处理图像

我们将展示如何使用Python中的OpenCV应用图像处理。

如何模糊影像

import cv2
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
 
img = cv2.imread('panda.jpeg')
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
blurred_img = cv2.blur(img,ksize=(20,20))
cv2.imwrite("blurredpanda.jpg", blurred_img)

如何申请Sobel Operator

你可以在Wikipedia上查看Sobel Operator：https://en.wikipedia.org/wiki/Sobel_operator

也可以开始尝试一些过滤器。让我们应用水平和垂直Sobel。

img = cv2.imread('panda.jpeg',0)
sobelx = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=5)
sobely = cv2.Sobel(img,cv2.CV_64F,0,1,ksize=5)
 
cv2.imwrite("sobelx_panda.jpg", sobelx) 
cv2.imwrite("sobely_panda.jpg", sobely)

如何对图像应用阈值

我们还可以对图像进行二值化。

img = cv2.imread('panda.jpeg',0)
ret,th1 = cv2.threshold(img,100,255,cv2.THRESH_BINARY)
fig = plt.figure(figsize=(12,10))
plt.imshow(th1,cmap='gray')

OpenCV中的人脸检测

我们将讨论如何使用OpenCV应用人脸检测。我们通过一个实际的可重现的示例来直截了当。

逻辑如下：我们从URL（或从硬盘）获取图像。我们将其转换为numpy array，然后转换为灰度。然后通过应用适当的**CascadeClassifier，**我们获得了人脸的边界框。最后，使用PIllow（甚至是OpenCV），我们可以在初始图像上绘制框。

import cv2 as cv
import numpy as np
import PIL
from PIL import Image
import requests
from io import BytesIO
from PIL import ImageDraw
 
 
# I have commented out the cat and eye cascade. Notice that the xml files are in the opencv folder that you have downloaded and installed
# so it is good a idea to write the whole path
face_cascade = cv.CascadeClassifier('C:\\opencv\\build\\etc\\haarcascades\\haarcascade_frontalface_default.xml')
#cat_cascade = cv.CascadeClassifier('C:\\opencv\\build\\etc\\haarcascades\\haarcascade_frontalcatface.xml')
#eye_cascade = cv.CascadeClassifier('C:\\opencv\\build\\etc\\haarcascades\\haarcascade_eye.xml')
 
 
URL = "https://images.unsplash.com/photo-1525267219888-bb077b8792cc?ixlib=rb-1.2.1&ixid=eyJhcHBfaWQiOjEyMDd9&auto=format&fit=crop&w=1050&q=80"
response = requests.get(URL)
img = Image.open(BytesIO(response.content))
img_initial = img.copy()
 
# convert it to np array
img = np.asarray(img)
 
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
 
faces = face_cascade.detectMultiScale(gray)
# And lets just print those faces out to the screen
#print(faces)
 
drawing=ImageDraw.Draw(img_initial)
 
# For each item in faces, lets surround it with a red box
for x,y,w,h in faces:
    # That might be new syntax for you! Recall that faces is a list of rectangles in (x,y,w,h)
    # format, that is, a list of lists. Instead of having to do an iteration and then manually
    # pull out each item, we can use tuple unpacking to pull out individual items in the sublist
    # directly to variables. A really nice python feature
    #
    # Now we just need to draw our box
    drawing.rectangle((x,y,x+w,y+h), outline="red")
display(img_initial)

最初的图像是这样的：

然后在绘制边界框后，我们得到：

如我们所见，我们设法正确地获得了四个面，但是我们还发现了窗后的“鬼”……

裁剪脸部以分离图像

我们还可以裁剪脸部以分离图像

for x,y,w,h in faces:
 
    img_initial.crop((x,y,x+w,y+h))
    display(img_initial.crop((x,y,x+w,y+h)))

例如，我们得到的第一张脸是：

注意：如果你想从硬盘读取图像，则只需键入以下三行：

# read image from the PC
initial_img=Image.open('my_image.jpg')
img = cv.imread('my_image.jpg')
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)

OpenCV中的人脸检测视频

这篇文章是一个实际示例，说明了我们如何将OpenCV]与Python结合使用来检测视频中的人脸。在上一篇文章中，我们解释了如何在Tensorflow中应用对象检测和OpenCV中的人脸检测。

通常，计算机视觉和对象检测是人工智能中的热门话题。例如考虑自动驾驶汽车，该自动驾驶汽车必须连续检测周围的许多不同物体（行人，其他车辆，标志等）。

如何录制人脸检测视频

在以下示例中，我们将USB摄像头应用到人脸检测，然后将视频写入.mp4文件。

如你所见，OpenCV能够检测到面部，并且当它隐藏在手后时，OpenCV会丢失它。

import cv2
# change your path to the one where the haarcascades/haarcascade_frontalface_default.xml is
face_cascade = cv2.CascadeClassifier('../DATA/haarcascades/haarcascade_frontalface_default.xml')
 
cap = cv2.VideoCapture(0) 
 
width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
 
# MACOS AND LINUX: *'XVID' (MacOS users may want to try VIDX as well just in case)
# WINDOWS *'VIDX'
writer = cv2.VideoWriter('myface.mp4', cv2.VideoWriter_fourcc(*'XVID'),25, (width, height))
 
 
while True: 
     
    ret, frame = cap.read(0) 
      
    frame = detect_face(frame)
    writer.write(frame)
  
    cv2.imshow('Video Face Detection', frame) 
    # escape button to close it
    c = cv2.waitKey(1) 
    if c == 27: 
        break
         
cap.release() 
writer.release()
cv2.destroyAllWindows()