python中opencv的使用方法是什么

這篇文章將為大家詳細(xì)講解有關(guān)python中opencv的使用方法是什么，小編覺(jué)得挺實(shí)用的，因此分享給大家做個(gè)參考，希望大家閱讀完這篇文章后可以有所收獲。

OpenCV是一個(gè)旨在解決計(jì)算機(jī)視覺(jué)問(wèn)題的Python庫(kù)。OpenCV最初由Intel在1999年開(kāi)發(fā)，但是后來(lái)由Willow Garage資助。它支持很多編程語(yǔ)言，如C++，Python，Java等等。它也支持多種平臺(tái)，包括Windows，Linux和MacOS。

OpenCV Python只是一個(gè)與Python一起使用的原始C++庫(kù)的包裝類。通過(guò)使用它，所有OpenCV數(shù)組結(jié)構(gòu)都能被轉(zhuǎn)化為NumPy數(shù)組或從NumPy數(shù)組轉(zhuǎn)化而來(lái)。這樣就可以輕松地將其與其他使用NumPy的庫(kù)集成。例如，SciPy和Matplotlib等庫(kù)。

OpenCV的基礎(chǔ)操作？

Opencv能完成以下從加載圖像到調(diào)整大小等基本操作：

使用OpenCV加載圖片

查看圖片形狀/分辨率

顯示圖片

調(diào)整圖像大小

1. 使用OpenCV加載圖片

Import cv2  
 # colored Image  
Img = cv2.imread ("Penguins.jpg",1)  
 # Black and White (gray scale)  
Img_1 = cv2.imread ("Penguins.jpg",0)

如以上代碼所示，第一個(gè)要求是導(dǎo)入OpenCV模塊。

之后，我們可以用imread模塊讀取圖片。參數(shù)中的1代表這是一個(gè)彩色圖片。如果這個(gè)參數(shù)的值是0，就意味著這個(gè)將被導(dǎo)入的圖片是黑白圖片。這里的圖片名稱是“Penguins”。很簡(jiǎn)單吧？

2. 查看圖片形狀/分辨率

我們可以使用shape子函數(shù)來(lái)輸出圖片的形狀。看看以下代碼：

Import cv2  
# Black and White (gray scale)  
Img = cv2.imread ("Penguins.jpg",0)  
Print(img.shape)

對(duì)于圖片的形狀，我們指的是NumPy數(shù)組的形狀。執(zhí)行代碼之后你將會(huì)看到這個(gè)矩陣由768行和1024列組成。

3. 顯示圖片

使用OpenCV顯示圖片非常簡(jiǎn)單和直接。思考以下圖片：

import cv2  
 
# Black and White (gray scale)  
Img = cv2.imread ("Penguins.jpg",0)  
cv2.imshow("Penguins", img)  
 
cv2.waitKey(0)  
# cv2.waitKey(2000)  
cv2.destroyAllWindows()

正如你所見(jiàn)，我們首先使用imread導(dǎo)入圖片。我們需要一個(gè)輸出窗口來(lái)顯示這個(gè)圖片，對(duì)吧？ 

然后，我們等待用戶事件。waitKey使窗口保持靜態(tài)直到用戶按下一個(gè)鍵。傳入的參數(shù)是以毫秒為單位的時(shí)間。

最后，我們根據(jù)waitForKey的參數(shù)使用destroyAllWindows關(guān)閉窗口。

4. 調(diào)整圖像大小

類似地，調(diào)整圖像大小非常簡(jiǎn)單。 這里有另一個(gè)代碼段：

import cv2  
# Black and White (gray scale)  
img = cv2.imread ("Penguins.jpg",0)  
resized_image = cv2.resize(img, (650,500))  
cv2.imshow("Penguins", resized_image)  
cv2.waitKey(0)  
cv2.destroyAllWindows()

這里，resize函數(shù)用于將圖像大小調(diào)整為所需的形狀。這里的參數(shù)是新調(diào)整大小后的圖像的形狀。

與之前的代碼相比，剩下的代碼非常簡(jiǎn)單，對(duì)嗎？

我相信你們對(duì)企鵝很好奇，這是我們想要輸出的圖片！

這是另一個(gè)向resize函數(shù)傳遞參數(shù)的方法。看看下面的表示方法：

Resized_image = cv2.resize(img, int(img.shape[1]/2), int(img.shape[0]/2)))

這里，我們得到的新圖像大小是原始圖像的一半。

使用OpenCV進(jìn)行人臉檢測(cè)

這看起來(lái)很復(fù)雜，但實(shí)際上很容易。 讓我?guī)懔私庹麄€(gè)過(guò)程，然后你也會(huì)有同樣的感受。

第一步：想一想我們的先決條件。我們首先需要一個(gè)圖像。然后，我們需要?jiǎng)?chuàng)建一個(gè)級(jí)聯(lián)分類器，它最后會(huì)給我們提供面部特征。

第二步：這一步要使用到OpenCV讀取圖像和特征文件。所以這個(gè)時(shí)候，原始數(shù)據(jù)點(diǎn)是NumPy數(shù)組的形式。

我們要做的就是搜索面部 NumPy n維數(shù)組的行和列的值。這是具有面部矩形坐標(biāo)的數(shù)組。

第三步：最后一步是使用矩形面框顯示圖像。

看看下面的圖片，這里我以圖片的形式總結(jié)了上述的三個(gè)步驟以便于閱讀：

非常直接明了，對(duì)吧？

首先，如之前所述，我們創(chuàng)建CascadeClassifier對(duì)象來(lái)提取面部特征。包含面部特征的XML文件路徑是此處的參數(shù)。

下一步是讀取一個(gè)包含面部的圖片，并且使用COLOR_BGR2GREY將其轉(zhuǎn)化為黑白圖片。接下來(lái)，我們搜索圖像的坐標(biāo)。這是使用detectMultiScale來(lái)實(shí)現(xiàn)的。

你問(wèn)什么坐標(biāo)？它是面部矩形的坐標(biāo)。scaleFactor被用來(lái)減小5%的形狀值，直到找到面部。因此，總的來(lái)說(shuō)，值越小，準(zhǔn)確度越高。

最后，這張臉被顯示到窗口。

給識(shí)別的人臉添加矩形面框

這個(gè)邏輯很簡(jiǎn)單——就像使用for循環(huán)語(yǔ)句一樣簡(jiǎn)單?？纯聪旅娴膱D片：

我們通過(guò)傳遞參數(shù)（比如圖片對(duì)象，輪廓框的RGB值和矩形的寬度），使用cv2.rectangle來(lái)定義方法以創(chuàng)建一個(gè)矩形。

讓我們來(lái)看看面部檢測(cè)的完整代碼：

import cv2  
# Create a CascadeClassifier Object  
face_cascade = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")  
# Reading the image as it is  
img = cv2.imread("photo.jpg") 
# Reading the image as gray scale image  
gray_img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)  
# Search the co-ordintes of the image  
faces = face_cascade.detectMultiScale(gray_img, scaleFactor = 1.05,  minNeighbors=5)  
for x,y,w,h in faces:  
    img = cv2.rectangle(img, (x,y), (x+w,y+h),(0,255,0),3)  
resized = cv2.resize(img, (int(img.shape[1]/7),int(img.shape[0]/7)))   
cv2.imshow("Gray", resized)  
cv2.waitKey(0)  
cv2.destroyAllWindows()

關(guān)于python中opencv的使用方法是什么就分享到這里了，希望以上內(nèi)容可以對(duì)大家有一定的幫助，可以學(xué)到更多知識(shí)。如果覺(jué)得文章不錯(cuò)，可以把它分享出去讓更多的人看到。