OpenCV简单学习

SanXiaoXing2023-11-212024-12-21

OpenCV简介

OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉和图像处理库，它提供了丰富的函数和工具，用于处理图像和视频、进行特征提取、目标检测、图像分割、三维重建、机器学习等计算机视觉相关任务。

OpenCV支持多种编程语言，包括C++、Python、Java等，使其适用于不同的开发环境和平台。它具有跨平台性，可以在Windows、Linux、macOS等操作系统上使用，并且提供了丰富的函数库和工具，方便开发者快速实现各种计算机视觉任务。

OpenCV的功能非常丰富，包括图像处理、视觉特征、目标检测、摄像机标定、三维重建、机器学习等。它提供了各种算法和技术，如图像滤波、边缘检测、图像变换、特征点检测与描述、人脸检测与识别、物体追踪、摄像机姿态估计、立体视觉等。开发者可以使用OpenCV进行图像和视频处理，实现各种视觉应用。

接下来就是一个简单的示例，以及具体的操作步骤

OpenCV简单案例

第一步：安装OpenCV库

使用pip命令在终端中执行以下命令进行安装

1	pip install opencv-python

第二步：导入OpenCV库

在python代码中导入库

1	import cv2

第三步：读取图像或者视频

这里就以图片为例，简单进行。

使用cv2.imread()函数读取图像文件

1 2	# 读取图像 img = cv2.imread('image.jpg')

第四步：处理图像或者视频

可以使用函数进行图像滤波、边缘检测、图像变换等操作，或者使用算法进行目标检测、人脸识别等任务。

这里就是仅仅信息图像的一个灰色处理

1 2	# 图像处理 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

第五步：显示或者保存结果

使用cv2.imshow()函数显示图像，或者使用cv2.VideoWriter()函数保存处理后的视频

# 显示图像
cv2.imshow('Image', img)
cv2.waitKey(0)

# 保存图像
cv2.imwrite('output.jpg', img)

第六步：释放资源

在程序结束时，记得释放所有使用的资源，如关闭打开的视频文件或释放摄像头资源。可以使用cv2.release()函数来释放资源。

1 2	# 释放视频资源 video.release()

完整的简单案例

这是一个完整的简单示例，使用OpenCV进行图像读取、显示和保存的代码：

import cv2

# 读取图像
img = cv2.imread('image.jpg')

# 显示图像
cv2.imshow('Image', img)
cv2.waitKey(0)

# 保存图像
cv2.imwrite('output.jpg', img)

进阶简单案例

下面是一个进阶更改的

import cv2
from numpy import *
from matplotlib import pyplot as plt

# 设置图片
img = cv2.imread(r'path\img.png') # 更换图片的路径

# bgr转rgb图片，方法一
b,g,r = cv2.split(img)
imag2 = cv2.merge([r,g,b])
plt.imshow(imag2)

# bgr转rgb图片，方法二
image = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

plt.imshow(image)
# 隐藏x轴刻度标签，隐藏y轴刻度标签
plt.xticks([]), plt.yticks([])
plt.show()

cv2.imshow('image',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

进阶人脸存在案例

再来进阶一下，直接开视频，使用人脸识别，仅识别是否有人脸存在

import cv2 as cv
import time

# 导入人脸训练库，opencv官网的训练好的人脸库
face_cascade = cv.CascadeClassifier('haarcascade_frontalface_alt.xml')

# 打开摄像头
cap = cv.VideoCapture(0)
if not cap.isOpened():
    print("摄像头打开失败")
    exit()

fpsTime = time.time()

while True:
    # 逐帧捕获
    ret, frame = cap.read()
    # 如果正确读取帧，ret为True
    if not ret:
        print("未能正确读取摄像头（摄像头未正确安装、打开或被占用）")
        break

    # 提高性能
    frame.flags.writeable = False

    # 镜像处理
    frame = cv.flip(frame, 1)

    # 将帧转换为灰度图像
    gray = cv.cvtColor(frame, cv.COLOR_BGR2GRAY)

    # 人脸检测
    faces = face_cascade.detectMultiScale(gray, 1.3, 5)

    # 在检测到的人脸周围绘制矩形框
    for (x, y, w, h) in faces:
        cv.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)

    # 在检测到的人脸周围绘制矩形框
    if len(faces) > 0:
        cv.putText(frame, "Find Face", (10, 100), cv.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2, cv.LINE_AA)
    else:
        cv.putText(frame, "No Find Face", (10, 100), cv.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2, cv.LINE_AA)

    # 获取当前帧率
    cTime = time.time()
    fps_text = 1 / (cTime - fpsTime)
    fpsTime = cTime
    cv.putText(frame, "FPS: " + str(int(fps_text)), (10, 50), cv.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2)

    # 显示结果帧
    cv.imshow("image", frame)
    
    # ESC按键退出
    if cv.waitKey(1) & 0xFF == 27:
        break
# 完成操作，释放捕获器
cap.release()
cv.destroyAllWindows()