建设网站广州,福建企业网站建设,公司网站设计规范,wordpress图片主课程来源#xff1a;一天搞定人脸识别项目#xff01;学不会up直接下跪#xff01;#xff08;pythonopencv#xff09;_哔哩哔哩_bilibili
图片来源#xff1a;感谢王鹤棣先生友情出镜~
环境配置详见#xff1a;
在conda虚拟环境中安装OpenCv并在pycharm中使用_cond…课程来源一天搞定人脸识别项目学不会up直接下跪pythonopencv_哔哩哔哩_bilibili
图片来源感谢王鹤棣先生友情出镜~
环境配置详见
在conda虚拟环境中安装OpenCv并在pycharm中使用_conda虚拟环境安装opencv_好喜欢吃红柚子的博客-CSDN博客 一、读取图片 1.1 代码实现
#导入cv模块
import cv2 as cv
#读取图片
img cv.imread(1.png)
#显示图片
cv.imshow(showFace,img)
#等待delay
cv.waitKey(0)
#释放内存
cv.destroyAllWindows()
1.2 效果展示 二、图片灰度化
2.1 图片灰度化作用 图像处理时为什么灰度化_图像灰度化处理的目的_whaosoft143的博客-CSDN博客 为什么做图片识别要将彩色图像灰度化呢
图像灰度化的目的是为了简化矩阵提高运算速度。 彩色图像中的每个像素颜色由R、G、B三个分量来决定而每个分量的取值范围都在0-255之间这样对计算机来说彩色图像的一个像素点就会有256*256*25616777216种颜色的变化范围 而灰度图像是R、G、B分量相同的一种特殊彩色图像对计算机来说一个像素点的变化范围只有0-255这256种。 彩色图片的信息含量过大而进行图片识别时其实只需要使用灰度图像里的信息就足够了所以图像灰度化的目的就是为了提高运算速度。 当然有时图片进行了灰度处理后还是很大也有可能会采用二值化图像即像素值只能为0或1。 2.2 所需方法
2.2.1 设置灰度方法 cvtColor() 2.2.2 保存图片方法 imwrite() 2.3 代码实现
#导入模块
import cv2 as cv
#读取图片
img cv.imread(face1.png)
#灰度转换
gray_img cv.cvtColor(img,cv.COLOR_BGRA2GRAY)
#显示灰度
cv.imshow(greyImg,gray_img)
#保存灰度图片
cv.imwrite(gray_face1.png,gray_img)
#等待
cv.waitKey(0)
#释放内存
cv.destroyAllWindows() 2.4 效果展示
2.4.1 显示灰度图片 2.4.2 保存灰度图片 在关闭显示的灰度图片后会将该图片进行保存 三、尺寸转换
3.1 尺寸转换方法 resize() 3.2 代码展示
import cv2 as cv#读取图片
img cv.imread(face1.png)
#修改尺寸
img_resized cv.resize(img,(200,200))
#显示原图
cv.imshow(face01,img)
#显示修改尺寸后的图
cv.imshow(face01_resized,img_resized)
#打印原图和修改图的尺寸
print(原图大小:,img.shape,\n修改后大小:,img_resized.shape)
#保存修改大小后的图片
cv.imwrite(resize_face1.png,img_resized)
#等待
cv.waitKey(0)
#释放内存
cv.destroyAllWindows()
3.3 效果展示
3.3.1 显示修改后的图片 3.3.2 保存图片 3.3.3 输出图片的大小
3为彩色图片的通道数。 3.4 按下英文输入法中的m键后退出程序
import cv2 as cv#读取图片
img cv.imread(face1.png)
#修改尺寸
img_resized cv.resize(img,(200,200))
#显示原图
cv.imshow(face01,img)
#显示修改尺寸后的图
cv.imshow(face01_resized,img_resized)
#打印原图和修改图的尺寸
print(原图大小:,img.shape,\n修改后大小:,img_resized.shape)
#按下m键时退出程序
while True:if ord(m) cv.waitKey(0):break
#释放内存
cv.destroyAllWindows() 四、绘制矩形和圆形框 4.1 绘制矩形 cv2.rectangle(img, pt1, pt2, color, thicknessNone, lineTypeNone, shiftNone) 参数介绍 python版opencv函数学习笔记-cv.rectangle()全参数理解_风一样的夏天001的博客-CSDN博客
作用根据给定的左上顶点和右下顶点画矩形 参数说明
img指定一张图片在这张图片的基础上进行绘制pt1 矩形的一个顶点pt2 与pt1在对角线上相对的矩形的顶点color指定边框的颜色由B,G,R组成当为255,00时为绿色可以自由设定thinkness线条的粗细值为正值时代表线条的粗细以像素为单位为负值时边框实心; 4.2 绘制圆形 cv2.circle(img, center, radius, color, thicknessNone, lineTypeNone, shiftNone): 作用根据给定的圆心和半径等画圆
参数说明
img输入的图片datacenter圆心位置radius圆的半径color圆的颜色thickness圆形轮廓的粗细如果为正。负厚度表示要绘制实心圆。4.3 代码实现
import cv2 as cv
x,y,w,h 100,100,100,100
#读取图片
img cv.imread(face1.png)
#绘制矩形
cv.rectangle(img,pt1(x,y),pt2(xw,yh),color(0,0,255),thickness1)
#绘制圆形
cv.circle(img,center(x,y),radius100,color(255,0,0),thickness2)
#显示图片
cv.imshow(draw_face1,img)while True:if ord(m)cv.waitKey(0):break
cv.destroyAllWindows() 4.4 效果展示 五、人脸检测
5.1 OpenCV自带的分类器 在下图的路径中我们可以看到需要xml文件这些都是OpenCV中自带的分类器根据文件名我们可以看到有识别眼睛的身体的脸的等等。 使用cv.CascadeClassifier参数分类器所在路径方法定义一个分类器对象。 我的分类器所在位置 OpenCV分类器路径G:\conda\envs\testOpencv\Lib\site-packages\cv2\data本次使用的分类器文件名haarcascade_frontalface_alt2.xml在代码中输入的完整路径需要把右下划线改为左下划线 G:/conda/envs/testOpencv/Lib/site-packages/cv2/data/haarcascade_frontalface_alt2.xml5.2 detectMultiScale方法
opencv人脸检测--detectMultiScale函数_walker lee的博客-CSDN博客_detectmultiscale detectMultiScale (self, image: Any, scaleFactor: Any None, minNeighbors: Any None, flags: Any None, minSize: Any None, maxSize: Any None) 作用 它可以检测出图片中所有的人脸并将人脸用vector保存各个人脸的坐标、大小用矩形Rect类表示函数由分类器对象调用。
参数介绍
image 待检测图片一般为灰度图像加快检测速度scaleFactor表示在前后两次相继的扫描中搜索窗口的比例系数。默认为1.1即每次搜索窗口依次扩大10%; scale_factor参数可以决定两个不同大小的窗口扫描之间有多大的跳跃这个参数设置的大则意味着计算会变快但如果窗口错过了某个大小的人脸则可能丢失物体minNeighbors默认值为3表示每一个目标至少要被检测到3次才算是真的目标(因为周围的像素和不同的窗口大小都可以检测到人脸),flags一般使用默认值0minSize和maxSize用来限制得到的目标区域的最大/最小尺寸。5.3 代码
import cv2 as cvdef face_detect_methed():# 图片灰度化grey_img cv.cvtColor(img,cv.COLOR_BGRA2GRAY)# 定义分类器使用OpenCV自带的分类器face_detector cv.CascadeClassifier(G:/conda/envs/testOpencv/Lib/site-packages/cv2/data/haarcascade_frontalface_alt2.xml)# 使用分类器face face_detector.detectMultiScale(grey_img)# 在图片中对人脸画矩阵for x,y,w,h in face:cv.rectangle(img,(x,y),(xw,yh),color(0,0,255),thickness2)cv.imshow(result,img)#读取图像
img cv.imread(face1.png)
#调用检测函数
face_detect_methed()while True:if ord(m) cv.waitKey(0):breakcv.destroyAllWindows()5.4 效果展示 此时为没有设定参数可以看到图片识别人脸出现了失误把背景中的海浪也识别为了人脸。 在调整了参数后可以看到人脸识别正确识别出了一个人脸 六、检测多个人脸 此次可以识别多个人脸与识别一个人脸的代码基本相同这次换了一个分类器即OpenCV自带的默认人脸识别分类器调整了一下detectMultiScale的参数识别结果较为准确但是有一个人脸未识别出来。 6.1 代码实现
import cv2 as cvdef face_detect_methed():# 图片灰度化grey_img cv.cvtColor(img,cv.COLOR_BGRA2GRAY)# 定义分类器使用OpenCV自带的分类器face_detector cv.CascadeClassifier(G:/conda/envs/testOpencv/Lib/site-packages/cv2/data/haarcascade_frontalface_default.xml)# 使用分类器face face_detector.detectMultiScale(grey_img,1.1,5,0,(10,10),(200,200))# 在图片中对人脸画矩阵for x,y,w,h in face:cv.rectangle(img,(x,y),(xw,yh),color(0,0,255),thickness2)cv.imshow(result,img)#读取图像
img cv.imread(faceMorePeople.png)
#调用检测函数
face_detect_methed()while True:if ord(m) cv.waitKey(0):breakcv.destroyAllWindows()6.2 效果展示 可以看到识别的不算准确c位的人脸没有被识别出来我挑了很多次参数也换了分类器还是不行就这样吧那~ 七、对视频的检测
