0.总结
这个部分的内容在于如何在电脑中配置opencv-python，以及介绍。
1.介绍
1.1 opencv
opencv项目1999年开始，2000年公布。
现在opencv支持很多语言C++，Python,Java等等。可以在很多平台上使用Windows,Linux,OS X,Android,IOS等等。
1.2 opencv-python
opencv-python是opencv的python的API接口。它结合了opencv的C++API接口和Python语言。
因为python的简单和可读性，而十分流行。
和其他语言C/C++相比，Python速度较慢，但是，Python可以容易地用C/C++来扩展。这个特性有助于在C/C++中编写计算密集型代码，并且为其创建Python包装器，然后可以将这些包装器来用作Python模块。因此，这个有两个优点：
1.它的后台实际是C++代码，所以我们的代码和原始C/C++代码一样快。
2.Python中代码非常容易
这就是opencv python的工作原理，它就是围绕原始C++实现的Python包装器。
Numpy的支持使任务变得非常容易，Numpy是一个高度优化的数值运算库。提供了一个MATLAB风格的语法。所有OpenCV数组结构都转变为Numpy数组。
opencv python教程
开始之前需要了解python和numpy，因为用opencv python编写优化代码，就必须具备良好的numpy知识。
2.ubuntu上opencv使用入门
2.1 Ubuntu上使用摄像头
1
| ls /dev/v* // 可以看到摄像头，例如/dev/video0,表示成功驱动摄像头
|
2.2如何安装应用程序显示摄像头捕捉到的视频
1
2
| sudo apt install camorama
sudo apt install cheese //camorama/cheese分别是两款应用程序
|
2.3opencv操作方式
使用opencv需要使用pip来下载相关的包，但是下载源在国外，将下载源修改到国内就可以加速下载了。
1
2
| pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple 包名
//这个是使用清华的镜像源
|
上面是临时的方法，下面是永久的方法：
1
2
3
4
5
6
7
| mkdir ~/.pip
vim ~/.pip/pip.conf
[global]
index-url = http://mirrors.aliyun.com/pypi/simple
[install]
trusted-host = mirrors.aliyun.com
|
为了使用opencv需要使用python3中的包
1
| pip3 install opencv-python
|
之后需要相关的包也这样下载
1
2
3
4
5
6
7
8
9
10
11
12
| import cv2
path = "..."
image = cv2.imread(paht) // 输入代操作的图片的路径
gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)// 灰度转换，降低计算强度
cv2.rectangle(image,(x,y),(x+w,y+w),(0,255,0),2)
//对图片进行编辑，最后一个参数为画笔的大小
cv2.imshow("image-title",image) // 显示图像
cv2.waitKey(0)
//注意要加上这一句要不然会看不见图片，
//参数为延迟多少毫秒，当为0时，延迟无穷大秒
face_cascade = cv2.CascadeClassifier(...)
//获取人脸识别的训练数据，来自Github上opencv/data/haarcascades
|
2.4人脸识别源码
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
| import cv2
image_path = "./pc1.png"
facedata_path = "./haarcascade_frontalface_default.xml"
face_cascade = cv2.CascadeClassifier(facedata_path)
image = cv2.imread(image_path)
gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
cv2.imshow("Picture",image)
cv2.waitKey(0)
faces = face_cascade.detectMultiScale(
gray,
scaleFactor = 1.15,
minNeighbors= 5,
minSize = (5,5),
flags = cv2.CASCADE_SCALE_IMAGE
)
print('hello')
print("find {0} face(s)!",format(len(faces)))
for(x,y,w,h) in faces:
cv2.circle(image,((x+x+w)/2,(y+y+h)/2),w/2,(0,255,0),2)
cv2.imshow("Find Faces!",image)
cv2.waitKey(0)
|