python学习笔记：opencv的图像操作_cap.read()

什么是opencv？

opencv是一个开源的计算机视觉库，可以在http://opencv.org获取，opencv库用C，C++，python等多种语言编写，在使用中，经常用opencv打开存储器的图像，对摄像头的图像进行捕捉并保存或者对图像进行预处理，以实现图像更好的额完成算法分类，应用领域很广：在人机互动，物体识别，图像分割，人脸识别，动作识别，运动跟踪，机器人，运动分析，机器视觉，汽车安全驾驶等方面都有涉及。

图像像素的存储形式？

1.对于只有黑白颜色的灰度图，为单通道，一个像素块对应矩阵中一个数字，数值为0-255，0表示最暗（黑色），255表示最亮（白色）

 

2.对于采用RGB模式的彩色图片，则为三通道图，RED，GREEN，BLUE三原色，按照不同比例相加，一个像素块对应矩阵中一个向量

 

注意：

彩色图像的三维矩阵
第一轴轴长：图片宽度
第二轴轴长：图片高度
第三轴轴长：图片深度

opencv采用BGR模式，而不是RGB所以
第一轴轴长：图片高度
第二轴轴长：图片宽度
第三轴轴长：图片深度

opencv操作图像

 1.读取图像，并显示

import cv2
# 读取本地某个路径下的图片文件,返回值为numpy中的ndarray类型
img = cv2.imread("1.JPG")
print(type(img))
print(img.shape)
 
# 显示img对象中的图片
cv2.imshow("1", img)
 
# 阻塞等待任意按键按下，再退出;参数代表永久阻塞
# 返回值表示按下按键的key值
cv2.waitKey(0)
# 退出时销毁该窗口
cv2.destroyAllWindows()

2.图片的变换

在人工智能对图片进行处理时提取特征值时往往需要灰度图，所以我们需要对图片进行一些处理。

"""
 2.图片的变换
"""
img = cv2.imread("1.JPG")
print(type(img))
print(img.shape)
cv2.imshow("1", img)
# 由于img为彩色图像数据，而人工智能特征值提取，需要灰度图
# 将 bgr格式的彩图转换为灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# resize():改变图片大小，实质是压缩
gray = cv2.resize(gray, (480, 640))
print(gray)
print(gray.shape)
cv2.imshow("2", gray)
 
cv2.waitKey(0)
cv2.destroyAllWindows()

 3.图像截取，抠图

图像截图抠图本质上也是对图像对应的numpy数组进行索引切片得到相应的部分

"""
3.图像截取，抠图  
"""
img = cv2.imread("1.JPG")
print(type(img))
print(img.shape)
cv2.imshow("1", img)
# # 索引切片进行抠图
eyes = img[480: 480+94, 640: 640+118, :]
cv2.imshow("2", eyes)
# # 将图片数据写入本地文件
cv2.imwrite("eyes.jpg", eyes)
cv2.waitKey(0)
cv2.destroyAllWindows()

4.opencv操作摄像头

 

import cv2
"""
4.opencv操作摄像头
"""
# 打开摄像头0
cap = cv2.VideoCapture(0)
if not cap.isOpened():
    print("摄像头未打开")
    exit(0)
while True:
    # 读取一帧图片
    ret, img = cap.read()
    print(img)
    cv2.imshow("1", img)
    if cv2.waitKey(50) == 27:
        break
cv2.destroyAllWindows()

5.opencv操作摄像头，显示文字，画框

putText（）

      参数1：图片数据对象

      参数2：显示的文本数据
      参数3：文本显示位置

      参数4：文本字体样式
      参数5：字体的大小

      参数6：字体的颜色rgb
      参数7：文字的线条粗细

rectangle（）:绘制矩形框

"""
5.opencv操作摄像头，显示文字，画框
"""
 import time
# # 打开摄像头0
 time_start = time.time()
 cap = cv2.VideoCapture(0)
 if not cap.isOpened():
     print("摄像头未打开")
     exit(0)
 while True:
     # 读取一帧图片
     ret, img = cap.read()
     # 参数1：图片数据对象 参数2：显示的文本数据
     # 参数3：文本显示位置 参数4：文本字体样式
     # 参数5：字体的大小 参数6：字体的颜色rgb
     # 参数7：文字的线条粗细
     cv2.putText(img, "FPS", (240, 320), cv2.FONT_HERSHEY_SIMPLEX, 0.5, color=(0, 123, 220), thickness=2)
     # 绘制矩形框，pt1：矩形框左下角点坐标，pt2矩形框右下角点坐标
     cv2.rectangle(img, pt1=(270, 190), pt2=(370, 290), color=(0, 0, 0), thickness=5)
     cv2.imshow("1", img)
     if cv2.waitKey(50) == 27:
         break
 cv2.destroyAllWindows()

6.opencv人脸检测

path是我们使用人脸检测库文件的文件路径位置，通过库的支持我们将每一帧的图片进行比对得到人脸的坐标，然后通过绘制矩形，达到人脸识别的效果。

"""
6.opencv人脸检测
"""
path = 'D:\\anaconda\\envs\\tf\\Library\\etc\\haarcascades\\haarcascade_frontalface_default.xml'
 
model = cv2.CascadeClassifier(path)
cap = cv2.VideoCapture(0)
if not cap.isOpened():
    print("摄像头未打开")
    exit(0)
while True:
    ret, img = cap.read()
    print(img.shape)
    # 由于该模型，要求图片必须是灰度图，所以必须转换
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    # 将灰度图送入模型进行检测,返回列表，列表中元素为每个人脸的位置信息【x, y, w, h】
    facelist = model.detectMultiScale(gray)
    if len(facelist) < 0:
        print("未检测到")
        cv2.waitKey(100)
        break
    print(facelist)
    for i in facelist:
        x, y, w, h = i
    cv2.rectangle(img, pt1=(x, y), pt2=(x + w, y + h), color=(0, 0, 0), thickness=2)
    cv2.imshow("1", img)
    if cv2.waitKey(50) == 27:
        break
cv2.destroyAllWindows()