前言:
此时我们对“opencv”可能比较重视,各位老铁们都想要学习一些“opencv”的相关内容。那么小编在网摘上汇集了一些对于“opencv””的相关资讯,希望大家能喜欢,同学们快快来了解一下吧!人脸识别是现在几乎所有的APP都在使用的验证操作, 登陆,支付...等等, 我们今天呢先来说一下人脸检测的操作. 使用Python想要完成人脸检测的操作呢, 我们需要准备一个工具, 这个工具就是 opencv
1. opencv的安装
open 开源 computer 计算机 vision 视觉 :开源计算机视觉库, 是由C++
Python胶水语言,粘结其他语言,调用opencv
这个库可以让计算机长眼睛,计算,可以‘看’!
安装操作
pip install opencv-python -i [opencv库]pip install opencv-contrib-python -i [opencv扩展]pip install numpy -i [numeric python 数字化Python]
安装完毕之后 我们先来简单的使用一下:
2.加载图片
import cv2 # 不是引入opencv opencv-python对Python封装的接口 都是存在cv2里的# 读取图片img = cv2.imread('./timg.jpg') # 图片的名称不能用汉字print(img)'''三维的数据 最里层是像素:[颜色值] 每个像素的颜色值 颜色是由蓝绿红三色调色而成 [ 83 75 82] 蓝色 绿色 红色 每个颜色取值是0-255 值越大 颜色越鲜艳 值越小 颜色就越暗 中间一层 每个像素连接出来的宽度 最外一层 高度'''# 获取图片的像素值 高 宽 像素3个颜色print(img.shape) # (1392, 959, 3)shape = img.shape# 重置图片的大小 会把修改大小的图片resize_img = cv2.resize(img, dsize=(500, int((500/shape[1]) * shape[0]))) # dsize 宽 高cv2.imwrite('liqin.jpg', resize_img) # 保存修改大小之后的图片# 显示图片cv2.imshow('liqin', resize_img) # 设置显示窗口的名字(不能用中文) 要显示的图片# 图片显示多长时间后自动关闭# cv2.waitKey(5000) # 5s后自动关闭 等待5s 键盘输入 如果键盘输入 由键盘输入控制退出 没有输入等待5s自动关闭# 直到键盘输入才关闭cv2.waitKey(0) # 0的话就是无限等待 直到键盘输入# 销毁窗口cv2.destroyAllWindows()3.人脸检测之检测一张人脸
我们就借用一下沁沁的照片哈
'''进行人脸检测时 根据人脸的特征 haar抽取图片中的特征方式 把特征数据封装在文件中 python环境的安装包 ---》lib ---> site-packages --- cv2 --- data 将特征文件存放在于当前的py文件相同的目录下'''import cv2img = cv2.imread('./liqin.jpg')# 根据特征文件生成一个人脸检测器face_detector = cv2.CascadeClassifier('./haarcascade_frontalface_alt.xml')# 检测图片中的人脸face_zones = face_detector.detectMultiScale(img)print(face_zones)# [[201 91 96 96]] 二维的'''[201 91 96 96] 检测到的人脸区域 x y 宽 高因为一张图片中可能包含好几个人脸 每个人脸都是一维的数据'''# 获取人脸区域for x, y, w, h in face_zones: # 用一个矩形把人脸区域圈起来 ''' img, 要圈中的图片 pt1, 左上角的坐标点 pt2, 右下角的坐标点 color, 线的颜色 [蓝 绿 红] thickness=None 线宽 ''' cv2.rectangle(img, pt1=(x, y), pt2=(x + w, y + h), color=[0,0,255], thickness=2)# 显示图片cv2.imshow('liqin', img)cv2.waitKey(0)cv2.destroyAllWindows()
结果为:
4.人脸检测之检测多张人脸
以爱因斯坦参加的索尔维会议照为例
'''检测多张人脸'''import cv2# 1.读取图片img = cv2.imread('./suoerwei1.jpg')# 设置人脸识别器face_detector = cv2.CascadeClassifier('./haarcascade_frontalface_alt.xml')# 通过人脸检测器 检测图片中的人脸区域'''scaleFactor 缩放比例 默认是1.3 数据是要大于1 的 实现人脸检测时 要扫描每个区域 规定的起始尺寸 根据scalefactor进行缩放 缩放尺寸越小 检测出来的人脸越多 minNeighbors 最少邻居 如果检测出来一张人脸 需要在人脸附近偏移几次 返回的都是人脸 这个才把人脸返回 值越大 人脸检测要求就越高'''face_zones = face_detector.detectMultiScale(img, scaleFactor=1.02, minNeighbors=6)print(face_zones)# 圈中人脸for x, y, w, h in face_zones: cv2.rectangle(img, pt1=(x, y), pt2=(x+w, y+h), color=[0,0,255],thickness=2)# 显示图片cv2.imshow('suoerwei', img)cv2.waitKey(0)cv2.destroyAllWindows()
结果为:
注意:在做人脸检测时, 检测出来的人脸与图片的像素清晰度也是有关系的, 模糊的图片检测的话会有误差的
版权声明:
本站文章均来自互联网搜集,如有侵犯您的权益,请联系我们删除,谢谢。
标签: #opencv