Python笔记-OpenCV图像处理和人脸识别
一.简介
1.OpenCV:OpenCV的全称是Open Source Computer Vision Library,是一个开源的跨平台的计算机视觉库。可以运行在Linux、Windows、Android和macOS操作系统上,帮助人们快速构建复杂的视觉应用程序。
2.计算机视觉:计算机视觉(Computer Vision)就是利用计算机来处理图像,将来自静止或摄像机的数据转换成新的表示方式,获得我们想要的信息。
二.编程步骤
1.环境配置
2.读取图片
3.灰度转换
4.修改尺寸
5.绘制矩形
6.人脸检测
7.检测多个
8.视频检测
9.拍照保存
10.训练数据
11.人脸识别
三.简单实例
1.环境配置
python下编程,先安装库
pip install opencv-python
pip install opencv-contrib-python
通过pip下载的只是阉割版的,部分功能不全,要实现人脸识别还需在官网Home - OpenCV下载完整的库(官网有点慢,可以多等等)(在人脸检测的部分需要手动添加库的路径,我的是Mac所以路径是/Users/....)(主要用到haarcascade_frontalface_default.xml、haarcascade_frontalface_alt2.xml
)
2.读取图片
#导入cv模块
import cv2 as cv
#读取图片
img = cv.imread('face1.jpg')#图片路径
#显示图片
cv.imshow('read_img',img)
#等待
cv.waitKey(0)
#释放内存
cv.destroyAllWindows()
3.灰度转换
#导入cv模块
import cv2 as cv
#读取图片
img = cv.imread('face1.jpg')
#灰度转换
gray_img = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
#显示灰度图片
cv.imshow('gray',gray_img)
#保存灰度图片
cv.imwrite('gray_face1.jpg',gray_img)
#显示图片
cv.imshow('read_img',img)
#等待
cv.waitKey(0)
#释放内存
cv.destroyAllWindows()
4.修改尺寸
#导入cv模块
import cv2 as cv
#读取图片
img = cv.imread('face1.jpg')
#修改尺寸
resize_img = cv.resize(img,dsize=(200,200))
#显示原图
cv.imshow('img',img)
#显示修改后的
cv.imshow('resize_img',resize_img)
#打印原图尺寸大小
print('未修改:',img.shape)
#打印修改后的大小
print('修改后:',resize_img.shape)
#等待
while True:if ord('q') == cv.waitKey(0):break
#释放内存
cv.destroyAllWindows()
5.绘制矩形
#导入cv模块
import cv2 as cv
#读取图片
img = cv.imread('face1.jpg')
#坐标
x,y,w,h = 100,100,100,100
#绘制矩形
cv.rectangle(img,(x,y,x+w,y+h),color=(0,0,255),thickness=1)
#绘制圆形
cv.circle(img,center=(x+w,y+h),radius=100,color=(255,0,0),thickness=5)
#显示
cv.imshow('re_img',img)
while True:if ord('q') == cv.waitKey(0):break
#释放内存
cv.destroyAllWindows()
6.人脸检测
# 导入cv模块
import cv2 as cv
# 检测函数
def face_detect_demo():gary = cv.cvtColor(img, cv.COLOR_BGR2GRAY)face_detect = cv.CascadeClassifier('/Users/huangjw/Downloads/opencv-4.x/data/haarcascades/haarcascade_frontalface_alt2.xml')face = face_detect.detectMultiScale(gary, 1.01, 5, 0, (100, 100), (300, 300))for x, y, w, h in face:cv.rectangle(img, (x, y), (x + w, y + h), color=(0, 0, 255), thickness=2)cv.imshow('result', img)# 读取图像
img = cv.imread('face1.jpg')
#img = cv.imread('/Users/huangjw/Downloads/mycodetest/opencv/data/hjw/2.hjw.jpg')
# 检测函数
face_detect_demo()
# 等待
while True:if ord('q') == cv.waitKey(0):break
# 释放内存
cv.destroyAllWindows()
7.检测多个(同时检测多个人脸)
# 导入cv模块
import cv2 as cv# 检测函数
def face_detect_demo():gary = cv.cvtColor(img, cv.COLOR_BGR2GRAY)face_detect = cv.CascadeClassifier( '/Users/huangjw/Downloads/opencv-4.x/data/haarcascades/haarcascade_frontalface_default.xml')face = face_detect.detectMultiScale(gary)for x, y, w, h in face:cv.rectangle(img, (x, y), (x + w, y + h), color=(0, 0, 255), thickness=2)cv.imshow('result', img)# 读取图像
img = cv.imread('face2.jpg')
# 检测函数
face_detect_demo()
# 等待
while True:if ord('q') == cv.waitKey(0):break
# 释放内存
cv.destroyAllWindows()
8.视频检测
# 导入cv模块
import cv2 as cv# 检测函数
def face_detect_demo(img):gary = cv.cvtColor(img, cv.COLOR_BGR2GRAY)face_detect = cv.CascadeClassifier('/Users/huangjw/Downloads/opencv-4.x/data/haarcascades/haarcascade_frontalface_default.xml')face = face_detect.detectMultiScale(gary)for x, y, w, h in face:cv.rectangle(img, (x, y), (x + w, y + h), color=(0, 0, 255), thickness=2)cv.imshow('result', img)# 读取摄像头
cap = cv.VideoCapture(0)
# 循环
while True:flag, frame = cap.read()if not flag:breakface_detect_demo(frame)if ord('q') == cv.waitKey(1):break
# 释放内存
cv.destroyAllWindows()
# 释放摄像头
cap.release()
9.拍照保存
调用摄像头拍照,按下‘s’键拍照,将照片保存在指定路径,空格键退出程序
# 导入模块
import cv2# 摄像头
cap = cv2.VideoCapture(0)#falg = 1
num = 1while (cap.isOpened()): # 检测是否在开启状态ret_flag, Vshow = cap.read() # 得到每帧图像cv2.imshow("Capture_Test", Vshow) # 显示图像k = cv2.waitKey(1) & 0xFF # 按键判断if k == ord('s'): # 保存cv2.imwrite("/Users/huangjw/Downloads/mycodetest/opencv/data/four/" + str(num) + ".hjc" + ".jpg", Vshow)print("success to save" + str(num) + ".jpg")num += 1elif k == ord(' '): # 退出break
# 释放摄像头
cap.release()
# 释放内
cv2.destroyAllWindows()
10.训练数据
将所需人脸识别的图片训练,生成yml文件,以供人脸识别
import os
import cv2
import sys
from PIL import Image
import numpy as npdef getImageAndLabels(path):facesSamples = []ids = []imagePaths = [os.path.join(path, f) for f in os.listdir(path)]# 检测人脸face_detector = cv2.CascadeClassifier('/Users/huangjw/Downloads/opencv-4.x/data/haarcascades/haarcascade_frontalface_alt2.xml')# 打印数组imagePathsprint('数据排列:', imagePaths)# 遍历列表中的图片for imagePath in imagePaths:# 打开图片,黑白化PIL_img = Image.open(imagePath).convert('L')# 将图像转换为数组,以黑白深浅# PIL_img = cv2.resize(PIL_img, dsize=(400, 400))img_numpy = np.array(PIL_img, 'uint8')# 获取图片人脸特征faces = face_detector.detectMultiScale(img_numpy)# 获取每张图片的id和姓名id = int(os.path.split(imagePath)[1].split('.')[0])# 预防无面容照片for x, y, w, h in faces:ids.append(id)facesSamples.append(img_numpy[y:y + h, x:x + w])# 打印脸部特征和id# print('fs:', facesSamples)print('id:', id)# print('fs:', facesSamples[id])print('fs:', facesSamples)# print('脸部例子:',facesSamples[0])# print('身份信息:',ids[0])return facesSamples, idsif __name__ == '__main__':# 图片路径path = './data/four/'# 获取图像数组和id标签数组和姓名faces, ids = getImageAndLabels(path)# 获取训练对象recognizer = cv2.face.LBPHFaceRecognizer_create()# recognizer.train(faces,names)#np.array(ids)recognizer.train(faces, np.array(ids))# 保存文件recognizer.write('trainer/four.yml')# save_to_file('names.txt',names)
11.人脸识别
通过之前训练好的数据,对所需识别的图像、视频等加以分类(一下程序需要修改训练数据路径、训练图片路径(获取图片名字)、识别图像的方式)
import cv2
import numpy as np
import os
# coding=utf-8
import urllib
import urllib.request
import hashlib# 加载训练数据集文件
recogizer = cv2.face.LBPHFaceRecognizer_create()
recogizer.read('/Users/huangjw/Downloads/mycodetest/opencv/trainer/trainer.yml')
# recogizer.read('trainer/trainer.yml')
names = []
warningtime = 0# 准备识别的图片
def face_detect_demo(img):gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 转换为灰度# face_detector = cv2.CascadeClassifier(# '/Users/huangjw/Downloads/opencv-4.x/data/haarcascades/haarcascade_frontalface_alt2.xml')# 加载分类器(opencv已经训练好了)face_detector = cv2.CascadeClassifier('/Users/huangjw/Downloads/opencv-4.x/data/haarcascades/haarcascade_frontalface_default.xml')face = face_detector.detectMultiScale(gray, 1.1, 5, cv2.CASCADE_SCALE_IMAGE, (100, 100), (500, 500))# face=face_detector.detectMultiScale(gray)for x, y, w, h in face:cv2.rectangle(img, (x, y), (x + w, y + h), color=(0, 0, 255), thickness=2)cv2.circle(img, center=(x + w // 2, y + h // 2), radius=w // 2, color=(0, 255, 0), thickness=1)# 人脸识别ids, confidence = recogizer.predict(gray[y:y + h, x:x + w])# print('标签id:',ids,'置信评分:', confidence)if confidence > 70:global warningtimewarningtime += 1if warningtime > 100:# 发送警报# warning()print("陌生人")warningtime = 0cv2.putText(img, 'unkonw', (x + 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1)else:#print(ids - 1)cv2.putText(img, str(names[ids - 1]), (x + 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1)cv2.imshow('result', img)# print('bug:',ids)def name():path = '/Users/huangjw/Downloads/mycodetest/opencv/data/jm/'# names = []imagePaths = [os.path.join(path, f) for f in os.listdir(path)]print('数据排列:', imagePaths)for imagePath in imagePaths:name = str(os.path.split(imagePath)[1].split('.', 2)[1])names.append(name)#print(names)# , cv.cvtColor(img, cv.COLOR_BGR2GRAY)
# 读取视频
#cap = cv2.VideoCapture('1.mp4')# 读取摄像头
#cap = cv2.VideoCapture(0)name()
print(names)
# names.reverse() # 队列反转
# print(names)
while True:flag, frame = cap.read()if not flag:breakface_detect_demo(frame)if ord(' ') == cv2.waitKey(10):break
cv2.destroyAllWindows()
cap.release()
# print(names)
Python笔记-OpenCV图像处理和人脸识别相关推荐
- 基于Python的OpenCV+TensorFlow+Keras人脸识别实现
前言:本节要讲的人脸识别主要是借鉴了 一位研究生前辈的文章 我只是在他的基础上进行了改动,让代码能在现在的TensorFlow2.X 等的环境下运行 先看一下效果图 完整工程及源代码请点击链接下载:人 ...
- Python+OpenCv实现AI人脸识别身份认证系统(2)——人脸数据采集、存储
原 Python+OpenCv实现AI人脸识别身份认证系统(2)--人脸数据采集.存储 2019年07月02日 08:47:52 不脱发的程序猿 阅读数 602更多 所属专栏: 人脸识别身份认证系统设 ...
- python dlib opencv人脸识别准确度_基于dlib和opencv库的人脸识别
基于dlib和opencv库的人脸识别 需下载68个特征点的人脸检测模型: http://dlib.net/files/ 文件名为shape_predictor_68_face_landmarks.d ...
- dlib 使用OpenCV,Python和深度学习进行人脸识别 源代码
请直接访问原文章 dlib 使用OpenCV,Python和深度学习进行人脸识别 源代码 https://hotdog29.com/?p=595 在 2019年7月7日 上张贴 由 hotdog发表回 ...
- Python+OpenCv实现AI人脸识别身份认证系统(1)——人脸识别原理
原 Python+OpenCv实现AI人脸识别身份认证系统(1)--人脸识别原理 置顶 2019年07月02日 08:47:40 不脱发的程序猿 阅读数 1255更多 所属专栏: 人脸识别身份认证系统 ...
- Python+OpenCV实现AI人脸识别身份认证系统(4)—人脸识别
本篇博文是Python+OpenCV实现AI人脸识别身份认证系统的收官之作,在人脸识别原理到数据采集.存储和训练识别模型基础上,实现人脸识别,废话少说,上效果图: 案例引入 在Python+OpenC ...
- Python+OpenCv实现AI人脸识别身份认证系统(3)——训练人脸识别模型
目录 案例引入 本节项目 最近有小伙伴们一直在催本项目的进度,好吧,今晚熬夜加班编写,在上一节中,实现了人脸数据的采集,在本节中将对采集的人脸数据进行训练,生成识别模型. 案例引入 首先简要讲解数据集 ...
- python模块cv2人脸识别_手把手教你使用OpenCV,Python和深度学习进行人脸识别
使用OpenCV,Python和深度学习进行人脸识别 在本教程中,你将学习如何使用OpenCV,Python和深度学习进行面部识别.首先,我们将简要讨论基于深度学习的面部识别,包括"深度度量 ...
- 基于Python通过OpenCV实现的口罩识别系统理论篇
基于Python通过OpenCV实现的口罩识别系统理论设计篇 一.项目实现环境 基于Python 3.8.1版本 opencv-python 4.2.0.34版本 需要自己下载OpenCV的库文件,添 ...
- 使用python和pyqt5轻松上手人脸识别系统(含代码)
使用python和pyqt5轻松上手人脸识别系统(含代码) 一. 环境配置 1.1 python环境配置 1.1.1 安装 anaconda 1.1.2 安装pycharm 1.1.3 配置pip源 ...
最新文章
- Werkzeug源码阅读笔记(四)
- AD5933使用外部时钟获得更低的分析频率
- Linux下gcc中各种文件后缀说明
- 【Python】学习笔记7-异常处理try。。except .. as e ....else
- Android之 FLAG_ACTIVITY_CLEAR_TASK
- java空心字木塔_我国七个千年古塔:第四个空心没有塔顶,最后一个是木塔无钉无铆...
- arthas 排查内存溢出_Java 应用线上问题排查思路、常用工具小结
- 用vhdl实现4位加减法计数器_32位加减法器设计
- Jquery操作Table
- 产品的缺点要不要提前告诉客户?
- Java_spring_定时执行任务
- 【bzoj5090】组题 分数规划
- php中的数据库操作和字符串操作session与cookie操作,PHP的cookie与session原理及用法详解...
- IPv4编址;A类、B类、C类、D类、E类IP地址(IP地址;网络地址和主机地址;子网掩码;网关;广播地址;)
- python arduino i2c1602_Arduino使用I2C转接板驱动1602液晶屏,小小白新手入门篇
- python文字语音互转
- 【开源】SoDiaoEditor 可能是目前最好用的开源电子病历编辑器(B/S架构)
- shell softech 面料_户外软壳面料及各品牌的技术
- 杨辉三角~~~~~~~~
- html中通过url地址传参及获取参数解析方法