05-13 01:59 阅读 218

OpenCV 车辆检测/人脸识别+图像拼接+文字识别

一、开发环境搭建

命令行安装方式 - mac

brew install python@3.9

pip3 install numpy matplotlib opencv_python

// numpy - 矩阵操作

// matplotlib - 显示

// 测试是否安装成功（import 无报错信息表示安装成功）

MacintoshdeMacBook-Pro:~ Jartin$ python3

Python 3.9.1 (default, Jan 8 2021, 17:15:36)

[Clang 11.0.0 (clang-1100.0.33.17)] on darwin

Type "help", "copyright", "credits" or "license" for more information.

>>> import numpy

>>> import matplotlib

>>> import cv2

二、图像视频加载与展示

API介绍

namedWindow() 窗口标号

imshow() 窗口展示

destroyAllWindows() 销毁所有窗口

resizeWindow 窗口大小

import cv2;

# 创建窗口

cv2.namedWindow('new', cv2.WINDOW_NORMAL);

# WINDOW_AUTOSIZE 不可以resize

# WINDOW_NORMAL 可以resize

# 设定窗口大小

cv2.resizeWindow('new', 1920, 1080)

# 展示窗口

cv2.imshow('new', 0);

# 键盘和鼠标的监听实现

key = cv2.waitKey(0)

if(key == 'q'):

exit()

# 销毁所有窗口

cv2.destroyAllWindows();

import cv2;

# 图片加载

cv2.namedWindow('img', cv2.WINDOW_NORMAL);

img = cv2.imread('./jobs.jpeg');

cv2.imshow('img', img)

key = cv2.waitKey(0)

if (key & 0xFF == ord('q')):

cv2.destroyAllWindows();

视频采集

VideoCapure() 虚拟采集器

cap.read() 将视频帧处理

cap.release() 释放资源

import cv2;

# 使用opencv 的 videocapture采集视频数据

# 创建窗口

cv2.namedWindow('video', cv2.WINDOW_NORMAL);

cv2.resizeWindow('video', 640, 480);

# 获取视频设备

cap = cv2.VideoCapture(0);

while True:

# 从摄像头读取视频帧

ret, frame = cap.read();

# 将视频帧在窗口中显示

cv2.imshow('video', frame);

# 等待键盘事件，如果q，退出 waitKey(1)帧率越小视频越流畅

key = cv2.waitKey(1);

if (key & 0xFF == ord('q')):

break;

# 释放VideoCapture

cap.release();

cv2.destroyAllWindows();

import cv2;

# 读取视频文件

# 创建窗口

cv2.namedWindow('video', cv2.WINDOW_NORMAL);

cv2.resizeWindow('video', 640, 480);

# 获取视频设备 / 从视频文件中读取视频帧

cap = cv2.VideoCapture(0);

cap = cv2.VideoCapture('/Users/Jartin/Desktop/opencv/zl.mp4');

while True:

# 从摄像头读取视频帧

ret, frame = cap.read();

# 将视频帧在窗口中显示

cv2.imshow('video', frame);

# 等待键盘事件如果q退出

key = cv2.waitKey(1);

if (key & 0xFF == ord('q')):

break;

# 释放rediocap

cap.release();

cv2.destroyAllWindows();

import cv2;

# 视频录制

# 创建videowrite为写多媒体文件

fourcc = cv2.VideoWriter_fourcc(*'MJPG');

# 路径、 forcc、帧率、分辨率

vw = cv2.VideoWriter('./out.mp4', fourcc, 25, (1280, 720))

# 创建窗口

cv2.namedWindow('video', cv2.WINDOW_NORMAL);

cv2.resizeWindow('video', 640, 360);

# 获取视频设备

cap = cv2.VideoCapture(0);

while True:

# 从摄像头读取数据

ret, frame = cap.read();

# 将视频帧在窗口显示

cv2.imshow('video', frame);

# 写数据到多媒体文件

vw.write(frame);

# 等待键盘事件如果为q退出

key = cv2.waitKey(1);

if (key & 0xFF == ord('q')):

break;

# 释放videocapture

cap.release();

# 释放videowrite资源

vw.release();

cv2.destroyAllWindows();

import cv2;

import numpy as np;

# 控制鼠标鼠标回调函数

def mouse_callback(event, x, y, flags, userdata):

print(event, x, y, flags, userdata);

# 创建窗口

cv2.namedWindow('mouse', cv2.WINDOW_NORMAL);

cv2.resizeWindow('mouse', 640, 360);

# 设置鼠标回调

cv2.setMouseCallback('mouse', mouse_callback, '123');

# 显示窗口和背景

# numpy图片组件、np.zeros显示图片、(高, 宽, bgr3种数组)、np.uint8像素类型

img = np.zeros((360, 640, 3), np.uint8);

while True:

cv2.imshow('mouse', img);

key = cv2.waitKey(1);

if key & 0xFF == ord('q'):

break;

cv2.destroyAllWindows();

TrackBar 控件

createTrackbar 创建TrackBar

getTrackPos 获取TrackBar

import cv2;

import numpy as np;

def callback():

pass;

# 创建窗口

cv2.namedWindow('trackbar', cv2.WINDOW_NORMAL);

# 创建trackbar 名字、窗口名字、默认当前值、最大值、回调方法

cv2.createTrackbar('R', 'trackbar', 0, 255, callback);

cv2.createTrackbar('G', 'trackbar', 0, 255, callback);

cv2.createTrackbar('B', 'trackbar', 0, 255, callback);

# 创建图片

img = np.zeros((480, 640, 3), np.uint8);

while True:

# 读取值

r = cv2.getTrackbarPos('R', 'trackbar');

g = cv2.getTrackbarPos('G', 'trackbar');

b = cv2.getTrackbarPos('B', 'trackbar');

img[:] = [b, g, r];

cv2.imshow('trackbar', img);

key = cv2.waitKey(10);

if key & 0xFF == ord('q'):

break;

cv2.destroyAllWindows();

色彩空间

RGB与BGR

RGB 人眼色彩空间

OpenCV 默认使用BGR

HSV/HSB/HSL 色相、饱和度、明亮度

YUV 视频存储

import cv2;

import numpy as np;

def callback():

pass;

# 创建窗口

cv2.namedWindow('trackbar', cv2.WINDOW_NORMAL);

# 创建trackbar 名字、窗口名字、默认当前值、最大值、回调方法

cv2.createTrackbar('R', 'trackbar', 0, 255, callback);

cv2.createTrackbar('G', 'trackbar', 0, 255, callback);

cv2.createTrackbar('B', 'trackbar', 0, 255, callback);

# 创建图片

img = np.zeros((480, 640, 3), np.uint8);

while True:

# 读取值

r = cv2.getTrackbarPos('R', 'trackbar');

g = cv2.getTrackbarPos('G', 'trackbar');

b = cv2.getTrackbarPos('B', 'trackbar');

img[:] = [b, g, r];

cv2.imshow('trackbar', img);

key = cv2.waitKey(10);

if key & 0xFF == ord('q'):

break;

cv2.destroyAllWindows();

HSV Hue：色相、红色、蓝色、绿色

Saturation：饱和度，颜色的纯度

Value：明度

YUV 视频中常用

对像素的描述 Y数据 UV彩色信息

色彩空间转换

import cv2;

def callback():

pass;

cv2.namedWindow('color', cv2.WINDOW_NORMAL);

img = cv2.imread('./jobs.jpeg');

colorspaces = [cv2.COLOR_BGR2RGBA, cv2.COLOR_BGR2BGRA, cv2.COLOR_BGR2GRAY, cv2.COLOR_BGR2HSV, cv2.COLOR_BGR2YUV];

cv2.createTrackbar('curcolor', 'color', 0, 4, callback);

while True:

index = cv2.getTrackbarPos('curcolor', 'color');

# 颜色空间转换API

cvt_img = cv2.cvtColor(img, colorspaces[index]);

cv2.imshow('color', img)

key = cv2.waitKey(10);

if key & 0xFF == ord('q'):

break;

cv2.destroyAllWindows();

Numpy 图像基础操作

opencv中用到的矩阵都要转换成Numpy数组

Numpy是一个经高度优化的Python数值库

基本操作

创建数组 array()

创建全0数组 zeros() / ones

创建全值数组 full()

创建单元数组 identity / eye()

import numpy as np

# np.zeros((行的个数, 列的个数, 通道数/层数), 矩阵中的数据类型);

c = np.zeros((480, 640, 3), np.uint8);

print(c)

矩阵的检索与赋值

ROI [y1:y2,x1:x2]

Mat是什么

是矩阵,可以理解为一张图有head 与 body组成

Mat的深拷贝与浅拷贝

import cv2

import numpy as np

img = cv2.imread('./1.jpeg');

# 浅拷贝

img2 = img;

# 深拷贝

img3 = img.copy();

img[10:100, 10:100] = [0, 0, 255]

cv2.imshow('img', img)

cv2.imshow('img2', img2)

cv2.imshow('img3', img3)

cv2.waitKey(0);

图像的多种属性

import cv2;

import numpy as numpy

img = cv2.imread('./1.jpeg')

# (1200, 1920, 3) 高度、长度、通道数

print(img.shape)

# 6912000 高度 * 长度 * 3

print(img.size)

# uint8 图像中每个元素的位深

print(img.dtype)

通道的分离与合并

import cv2;

import numpy as np

# 通道的分离与合并

img = np.zeros((480, 640, 3), np.uint8)

b,g,r = cv2.split(img);

b[10:100, 10:100] = 255;

g[10:100, 10:100] = 255;

img2 = cv2.merge((b, g, r))

cv2.imshow('img', img);

cv2.imshow('b', b);

cv2.imshow('g', g);

cv2.imshow('img2', img2);

cv2.waitKey(0);

三、绘制基本图形

线、矩形、圆

椭圆、多边形、绘制字体

import cv2;

import numpy as np;

# 绘制直线

img = cv2.imread('./1.jpeg')

cv2.line(img, (10, 20), (10, 900), (0,0,255), 20, 4);

cv2.line(img, (100, 12), (400, 100), (0,0,255), 20, 14);

cv2.imshow('img', img);

key = cv2.waitKey(0);

import cv2;

import numpy as np;

img = cv2.imread('./1.jpeg');

# cv2.ellipse(img, (500, 500), )

# 画圆

cv2.circle(img, (520, 440), 100, (0, 0, 255), 10)

cv2.circle(img, (520, 440), 5, (0, 0, 255), 10)

# 画椭圆

# 度是按顺时针计算的

cv2.ellipse(img, (520, 440), (100, 50), 15, 0, 360, (0, 0, 255), -1)

# 画多边形

pts = np.array(((320, 10), (150, 100), (450, 100)), np.int32)

cv2.polylines(img, [pts], True, (0, 0, 255))

# 填充

cv2.fillPoly(img, [pts], (255, 255, 0))

# 绘制文本

cv2.putText(img, 'Yulanlan', (800, 400), cv2.FONT_HERSHEY_PLAIN, 9, (255, 0, 0))

cv2.imshow('draw', img);

cv2.waitKey(0)

————————————————

原文链接：https://blog.csdn.net/jartins/article/details/116666426