OpenCV学习(2021.10.10) / 开普饭

刚刚结束今日份的学习任务，心情还不错。古人言“好记性不如烂笔头”，于是乎，小陈决定把今日份的学习任务部分整理出来和小可爱们分享分享。正所谓“独乐乐不如众乐乐”，一起来瞧瞧吧！嘻嘻

看了看自己的进度，文献笔记暂时是无法分享了，因为我还没看完。o(╥﹏╥)o。但是但是，我还有别的学习任务可以分享，是关于计算机视觉和图像处理方面的内容。

话不多说，进入正题！

首先，简要阐述一下自己的学习内容。

(1)OpenCV安装

(2)opencv库的基础操作

(3)键盘响应

(4)修改图片尺寸

(5)人脸识别小程序开发

其次，开始对学习内容逐点进行展开陈述。

1.OpenCV模块的安装

众所周知，用pip工具安装第三方模块时，经常会出现一些错误，常见错误的有响应超时、版本不匹配等。而针对网络超时错误，下载镜像文件是个超级nice的选择。于是乎，下方，我给出了两种下载方式，供大家参考！

#方法一# python -m pip install opencv-python#方法二(镜像)# python -m pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple

2.OpenCV模块的基础操作

不难想象，第三方模块OpenCV安装好之后，我们就可以开始进行一些基础操作的学习啦！主要的基础操作有图像载入、图像模式转换、图像保存、图像显示等。

在这里提示一点：实现OpenCV模块的基础操作的前提是导入OpenCV模块。不止这个模块，其余模块的实现也都需要提前进行导入操作。

#opencv库的基础操作# import cv2#导入OpenCV模块# img = cv2.imread(r'D:\\OpenCV\\image.jpg',0)#以灰度模式读取指定路径下的图片# print(img)# print(img.shape)# cv2.imwrite(r'D:\\OpenCV\\img.jpg',img)#将图片保存到指定路径下# cv2.imshow('chen',img)#在特定窗口中显示图片# cv2.waitKey(0)#解决图片显示闪退问题，参数0表示持续等待键盘响应，也可省略

3.键盘响应

这一部分的内容，是对上一部分知识的回顾。主要是考察waitKey()方法的作用和实现。话不多说，直接看代码！

#键盘响应# import cv2# img = cv2.imread(r'D:\\OpenCV\\image.jpg',0)# cv2.imshow('chen',img)# k = cv2.waitKey(0)#持续等待，也可以设置具体等待时间，毫秒为单位# if k == 27:#ESC的ASCII码值

# cv2.destroyWindow('chen')#按下ESC键，关闭显示图像的窗口(也可以使用cv2.destroyAllWindows()方法关闭图像显示的窗口)

# elif k == 83:#S的ASCII码值# cv2.imwrite(r'D:\\OpenCV\\chen.jpg',img)#将图片保存到指定路径下# cv2.destroyWindow('chen')#按下S键，关闭显示图像的窗口

4.修改图片尺寸

这一部分内容，算是基础操作的扩展部分。新增的知识点是图像尺寸的修改方法resize()，把握住相关参数的含义，掌握难度不算很大！

#修改图片尺寸# import cv2# img = cv2.imread(r'D:\\OpenCV\\image.jpg',0)# print(img.shape)# resized_img = cv2.resize(img,(int(img.shape[1]//4),int(img.shape[0]//4)))#等比例缩放1/4# #resized_img = cv2.resize(img,(200,200))# print(resized_img.shape)# cv2.imshow('chen',resized_img)# cv2.waitKey()

5.人脸识别小程序开发

这一部分是比较重要的内容。可以说是一个简易人脸识别的实现框架。其中的知识点也在前面几部分的基础上做了比较深入的拓展，主要包括分类器的构建、图像探测比例、以及认证指标等。

在这里提示：分类器的构建，需要有经过大数据训练的数据集做数据支撑。鉴于小陈刚开始接触这一方面的内容，所以采取了OpenCV自带的人脸识别特征数据集。至于如何找到默认数据集以及具体的操作步骤如何，不在此阐述，详情参考小陈的学习笔记。

#人脸识别小程序开发# import cv2# img = cv2.imread(r'D:\\OpenCV\\img.jpg')#载入需要进行人脸识别的图片

# resized_img = cv2.resize(img,(int(img.shape[1]//4),int(img.shape[0]//4)))#为使得人脸位置精确定位，原图像也要和处理图像缩放至同样大小

# #因为后续需要在原图像上标注人脸位置，所以需要将原图像保留；并且原图转换得到灰度模式好的图像，进行后续识别处理。

# gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)# #考虑到原图像的尺寸太大，为观察后续整体效果，选择进行一定的尺寸缩放# resized_gray = cv2.resize(gray,(int(gray.shape[1]//4),int(gray.shape[0]//4)))# #创建级联分类器(选用的是OpenCV自带的人脸特征识别数据集）# face_cascade = cv2.CascadeClassifier\# (r'D:\\OpenCV\\opencv-4.5.3\\opencv-4.5.3\\data\\haarcascades\\haarcascade_frontalface_default.xml')

# #scaleFactor参数表示每次图像缩小的比例；#minNeighbors参数表示每一个目标至少要被检测到多少次，才可以认为是真正的目标

# faces = face_cascade.detectMultiScale(resized_gray,scaleFactor=1.2,minNeighbors=5)# for x,y,w,h in faces:

# img = cv2.rectangle(resized_img,(x,y),(x+w,y+h),(0,255,0),3)#在人脸位置画上矩形方框，并且设置方框的颜色、边框粗细

# cv2.imshow('chen',img)# cv2.waitKey()

写在最后，鉴于文案的篇幅以及整体的排版。小陈只是从整体上对相关学习内容进行了梳理，其中，有些细节问题没有详细展开。但是小可爱们不要慌，小陈的学习笔记很详细，可以后续进行参考！

OpenCV学习(2021.10.10)

相关推荐