怎么在Python中使用OpenCV

這篇文章給大家介紹怎么在Python中使用OpenCV，內容非常詳細，感興趣的小伙伴們可以參考借鑒，希望對大家能有所幫助。

OpenCV

OpenCV是計算機視覺中最受歡迎的庫，最初由intel使用C和C ++進行開發的，現在也可以在python中使用。該庫是一個跨平臺的開源庫，是免費使用的。OpenCV庫是一個高度優化的庫，主要關注實時應用程序。
OpenCV庫是2500多種優化算法的組合，可用于檢測和識別不同的人臉，實時識別圖像中的對象，使用視頻和網絡攝像頭對不同的人類動作進行分類，跟蹤攝像機的運動，跟蹤運動對象（例如汽車，人等），實時計數對象，縫合圖像來產生高分辨率圖像，從圖像數據庫中查找相似的圖像，從使用閃光燈拍攝的圖像中消除紅眼并提高圖像質量，跟蹤眼睛的運動，跟蹤臉部等。
它擁有大約4.7萬活躍用戶社區，下載量超過1800萬。谷歌，亞馬遜，特斯拉，微軟，本田等許多大公司都使用Open cv來改善他們的產品，它更是驅動了AI的發展。

先決條件

在開始編寫代碼之前，我們需要在設備上安裝opencv。
如果你是ProIn編程專家，并且熟悉每個IDE，那么請使用Pycharm并從設置中的程序包管理器安裝OpenCV-python。
如果你是初學者或中級程序員，或者只是想關注博客，那么我們將使用代碼編輯器而不是IDE。
只需轉到Visual Studio Code網站并根據你的操作系統下載最新版本即可。

• https://code.visualstudio.com/download
  

現在，我們將創建一個虛擬環境，并在其中安裝opencv。打開終端，然后使用cd定位到桌面，使用mkdir 創建一個名為opencv

的文件夾，然后運行以下命令。

python -m venv env

現在，使用env\scripts\activate激活環境，你會在C:\Users\username\Desktop\opencv之前看到小括號(env)出現。
現在，只需使用pip安裝OpenCV。

我們會在本文中涵蓋7個主題

1. 讀，寫和顯示圖像
2. 讀取視頻并與網絡攝像頭集成
3. 調整大小和裁剪圖像
4. 基本的圖像過濾器使用的函數
5. 繪制不同的形狀
6. 在圖像上書寫文字
7. 檢測并裁剪臉部

讀，寫和顯示圖像

要使用Opencv讀取圖像，我們有imread()函數; 要顯示圖像，有imshow()函數，而對于書寫，我們有imwrite()函數。讓我們看看它們的語法。

imread()：

img = cv2.imread("PATH_TO_IMAGE.jpg/png")
Example
img = imread("images/dog0.jpg")

imshow():

cv2.imshow("WINDOW NAME",IMG_VAR)
Example
imshow("Dog Image",img)

imwrite():

cv2.imwrite(FILENAME, IMAGE)
filename: A string representing the file name. The filename must include image format like .jpg, .png, etc.
image: It is the image that is to be saved.
Example
cv2.imwrite('images/img',img)

讀取視頻并與網絡攝像頭集成

讀取視頻文件與在OpenCV中讀取圖像文件非常相似，區別在于我們使用了cv2.videocapture。

句法

video = cv2.VideoCapture("FILEPATH.mp4")
Example
video = cv2.VideoCapture("video/dog/dog.mp4")

視頻是許多幀結合在一起的集合，每幀都是一幅圖像。要使用OpenCV觀看視頻，我們只需要使用while循環顯示視頻的每一幀。

while True:
   success , img = cap.read()
   cv2.imshow("Video",img)
   if cv2.waitKey(1) & 0xff==ord('q'):##key 'q' will break the loop
       break

要與網絡攝像頭集成，我們需要傳遞網絡攝像頭的端口值而不是視頻路徑。如果你使用的是筆記本電腦，但沒有連接任何外部網絡攝像頭，則只需傳遞參數0；如果你有外部網絡攝像頭，則傳遞參數1。

cap = cv2.VideoCapture(0)
cap.set(3,640)  ## Frame width
cap.set(4,480)  ## Frame Height
cap.set(10,100) ## Brightness
while True:
   success, img = cap.read()
   cv2.imshow("Video",img)
   if cv2.waitKey(1) & 0xff == ord('q'):
        break

調整大小和裁剪圖像

調整大小是更改圖像形狀的過程。在Opencv中，我們可以使用resize函數調整圖像形狀的大小。

句法

cv2.resize(IMG,(WIDTH,HEIGHT))
IMG: image which we want to resize
WIDTH: new width of the resize image
HEIGHT: new height of the resize image
Example
cv2.resize(img,(224,224))

要首先調整圖像的大小，我們需要知道圖像的形狀。我們可以使用shape來找到任何圖像的形狀，然后根據圖像形狀，可以增加或減小圖像的大小。讓我們看看示例。

import cv2
img = cv2.imread("images/img0.jpg") ##Choose any image
print(img.shape)
imgResize = cv2.resize(img,(224,224)) ##Decrease size
imgResize2 = cv2.resize(img,(1024,1024)) ##Increase size
cv2.imshow("Image",img)
cv2.imshow("Image Resize",imgResize)
cv2.imshow("Image Increase size",imgResize2)
print(imgResize.shape)
cv2.waitKey(0)

如果你不想對寬度和高度進行硬編碼，也可以使用形狀，然后使用索引來增加寬度和高度。

import cv2
img = cv2.imread("images/img0.jpg") ##Choose any image
print(img.shape)
shape = img.shape
imgResize = cv2.resize(img,(shape[0]//2,shape[1]//2))##Decrease size
imgResize2 = cv2.resize(img,(shape[0]*2,shape[1]*2)) ##Increase size
cv2.imshow("Image",img)
cv2.imshow("Image Resize",imgResize)
cv2.imshow("Image Increase size",imgResize2)
print(imgResize.shape)
cv2.waitKey(0)

裁剪圖像

裁剪是獲取圖像的一部分過程。在OpenCV中，我們可以通過定義裁剪后的矩形坐標來執行裁剪。

句法

imgCropped = img[y1:y2, x1:x2]
(x1,y1): top-left vertex
(x2,y2): bottom-right vertex
Example
imgCropped = img[0:100,200:200]

使用裁剪方法，讓我們嘗試從圖像中獲取蒙娜麗莎的臉。

import cv2
img = cv2.imread("images/img0.jpg")
imgCropped = img[50:250,120:330]
cv2.imshow("Image cropped",imgCropped)
cv2.imshow("Image",img)
cv2.waitKey(0)

你也可以使用paint來找到（x1，y1），（x2，y2）的正確坐標。
右鍵單擊圖像并保存，嘗試從圖像中獲取王卡。

提示：使用paint來找到正確的坐標，最后使用調整大小來增加裁剪圖像的大小。
“在尋求解決方案之前，請嘗試自己動手做。”
?解決方案- https://gist.github.com/Abhayparashar31/9b01473431de765c0a73e81271233d91

基本的圖像過濾器使用的函數

我們可以在圖像上使用許多基本的濾鏡操作，例如將圖像轉換為灰度圖像，模糊圖像等等。讓我們一一看一下比較重要的操作。

將圖像轉為灰度圖像

要將圖像轉換為灰度，我們可以使用一個函數cvtColor，這里我們將cv2.COLOR_BGR2GRAY作為參數傳遞。

imgGray = cv2.cvtColor(IMG,cv2.CODE)
IMG: Original image
CODE: Conversion code for Gray(COLOR_BGR2GRAY)
Example
imgGray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

將圖像轉為HSV

要將圖像轉換為HSV，我們可以使用函數cvtColor，這里我們將cv2.COLOR_BGR2HSV作為參數傳遞。它主要用于對象跟蹤。

imgGray = cv2.cvtColor(IMG,cv2.CODE)
IMG: Original image
CODE: Conversion code for Gray(COLOR_BGR2HSV)
Example
imgHsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)

圖像模糊

模糊用于去除圖像中的多余噪聲，也稱為平滑，這是對圖像應用低通濾波器的過程。要在Opencv中使用模糊，我們有一個函數GaussianBlur。

imgBlur = cv2.GaussianBlur(img,(sigmaX,sigmaY),kernalSize)
kernalsize ? A Size object representing the size of the kernel.
sigmaX ? A variable representing the Gaussian kernel standard deviation in X direction.
sigmaY - same as sigmaX
Exmaple
imgBlur = cv2.GaussianBlur(img,(3,3),0)

邊緣檢測

在OpenCV中，我們使用Canny邊緣檢測器來檢測圖像中的邊緣，也有不同的邊緣檢測器，但最著名的是Canny邊緣檢測器。Canny邊緣檢測器是一種邊緣檢測算子，它使用多階段算法來檢測圖像中的大范圍邊緣，它由John F. Canny在1986年開發。

imgCanny = cv2.Canny(img,threshold1,threshold2)
threshold1,threshold2:Different values of threshold different for every images
Example
imgCanny = cv2.Canny(img,100,150)

膨脹

膨脹是用來增加圖像中邊緣的大小。首先，我們定義一個大小為奇數(5,5)的核矩陣，然后利用核函數對圖像進行放大。我們對Canny邊緣檢測器的輸出圖像進行了放大處理。

kernel = np.ones((5,5),np.uint8) ## DEFINING KERNEL OF 5x5
imgDialation = cv2.dilate(imgCanny,kernel,iterations=1) ##DIALATION

腐蝕

腐蝕是擴張的反面，它用于減小圖像邊緣的尺寸。首先，我們定義一個奇數（5,5）的核矩陣大小，然后使用核對圖像執行腐蝕。我們對Canny邊緣檢測器的輸出圖像施加腐蝕。

kernel = np.ones((5,5),np.uint8) ## DEFINING KERNEL OF 5x5
imgDialation = cv2.erode(imgCanny,kernel,iterations=1) ##EROSION

現在，在同一程序中將所有基礎函數應用于Monalisa映像。

繪制不同的形狀

我們可以使用OpenCV來繪制矩形，圓形，直線等不同的形狀。

矩形：

要在圖像上繪制矩形，我們使用矩形函數。在函數中，我們傳遞寬度，高度，X，Y，RGB中的顏色，厚度作為參數。

cv2.rectangle(img,(w,h),(x,y),(R,G,B),THICKNESS)
w: width
h: height
x: distance from x axis
y: distance from y axis
R,G,B: color in RGB form (255,255,0)
THICKNESS: thickness of rectangel(integer)
Example
cv2.rectangle(img,(100,300),(200,300),(255,0,255),2)

圓：

要繪制一個圓，我們使用cv2.circle。我們傳遞x，y，半徑大小，RGB形式的顏色，厚度作為參數。

cv2.circle(img,(x,y),radius,(R,G,B),THICKNESS)
x: distance from x axis
y: distance from y axis
radius: size of radius(integer)
R,G,B: color in RGB form (255,255,0)
THICKNESS: thickness of rectangel(integer)
Example
cv2.circle(img,(200,130),90,(255,255,0),2)

線：

要繪制一條線，我們使用cv2.line，使用起點（x1，y1），終點（x2，y2），RGB形式的顏色，厚度作為參數。

cv2.line(img,(x1,y1),(x2,y2),(R,G,B),THICKNESS)
x1,y1: start point of line (integer)
x2,y2: end point of line (integer)
R,G,B: color in RGB form (255,255,0)
THICKNESS: thickness of rectangel(integer)
Example
cv2.line(img,(110,260),(300,260),(0,255,0),3)

在圖像上書寫文字

在OpenCV中，我們有一個函數cv2.puttext, 可以在特定位置的圖像上寫文本。它以圖像，文本，x，y，顏色，字體，字體比例，粗細為輸入。

cv2.putText(img,text,(x,y),FONT,FONT_SCALE,(R,G,B),THICKNESS)
img: image to put text on
text: text to put on image
X: text distance from X axis
Y: text distance from Y axis
FONT: Type of FONT (ALL FONT TYPES)
FONT_SCALE: Scale of Font(Integer)
R,G,B: color in RGB form (255,255,0)
THICKNESS: thickness of rectangel(integer)
Example
cv2.putText(img,"HELLO",(120,250),cv2.FONT_HERSHEY_COMPLEX,1,(255,255,255),2)

下載Monalisa圖片。
任務：使用形狀和文本為左側圖像中所示的Monalisa臉創建框架。
提示：首先是一個圓形，然后是矩形，然后根據圓形和矩形放置文本，最后根據文本放置一行。
?解決方案-  https://gist.github.com/Abhayparashar31/af36bf25ce61345266db4b54aba33be1

檢測并裁剪臉部

在創建人臉識別系統時，人臉檢測是非常有用的。在OpenCV中，我們提供了許多可用于不同目的的預訓練haar級聯分類器。在OpenCV GitHub上查看分類器的完整列表。

• https://github.com/opencv/opencv/tree/master/data/haarcascades
  

為了檢測OpenCV中的人臉，我們使用了haarcascade_frontalface_default.xml分類器，它會返回我們圖像的四個坐標（w，h，x，y），使用這些坐標，我們將在臉部上繪制一個矩形，然后使用相同的坐標來裁剪臉部。現在使用imwrite，我們將裁剪的圖像保存在目錄中。

import cv2
# Load the cascade
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
# Read the input image
img = cv2.imread('images/img0.jpg')
# Convert into grayscale
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# Detect faces
faces = face_cascade.detectMultiScale(gray, 1.3, 4)
# Draw rectangle around the faces
for (x, y, w, h) in faces:
    cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 0), 2)
    # Cropping Face
    crop_face = img[y:y + h, x:x + w]
    #Saving Cropped Face
    cv2.imwrite(str(w) + str(h) + '_faces.jpg', crop_face)
cv2.imshow('img', img)
cv2.imshow("imgcropped",crop_face)
cv2.waitKey()

關于怎么在Python中使用OpenCV就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。