opencv 基础（持续更新中）

1 前言

https://www.couragesteak.com/

2 安装

3 基础属性demo

打开一张图片：

import cv2

img = cv2.imread('./girl.jpg')

print(img.shape)  # (1536, 1024, 3)    数组形状
print(type(img))  # numpy 数组
print(img)        # 三维数组（彩色图片：高度、宽度、像素红绿蓝[蓝0, 绿1, 红2]）


cv2.waitKey()               # 等待键盘任意输入，然后窗口消失
cv2.destroyAllWindows()     # 销毁内存

4 颜色

在OpenCV中有超过150种颜色转换的方法，常用的有 BGR↔Gray 和 BGR↔HSV。

4.1 Gray 灰度处理

# 黑白图片/灰度化处理
# cv2.COLOR_BGR2GRAY
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv2.imshow('gray', gray)

4.2 HSV 颜色空间

RGB适用于显示系统；

HSV适用于图像处理（物体跟踪）。

注意：不同软件取值可能不同。

hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
cv2.imshow('hsv', hsv)

4.3 颜色调整&翻转

# 颜色翻转
# 颜色翻转 img[:, :, ::-1]
cv2.imshow("girl老铁", img[:, :, ::-1])

# 三原色调整
cv2.imshow("girl老铁", img[:, :, [0, 2, 1]])

4.4 物体跟踪（蓝色物体周围画一个圈）

import cv2
import numpy as np

img = cv2.imread('./url.png')
cv2.imshow('img', img)

# HSV 在物体跟踪时比较有效
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)  # 颜色空间转变
# cv2.imshow('hsv', hsv)

# 定义在HSV颜色空间中的 蓝色 范围
lower_blue = np.array([110, 50, 50])  # 浅蓝
upper_blue = np.array([130, 255, 255])  # 深蓝
# 根据蓝色的范围，标记图片中哪些位置是蓝色
# 在范围内标记为1，不在标记为0
mask = cv2.inRange(hsv, lower_blue, upper_blue)
# 位运算
res = cv2.bitwise_and(img, img, mask=mask)
cv2.imshow('res', res)

# 0：无限等待
cv2.waitKey(3000)  # 无操作，2s后自动消失
cv2.destroyAllWindows()  # 销毁内存

5 大小与位置

5.1 翻转

# 上下翻转 img[::-1, :, :]
cv2.imshow("girl老铁", img[::-1, :, :])     # 上下翻转  弹出窗口（文字只能是英文）

6 图片马赛克

6.1 缩小->放大拉伸

这种方式，可以理解为模糊化

img2 = cv2.resize(img, (30, 16))
img3 = cv2.resize(img2, (240, 128))

6.2 缩小，放大比例

img2 = cv2.resize(img, (100, 100))  # 先缩小
img3 = np.repeat(img2, 5, axis=1)  # x轴 放大10倍
img4 = np.repeat(img3, 5, axis=0)  # y轴 放大10倍

6.3 像素抽取

每10个中 取一个像素

import cv2

img = cv2.imread("./img/girl2.png")

print(img.shape)  # 宽512、高512

img2 = img[::10, ::10]  # 每10个中 取一个像素

# 由于图片比较小，我们加入下面2行代码,放大窗口
cv2.namedWindow("girl", flags=cv2.WINDOW_NORMAL)
cv2.resizeWindow("girl", 512, 512)

cv2.imshow('girl', img2)
cv2.waitKey(0)
cv2.destroyAllWindows()

7 人脸操作

7.1 人脸检测

下载特征文件：

https://github.com/opencv/opencv/tree/4.x/data/haarcascades

data/haarcascades/haarcascade_frontalface_alt.xml

# -*- coding:utf-8 -*-
"""
    @Author   ：有勇气的牛排
    @FileName : 06 人脸检测.py
    @desc     : 描述
"""
import cv2

img = cv2.imread("./img/girls2.png")

# 加载 人脸 特征文件（opencv库貌似自带）
face_detector = cv2.CascadeClassifier("./static/haarcascade_frontalface_alt.xml")
# 识别人脸，并且获取坐标：x、y、w、h
"""
[[744 100 142 142]
 [205 165 153 153]]
"""
faces = face_detector.detectMultiScale(img)
print(faces)
for x, y, w, h in faces:
    # 绘制 矩形
    """
        pt1: 左上角
        pt2: 左下角
        thickness: 线条粗细
    """
    cv2.rectangle(img,
                  pt1=(x, y),
                  pt2=(x + w, y + h),
                  color=[0, 0, 255],
                  thickness=2)

cv2.imshow("girl", img)

cv2.waitKey(0)
cv2.destroyAllWindows()

优化：

• 黑白色更容易识别
• 识别效果系数整

# -*- coding:utf-8 -*-
"""
    @Author   ：有勇气的牛排
    @FileName : 06 人脸检测.py
    @desc     : 描述
"""
import cv2

img = cv2.imread("./img/hezhao.png")

# 图片 改为 黑白色，识别更友好(数据更少)
gray = cv2.cvtColor(img, code=cv2.COLOR_BGR2GRAY)

# 加载 人脸 特征文件（opencv库貌似自带）
face_detector = cv2.CascadeClassifier("./static/haarcascade_frontalface_alt.xml")
# 识别人脸，并且获取坐标：x、y、w、h
"""
[[744 100 142 142]
 [205 165 153 153]]
 
 scaleFactor: 缩放 倍数 -> 放大缩小 判断是否是人脸
 scaleFactor: 坐标 x、y、w、h
"""
faces = face_detector.detectMultiScale(gray,
                                       scaleFactor=1.05,
                                       minNeighbors=3)
print(faces)
for x, y, w, h in faces:
    # 绘制 矩形
    """
        pt1: 左上角
        pt2: 左下角
        thickness: 线条粗细
    """
    # cv2.rectangle(img,
    #               pt1=(x, y),
    #               pt2=(x + w, y + h),
    #               color=[0, 0, 255],
    #               thickness=2)

    # 画圆圈
    cv2.circle(img,
               center=(x+w//2, y+h//2),
               radius=w//2,
               color=[0, 255, 0],
               thickness=2)

cv2.imshow("girl", img)

cv2.waitKey(0)
cv2.destroyAllWindows()

7.2 人脸 马赛克

# -*- coding:utf-8 -*-
"""
    @Author   ：有勇气的牛排
    @FileName : 07 人脸 马赛克.py
    @desc     : 描述
"""

import cv2
import numpy as np

img = cv2.imread("./img/girl2.png")

# 图片 改为 黑白色，识别更友好(数据更少)
gray = cv2.cvtColor(img, code=cv2.COLOR_BGR2GRAY)

# 加载 人脸 特征文件（opencv库貌似自带）
face_detector = cv2.CascadeClassifier("./static/haarcascade_frontalface_alt.xml")
# 识别人脸，并且获取坐标：x、y、w、h
faces = face_detector.detectMultiScale(gray,
                                       scaleFactor=1.05,
                                       minNeighbors=3)

"""
187 89 152 152
人脸1：
    左上角 坐标：(187, 89)
    右下角 坐标：(339, 241)
"""

for x, y, w, h in faces:
    # cv2.rectangle(img,
    #               pt1=(x, y),
    #               pt2=(x + w, y + h),
    #               color=[0, 0, 255],
    #               thickness=2)

    print(x, y, w, h)

    # 获取人脸区域 切片
    face = img[y:y + h, x:x + w]
    # img[y:y+h, x:x+w] = face[:, :, ::-1]  # 脸部区域 变色 测试

    # 人脸 马赛克，切片
    face = face[::10, ::10]  # 每10个中取一个像素
    face = np.repeat(face, 10, axis=0)  # 高 --- 行
    face = np.repeat(face, 10, axis=1)  # 宽 --- 列
    # 将马赛克区域 尺寸矫正
    img[y:y + h, x:x + w] = face[:152, :152]

cv2.imshow("girl", img)

cv2.waitKey(0)
cv2.destroyAllWindows()

7.3 人脸加贴纸

for x, y, w, h in faces:
    cv2.rectangle(img,
                  pt1=(x, y),
                  pt2=(x + w, y + h),
                  color=[0, 0, 255],
                  thickness=2)

    print(x, y, w, h)

    # 填满整个脸
    # img[y:y+h, x:x+w] = cv2.resize(sticker, (w, h))
    # 脸部1/4 左上角
    # img[y:y+h//2, x:x+w//2] = cv2.resize(sticker, (w//2, h//2))
    # 居中
    img[y:y+h//2, x+30:x+w//2+30] = cv2.resize(sticker, (w // 2, h // 2))