python中opencv的使用方法是什么

這篇文章將為大家詳細講解有關python中opencv的使用方法是什么，小編覺得挺實用的，因此分享給大家做個參考，希望大家閱讀完這篇文章后可以有所收獲。

OpenCV是一個旨在解決計算機視覺問題的Python庫。OpenCV最初由Intel在1999年開發，但是后來由Willow Garage資助。它支持很多編程語言，如C++，Python，Java等等。它也支持多種平臺，包括Windows，Linux和MacOS。

OpenCV Python只是一個與Python一起使用的原始C++庫的包裝類。通過使用它，所有OpenCV數組結構都能被轉化為NumPy數組或從NumPy數組轉化而來。這樣就可以輕松地將其與其他使用NumPy的庫集成。例如，SciPy和Matplotlib等庫。

OpenCV的基礎操作？

Opencv能完成以下從加載圖像到調整大小等基本操作：

使用OpenCV加載圖片

查看圖片形狀/分辨率

顯示圖片

調整圖像大小

1. 使用OpenCV加載圖片

Import cv2  
 # colored Image  
Img = cv2.imread ("Penguins.jpg",1)  
 # Black and White (gray scale)  
Img_1 = cv2.imread ("Penguins.jpg",0)

如以上代碼所示，第一個要求是導入OpenCV模塊。

之后，我們可以用imread模塊讀取圖片。參數中的1代表這是一個彩色圖片。如果這個參數的值是0，就意味著這個將被導入的圖片是黑白圖片。這里的圖片名稱是“Penguins”。很簡單吧？

2. 查看圖片形狀/分辨率

我們可以使用shape子函數來輸出圖片的形狀。看看以下代碼：

Import cv2  
# Black and White (gray scale)  
Img = cv2.imread ("Penguins.jpg",0)  
Print(img.shape)

對于圖片的形狀，我們指的是NumPy數組的形狀。執行代碼之后你將會看到這個矩陣由768行和1024列組成。

3. 顯示圖片

使用OpenCV顯示圖片非常簡單和直接。思考以下圖片：

import cv2  
 
# Black and White (gray scale)  
Img = cv2.imread ("Penguins.jpg",0)  
cv2.imshow("Penguins", img)  
 
cv2.waitKey(0)  
# cv2.waitKey(2000)  
cv2.destroyAllWindows()

正如你所見，我們首先使用imread導入圖片。我們需要一個輸出窗口來顯示這個圖片，對吧？ 

然后，我們等待用戶事件。waitKey使窗口保持靜態直到用戶按下一個鍵。傳入的參數是以毫秒為單位的時間。

最后，我們根據waitForKey的參數使用destroyAllWindows關閉窗口。

4. 調整圖像大小

類似地，調整圖像大小非常簡單。 這里有另一個代碼段：

import cv2  
# Black and White (gray scale)  
img = cv2.imread ("Penguins.jpg",0)  
resized_image = cv2.resize(img, (650,500))  
cv2.imshow("Penguins", resized_image)  
cv2.waitKey(0)  
cv2.destroyAllWindows()

這里，resize函數用于將圖像大小調整為所需的形狀。這里的參數是新調整大小后的圖像的形狀。

與之前的代碼相比，剩下的代碼非常簡單，對嗎？

我相信你們對企鵝很好奇，這是我們想要輸出的圖片！

這是另一個向resize函數傳遞參數的方法。看看下面的表示方法：

Resized_image = cv2.resize(img, int(img.shape[1]/2), int(img.shape[0]/2)))

這里，我們得到的新圖像大小是原始圖像的一半。

使用OpenCV進行人臉檢測

這看起來很復雜，但實際上很容易。 讓我帶你了解整個過程，然后你也會有同樣的感受。

第一步：想一想我們的先決條件。我們首先需要一個圖像。然后，我們需要創建一個級聯分類器，它最后會給我們提供面部特征。

第二步：這一步要使用到OpenCV讀取圖像和特征文件。所以這個時候，原始數據點是NumPy數組的形式。

我們要做的就是搜索面部 NumPy n維數組的行和列的值。這是具有面部矩形坐標的數組。

第三步：最后一步是使用矩形面框顯示圖像。

看看下面的圖片，這里我以圖片的形式總結了上述的三個步驟以便于閱讀：

非常直接明了，對吧？

首先，如之前所述，我們創建CascadeClassifier對象來提取面部特征。包含面部特征的XML文件路徑是此處的參數。

下一步是讀取一個包含面部的圖片，并且使用COLOR_BGR2GREY將其轉化為黑白圖片。接下來，我們搜索圖像的坐標。這是使用detectMultiScale來實現的。

你問什么坐標？它是面部矩形的坐標。scaleFactor被用來減小5%的形狀值，直到找到面部。因此，總的來說，值越小，準確度越高。

最后，這張臉被顯示到窗口。

給識別的人臉添加矩形面框

這個邏輯很簡單——就像使用for循環語句一樣簡單。看看下面的圖片：

我們通過傳遞參數（比如圖片對象，輪廓框的RGB值和矩形的寬度），使用cv2.rectangle來定義方法以創建一個矩形。

讓我們來看看面部檢測的完整代碼：

import cv2  
# Create a CascadeClassifier Object  
face_cascade = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")  
# Reading the image as it is  
img = cv2.imread("photo.jpg") 
# Reading the image as gray scale image  
gray_img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)  
# Search the co-ordintes of the image  
faces = face_cascade.detectMultiScale(gray_img, scaleFactor = 1.05,  minNeighbors=5)  
for x,y,w,h in faces:  
    img = cv2.rectangle(img, (x,y), (x+w,y+h),(0,255,0),3)  
resized = cv2.resize(img, (int(img.shape[1]/7),int(img.shape[0]/7)))   
cv2.imshow("Gray", resized)  
cv2.waitKey(0)  
cv2.destroyAllWindows()

關于python中opencv的使用方法是什么就分享到這里了，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。