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）。
| 属性 | 取值范围 |
|---|---|
| H(色彩/色度) | [0, 179] |
| S(饱和度) | [0, 255] |
| V(亮度) | [0, 255] |
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()
文章来源：https://www.toymoban.com/news/detail-706893.html
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))
文章来源地址https://www.toymoban.com/news/detail-706893.html
到了这里，关于opencv 基础（持续更新中）的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
