Opencv 快速使用（基础使用&手势识别）
Posted HUTEROX
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了Opencv 快速使用（基础使用&手势识别）相关的知识，希望对你有一定的参考价值。
文章目录
环境准备
编辑器 pycharm
python 版本3.7x
pip3 install opencv-python
pip3 install opencv-contrib-python
基本要求：
熟练掌握 python3.x
懂得基本Pycahrm操作以及图片基本知识
资源读取
读取图片
import cv2.cv2 as cv
Image = cv.imread("Image/face1.jpg")
cv.imshow("Image",Image)
cv.waitKey(0)
cv.destroyAllWindows()
读取视频
import cv2
cap = cv2.VideoCapture(0)
# 0 表示读取摄像头
# 加入具体资源路径就表示直接读取路径对应的媒体资源
while True:
flag,img = cap.read()
cv2.imshow("Vido",img)
if(cv2.waitKey(1)==ord("q")):
#cv2.waitKey(0) 表示死循环等待
#cv2.waitKey(time)表示等待time ms 记录用户的输入获取对应的ASCII值
#这里表示等待一ms并且如果用户输入 q 就退出
break
资源操作
修改图片
绘制图形
这个在我们的图片框选当中是很有必要的
#绘制直线
cv2.line( img , (0,0),(511,511),( 255,0,0),5)
#绘制矩形
cv2.rectangle(img,(x,y,x+w,y+h),color=(0,0,255),thickness=1) # 方框颜色，粗细 -1表示实心
#绘制圆形
cv2.circle(img,center=(x+w,y+h),radius=100,color=(255,0,0),thickness=5)
#写字
font = cv2.FONT_HERSHEY_SIMPLEX
cv2.putText(img , ' OpencV',(10,500)， font，4,(255,255,255),2,cv.LINE_AA)
#在哪显示，显示字体，显示位置（开始），字体，大小，颜色，线条粗细，什么线条（实线，虚线...）
尺寸修改
Image_resize = cv.resize(Image,dsize=(200,200))
灰度处理图片
gary = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
事实上
Image = cv.imread("Image/face1.jpg",0)
也可以，但是我们读取摄像头的时候是吧，有要处理的。
例如：
import cv2
cap = cv2.VideoCapture(0)
cap.set(3,640)
cap.set(4,480)
while True:
flag,img = cap.read()
img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
cv2.imshow("Vido",img)
if(cv2.waitKey(1)==ord("q")):
#cv2.waitKey(0) 表示死循环等待
#cv2.waitKey(time)表示等待time ms 记录用户的输入获取对应的ASCII值
#这里表示等待一ms并且如果用户输入 q 就退出
break
图片保存
cv2.imwrite(filename,imgage)
使用模型
import cv2.cv2 as cv
import cv2.data as data
#读取图像
img = cv.imread('Image/face1.jpg')
gary = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
face_detect = cv.CascadeClassifier(data.haarcascades+"haarcascade_frontalface_alt2.xml")
face = face_detect.detectMultiScale(gary)
for x,y,w,h in face:
cv.rectangle(img,(x,y),(x+w,y+h),color=(0,0,255),thickness=2)
cv.imshow('result',img)
cv.waitKey(0)
#释放内存
cv.destroyAllWindows()
CascadeClassifier()就是加载
例如：
import cv2.cv2 as cv
import cv2.data as data
cap = cv.VideoCapture(0)
cap.set(3,640)
cap.set(4,480)
while True:
flag,img = cap.read()
gary = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
face_detect = cv.CascadeClassifier(data.haarcascades + "haarcascade_frontalface_alt2.xml")
face = face_detect.detectMultiScale(gary)
for x, y, w, h in face:
cv.rectangle(img, (x, y), (x + w, y + h), color=(0, 0, 255), thickness=2)
cv.imshow("Vido",img)
if(cv.waitKey(1)==ord("q")):
#cv2.waitKey(0) 表示死循环等待
#cv2.waitKey(time)表示等待time ms 记录用户的输入获取对应的ASCII值
#这里表示等待一ms并且如果用户输入 q 就退出
break
cap.release()
#释放内存
cv.destroyAllWindows()
模型训练
recognizer=cv.face.LBPHFaceRecognizer_create()
recognizer.train(faces,np.array(ids))
ids, confidence = recogizer.predict(gray[y:y + h, x:x + w])
加载预测模型
这个直接看例子吧：
import os
import cv2.cv2 as cv
import numpy as np
import cv2.data as data
def getImageIds(path):
#函数作用是提取人脸然后返回人物的人脸和id
faceseare=[] # 保存检测出的人脸
ids=[] #
imagePaths=[os.path.join(path,f) for f in os.listdir(path)]
#人脸检测
face_detector = cv.CascadeClassifier(data.haarcascades+"haarcascade_frontalface_default.xml")
if imagePaths:
print('训练图片为：',imagePaths)
else:
print("请先录入人脸")
return
for imagePath in imagePaths:
#二值化处理
img = cv.imread(imagePath)
img=cv.cvtColor(img,cv.COLOR_BGR2GRAY)
img_numpy=np.array(img,'uint8')#获取图片矩阵
faces = face_detector.detectMultiScale(img_numpy)
id = int(os.path.split(imagePath)[1].split('.')[0])
for x,y,w,h in faces:
ids.append(id)
faceseare.append(img_numpy[y:y+h,x:x+w])
print('已获取id:', id)
return faceseare,ids
if __name__ == '__main__':
#图片路径
path='Image/InPutImg'
#获取图像数组和id标签数组和姓名
faces,ids=getImageIds(path)
#获取训练对象
recognizer=cv.face.LBPHFaceRecognizer_create()
recognizer.train(faces,np.array(ids)) #把对应的人脸和id联系起来训练
#保存训练文件
model_save = "trainer/"
if not os.path.exists(model_save):
os.makedirs(model_save)
recognizer.write('trainer/trainer.yml')
完整的例子如下：
https://blog.csdn.net/futerox/article/details/120685898
训练模型加载
这个也是例子
使用
recogizer=cv.face.LBPHFaceRecognizer_create()#加载训练数据集文件
recogizer.read(‘trainer/trainer.yml’)
import cv2.cv2 as cv
import os
import cv2.data as data
recogizer=cv.face.LBPHFaceRecognizer_create()#加载训练数据集文件
recogizer.read('trainer/trainer.yml')
names=[]
warningtime = 0
#准备识别的图片
def face_detect_demo(img):
global warningtime
gray=cv.cvtColor(img,cv.COLOR_BGR2GRAY)
face_detector=cv.CascadeClassifier(data.haarcascades+"haarcascade_frontalface_default.xm")
face=face_detector.detectMultiScale(gray)
for x,y,w,h in face:
cv.rectangle(img,(x,y),(x+w,y+h),color=(0,0,255),thickness=2)
cv.circle(img,center=(x+w//2,y+h//2),radius=w//2,color=(0,255,0),thickness=1)
# 人脸识别
ids, confidence = recogizer.predict(gray[y:y + h, x:x + w])
if confidence > 80: #评分越大可信度越低
warningtime += 1
if warningtime > 100:
warningtime = 0
print("未识别出此人") #这块的话其实可以再搞一套对应的惩罚机制
cv.putText(img, 'unkonw', (x + 10, y - 10), cv.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1)
else:
#这里也对应一套识别后的机制
cv.putText(img,str(names[ids-1]), (x + 10, y - 10), cv.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1)
cv.imshow('result',img)
def get_name(names):
path = 'Image/InPutImg/'
imagePaths=[os.path.join(path,f) for f in os.listdir(path)]
for imagePath in imagePaths:
name = str(os.path.split(imagePath)[1].split('.',2)[1])
names.append(name)
cap=cv.VideoCapture(0)
get_name(names)
while True:
flag,frame=cap.read()
if not flag:
break
face_detect_demo(frame)
if ord(' ') == cv.waitKey(10): #按下空格关了
break
cap.release()
cv.destroyAllWindows()
手势识别
纯opencv版本
这个的话有点超纲了，在本篇博文，其实写这篇博文的目的还是翻笔记的时候找到了这篇笔记，顺便整理一下，其实就是那篇
分分钟自制人脸识别（如何快速识别心仪的小姐姐~）
的边角料
但是，突然想到最近那个手势识别比较火，那就来一下呗。识别你的手势是哪个数字，识别1~5
这个原理如下：
1.选择手势区域，我们这个比较那啥需要选定一个区域来放置我们的手势
2. 进行高斯滤波
3.之后我们就能够通过找到手的轮廓，之后找到凹凸位置，那么这样一来就能够判断你的手势是几
那么这个局限性也就很明显了，我们是通过凹凸点来确定你的手势是数字几的，这个就有点那啥了，只能说能用。
import cv2
import numpy as np
import math
cap = cv2.VideoCapture(0)
while (cap.isOpened()):
ret, frame = cap.read() # 读取摄像头每帧图片
frame = cv2.flip(frame, 1)
kernel = np.ones((2, 2), np.uint8)
roi = frame[100:600, 100:600] # 选取图片中固定位置作为手势输入
cv2.rectangle(frame, (100, 100), (600, 600), (0, 0, 255), 0) # 用红线画出手势识别框
# 基于hsv的肤色检测
hsv = cv2.cvtColor(roi, cv2.COLOR_BGR2HSV)
lower_skin = np.array([0, 28, 70], dtype=np.uint8)
upper_skin = np.array([20, 255, 255], dtype=np.uint8)
# 进行高斯滤波
mask = cv2.inRange(hsv, lower_skin, upper_skin)
mask = cv2.dilate(mask, kernel, iterations=4)
mask = cv2.GaussianBlur(mask, (5, 5), 100)
# 找出轮廓
contours, h = cv2.findContours(mask, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cnt = max(contours, key=lambda x: cv2.contourArea(x))
epsilon = 0.0005 * cv2.arcLength(cnt, True)
approx = cv2.approxPolyDP(cnt, epsilon, True)
hull = cv2.convexHull(cnt)
areahull = cv2.contourArea(hull)
areacnt = cv2.contourArea(cnt)
arearatio = ((areahull - areacnt) / areacnt) * 100
# 求出凹凸点
hull = cv2.convexHull(approx, returnPoints=False)
defects = cv2.convexityDefects(approx, hull)
# 定义凹凸点个数初始值为0
l = 0
for i in range(defects.shape[0]):
s, e, f, d, = defects[i, 0]
start = tuple(approx[s][0])
end = tuple(approx[e][0])
far = tuple(approx[f][0])
pt = (100, 100)
a = math.sqrt((end[0] - start[0]) ** 2 + (end[1] - start[1]) ** 2)
b = math.sqrt((far[0] - start[0]) ** 2 + (far[1] - start[1]) ** 2)
c = math.sqrt((end[0] - far[0]) ** 2 + (end[1] - far[1]) ** 2)
s = (a + b + c) / 2
ar = math.sqrt(s * (s - a) * (s - b) * (s - c))
# 手指间角度求取
angle = math.acos((b ** 2 + c ** 2 - a ** 2) / (2 * b * c)) * 57
if angle <= 90 and d > 20:
l += 1
cv2.circle(roi, far, 3, [255, 0, 0], -1)
cv2.line(roi, start, end, [0, 255, 0], 2) # 画出包络线
l += 1
font = cv2.FONT_HERSHEY_SIMPLEX
# 条件判断，知道手势后想实现的功能
if l == 1:
if areacnt < 2000:
cv2.putText(frame, "put hand in the window", (0, 50), font, 2, (0, 以上是关于Opencv 快速使用（基础使用&手势识别）的主要内容，如果未能解决你的问题，请参考以下文章
“隔空“”画板喜迎2022（Opencv & mediapipe 手势识别应用之空手画图）
圣诞纯情手势告白（Mediapipe基本使用&手势识别详解）
圣诞纯情手势告白（Mediapipe基本使用&手势识别详解）