一 . opencv是什么及其作用？

　　OpenCV是一個基于BSD許可（開源）發行的跨平臺計算機視覺庫，可以運行在Linux、Windows、Android和Mac OS操作系統上。它輕量級而且高效——由一系列 C 函數和少量 C++ 類構成，同時提供了Python、Ruby、MATLAB等語言的接口，實現了圖像處理和計算機視覺方面的很多通用算法(百度百科)。

　　鑒于本人的工作環境主要是采用python作為開發工具，故本篇博客是基于python來做的學習記錄。

?

二 . 環境依賴和opencv包

• 　　環境：python3.65+windows10
• 　　包：opencv-python、opencv-contrib-python（pip安裝）
• 　　說明：裝好python以后，直接在cmd里面使用pip install 即可，若遇見下載速度過慢或超時的情況，建議換個pip源，使用方式如：pip install package -i??https://pypi.tuna.tsinghua.edu.cn/simple/

1. 讀取圖片，將其轉換為數組

from matplotlib import pyplot as pyl
import cv2
import numpyimg = cv2.imread("cat.jpg")  #img是一個numpy.ndarray對象，默認是以BGR三通道讀取圖片數據（三維數組）
#img_gray = cv2.imread("cat.jpg",cv2.IMREAD_GRAYSCALE)   以灰度圖像方式讀取圖片數據（二維數組）

?

2. 數組數據轉換

img_BGR = cv2.imread("cat.jpg")
img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)  #將其轉換為灰度的二維數組數據

?

3. 數組數據窗口展示

img = cv2.imread("cat.jpg")cv2.imshow("IMage",img)
cv2.waitKey(0)          # 按任意鍵關閉窗口，cv2.waitKey(1000) 延時一秒關閉窗口
cv2.destroyAllWindows()

?

4. 圖像保存

cv2.imwrite("mycat.jpg",img)

?

5. 圖像的截取

# 其實本質就是對np數組進行操作
img = cv2.imread("cat.jpg")
cv2.imshow("IMage",img[:100,:200])  # 取前100行，前200列的像素作為圖像展示

?

?6. BGR數據切片

img = cv2.imread("cat.jpg")# 切片
b,g,r = cv2.split(img)   # 得到各自顏色通道的二維數組數據# 合并
img = cv2.merge(b,g,r)   

?7 同樣大小的數組像素值運算

img = cv2.imread("cat.jpg")
img_2 = numpy.copy(img)# np相加,像素值只要超過255，就減掉255，比如257，結果就為2
print(img[:3,:3,0]+img_2[:3,:3,0] ) # cv2相加,像素值超過255，就等于255
print(cv2.add(img[:3,:3,0],img_2[:3,:3,0]))

?

8 圖片的融合

img_cat = cv2.imread("cat.jpg")
img_dog = cv2.imread("dog.jpg")ret = cv2.addWeighted(img_cat,0.2,img_dog,0.8,0)    # 數據后面的值決定圖片融合和所占的權重
cv2.imshow("IMage",ret)
cv2.waitKey(0)          # 按任意鍵關閉窗口，cv2.waitKey(1000) 延時一秒關閉窗口
cv2.destroyAllWindows()# 如果圖片大小不一致，使用cv2.resize(img_xx,(300,200))  ————》轉換為np.shape = 200,300的數組

9 圖片的比例縮放

img_cat = cv2.imread("cat.jpg")ret = cv2.resize(img_cat,(0,0),fx=3,fy=1) #橫向拉長三倍
ret2 = cv2.resize(img_cat,(0,0),fx=3,fy=3) #圖片擴大三

?

【實例】通過訓練? ?進行人臉識別：

import numpy as npimport cv2import os
filenames = os.listdir('./faces/')
faces = []
# targerts == labels標簽
targets = []
for f in filenames:for fn in os.listdir('./faces/%s'%(f)):faces.append(cv2.imread('./faces/%s/%s'%(f,fn)))targets.append(f.split('.')[0])
faces = np.asarray(faces)
targets = np.asarray(targets)
len(targets)
#60/
labels = np.asarray([i for i in range(1,7)]*10)
labels.sort()
labels
array([1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 3, 3,3, 3, 3, 3, 3, 3, 3, 3, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 5, 5, 5, 5,5, 5, 5, 5, 5, 5, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6])
# face-recognizer人臉的識別
# Eigen特征，根據特征值相似，認為同一個人
fr = cv2.face.EigenFaceRecognizer_create()
labels_train = labels[::2]
len(labels_train)
#30
faces_train = faces[::2]
len(faces_train)
#30
# faces_train2=[]
# for face in faces_train:
#     gray = cv2.cvtColor(face,cv2.COLOR_BGR2BGRA)
#     faces_train2.append(gray)
# 灰度化處理
faces_train2 = []
for face in faces_train:gray = cv2.cvtColor(face,cv2.COLOR_BGR2GRAY)faces_train2.append(gray)
faces_train2 = np.asarray(faces_train2)
faces_train2.shape
#(30, 64, 64)
# 訓練
fr.train(faces_train2,labels_train)
face_test = faces[1::2]
#叫什么名字的標簽
labels_test =labels[1::2]
targets_labels =targets[::10]
for face in face_test:gray = cv2.cvtColor(face,cv2.COLOR_RGB2GRAY)#   1 ~ 20label,confidence = fr.predict(gray)cv2.imshow(targets_labels[label-1],face)print(label,confidence)print('------------------',targets_labels[label-1])cv2.waitKey(1000)cv2.destroyAllWindows()
print(targets_labels)