用Python進行人臉識別（四）

上一節已經成功的安裝 opnecv庫，這節介紹一下opnecv的基本用法。

對進行讀取、複製、儲存，在設計中需要提取進行分類的訓練,或者呼叫庫對進行識別處理,以及人臉註冊時需要儲存相對應人物的。

import cv2
import numpy as np
from pil import image, imagedraw, imagefont
#pil(python imaging library)是python內建的影象處理標準庫
img = cv2.imread('test.jpg')#讀取
cv2.imshow('test',img)      #顯示
new_img = img.copy()        #拷貝
#儲存   第乙個引數為儲存的名稱 第二個引數為要儲存的
#儲存  第三個引數是的清晰度引數
#cv2.imwrite_jpeg_quality 設定jpg格式0-100的值域 數字越高畫質晰度越好 預設95
#cv2.imwrite_png_compression設定png   值域0-9 預設3  數字越高畫質晰度越差

在人臉識別中，經常需要將原圖轉化為灰度圖。因為識別人臉是根據特徵法來的，而此方法不通過色彩進行。而將有色圖轉化為灰度圖，降低了的複雜度，可以減少識別需要的時間。

gary_image = cv2.cvtcolor(img, cv2.color_rgb2gray)  
#轉化為灰度圖  第一引數為原圖 第二個引數命令rgb to gary  轉化為灰度
cv2.imshow('gary', gary_image)
gary_image[...] = 0  #轉化為黑色的  三個色度都為0
cv2.imshow('black', gary_image)
cv2.waitkey(0)

在處理時，將先縮小，處理完成後再進行放大，可以極大的提高工作效率。因為縮小後，所含的陣列量會相應的縮小，相當於陣列規模的減小，計算量就減少。

print(img.shape)  
#返回的的尺寸（行，列）及維數   3表示rgb  即有色圖
print(gary_image.shape)
#返回尺寸 沒有維度   預設為灰度圖 維度為2
#改變的大小
change_img = cv2.resize(img, (0,0), fx=0.5, fy=0.5)
#第乙個引數為改變的  第二個引數如果為（0,0）
#則第三 第四個引數為原橫、縱長度的倍數
#fx=0.5 即新的橫座標為原的0.5倍  fy同理 
#0.5*0.5=0.25 新為原的四分之一大小
cv2.imshow('change_img', change_img)
change_img1 = cv2.resize(img, (0,0), fx=1.5, fy=1.2)  
#第五個引數為差值方法  共有五種 此處採用預設 有興趣的可以自行了解
#橫為原來的1.5倍  縱為原來的1.2倍
cv2.imshow('change_img1', change_img1) 
change_img2 = cv2.resize(img, (400,500), interpolation=cv2.inter_cubic)
#若第二個引數不為（0,0）  則大小變為第二個引數所設定的值 此處為（400,500） 與原的大小無關
#此處的第三個引數為差值方法  可預設 也可自行設定
cv2.imshow('change_image2', change_img2)
cv2.waitkey(0)

opencv支援在上畫圓、矩形等圖案。在人臉識別中，經常用圓或者矩形來標識人臉的區域，檢測系統的執行效果。同時，利用opencv還可以在上輸入字串，但是opencv沒有內建輸入漢字功能，但使用pil庫輔助opencv,編寫相對應的函式，就可以實現顯示漢字的功能。

#定義顯示中文的函式  注意呼叫本文開頭的那三個庫
def  change_cv2_draw(image, strs, local, size, color):
''' 在上顯示漢字 輸入為 ，漢字字元，左上角座標， 字型大小， 字型顏色
返回處理後的'''
cv2img = cv2.cvtcolor(image, cv2.color_bgr2rgb)
pilimg = image.fromarray(cv2img)
draw = imagedraw.draw(pilimg)
font = imagefont.truetype("simhei.ttf", size, encoding="utf-8")
draw.text(local, strs, color, font=font)
image = cv2.cvtcolor(np.array(pilimg), cv2.color_rgb2bgr)
return image
cv2.rectangle(img, (0,0), (100,100), (0,0,255), 2)  
#現在顏色的編碼模式為 bgr  （0,0,255）為紅色
#手冊上說第乙個引數為 第二個參設矩陣左上角座標 第三個引數為矩陣右下角座標 
#第四位矩陣顏色  第五位矩陣線寬大小
#實際操作發現 第二 第三個引數只要是矩陣的兩個對角就可以 
cv2.puttext(img, 'test', (50,50), cv2.font_hershey_duplex, 1.0, (255,0,0), 2)
#引數為 、待顯示字串、左上角座標、字型格式、字型大小、字型顏色、字型的粗細
#網上說第三個引數為左上角 但我總感覺是左下角 不需要太精確的顯示就無所謂
img = change_cv2_draw(img, '文字', (100,200), 50, (0,255,0))
#呼叫上面的函式  顯示漢字
cv2.imshow('change', img)
cv2.waitkey(0)

實時進行處理，一定需要用到攝像頭，好在opencv可以直接呼叫電腦自身的攝像頭，可以呼叫外設攝像頭。

cap = cv2.videocapture(0)  
#呼叫攝像頭  編號0代表計算自身的攝像頭
while true:  #不停的重新整理  實時顯示攝像頭
ret,image = cap.read()
#ret為true或flase  表示是否讀取到
#image為當前一幀的
cv2.imshow('cap',image)
#如果案件按下且為字母q 則退出迴圈
#waitkey上一節已將將了 選擇重新整理的時間為1ms
if cv2.waitkey(1) & 0xff == ord('q'):
break
cap.release()   #釋放攝像頭
cv2.destroyallwindows()  #關閉所有視窗

一定要有最後的if語句，否則一幀一幀之間沒有間隔緩衝，所造成的效果就是灰屏。計算器顯示也需要一定的時間，幀與幀之間必須留有一定的時間。當然，如果時間太長最終的結果會呈現卡頓。同理，在後期需要對進行對應處理的時候，也要留有一定的時間來保證處理完成。否則，程式會直接卡死，因為邏輯沒問題，但是物理實現需要一定時間。

這些只是opencv功能中的冰山一角，不過足夠本次設計的使用了。

用Python進行人臉識別（四）

用Python進行人臉識別（二）

用python進行人臉識別（三）

用Python進行人臉識別（五）

用Python進行人臉識別（四）

用Python進行人臉識別（二）

用python進行人臉識別（三）

用Python進行人臉識別（五）

相關推薦