如今科技發展迅速，很多領域都涉及到“計算機視覺”這個細分領域。簡單的說，就是將圖像信息轉化為計算機可以處理的數字信息，從而讓計算機可以看得見，本文就介紹一下純小白的opencv入門技巧。

OpenCV入門

# 安裝： # OpenCV 的安裝依賴 numpy 庫，在安裝之前確保已經安裝好了 numpy 庫。 pip install opencv-python

Python中的opencv安裝僅需一行代碼就搞定了，opencv是C++寫的代碼，python中調用cv2模塊中的方法就可以了。

圖片讀取

準備就緒后，就可以開始學習了，既然是為了讓計算機可以看得見，那么首先介紹一下如何來讀取圖片。需要注意的一點是cv2讀取圖片路徑中，不能包含中文，否則讀取不出來。從網上下載張圖片放在程序同目錄下，開始讀取。

import?cv2dog = cv2.imread('dog.jpg') # 小編比較喜歡小狗# 顯示圖片 cv2.imshow('dog', dog)# 等待鍵盤輸入時中斷，單位是毫秒，如果是0，無限等待 cv2.waitKey(0)# 由于opencv是有C++編寫的，所以程序結束后要釋放一下 cv2.destroyAllWindows()

轉灰度圖

利用 dog.shape 函數可以看到數據形狀，彩色圖片是三維的，在很多操作時數據量大，不便于操作，經常會轉換成灰度圖像。

# 彩色圖片變為黑白 import?cv2 dog = cv2.imread('dog.jpg')# cv2 讀取圖片，顏色通道是BGR # PIL 讀取圖片，顏q色通道是RGBdog_gray = cv2.cvtColor(dog, code=cv2.COLOR_BGR2GRAY) # 轉灰度，可以利用tab鍵進行操作，其中的屬性名都很友好cv2.imshow('gray', dog_gray) cv2.waitKey(0) cv2.destroyAllWindows()

其他常用操作

• 調整圖片規格

dogg?= cv2.resize(dog, dsize=(298, 368)) # 括號中的寬高尺寸順序與shape輸出是相反的

• 存儲圖片

cv2.imwrite('./dog_gray.jpg', dog_gray) # 參數一是存儲路徑，參數二是被存儲圖片

• 鍵盤中斷退出

cv2.imshow('dogg', dogg) while?True:if?ord('q') == cv2.waitKey(9000): # 等3000毫秒,等待鍵盤輸入字符‘q’則退出break cv2.destroyAllWindows() # ord('q')是得到q的ASCII碼

人臉識別

人臉識別，是基于人的臉部特征信息進行身份識別的一種生物識別技術。這就需要訓練數據來識別人臉，不過GitHub上已經有一些訓練好的訓練數據了，可以直接下載。直接GitHub上搜索opencv，找星標?最多的那個，C++編寫的。里面有各種訓練好的數據集，我們這次用到的數據，直接給出鏈接。

https://github.com/opencv/opencv/tree/master/data/haarcascades

import?numpy as?np import?cv2pic = cv2.imread('./nba.jpg')# 人臉數據，級聯分類器，給人臉特征數據，返回可以識別人臉的對象 detector = cv2.CascadeClassifier('./haarcascade_frontalface_default.xml')# 轉換成灰度 gray = cv2.cvtColor(pic, code=cv2.COLOR_BGR2GRAY)# 使用訓練好的識別人臉對象來識別人臉區域 face_zone = detector.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=3) #?后兩個參數就是默認值，可以修改來調整識別人臉的精確度for?x, y, w, h in?face_zone:# 在人臉上畫一個正方形，畫正方形只需要知道左上角和右下角坐標即可cv2.rectangle(pic, pt1=(x, y), pt2=(x+w, y+h), color=[0, 255, 0], thickness=2)# 在人臉上畫圈，需要圓的圓心坐標和半徑cv2.circle(pic, center=(x+w//2, y+h//2), radius=w//2, color=[0, 0, 255], thickness=2)# 使用灰度圖檢測，繪制在彩色圖片上 cv2.imshow('pic', pic) cv2.waitKey(0) cv2.destroyAllWindows()

是不是很簡單的幾步就實現了，顯然，有些誤差，但是效果已經很明顯了，想要獲得更好的結果可以調整參數，或者自己再訓練數據。

視頻處理

使用opencv來處理視頻之前，首先應該了解視頻是怎么來的。簡單的說視頻就是有很多張圖片構成（這里忽略了音頻，音頻是由二維數據組成，左聲道和右聲道，有機會以后再說）。

中間步驟解析：

# 讀取數據 cap = cv2.VideoCapture('./v1.mp4')# flag和frame接收返回值，flag是個布爾型值，表示是否讀取到幀，frame為當前幀的數據 flag, frame = cap.read()# 獲取視頻對象的幀頻率，可以通過該頻率計算 WaitKey 時間，來調整視頻的快慢 cap.get(propId=cv2.CAP_PROP_FPS) import?numpy as np import?cv2# 參數是0，則調取本地攝像頭 cap?= cv2.VideoCapture(0)w = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH)) + 1?# 寬一點沒問題，小了不行 h = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT)) + 1vidioWriter = cv2.VideoWriter('./po.mp4', cv2.VideoWriter_fourcc('M','P','4','v'), 24, (w, h)) # 要求int型 # cv2.VideoWriter_fourcc('M','P','4','2') avi格式 # cv2.VideoWriter_fourcc('M','P','4','v') mp4格式detector = cv2.CascadeClassifier('./haarcascade_frontalface_default.xml')while cap.isOpened():flag, frame = cap.read()gray = cv2.cvtColor(frame, code=cv2.COLOR_BGR2GRAY)face_zone = detector.detectMultiScale(gray, scaleFactor=1.2, minNeighbors=5)for?x,y,w,h in face_zone:cv2.circle(frame, center=(x+w//2, y+h//2), radius=w//2, color=[0, 0, 255], thickness=2)vidioWriter.write(frame)#　上面創建了寫視頻對象，僅需把每一幀寫入即可if?flag == False:# 判斷是否還能讀取到幀，取不到則表示視頻結束了，退出循環breakcv2.imshow('pic', frame)if?ord('q') == cv2.waitKey(40):# 沒有鍵入‘q’時，按等待時間展示每一幀，合起來就是個視頻，輸入‘q’時退出breakcv2.destroyAllWindows()cap.release() # 釋放資源 vidioWriter.release()

完

來和小伙伴們一起向上生長呀！

掃描下方二維碼，添加小詹微信，可領取千元大禮包并申請加入 Python 學習交流群，群內僅供學術交流，日常互動，如果是想發推文、廣告、砍價小程序的敬請繞道！一定記得備注「交流學習」，我會盡快通過好友申請哦！

????長按識別，添加微信

（添加人數較多，請耐心等待）

????長按識別，關注小詹

（掃碼回復 1024 領取程序員大禮包）

總結

以上是生活随笔為你收集整理的小白级OpenCV入门的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。