opencv基本使用方法！！！
使用数据集：https://download.csdn.net/download/weixin_43715360/13944379

• opencv

  1. 介绍：计算机视觉和机器学习库，实现了图像处理和计算机视觉方面的很多通用算法

  2. 安装：pip(conda) install opencv-python

  3. opencv简单使用

     import cv2
     
     #1. 读取图片
     img = cv2.imread("opencv_image/dong.jpg")
     # print(img.shape)#  (300, 400, 3)  分别是 高、宽、像素
     print(img)#顺序不是rgb,是bgr
     #2. 显示图片
     cv2.imshow('dong',img)
     #3.1 直接显示imshow会闪退，我们可以设置延迟关闭来控制显示时间
     #3.2 能够监听键盘输入的内容
     cv2.waitKey()#单位是毫秒  按任意键退出窗口
     #设置一直显示，不传入时间或者传入0即可
     #4.销毁资源
     cv2.destroyAllWindows()
     

  4. opencv图片人脸识别

     import cv2
     
     #准备.人脸特征数据包:本地库中cv2的data文件夹中
     dong = cv2.imread("opencv_image/dong.jpg")
     #1. 加载人脸特征数据包
     face_detect = cv2.CascadeClassifier("haarcascade_frontalface_alt.xml")
     #2. 调用识别人脸的方法
     # 如果识别到人脸，返回二维列表,每个列表四个值分别是：横纵坐标和宽高
     # 如果识别不到人脸，返回空元组
     faces = face_detect.detectMultiScale(dong)
     #3. for循环标记每一张人脸
     for x,y,w,h in faces:
         #4. 标记
         # 参数1：被标记的图片
         # 参数2：人脸的左上角的坐标
         # 参数3：人脸的右上角的坐标
         # 参数4：标记人脸线框的颜色
         # 参数5：标记人脸线框的边框宽度
         cv2.rectangle(dong,pt1=(x,y),pt2=(x+w,y+h),color=[0,0,255],thickness=2)
     #5. 显示图片
     cv2.imshow("dong",dong)
     cv2.waitKey()
     cv2.destroyAllWindows()
     

  5. opencv转黑白图片

     import cv2
     
     img = cv2.imread("opencv_image/sundog.jpg")
     #1. 修改图片大小
     bigImg = cv2.resize(img,dsize=(800,800))
     #2. 转为黑白图片   to
     grayImg = cv2.cvtColor(bigImg,code=cv2.COLOR_BGR2GRAY)
     cv2.imshow('img',grayImg)
     cv2.waitKey()
     cv2.destroyAllWindows()
     

  6. 人脸马赛克案例

     import cv2
     
     #1. 读取图片
     dong = cv2.imread("opencv_image/sundog.jpg")
     #1. 加载人脸特征数据包
     face_detect = cv2.CascadeClassifier("haarcascade_frontalface_alt.xml")
     sample = 10
     #2. 调用识别人脸的方法
     # scaleFactor:缩放因子,默认应该是1.3  值越小，扫描越严格
     # minNeighbors:最小邻居数  默认应该是3,值越大，越严格
     faces = face_detect.detectMultiScale(dong)
     #3. for循环标记每一张人脸
     for x,y,w,h in faces:
         face = dong[y:y+h,x:x+w]
         #4. 打码就是变模糊,图片是有很多像素点组成的
         #  在原来人脸图片上，每隔10个像素取1个
         face = face[::sample,::sample]
         #5. 根据打码之后图片的像素点
         #  原人脸：200*200
         #  打码之后:20*20
         # 思路：打码之后一个像素点顶原图人脸10个像素点
         # (0,0)----->(0,0)
         # (1,0)----->(10,0)
         # (1,1)----->(10,10)
         for i in range(h//sample): #控制高
             for j in range(w//sample):#控制宽
                 dong[y+i*sample:y+sample+i*sample,x+j*sample:x+sample+j*sample] = face[i,j]
     #6. 显示图片
     cv2.imshow("dong",dong)
     cv2.waitKey()
     cv2.destroyAllWindows()
     

  7. 摄像头人脸标记与人脸存储

     import cv2
     import os
     
     faceImg = "face"
     #判断文件夹是否存在，如果不存在则创建
     if not os.path.exists(faceImg):
         os.mkdir(faceImg)
     #1. 开启摄像头
     video = cv2.VideoCapture(0)#笔记本摄像头的编号是0
     face_detect = cv2.CascadeClassifier("haarcascade_frontalface_alt.xml")
     i = 1
     #2. 摄像头读取很多帧图片，然后对图片进行识别
     while(True):
         #3. 读取摄像头的图片
         # flag:是否读取到图片
         # video_img:获取到每帧图片
         flag,video_img = video.read()
         #4. 识别图片
         faces = face_detect.detectMultiScale(video_img)
         for x, y, w, h in faces:
             cv2.rectangle(video_img, pt1=(x, y), pt2=(x + w, y + h), color=[0, 0, 255], thickness=2)
             #5. 采集人脸图片(只要人脸)
             face = video_img[y:y+h,x:x+w]
             #6. 保存到本地
             cv2.imwrite("{}/{}.jpg".format(faceImg,i),face)
             print("第{}张人脸存储完成".format(i))
         cv2.imshow("img",video_img)
         #摄像头1秒30帧
         cv2.waitKey(1000//30)
         i+=1
     #关闭窗口
     cv2.destroyAllWindows()