当前位置：首页 > news >正文

9月10日OpenCV学习笔记——Mask、彩色直方图、人脸检测

news 来源：原创 2024/4/29 22:35:36

文章目录

前言
一、Mask
二、彩色直方图
三、画出基本图形
四、图片上显示文本
五、人脸检测

前言

本文为9月10日OpenCV学习笔记——Mask、彩色直方图、人脸检测，分为五个章节：

Mask；
彩色直方图；
画出基本图形；
图片上显示文本；
人脸检测。

一、Mask

提取感兴趣的区域。

import cv2 as cv
import matplotlib.pyplot as plt
import numpy as np

# 方法：显示图片
def show_image(image, title, pos):
    img_RGB = image[:, :, ::-1] # BGR to RGB
    plt.title(title)
    plt.subplot(2, 2, pos)
    plt.imshow(img_RGB)

# 方法：显示灰度直方图
def show_histogram(hist, title, pos, color):
    plt.subplot(2, 2, pos)
    plt.title(title)
    plt.xlim([0, 256])
    plt.plot(hist, color=color)

# 主函数
def main():
    # 创建一个画布
    plt.figure(figsize=(12, 7))
    plt.suptitle("Gray Image and Histogram with mask", fontsize=14, fontweight="bold")

    # 加载图片并转成灰度，计算直方图、显示
    img_gray = cv.imread("images/vonmises.png", cv.COLOR_BGR2GRAY)
    img_gray_hist = cv.calcHist([img_gray], [0], None, [256], [0, 256]) # 计算直方图
    show_image(img_gray, "image gray", 1)
    show_histogram(img_gray_hist, "image gray histogram", 2, "m")

    # 创建 mask，计算位图，直方图
    mask = np.zeros(img_gray.shape[:2], np.uint8)
    mask[130:500, 300:700] = 255 # 获取 mask，并赋予颜色

    img_mask_hist = cv.calcHist([img_gray], [0], mask, [256], [0, 256]) # 计算 mask 直方图

    # 通过与运算计算带有 mask 的灰度图片
    mask_img = cv.bitwise_and(img_gray, img_gray, mask=mask)

    # 显示带有 mask 的图片和直方图
    show_image(mask_img, "gray image with mask", 3)
    show_histogram(img_mask_hist, "histogram with masked gray image", 4, "m")

    plt.show()

if __name__ == '__main__':
    main()

二、彩色直方图

import cv2 as cv
import matplotlib.pyplot as plt
import numpy as np

# 方法：显示图片
def show_image(image, title, pos):
    plt.subplot(3, 2, pos)
    plt.title(title)
    image_RGB = image[:, :, ::-1] # BGR to RGB
    plt.imshow(image_RGB)
    plt.axis("off")

# 方法：显示彩色直方图
def show_histogram(hist, title, pos, color):
    plt.subplot(3, 2, pos)
    plt.title(title)
    plt.xlim([0, 256])
    for h, c in zip(hist, color):  # color: ('b', 'g', 'r')
        plt.plot(h, color=c)

# 方法：计算直方图
def calc_color_hist(image):
    # b, g, r
    hist = []
    color = ('b', 'g', 'r')
    # print(tuple(enumerate(color)))
    for i, _ in enumerate(color):  # list(enumerate) ==> [(0, 'b'), (1, 'g'), (2, 'r')]
        hist.append(cv.calcHist([image], [i], None, [256], [0, 256]))

    return hist

# 主函数
def main():
    # 创建画布
    plt.figure(figsize=(12, 8))
    plt.suptitle("Color Histogram", fontsize=14, fontweight="bold")

    # 读取原图片
    img = cv.imread("./images/vonmises.png")

    # 计算直方图
    img_hist = calc_color_hist(img)

    # 显示图片和直方图
    show_image(img, "RGB Image", 1)
    show_histogram(img_hist, "RGB Image Hist", 2, ('b', 'g', 'r'))

    # 原始图片中的每个像素增加 50个像素值
    M = np.ones(img.shape, dtype="uint8") * 50

    added_image = cv.add(img, M)
    added_image_hist = calc_color_hist(added_image)
    show_image(added_image, "Added Image", 3)
    show_histogram(added_image_hist, "Added Image Hist", 4, ('b', 'g', 'r'))

    # 原始图片中的每个像素减少 50个像素值
    subtracted_img = cv.subtract(img, M)
    subtracted_img_hist = calc_color_hist(subtracted_img)
    show_histogram(subtracted_img, "Subtracted Image", 5, ('b', 'g', 'r'))
    show_histogram(subtracted_img_hist, "Subtracted Image Hist", 6, ('b', 'g', 'r'))

    plt.show()

if __name__ == '__main__':
    main()

三、画出基本图形

import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt

# 定义颜色（字典形式）
colors = {'blue': (255, 0, 0),
           'green': (0, 255, 0),
           'red': (0, 0, 255),
           'yellow': (0, 255, 255),
           'magenta': (255, 0, 255),
           'cyan': (255, 255, 0),
           'white': (255, 255, 255),
           'black': (0, 0, 0),
           'gray': (125, 125, 125),
           'rand': np.random.randint(0, high=256, size=(3, )).tolist(),
           'dark_gray': (50, 50, 50),
           'light_gray': (220, 220, 220)}

# 方法：显示图片
def show_image(image, title):
    img_RGB = image[:, :, ::-1]  # BGR to RGB
    plt.title(title)
    plt.imshow(img_RGB)
    plt.show()

画直线， cv2.line( )：

# 创建画布
canvas = np.zeros((400, 400, 3), np.uint8)  # 默认背景是黑色
canvas[:] = colors["white"]
show_image(canvas, "Background")

# 画直线 cv.line()
cv.line(canvas, (0, 0), (400, 400), colors['green'], 5)
cv.line(canvas, (0, 400), (400, 0), colors['black'], 5)
show_image(canvas, "cv.line()")

画长方形，cv2.rectangle( )

cv.rectangle(canvas, (10, 20), (70, 120), colors['green'], 3)
cv.rectangle(canvas, (150, 50), (200, 300), colors['blue'], -1)  # -1: 填充
show_image(canvas, "cv.rectangle()")

画圆型，cv2.circle( )

cv.circle(canvas, (200, 200), 150, colors["black"], 3)
cv.circle(canvas, (200, 200), 50, colors["green"], -1)
show_image(canvas, "cv.circle()")

画折线，cv2.polylines( )

pts = np.array([[250, 5], [220, 80], [280, 80]], np.int32)
pts = pts.reshape((-1, 1, 2))
cv.polylines(canvas, [pts], True, colors["green"], 3)

pts2 = np.array([[150, 200], [90, 130], [280, 180]], np.int32)
pts2 = pts2.reshape([-1, 1, 2])
cv.polylines(canvas, [pts2], False, colors['black'], 5)
show_image(canvas, "cv.polylines")

四、图片上显示文本

import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt

# 定义颜色（字典形式）
colors = {'blue': (255, 0, 0),
           'green': (0, 255, 0),
           'red': (0, 0, 255),
           'yellow': (0, 255, 255),
           'magenta': (255, 0, 255),
           'cyan': (255, 255, 0),
           'white': (255, 255, 255),
           'black': (0, 0, 0),
           'gray': (125, 125, 125),
           'rand': np.random.randint(0, high=256, size=(3, )).tolist(),
           'dark_gray': (50, 50, 50),
           'light_gray': (220, 220, 220)}

# 方法：显示图片
def show_image(image, title):
    img_RGB = image[:, :, ::-1]  # BGR to RGB
    plt.title(title)
    plt.imshow(img_RGB)
    plt.show()

# 创建画布
canvas = np.zeros((400, 400, 3), np.uint8) # 默认背景是黑色
canvas.fill(255) # canvas[:] = colors[""]

# 往画布上输入文本
cv.putText(canvas, "Hello World", (50, 50), cv.FONT_HERSHEY_SIMPLEX, 0.9, colors["red"], cv.LINE_4)

show_image(canvas, "Canvas")

五、人脸检测

目标： 确定人脸位置，画出矩形框。
原理： 使用 Haar-like 特征做检测：特征值为白色矩形像素和减去黑色矩形像素和。
- Integral Image：积分图加速特征计算；
- AdaBoost : 选择关键特征，进行人脸和非人脸分类；
- Cascade : 级联，弱分类器成为强分类器。
- 四个级联分类器（针对人脸的正面）：
  1. haarcascade_frontalface_alt.xml (FA1)；
  2. haarcascade_frontalface_alt2.xml (FA2)；
  3. haarcascade_frontalface_alt_tree.xml (FAT)；
  4. haarcascade_frontalface_default.xml (FD)。

import cv2 as cv

# 方法：绘制图片中检测到的人脸
def plot_rectangle(image, faces):
    # 拿到检测到的人脸数据（4个值）：坐标(x, y), width, height
    for (x, y, w, h) in faces:
        cv.rectangle(image, (x, y), (x+w, y+h), (255, 0, 0), 3)
    return image

# 主函数
def main():

    # 读取摄像头
    capture = cv.VideoCapture(0)

    # 通过 cv.CascadeClassifier() 加载级联分类器
    faces_alt2 = cv.CascadeClassifier("haarcascade_frontalface_alt2.xml")

    # 判断摄像头是否正常工作
    if capture.isOpened() is False:
        print("Camera Error !")

    while capture.isOpened():
        # 获取每一帧
        ret, frame = capture.read()
        print(ret)
        if ret:
            gray = cv.cvtColor(frame, cv.COLOR_BGR2GRAY)

            # 使用该分类器对图像中的人脸进行检测
            faces_alt2_detect = faces_alt2.detectMultiScale(gray)

            # 绘制图片中检测到的人脸
            faces_alt2_result = plot_rectangle(frame.copy(), faces_alt2_detect)

            cv.imshow("Face Detection", faces_alt2_result)

            if cv.waitKey(20) & 0xFF == ord("q"):
                break
        else:
            break

    capture.release()
    cv.destroyAllWindows()

if __name__ == '__main__':
    main()