python中openCV2/numpy/matplotlib.pylab/PIL使用小例子

1. CV2库进行图片操python基础教程作

#图片操作
#导入对应的库
import numpy as np
import cv2

#导入对应的图片 imread为图片路径
girls = cv2.imread('./girl.jpg')
#查看图片的数据形状（黑白为2维数据，彩色为3维数据）
girls.shape

#展示图片，窗口名为girl，加载数据为girls
cv2.imshow('girl',girls)
#等待键盘输入，单位毫秒，如果为0 无限等待
cv2.waitKey(0)
#关闭图形窗口
cv2.destroyAllWindows()

#BGR 颜色通道BGR
#PIL RGB  设置为灰色
girls2 = cv2.cvtColor(girls,code = cv2.COLOR_BGR2GRAY)
cv2.imshow('gray',girls2)
cv2.waitKey(0)
cv2.destroyAllWindows()

#图片输出保存为girls_gray.jpg
cv2.imwrite("./girls_gray.jpg",girls2)


#设置图片的大小144,158
girls3 = cv2.resize(girls,dsize = (144,158))
cv2.imshow('min',girls3)
#设置退出条件
while True:
    if ord('q') == cv2.waitKey(3000):
        break

cv2.destroyAllWindows()

1. 数据操作

#导入库
import numpy as np

#设置一个列表
l = [1,2,3,4,5,6,7]
#作为array数组
nd = np.array(l)
#求和
nd.sum()
#标准差
nd.var()
#标准差
nd.std()
#查看数据类型
nd.dtype
#指数 e
np.exp(3)

a = np.array([1,3,5,7,np.NAN])
b = a + 10
#统计学  平均值/中位数/方差/标准差/协方差（两个属性求解）/关联（相关性系数）
#a和b相关
np.corrcoef(a,b)


nd = np.random.randint(0,1000, size= 100)
#查找数组nd中少于109的值
np.argwhere(nd <= 109)
#直方图，统计数据出现的频次
np.histogram(nd,bins = 10)
#保存数据
np.savetxt('./data.txt',nd)
#读取文件
np.loadtxt('./data.txt')
#获取最小的5个数
np.partition(nd,kth = 5)[:5]
#获取最大的5个数
np.partition(nd,kth = -5)[-5:]


#随机生成array数组 4*5
nd2 = np.random.randint(0,150,size= (4,5))
#选取数组中的元素
nd2[1,1]
#进行切片操作，前三行
nd2[0: 3]
#前三行，前三列
nd2[0:3,0:3]
38
39
40
41
42
43
44
45
46
47
48

3. PIL图片操作

#导入对应库
from PIL import Image
#导入对应图片
girl = Image.open('girls.jpg')

#图片数据为ndarray
#彩色图片三维，高度/宽度/像素 红绿黄
girls = np.array(girl)
#行 列 像素
girls.shape
#数据类型
girls.dtype
#最大值
girls.max()

#array转换成image
girls2 = girls[:,:,::-1]
Image.fromarray(girls2)

#图片缩小
Image.fromarray(girls[::5,::5])

#更改颜色
Image.fromarray(girls[:,:,[1,0,2]])

#图片变为黑白
Image.fromarray(girls[:,:,0])
复制代码
4. matplotlib.pylab图片操作

复制代码
#导入对应包
import matplotlib.pylab as plt
%matplotlib inline

#加载图片
plt.imshow(girls)

#图片旋转180
plt.imshow(girls[::-1])

#图片模糊处理
plt.imshow(girls[::-10,::-10])

# 剪切图片
girls6 = girls[:,:230]
plt.imshow(girls6)

#拼接图片
girls7 = np.concatenate([girls6,girls],axis = 1)
plt.imshow(girls7)
复制代码
5. openCV操作视频

复制代码
#导入对应库
import numpy as np
import cv2

#读取视频
cap = cv2.VideoCapture('./video.mp4')
#读取视频中的每一帧数据
flag,frame = cap.read()

#播放视频画面  一帧
cv2.imshow('nothing',frame)
cv2.waitKey(0)
cv2.destroyAllWindows()

#循环播放每一帧画面
while cap.isOpened():
#每一帧数据都读取
    flag,frame = cap.read()
    cv2.imshow('norhing',frame)
#读取到最后一帧
    if flag == False:
        break
#输入q为退出
    if ord('q') == cv2.waitKey(5):
        break
cv2.destroyAllWindows()
#资源释放
cap.release


#参数为零调取本地摄像头
# cap = cv2.VideoCapture(0)
cap = cv2.VideoCapture('./video.mp4')

#调取训练集 https://github.com/opencv/opencv/tree/master/data/haarcascades_cuda
detector = cv2.CascadeClassifier('./haarcascade_frontalface_default.xml')

while cap.isOpened():
    flag,frame = cap.read()
    
#设置红色圆圈圈出人脸
    gray = cv2.cvtColor(frame,code = cv2.COLOR_BGR2BGRA)
    
#设置对应参数，获得最优识别
    face_zone = detector.detectMultiScale(gray,scaleFactor = 1.3, minNeighbors = 5)
    
#对应坐标画圆
    for x,y,w,h in face_zone:
        cv2.circle(frame,center = (x + w/https://cdn.jxasp.com:9143/image/2,y + h/https://cdn.jxasp.com:9143/image/2),radius = w/https://cdn.jxasp.com:9143/image/2, color = [0,0,255],thickness = 2)
    
    if flag == False:
        break
        
    cv2.imshow('norhing',frame)
    
    if ord('q') == cv2.waitKey(5):
        break
cv2.destroyAllWindows()
cap.release
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114