opencvforpython27
⑴ 如何在OSX系統上安裝Opencv3和python2.7
setp1
安裝CodeX，不解釋，在AppStop中搜索安裝即可
setp2
安裝Homebrew
Homebrew即MacOSX上的apt-get
按照官網的安裝方式，在terminal中輸入下列命令即可完成安裝
cd ~
ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"
setp3
使用Homebrew安裝Python，注意：避免使用系統Python解釋器作為我們自己的主解析器，尤其是在使用virtualenv和virtualenvwrapper的時候。安裝命令：
$ brew install python
注意安裝結束後會有下列提示，提示我們把/usr/local/opt/python/libexec/bin增加到環境變數中，此舉正是為了我們在使用python時，使用的是用Homebrew安裝的python而不是系統python。
If you wish to have this formula's python executable in your PATH then add
the following to ~/.bash_profile:
export PATH="/usr/local/opt/python/libexec/bin:$PATH"
這是重要的一步，請不要跳過。
setp4
安裝 virtualenv 和 virtualenvwrapper
這兩個工具是為了創建獨立的python環境，不了解的朋友請自行Google
值得注意的是，這兩個工具對於搭建opencv3.0+python2.7運行環境來說不是必須的，但是強烈建議安裝，以保證python環境的干凈，易於管理。
安裝只需執行命令：
$ pip install virtualenv virtualenvwrapper
安裝完成後，在~/.bash_profile文件中追加如下內容：
# Virtualenv/VirtualenvWrapper
source /usr/local/bin/virtualenvwrapper.sh
然後執行命令：
$ source ~/.bash_profile
至此，virtualenv 和virtualenvwrapper已經正確完成安裝。我們可以使用如下命令創建一個獨立的python環境：
$ mkvirtualenv cv
setp5
我們開始安裝一些必須的python包，安裝NumPy
We need to install NumPy since the OpenCV Python bindings represent images as multi-dimensional NumPy arrays
安裝方式：
$ pip install numpy
注意：如果你使用了step4中的virtualenv創建python虛擬環境，則需要在您之前創建的虛擬環境中安裝需要的python包
step6
之前的步驟，主要目的是建立和配置編譯安裝OpenCv的環境，從這一步開始，我們開始真正的工作。
首先，我們使用brew安裝需要的開發者工具，例如CMake。
$ brew install cmake pkg-config
還有一些必要的圖像I/O包，這些包可以使我們能夠載入各種不同類型的圖像文件例如JPEG,PNG,TIFF等。
$ brew install jpeg libpng libtiff openexr
And finally, let』s install libraries that are used to optimize various operations within OpenCV (if we so choose):
$ brew install eigen tbb
setp7
恭喜，截止目前系統已經搭建完成，我們開始著手編譯和安裝python支持的opencv。下載代碼：
$ cd ~
$ git clone https://github.com/Itseez/opencv.git
$ cd opencv
$ git checkout 3.0.0
最後一個命令$ git checkout 3.0.0其中的3.0.0可以替換成你需要的版本號
之後下載opencv_contrib代碼，這部分不是必須的，但是強烈建議同時下載，原因是opencv_contrib包含很多有用的功能，包括：
feature detection, local invariant descriptors (SIFT, SURF, etc.), text detection in natural images, line descriptors, and more
$ cd ~
$ git clone https://github.com/Itseez/opencv_contrib
$ cd opencv_contrib
$ git checkout 3.0.0
請確保checkout opencv_contrib的版本號要與上面checkout opencv的版本號相同
step8
創建一個bulid目錄：
$ cd ~/opencv
$ mkdir build
$ cd build
使用CMake配置我們的構建：
$ cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local \
-D PYTHON2_PACKAGES_PATH=~/.virtualenvs/cv/lib/python2.7/site-packages \
-D PYTHON2_LIBRARY=/usr/local/Cellar/python/2.7.13_1/Frameworks/Python.framework/Versions/2.7/bin \
-D PYTHON2_INCLUDE_DIR=/usr/local/Frameworks/Python.framework/Headers \
-D INSTALL_C_EXAMPLES=ON -D INSTALL_PYTHON_EXAMPLES=ON \
-D BUILD_EXAMPLES=ON \
-D OPENCV_EXTRA_MODULES_PATH=~/opencv_contrib/moles ..
注意：在執行上述命令之前，請務必切換到之前建立的虛擬python環境cv:
workon cv
cmake命令執行完成後，需要關注它的總結輸出，尤其是其中的Opencv moles部分：
-- OpenCV moles:
-- To be built: core flann imgproc ml objdetect photo video dnn imgcodecs shape videoio highgui superres ts features2d calib3d stitching videostab python2
-- Disabled: world
-- Disabled by dependency: -
-- Unavailable: cudaarithm cudabgsegm cudacodec cudafeatures2d cudafilters cudaimgproc cudalegacy cubjdetect cuptflow cudastereo cudawarping cudev java python3 viz
-- Python 2:
-- Interpreter: /Users/zhuangyuan/.virtualenvs/cv/bin/python2.7 (ver 2.7.13)
-- Libraries: /usr/local/Cellar/python/2.7.13_1/Frameworks/Python.framework/Versions/2.7/bin (ver 2.7.13)
-- numpy: /Users/zhuangyuan/.virtualenvs/cv/lib/python2.7/site-packages/numpy/core/include (ver 1.13.1)
-- packages path: /Users/zhuangyuan/.virtualenvs/cv/lib/python2.7/site-packages
如果python2部分的信息不完整，或者python2沒有出現在OpenCV moles的To be built:後面，而是出現在Unvailable:後面，則說明Cmake沒有正確完成，需要檢查此步驟中Cmake命令的參數中的路徑是否正確已經是否確實切換到了我們為opencv建立的虛擬python環境中。
再次提醒，此步驟中參數路徑必須仔細核對，如果錯誤，後續的編譯將無法成功
這時候可以開始編譯了：
$ make -j4
這里的4是利用4核CPU全速並行編譯，也可以不帶-j4參數，或者把4修改成你的CPU核心數
編譯完成後，進行安裝：
make install
如果有錯誤，加上sudo再執行：
sudo make install
setp9
檢查一下~/.virtualenvs/cv/lib/python2.7/site-packages/路徑下可以看到cv2.so就說明安裝成功了：
$ cd ~/.virtualenvs/cv/lib/python2.7/site-packages/
$ ls -l cv2.so
-rwxr-xr-x 1 adrian staff 2013052 Jun 5 15:20 cv2.so
用一下吧：
(cv) promote:lib zhuangyuan$ python
Python 2.7.13 (default, Jul 18 2017, 09:17:00)
[GCC 4.2.1 Compatible Apple LLVM 8.1.0 (clang-802.0.42)] on darwin
Type "help", "right", "credits" or "license" for more information.
>>> import cv2
>>> cv2.__version__
'3.3.0'
恭喜，OSX系統下opencv3 with python2.7環境搭建成功。
⑵ 如何在python安裝opencv
1.下載Python，當前OPencv版本為249，不過其支持的最新版本的Python為2.7，所以可以下載276版本。
2.下載numpy，開始我使用了1.6，沒有通過，錯誤如圖。下載了最新的1.8.1版本。
3.將Opencv安裝目錄下opencv\build\python\2.7\x86中的cv2.pyd復制到python安裝目錄Lib\site-packages下。
4.找到opencv源文件內的draw.py運行。
⑶ python 2.7怎麼安裝opencv包
在cmd里輸入Python，若出現「不是內部命令」，將python的安裝目錄添加到PATH，例如」C:Python27」。
出現下圖說明OK了。
⑷ VS2013編譯Opencv源代碼時出現錯誤 160 error LNK1104: 無法打開文件"python27_d
使用vs2013右鍵點擊解決方案屬性，找到裡面的鏈接器->輸入項，看一下項目的附加依賴項是不是仍然配置的是opencv_world320d.lib，把它改成3.0版本的lib庫就行了
⑸ 如何使用Python，基於OpenCV與Face++實現人臉解鎖的功能
近幾天微軟的發布會上講到了不少認臉解鎖的內容，經過探索，其實利用手頭的資源我們完全自己也可以完成這樣一個過程。
本文講解了如何使用Python，基於OpenCV與Face++實現人臉解鎖的功能。
本文基於Python 2.7.11，Windows 8.1 系統。
主要內容
Windows 8.1上配置OpenCV
OpenCV的人臉檢測應用
使用Face++完成人臉辨識（如果你想自己實現這部分的功能，可以借鑒例如這個項目）
獲取攝像頭的圖片
在圖片中檢測到人臉的區域
在人臉的區域周圍繪制方框
上傳圖片獲取讀取到的人的face_id
創建Person，獲取person_id（Person中的圖片可以增加、刪除）
比較兩個face_id，判斷是否是一個人
比較face_id與person_id，判斷是否是一個人
使用一個程序設置賬戶（包括向賬戶中存儲解鎖用的圖片）
使用另一個程序登陸（根據輸入的用戶名測試解鎖）
Windows 8.1上配置OpenCV
入門的時候配置環境總是一個非常麻煩的事情，在Windows上配置OpenCV更是如此。
既然寫了這個推廣的科普教程，總不能讓讀者卡在環境配置上吧。
下面用到的文件都可以在這里（提取碼：b6ec）下載，但是注意，目前OpenCV僅支持Python2.7。
將cv2加入site-packages
將下載下來的cv2.pyd文件放入Python安裝的文件夾下的Libsite-packages目錄。
就我的電腦而言，這個目錄就是C:/Python27/Lib/site-packages/。
記得不要直接使用pip安裝，將文件拖過去即可。
安裝numpy組件
在命令行下進入到下載下來的文件所在的目錄（按住Shift右鍵有在該目錄打開命令行的選項）
鍵入命令：
1
pip install numpy-1.11.0rc2-cp27-cp27m-win32.whl
如果你的系統或者Python不適配，可以在這里下載別的輪子。
測試OpenCV安裝
在命令行鍵入命令：
1
python -c "import cv2"
如果沒有出現錯誤提示，那麼cv2就已經安裝好了。
OpenCV的人臉檢測應用
人臉檢測應用，簡而言之就是一個在照片里找到人臉，然後用方框框起來的過程（我們的相機經常做這件事情）
那麼具體而言就是這樣一個過程：
獲取攝像頭的圖片
這里簡單的講解一下OpenCV的基本操作。
以下操作是打開攝像頭的基本操作：
1
2
3
4
5
6
7
#coding=utf8
import cv2
# 一般筆記本的默認攝像頭都是0
capInput = cv2.VideoCapture(0)
# 我們可以用這條命令檢測攝像頭是否可以讀取數據
if not capInput.isOpened(): print('Capture failed because of camera')
那麼怎麼從攝像頭讀取數據呢？
1
2
3
4
5
6
7
8
# 接上段程序
# 現在攝像頭已經打開了，我們可以使用這條命令讀取圖像
# img就是我們讀取到的圖像，就和我們使用open('pic.jpg', 'rb').read()讀取到的數據是一樣的
ret, img = capInput.read()
# 你可以使用open的方式存儲，也可以使用cv2提供的方式存儲
cv2.imwrite('pic.jpg', img)
# 同樣，你可以使用open的方式讀取，也可以使用cv2提供的方式讀取
img = cv2.imread('pic.jpg')
為了方便顯示圖片，cv2也提供了顯示圖片的方法：
1
2
3
4
5
6
# 接上段程序
# 定義一個窗口，當然也可以不定義
imgWindowName = 'ImageCaptured'
imgWindow = cv2.namedWindow(imgWindowName, cv2.WINDOW_NORMAL)
# 在窗口中顯示圖片
cv2.imshow(imgWindowName, img)
當然在完成所有操作以後需要把攝像頭和窗口都做一個釋放：
1
2
3
4
5
# 接上段程序
# 釋放攝像頭
capInput.release()
# 釋放所有窗口
cv2.destroyAllWindows()
在圖片中檢測到人臉的區域
OpenCV給我們提供了已經訓練好的人臉的xml模板，我們只需要載入然後比對即可。
1
2
3
4
5
6
7
8
# 接上段程序
# 載入xml模板
faceCascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
# 將圖形存儲的方式進行轉換
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 使用模板匹配圖形
faces = faceCascade.detectMultiScale(gray, 1.3, 5)
print(faces)
在人臉的區域周圍繪制方框
在上一個步驟中，faces中的四個量分別為左上角的橫坐標、縱坐標、寬度、長度。
所以我們根據這四個量很容易的就可以繪制出方框。
1
2
3
# 接上段程序
# 函數的參數分別為：圖像，左上角坐標，右下角坐標，顏色，寬度
img = cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)
成果
根據上面講述的內容，我們現在已經可以完成一個簡單的人臉辨認了：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
#coding=utf8
import cv2
print('Press Esc to exit')
faceCascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
imgWindow = cv2.namedWindow('FaceDetect', cv2.WINDOW_NORMAL)
def detect_face():
capInput = cv2.VideoCapture(0)
# 避免處理時間過長造成畫面卡頓
nextCaptureTime = time.time()
faces = []
if not capInput.isOpened(): print('Capture failed because of camera')
while 1:
ret, img = capInput.read()
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
if nextCaptureTime < time.time():
nextCaptureTime = time.time() + 0.1
faces = faceCascade.detectMultiScale(gray, 1.3, 5)
if faces:
for x, y, w, h in faces:
img = cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)
cv2.imshow('FaceDetect', img)
# 這是簡單的讀取鍵盤輸入，27即Esc的acsii碼
if cv2.waitKey(1) & 0xFF == 27: break
capInput.release()
cv2.destroyAllWindows()
if __name__ == '__main__':
detect_face()
使用Face++完成人臉辨識
第一次認識Face++還是因為支付寶的人臉支付，響應速度還是非常讓人滿意的。
現在只需要免費注冊一個賬號然後新建一個應用就可以使用了，非常方便。
他的官方網址是這個，注冊好之後在這里的我的應用中創建應用即可。
創建好應用之後你會獲得API Key與API Secret。
Face++的API調用邏輯簡單來說是這樣的：
上傳圖片獲取face_id
在將圖片通過post方法上傳到特定的地址後將返回一個json的值。
如果api_key, api_secret沒有問題，且在上傳的圖片中有識別到人臉，那麼會存儲在json的face鍵值下。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
#coding=utf8
import requests
# 這里填寫你的應用的API Key與API Secret
API_KEY = ''
API_SECRET = ''
# 目前的API網址是這個，你可以在API文檔里找到這些
BASE_URL = 'httlus.com/v2'
# 使用Requests上傳圖片
url = '%s/detection/detect?api_key=%s&api_secret=%s&attribute=none'%(
BASE_URL, API_KEY, API_SECRET)
files = {'img': (os.path.basename(fileDir), open(fileDir, 'rb'),
mimetypes.guess_type(fileDir)[0]), }
r = requests.post(url, files = files)
# 如果讀取到圖片中的頭像則輸出他們，其中的'face_id'就是我們所需要的值
faces = r.json().get('face')
print faces
創建Person
這個操作沒有什麼可以講的內容，可以對照這段程序和官方的API介紹。
官方的API介紹可以見這里，相信看完這一段程序以後你就可以自己完成其餘的API了。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
# 上接上一段程序
# 讀取face_id
if not faces is None: faceIdList = [face['face_id'] for face in faces]
# 使用Requests創建Person
url = '%s/person/create'%BASE_URL
params = {
'api_key': API_KEY,
'api_secret': API_SECRET,
'person_name': 'LittleCoder',
'face_id': ','.join(faceIdList), }
r = requests.get(url, params = params)
# 獲取person_id
print r.json.()['person_id']
進度確認
到目前為止，你應該已經可以就給定的兩張圖片比對是否是同一個人了。
那麼讓我們來試著寫一下這個程序吧，兩張圖片分別為』pic1.jpg』, 『pic2.jpg』好了。
下面我給出了我的代碼：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
def upload_img(fileDir, oneface = True):
url = '%s/detection/detect?api_key=%s&api_secret=%s&attribute=none'%(
BASE_URL, API_KEY, API_SECRET)
if oneface: url += '&mode=oneface'
files = {'img': (os.path.basename(fileDir), open(fileDir, 'rb'),
mimetypes.guess_type(fileDir)[0]), }
r = requests.post(url, files = files)
faces = r.json().get('face')
if faces is None:
print('There is no face found in %s'%fileDir)
else:
return faces[0]['face_id']
def compare(faceId1, faceId2):
url = '%s/recognition/compare'%BASE_URL
params = BASE_PARAMS
params['face_id1'] = faceId1
params['face_id2'] = faceId2
r = requests.get(url, params)
return r.json()
faceId1 = upload_img('pic1.jpg')
faceId2 = upload_img('pic2.jpg')
if face_id1 and face_id2:
print(compare(faceId1, faceId2))
else:
print('Please change two pictures')
成品
到此，所有的知識介紹都結束了，相比大致如何完成這個項目各位讀者也已經有想法了吧。
下面我們需要構思一下人臉解鎖的思路，大致而言是這樣的：
這里會有很多重復的代碼，就不再贅述了，你可以在這里或者這里（提取碼：c073）下載源代碼測試使用。
這里是設置賬戶的截圖：
登陸
結束語
希望讀完這篇文章能對你有幫助，有什麼不足之處萬望指正（鞠躬）。
⑹ opencv 的python 問題
importcv2
importglob
PATH1=""
PATH2=""
forfinglob.glob(PATH1+".*jpg")
index=f.rfind("/")
filename=f[index:]
img=cv2.imread(f)
img=cv2.resize(img,(32,32),interpolation=cv2.INTER_CUBIC)
cv2.imwrite(PATH2+filename,img)
⑺ python2.7與opencv哪個版本兼容
下載的opencv2.4，在opencv文件夾中，build->python->2.7里只有cv2.pyd文件，並且復制於C:\Python27\Lib\site-packages 中是不可用的
新版的opencv(2.3/2.4)都是有python模塊的，可以兼容python 2.7
⑻ 如何在Python中使用OpenCV的
0.下載安裝Opencv，當前版本為249.
1.下載Python，當前OPencv版本為249，不過其支持的最新版本的Python為2.7，所以可以下載276版本。
2.下載numpy，開始我使用了1.6，沒有通過，錯誤如圖。下載了最新的1.8.1版本。
3.將Opencv安裝目錄下opencvuildpython2.7x86中的cv2.pyd復制到python安裝目錄Libsite-packages下。
4.找到opencv源文件內的draw.py運行。
~如果你認可我的回答，請及時點擊【採納為滿意回答】按鈕
~~手機提問的朋友在客戶端右上角評價點【滿意】即可。
~你的採納是我前進的動力
~~O(∩_∩)O，記得好評和採納，互相幫助，謝謝。
⑼ 怎麼在python中使用cv2.cvtcolor
注意，現在OpenCV for Python就是通過NumPy進行綁定的。所以在使用時必須掌握一些NumPy的相關知識！
圖像就是一個矩陣，在OpenCV for Python中，圖像就是NumPy中的數組！
如果讀取圖像首先要導入OpenCV包，方法為：
importcv2
emptyImage3=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
#emptyImage3[...]=0