pythonopencvapi

A. python安裝opencv的插件失敗了

升級一下numpy就可以了。
pip install numpy --upgrade

B. 學習python對計算機圖形學有用么

任何語言實際上都是工具，只有順手不順手之分，python作為一種腳本語言，學習相對簡單資料也很多，功能也很強大，主流的計算機圖形學庫都有python版本的api（如OpenCV），自己的庫也很豐富，更重要的是可以作為各種語言之間的粘合劑來使用，也就是說可以盡量多的融合不同程序語種寫出的程序到同一個項目中來，在主流的3D軟體和後期軟體中都以普遍支持了python作為腳本api。
傳言說python執行效率不高，但我想這也分兩說，因為畢竟屬於腳本語言，隨執行編譯，多少都會有影響的，不過如果對於圖形方面多是密集型運算的時候不妨單獨用C++開發運算部分，python做其他管理部分還是很順手的。
很有用，畢竟有時候也會應用在影視方面，速度也夠快，維護也不像其他程序語言那樣走編譯流程，直接就可以執行。python是跨平台的，這點也挺重要。

C. Opencv用Python實現灰度圖

請題主把兩張圖上傳上來。具體方法：是上傳到網路網盤然後鏈接貼過來

D. python opencv怎麼創建一個cascadeobjectdetector對象

OpenCV中有兩個程序可以訓練級聯分類器： opencv_haartraining 和opencv_traincascade。opencv_traincascade 是一個新程序，使用OpenCV 2.x API 以C++ 編寫。這二者主要的區別是 opencv_traincascade 支持 Haar、Hog和 LBP(Local Binary Patterns) 三種特徵，並易於增加其他的特徵。與Haar特徵相比，LBP特徵是整數特徵，因此訓練和檢測過程都會比Haar特徵快幾倍。LBP和Haar特徵用於檢測的准確率，是依賴訓練過程中的訓練數據的質量和訓練參數。訓練一個與基於Haar特徵同樣准確度的LBP的分類器是可能的。
opencv_traincascade and opencv_haartraining 所輸出的分類器文件格式並不相同。注意，新的級聯檢測介面（參考 objdetect 模塊中的 CascadeClassifier 類）支持這兩種格式。 opencv_traincascade 可以舊格式導出訓練好的級聯分類器。但是在訓練過程被中斷後再重啟訓練過程， opencv_traincascade and opencv_haartraining 不能裝載與中斷前不同的文件格式。
opencv_traincascade 程序使用TBB來處理多線程。如果希望使用多核並行運算加速，請使用TBB來編譯OpenCV。還有一些與訓練相關的輔助程序。

E. 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）

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

• 在圖片中檢測到人臉的區域

• 在人臉的區域周圍繪制方框

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

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：

• 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）

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）。

F. opencv是干什麼的

OpenCV是一款由Intel公司俄羅斯團隊發起並參與和維護的一個計算機視覺處理開源軟體庫，支持與計算機視覺和機器學習相關的眾多演算法，並且正在日益擴展。

OpenCV基於C++實現，同時提供python, Ruby, Matlab等語言的介面。OpenCV-Python是OpenCV的Python API，結合了OpenCV C++ API和Python語言的最佳特性。

作用：

OpenCV是一個基於BSD許可發行的跨平台計算機視覺庫，可以運行在Linux、Windows和Mac OS操作系統上。OpenCV在計算機視覺的發展中發揮了重要的作用，使成千上萬的人能夠在視覺上做更多的工作。OpenCV允許學生，研究人員，專業人員和創業者高效地實施項目，並通過向他們提供可在多種平台上優化的計算機視覺架構。

G. python里的opencv用法和c一樣嗎在哪裡看用法呢

opencv的api對於每種語言都是一樣的啊。
pyhton中opencv的用法在官網有說明文檔。你可以去看看。
官方文檔：http://docs.opencv.org/trunk/doc/py_tutorials/py_tutorials.html
國內也有人寫了些使用經驗：http://www.cnblogs.com/cutepig/archive/2009/04/17/1437653.html

H. 如何重新編譯opencv python

GCC 5.4.0
CMAKE 3.5.1
OpenCV 3.1.0
Android SDK API 23（Android 6.0）
Androird NDK r12b（12.1.2977051）
Python 2.7.12
當然在編譯過程中還會用到很多其他工具和軟體包，比如Ninja，Ant等，我會在文中需要的時候給出它們的版本和安裝方法。
關於GCC，CMAKE和Python的安裝過程本文就不詳述了，一是因為這些工具的安裝過程很容易，網路上的介紹都很詳細，二是因為之前剛剛配置好TensorFlow，安裝了一大堆軟體包，我也不清楚本文的內容究竟會涉及哪些依賴庫，我會盡量把我在編譯過程中所需的工具和庫標記出來。

I. Python和opencv怎麼用，求用圖解釋

opencv顯示圖像要把圖像放在工程文件的debug 目錄里； OpenCV的全稱是：Open Source Computer Vision Library。OpenCV是一個基於（開源）發行的跨平台計算機視覺庫，可以運行在Linux、Windows和Mac OS操作系統上。它輕量級而且高效——由一系列 C 函數和少量 C++ 類構成，同時提供了Python、Ruby、MATLAB等語言的介面，實現了圖像處理和計算機視覺方面的很多通用演算法。 OpenCV用C++語言編寫，它的主要介面也是C++語言，但是依然保留了大量的C語言介面。該庫也有大量的Python, Java and MATLAB/OCTAVE (版本2.5)的介面。這些語言的API介面函數可以通過在線文檔獲得。如今也提供對於C#,Ch, Ruby的支持。

J. python+opencv 怎麼實現一個和vision.cascadeobjectdetector一樣的對象

OpenCV中有兩個程序可以訓練級聯分類器： opencv_haartraining 和opencv_traincascade。opencv_traincascade 是一個新程序，使用OpenCV 2.x API 以C++ 編寫。這二者主要的區別是 opencv_traincascade 支持 Haar、Hog和 LBP(Local Binary Pattern...