opencvforpython27
⑴ 如何在OSX系统上安装Opencv3和python2.7
setp1
安装CodeX，不解释，在AppStop中搜索安装即可
setp2
安装Homebrew
Homebrew即MacOSX上的apt-get
按照官网的安装方式，在terminal中输入下列命令即可完成安装
cd ~
ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"
setp3
使用Homebrew安装Python，注意：避免使用系统Python解释器作为我们自己的主解析器，尤其是在使用virtualenv和virtualenvwrapper的时候。安装命令：
$ brew install python
注意安装结束后会有下列提示，提示我们把/usr/local/opt/python/libexec/bin增加到环境变量中，此举正是为了我们在使用python时，使用的是用Homebrew安装的python而不是系统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"
这是重要的一步，请不要跳过。
setp4
安装 virtualenv 和 virtualenvwrapper
这两个工具是为了创建独立的python环境，不了解的朋友请自行Google
值得注意的是，这两个工具对于搭建opencv3.0+python2.7运行环境来说不是必须的，但是强烈建议安装，以保证python环境的干净，易于管理。
安装只需执行命令：
$ pip install virtualenv virtualenvwrapper
安装完成后，在~/.bash_profile文件中追加如下内容：
# Virtualenv/VirtualenvWrapper
source /usr/local/bin/virtualenvwrapper.sh
然后执行命令：
$ source ~/.bash_profile
至此，virtualenv 和virtualenvwrapper已经正确完成安装。我们可以使用如下命令创建一个独立的python环境：
$ mkvirtualenv cv
setp5
我们开始安装一些必须的python包，安装NumPy
We need to install NumPy since the OpenCV Python bindings represent images as multi-dimensional NumPy arrays
安装方式：
$ pip install numpy
注意：如果你使用了step4中的virtualenv创建python虚拟环境，则需要在您之前创建的虚拟环境中安装需要的python包
step6
之前的步骤，主要目的是建立和配置编译安装OpenCv的环境，从这一步开始，我们开始真正的工作。
首先，我们使用brew安装需要的开发者工具，例如CMake。
$ brew install cmake pkg-config
还有一些必要的图像I/O包，这些包可以使我们能够加载各种不同类型的图像文件例如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，截止目前系统已经搭建完成，我们开始着手编译和安装python支持的opencv。下载代码：
$ cd ~
$ git clone https://github.com/Itseez/opencv.git
$ cd opencv
$ git checkout 3.0.0
最后一个命令$ git checkout 3.0.0其中的3.0.0可以替换成你需要的版本号
之后下载opencv_contrib代码，这部分不是必须的，但是强烈建议同时下载，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
请确保checkout opencv_contrib的版本号要与上面checkout opencv的版本号相同
step8
创建一个bulid目录：
$ cd ~/opencv
$ mkdir build
$ cd build
使用CMake配置我们的构建：
$ 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：在执行上述命令之前，请务必切换到之前建立的虚拟python环境cv:
workon cv
cmake命令执行完成后，需要关注它的总结输出，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没有出现在OpenCV moles的To be built:后面，而是出现在Unvailable:后面，则说明Cmake没有正确完成，需要检查此步骤中Cmake命令的参数中的路径是否正确已经是否确实切换到了我们为opencv建立的虚拟python环境中。
再次提醒，此步骤中参数路径必须仔细核对，如果错误，后续的编译将无法成功
这时候可以开始编译了：
$ make -j4
这里的4是利用4核CPU全速并行编译，也可以不带-j4参数，或者把4修改成你的CPU核心数
编译完成后，进行安装：
make install
如果有错误，加上sudo再执行：
sudo make install
setp9
检查一下~/.virtualenvs/cv/lib/python2.7/site-packages/路径下可以看到cv2.so就说明安装成功了：
$ 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系统下opencv3 with python2.7环境搭建成功。
⑵ 如何在python安装opencv
1.下载Python，当前OPencv版本为249，不过其支持的最新版本的Python为2.7，所以可以下载276版本。
2.下载numpy，开始我使用了1.6，没有通过，错误如图。下载了最新的1.8.1版本。
3.将Opencv安装目录下opencv\build\python\2.7\x86中的cv2.pyd复制到python安装目录Lib\site-packages下。
4.找到opencv源文件内的draw.py运行。
⑶ python 2.7怎么安装opencv包
在cmd里输入Python，若出现“不是内部命令”，将python的安装目录添加到PATH，例如”C:Python27”。
出现下图说明OK了。
⑷ VS2013编译Opencv源代码时出现错误 160 error LNK1104: 无法打开文件"python27_d
使用vs2013右键点击解决方案属性，找到里面的链接器->输入项，看一下项目的附加依赖项是不是仍然配置的是opencv_world320d.lib，把它改成3.0版本的lib库就行了
⑸ 如何使用Python，基于OpenCV与Face++实现人脸解锁的功能
近几天微软的发布会上讲到了不少认脸解锁的内容，经过探索，其实利用手头的资源我们完全自己也可以完成这样一个过程。
本文讲解了如何使用Python，基于OpenCV与Face++实现人脸解锁的功能。
本文基于Python 2.7.11，Windows 8.1 系统。
主要内容
Windows 8.1上配置OpenCV
OpenCV的人脸检测应用
使用Face++完成人脸辨识（如果你想自己实现这部分的功能，可以借鉴例如这个项目）
获取摄像头的图片
在图片中检测到人脸的区域
在人脸的区域周围绘制方框
上传图片获取读取到的人的face_id
创建Person，获取person_id（Person中的图片可以增加、删除）
比较两个face_id，判断是否是一个人
比较face_id与person_id，判断是否是一个人
使用一个程序设置账户（包括向账户中存储解锁用的图片）
使用另一个程序登陆（根据输入的用户名测试解锁）
Windows 8.1上配置OpenCV
入门的时候配置环境总是一个非常麻烦的事情，在Windows上配置OpenCV更是如此。
既然写了这个推广的科普教程，总不能让读者卡在环境配置上吧。
下面用到的文件都可以在这里（提取码：b6ec）下载，但是注意，目前OpenCV仅支持Python2.7。
将cv2加入site-packages
将下载下来的cv2.pyd文件放入Python安装的文件夹下的Libsite-packages目录。
就我的电脑而言，这个目录就是C:/Python27/Lib/site-packages/。
记得不要直接使用pip安装，将文件拖过去即可。
安装numpy组件
在命令行下进入到下载下来的文件所在的目录（按住Shift右键有在该目录打开命令行的选项）
键入命令：
1
pip install numpy-1.11.0rc2-cp27-cp27m-win32.whl
如果你的系统或者Python不适配，可以在这里下载别的轮子。
测试OpenCV安装
在命令行键入命令：
1
python -c "import cv2"
如果没有出现错误提示，那么cv2就已经安装好了。
OpenCV的人脸检测应用
人脸检测应用，简而言之就是一个在照片里找到人脸，然后用方框框起来的过程（我们的相机经常做这件事情）
那么具体而言就是这样一个过程：
获取摄像头的图片
这里简单的讲解一下OpenCV的基本操作。
以下操作是打开摄像头的基本操作：
1
2
3
4
5
6
7
#coding=utf8
import cv2
# 一般笔记本的默认摄像头都是0
capInput = cv2.VideoCapture(0)
# 我们可以用这条命令检测摄像头是否可以读取数据
if not capInput.isOpened(): print('Capture failed because of camera')
那么怎么从摄像头读取数据呢？
1
2
3
4
5
6
7
8
# 接上段程序
# 现在摄像头已经打开了，我们可以使用这条命令读取图像
# img就是我们读取到的图像，就和我们使用open('pic.jpg', 'rb').read()读取到的数据是一样的
ret, img = capInput.read()
# 你可以使用open的方式存储，也可以使用cv2提供的方式存储
cv2.imwrite('pic.jpg', img)
# 同样，你可以使用open的方式读取，也可以使用cv2提供的方式读取
img = cv2.imread('pic.jpg')
为了方便显示图片，cv2也提供了显示图片的方法：
1
2
3
4
5
6
# 接上段程序
# 定义一个窗口，当然也可以不定义
imgWindowName = 'ImageCaptured'
imgWindow = cv2.namedWindow(imgWindowName, cv2.WINDOW_NORMAL)
# 在窗口中显示图片
cv2.imshow(imgWindowName, img)
当然在完成所有操作以后需要把摄像头和窗口都做一个释放：
1
2
3
4
5
# 接上段程序
# 释放摄像头
capInput.release()
# 释放所有窗口
cv2.destroyAllWindows()
在图片中检测到人脸的区域
OpenCV给我们提供了已经训练好的人脸的xml模板，我们只需要载入然后比对即可。
1
2
3
4
5
6
7
8
# 接上段程序
# 载入xml模板
faceCascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
# 将图形存储的方式进行转换
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 使用模板匹配图形
faces = faceCascade.detectMultiScale(gray, 1.3, 5)
print(faces)
在人脸的区域周围绘制方框
在上一个步骤中，faces中的四个量分别为左上角的横坐标、纵坐标、宽度、长度。
所以我们根据这四个量很容易的就可以绘制出方框。
1
2
3
# 接上段程序
# 函数的参数分别为：图像，左上角坐标，右下角坐标，颜色，宽度
img = cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)
成果
根据上面讲述的内容，我们现在已经可以完成一个简单的人脸辨认了：
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)
# 避免处理时间过长造成画面卡顿
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)
# 这是简单的读取键盘输入，27即Esc的acsii码
if cv2.waitKey(1) & 0xFF == 27: break
capInput.release()
cv2.destroyAllWindows()
if __name__ == '__main__':
detect_face()
使用Face++完成人脸辨识
第一次认识Face++还是因为支付宝的人脸支付，响应速度还是非常让人满意的。
现在只需要免费注册一个账号然后新建一个应用就可以使用了，非常方便。
他的官方网址是这个，注册好之后在这里的我的应用中创建应用即可。
创建好应用之后你会获得API Key与API Secret。
Face++的API调用逻辑简单来说是这样的：
上传图片获取face_id
在将图片通过post方法上传到特定的地址后将返回一个json的值。
如果api_key, api_secret没有问题，且在上传的图片中有识别到人脸，那么会存储在json的face键值下。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
#coding=utf8
import requests
# 这里填写你的应用的API Key与API Secret
API_KEY = ''
API_SECRET = ''
# 目前的API网址是这个，你可以在API文档里找到这些
BASE_URL = 'httlus.com/v2'
# 使用Requests上传图片
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)
# 如果读取到图片中的头像则输出他们，其中的'face_id'就是我们所需要的值
faces = r.json().get('face')
print faces
创建Person
这个操作没有什么可以讲的内容，可以对照这段程序和官方的API介绍。
官方的API介绍可以见这里，相信看完这一段程序以后你就可以自己完成其余的API了。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
# 上接上一段程序
# 读取face_id
if not faces is None: faceIdList = [face['face_id'] for face in faces]
# 使用Requests创建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)
# 获取person_id
print r.json.()['person_id']
进度确认
到目前为止，你应该已经可以就给定的两张图片比对是否是同一个人了。
那么让我们来试着写一下这个程序吧，两张图片分别为’pic1.jpg’, ‘pic2.jpg’好了。
下面我给出了我的代码：
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，所有的知识介绍都结束了，相比大致如何完成这个项目各位读者也已经有想法了吧。
下面我们需要构思一下人脸解锁的思路，大致而言是这样的：
这里会有很多重复的代码，就不再赘述了，你可以在这里或者这里（提取码：c073）下载源代码测试使用。
这里是设置账户的截图：
登陆
结束语
希望读完这篇文章能对你有帮助，有什么不足之处万望指正（鞠躬）。
⑹ opencv 的python 问题
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与opencv哪个版本兼容
下载的opencv2.4，在opencv文件夹中，build->python->2.7里只有cv2.pyd文件，并且复制于C:\Python27\Lib\site-packages 中是不可用的
新版的opencv(2.3/2.4)都是有python模块的，可以兼容python 2.7
⑻ 如何在Python中使用OpenCV的
0.下载安装Opencv，当前版本为249.
1.下载Python，当前OPencv版本为249，不过其支持的最新版本的Python为2.7，所以可以下载276版本。
2.下载numpy，开始我使用了1.6，没有通过，错误如图。下载了最新的1.8.1版本。
3.将Opencv安装目录下opencvuildpython2.7x86中的cv2.pyd复制到python安装目录Libsite-packages下。
4.找到opencv源文件内的draw.py运行。
~如果你认可我的回答，请及时点击【采纳为满意回答】按钮
~~手机提问的朋友在客户端右上角评价点【满意】即可。
~你的采纳是我前进的动力
~~O(∩_∩)O，记得好评和采纳，互相帮助，谢谢。
⑼ 怎么在python中使用cv2.cvtcolor
注意，现在OpenCV for Python就是通过NumPy进行绑定的。所以在使用时必须掌握一些NumPy的相关知识！
图像就是一个矩阵，在OpenCV for Python中，图像就是NumPy中的数组！
如果读取图像首先要导入OpenCV包，方法为：
importcv2
emptyImage3=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
#emptyImage3[...]=0