在Python3.5中使用OpenCV的实例讲解

简介

OpenCV是一套计算机视觉库，广泛应用于图像和视频处理，包含了一系列图像处理和计算机视觉技术，可以在多种编程语言中使用，包括Python。在本文中，我们将介绍如何在Python3.5中使用OpenCV，以及两个使用OpenCV的实例。

安装OpenCV

要使用OpenCV，首先需要安装OpenCV包。在Python 3.5中，可以使用pip安装，方法如下：

pip install opencv-python

这将自动下载和安装OpenCV库及其所有依赖项。

示例一：调整图像大小

在OpenCV中，可以使用resize()函数来调整图像大小。首先，需要导入cv2模块并读取图像文件：

import cv2

# 读取图像文件
img = cv2.imread('example.jpg')

然后，可以使用resize()函数调整图像大小，如下所示：

# 调整图像大小
resized_img = cv2.resize(img, (500, 500))

以上代码将原始图像调整为500x500像素的大小。注意，resize()函数的第一个参数是要调整大小的图像，第二个参数是一个元组，指定调整后的图像大小。

最后，将调整后的图像保存到文件：

# 保存图像文件
cv2.imwrite('resized_example.jpg', resized_img)

此时，调整后的图像将被保存为resized_example.jpg文件。

示例二：实时人脸检测

OpenCV也可以用于实时人脸检测。首先，需要导入cv2模块和FaceRecognizer类：

import cv2
from cv2 import FaceRecognizer

然后，创建一个人脸检测器对象，如下所示：

# 创建人脸检测器对象
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

以上代码将载入人脸检测器对象，该检测器基于Haar级联算法，可以检测到人脸的位置。

接下来，需要打开摄像头并捕捉图像。可以使用VideoCapture类来打开摄像头：

# 打开摄像头
cap = cv2.VideoCapture(0)

现在，可以从摄像头捕获实时图像并获取其中的人脸。这可以通过循环完成：

while True:
    # 获取图像帧
    ret, frame = cap.read()

    # 转换为灰度图像
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # 检测人脸
    faces = face_cascade.detectMultiScale(gray, 1.3, 5)

    # 在图像帧上绘制人脸矩形
    for (x,y,w,h) in faces:
        cv2.rectangle(frame,(x,y),(x+w,y+h),(255,0,0),2)

    # 显示图像帧
    cv2.imshow('frame',frame)

    # 等待ESC键退出
    if cv2.waitKey(1) == 27:
        break

# 释放摄像头并关闭窗口
cap.release()
cv2.destroyAllWindows()

以上代码循环打开摄像头并在每个图像帧上检测人脸，并在这些人脸的位置绘制蓝色矩形。最后，使用ESC键退出循环并释放摄像头和显示的窗口。

总结

这篇文章介绍了如何在Python3.5中使用OpenCV。我们还讲解了两个使用OpenCV的实例，包括调整图像大小和实时人脸检测。OpenCV在计算机视觉领域有许多其他应用，还有许多其他函数和类可供使用。如果您对OpenCV感兴趣，可以深入研究和学习。