golang 开启opencv图形化编程

下面是“golang 开启opencv图形化编程”的完整攻略，共分为以下几个步骤：

1. 安装OpenCV

首先需要安装OpenCV，可以通过以下命令完成安装：

sudo apt-get install libopencv-dev python3-opencv

2. 安装gocv

安装完OpenCV之后，需要安装gocv库，可以使用以下命令完成安装：

go get -u -d gocv.io/x/gocv

3. 设置环境变量

接下来需要设置环境变量，将gocv的库路径添加到环境变量中，可以通过以下命令完成：

export CGO_CPPFLAGS="-I/usr/local/include"
export CGO_LDFLAGS="-L/usr/local/lib -lgocv"

4. 编写golang代码

成功完成前三个步骤之后，就可以开始写golang代码了，以下是一个简单的示例：

package main

import (
    "fmt"
    "image/color"
    "gocv.io/x/gocv"
)

func main() {
    // 打开摄像头
    webcam, _ := gocv.VideoCaptureDevice(0)
    defer webcam.Close()

    // 创建一个窗口
    window := gocv.NewWindow("Face Detection")
    defer window.Close()

    // 加载Haar级联文件
    classifier := gocv.NewCascadeClassifier()
    classifier.Load("haarcascade_frontalface_default.xml")
    defer classifier.Close()

    // 循环检测人脸
    for {
        // 读取摄像头的一帧
        img := gocv.NewMat()
        webcam.Read(&img)

        // 创建灰度图
        gray := gocv.NewMat()
        gocv.CvtColor(img, &gray, gocv.ColorBGRToGray)

        // 检测人脸
        faces := classifier.DetectMultiScale(gray)
        fmt.Printf("Found %d faces\n", len(faces))

        // 绘制矩形框
        for _, r := range faces {
            gocv.Rectangle(&img, r, color.RGBA{0, 0, 255, 0}, 3)
        }

        // 显示结果
        window.IMShow(img)
        if window.WaitKey(1) >= 0 {
            break
        }

        // 释放变量
        img.Close()
        gray.Close()
    }
}

5. 运行golang代码

完成代码编写之后，就可以通过以下命令运行代码了：

go run main.go

示例1：检测并识别人脸并识别

package main

import (
    "fmt"
    "image/color"
    "gocv.io/x/gocv"
    "strings"
)

func main() {
    filename := "classifiers/haarcascade_frontalface_default.xml"
    window := gocv.NewWindow("Face Detection")
    defer window.Close()

    img := gocv.IMRead("images/test.jpg", gocv.IMReadAnyColor)
    if img.Empty() {
        fmt.Println("加载图片失败")
        return
    }
    defer img.Close()
    gocv.CvtColor(img, &img, gocv.ColorBGRToGray)
    classifer := gocv.NewCascadeClassifier()
    classifer.Load(filename)
    defer classifer.Close()

    faces := classifer.DetectMultiScale(img, 1.3, 5)
    fmt.Printf("在该图片中检测到%d个人脸.\n", len(faces))

    tokenizer := gocv.NewLBPHFaceRecognizer()
    tokenizer.Train([]gocv.Mat{}, []int32{})
    defer tokenizer.Close()

    // 遍历检测到的每一个人脸区域
    for i, r := range faces {
        // 绘制人脸框
        gocv.Rectangle(&img, r, color.RGBA{0, 255, 0, 0}, 3)

        // 在框下方标注人脸编号
        position := gocv.Point{r.Max.X, r.Min.Y + 20}
        text := fmt.Sprintf("Face %d", i+1)
        gocv.PutText(&img, text, position, gocv.FontHersheyPlain, 1, color.RGBA{0, 0, 255, 0}, 1)
        // 截取人脸图片
        faceROI := img.Region(r)
        defer faceROI.Close()

        // 将人脸图片转换为可识别的数据格式
        // 设置训练所需的样本和身份标签
        label := int32(i)
        tokenizer.AddSamples([]gocv.Mat{faceROI}, []int32{label})

        // 输出训练样本数量
        fmt.Printf("[Face %d] Added sample (label %d) total samples = %d\n", i+1, label, tokenizer.GetNumSamples())

        // 显示并等待关闭
        window.IMShow(img)
        gocv.WaitKey(100)
    }

    // 开始识别
    fmt.Println("开始识别")
    img = gocv.IMRead("images/test1.jpg", gocv.IMReadAnyColor)
    defer img.Close()
    gocv.CvtColor(img, &img, gocv.ColorBGRToGray)
    detectResult := classifer.DetectMultiScale(img, 1.3, 5)
    if len(detectResult) != 1 {
        fmt.Println("无法检测到人脸或检测到多个人脸，识别失败")
        return
    }
    faceROI := img.Region(detectResult[0])
    defer faceROI.Close()

    id := tokenizer.Predict(faceROI)
    fmt.Printf("检测到编号为%d的人脸\n", id+1)
    window.IMShow(img)
    gocv.WaitKey(0)
}

示例2：捕获摄像头视频流并检测人脸区域

package main

import (
    "fmt"
    "image/color"
    "gocv.io/x/gocv"
)

func main() {
    capture, err := gocv.OpenVideoCapture(0)
    if err != nil {
        fmt.Printf("Error opening video capture device: %v\n", 0)
        return
    }
    defer capture.Close()

    window := gocv.NewWindow("Face Detection")
    defer window.Close()

    img := gocv.NewMat()
    defer img.Close()

    classifier := gocv.NewCascadeClassifier()
    defer classifier.Close()
    filename := "haarcascade_frontalface_default.xml"
    classifier.Load(filename)

    for {
        // 从摄像头获取一帧图片
        if ok := capture.Read(&img); !ok {
            fmt.Println("不能从摄像头获取数据")
            return
        }
        if img.Empty() {
            continue
        }

        // 检测人脸
        rects := classifier.DetectMultiScale(img)
        for _, r := range rects {
            size := gocv.GetTextSize("Human", gocv.FontHersheyPlain, 1.2, 2)
            pt := image.Pt(r.Min.X+(r.Min.X/2)-(size.X/2), r.Min.Y-2)
            gocv.Rectangle(&img, r, color.RGBA{0, 255, 0, 0}, 2)
            gocv.PutText(&img, "Human", pt, gocv.FontHersheyPlain, 1.2, color.RGBA{0, 0, 255, 0}, 2)
        }

        window.IMShow(img)
        if window.WaitKey(1) == 27 {
            break
        }
    }

}