2201_75538245的博客

本文通过学习LBPH人脸识别算法，简要了解人脸识别技术的原理，实现人脸采集、训练人脸模型实现人脸识别。

依据最近的 k 组数据判断聚类结果。目前相邻（K个）数据的分类。目前相邻（K个）数据的距离。将整个数组的长度视为一行。

函数返回值，含复数的数组（complex，ndarray），含有两个通道，一个是实数部分，一个是虚数部分。函数返回值，含复数的数组（complex，ndarray）。整数序列，输出数组大小，默认为：与原始图像一样大。整数轴，默认为：使用最后2个轴。输入图像的像素矩阵，输入图像的像素矩阵，

result：函数返回值，比较结果的数组。image：原始图像。templ：模板图像。平方差匹配法，完全匹配时为0，匹配越差值越大mask：模板使用的掩膜，大小必须与模相同，默认为：None。

函数返回值，（(x,y),(w,h),angle），(x,y)矩形中心点坐标，(w,h)矩形的宽高，angle：旋转角度，正值为顺时针，负值为逆时针。函数返回值，((x,y),(a,b),angle)。最小包围三角形的坐标，[[[230 60]],[[ 39 123]],[[185 269]]]。函数返回值（x,y,w,h）元组，x,y代表矩形的左上角点坐标；closed：是否为封闭轮廓，Ture/False。approx：函数返回值，近视多边形轮廓。center：圆心的下(x,y)坐标。

histSize：hist（）函数的bins数量，将0~255切割成多少区间。accumulate：是否是多幅图像累加像素值，默认为：False。ranges：像素值范围，一般为0~255或[0,256]。hist：像素值统计结果，数据结构为numpy数组格式。channels：图像通道，一次只能检测一个通道。可以选择是否添加掩膜，默认为：None。可以选择是否添加掩膜，默认为：None。mask：掩膜，默认为：None。图像 BGR 通道的标准差。图像 BGR 通道的均值。images：原始图像。

pts：含多边形顶点坐标的Numpy数组 list[]。isClosed：是否封闭，首尾点的坐标相连。矩形的左上角和右下角坐标，格式为元组（）。椭圆偏移角度（长轴与X轴的夹角）。始/终点坐标，格式为元组（）。默认为LINE_8。默认为LINE_8。始/终点的角度0~360。直线颜色，BGR格式。直线颜色，BGR格式。绘图的背景（画布）。绘图的背景（画布）。

在 OpenCV 中图像左上角坐标为（0，0），竖直向下为 Y（height）；水平向右为 X（width）。

执行映射，可以实现图像的翻转、扭曲、变形、或特定区域图片内容的改变。原始图像的三个定位点坐标。（可以是图像的任意三个角坐标）原始图像的四个定位点坐标。（可以是图像的任意四个角坐标）透视相比于倾斜，定义了四个基准点，可以进行非平行变换。用于存放 src 原始图像的 X 坐标、Y 坐标。旋转的中心点坐标（width,height）。（width，height）新图像大小。（width，height）图像大小。变换矩阵，不同变换矩阵的仿射效果不同。倾斜图像对应的三个定位点坐标。倾斜图像对应的四个定位点坐标。

一、加法运算1.1 cv2.add()res = cv2.add(img1,img2,dst=None,mask=None,dtype=None)img1、img2：要 add 的图像对象。（shape必须相同）mask：图像掩膜。灰度图（维度为2）。dtype：图像数据类型。add 后像素值最大为255。+ 运算后取255的余数。import cv2import numpy as npB = np.zeros((200,200,3),np.uint8)G = n

cv2.imread()函数返回值，如果读取失败则为None。：*.bmp、*.jpg、*.png、*.tiff 等。文件读取方式，默认为：1。函数返回值，如果读取失败则为None。---如：'Lena.png'。：*.mp4 等。

像素值越低，灰色越深。单通道。

由图可以看出上采样并不能完全还原原图像素点，还原像素点一般以 0 填充，所以图像会变模糊。拉普拉斯金字塔 = 当前层高斯金字塔 - 下一层高斯金字塔上采样结果。目标图像的shape，默认为：宽度和高度为原先的一半。目标图像的shape，默认为：宽度和高度为原先的一半。即高斯金字塔上下采样间丢失的像素点值。边界样式，使用默认即可。边界样式，使用默认即可。

内核锚点，默认为：（-1，-1），核中心位置。锚点位置，默认是：（-1，-1），核的中心。锚点位置，默认是：（-1，-1），核的中心。锚点位置，默认是：（-1，-1），核的中心。膨胀操作后的图像 - 腐蚀操作后的图像 =分割图像（当图像连接的不够紧密时）。原始图像 - 开运算图像 = 礼帽运算。边界样式，边界值，使用默认即可。边界样式，边界值，使用默认即可。边界样式，边界值，使用默认即可。先做膨胀操作，在做腐蚀操作。图像沿着边缘向外扩展的操作。可以得到原始图像的噪音点。先做腐蚀，在做膨胀操作。

通过 X 梯度核与 Y 梯度核求得图像在，水平与垂直方向的梯度。img：目标图像。src：原始图像。ddepth：目标图像深度，-1 代表与原始图像深度相同。dx、dy：x或y 轴方向的求导阶数，可以为：0、1、3 等。0 表示不求导。ksize：Soble核大小。scale：导数计算的缩放系数，默认为：1。delta：常数项，默认为：0。边界样式，使用默认即可。

contours：找到的所有轮廓数组，数组内的元素为轮廓像素点坐标。hierarchy轮廓间的层次关系。image：二值图像（cv2.threshold()）。

使用numpy模块建立的数组数据类型为ndarray (n-dimension array)。可以使用以下命令调用ndarray的属性。

import cv2。

img：目标图像。src：原始图像。ddepth：目标图像深度，默认为：-1，与原始图像深度相同。kernel：自定义滤波核，（width，height），Opencv 只提供了单通道矩阵。delta：偏置项。默认为：0。anchor：滤波核锚点，默认为：（-1，-1）核的中心。边界样式，一般填默认即可。import cv2# 可以自行定义更复杂的滤波核。