hehangjiang的博客

Opencv3 python学习1——图片基础处理本文档是自己的一个学习总结，中间有参考一些书籍和博客，如果有遗漏没有引用到的，可以和我说，我再修改。读取本地图片# 读入彩色图片 img = cv2.imread('test.jpg') # 读入灰度图片 gray = cv2.imread('test.jpg',0)显示图片# cv2.imshow('test',test) 保存图片#

关于使用face_recognition，安装方面还是有些坑的。之前用的是python3.5，pip安装出错，需要dlib什么的。按照网上的教程弄，还是有问题，搞了一天搞不定。后来看到说用python3.6比较简单，就换了个版本，结果pip轻松搞定。。。嗯，这是个坑，记录一下。关于face_recognition人脸识别的代码其实挺简单的，一看就能懂。我还顺便记录了一下时间，代码如下：#!/usr/

搜索要分为三步，先创建faceset，添加图片，再搜索。搜索是在faceset中寻找最像输入图片中人脸的内容。首先创建faceset：下面是我的代码：#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time : 2018/1/2 18:43# @Author : He Hangjiang# @Site : # @File :

这是关于使用compare的API，一开始还行网上找现成的，结果没找到。自己按文档，发现还蛮简单的，果然偷懒要不得。 完整代码如下：#!/usr/bin/env python# -*- coding: utf-8 -*-# @Time : 2018/1/2 15:24# @Author : He Hangjiang# @Site : # @File : compar

毕设刚开始搞，所有还是参考了一些网友的现有代码。 首先可以先去face++上注册，有免费试用的，我觉得还不错。注册之后会有个key和secret 参考了http://blog.youkuaiyun.com/tinyzhao/article/details/55224183 的API调用代码，可以实现输出检测结果的字典。 我打算使用opencv把人脸表示出来。 下面是完整的代码：#!/usr/bin/

图像与原始字节之间的转换是在阅读了《opencv 3 计算机视觉 python语言实现》之后的一个代码，推荐大家去看看图像转换成原始字节bytearray1 = bytearray(img)原始字节转换成图像grayImage = np.array(bytearray1).reshape(768,1366)完整代码import cv2import numpy as npfrom matplotl

概念说明观察图像中这些变化的频率就构成了另一条分类图像的方法。这个观点称为频域。而通过观察图像灰度分布来分类图像称为空间域。 频域分析将图像分成从低频到高频的不同部分。低频对应图像强度变化小的区域，而高频是图像强度变化非常大的区域。目前已存在若干转换方法，如傅立叶变换或余弦变换，可以用来清晰的显示图像的频率内容。注意，由于图像是一个二维实体，所以其由水平频率（水平方向的变化）和竖直频率（竖直方向的

简要描述这章是检测视频中的特定颜色，代码中检测的是蓝色的。经尝试可用。步骤● 设置“蓝色”HSV范围 ● BGR转HSV ● 捕获摄像头视频 ● 获取蓝色部分mask ● 图像按位与操作 ● 显示蓝色部分图像知识点HSV(Hue , Saturation , Value):色调，饱和度，明度 色度H:用角度度量，取值范围为0~360，红色开始按逆时针方向计算，红色为

Opencv3 python学习3——绘图基础下面的一些绘图函数需要设置以下这些参数： • img：你想要绘制图形的那幅图像。 • color：形状的颜色。以 RGB 为例，需要传入一个元组，例如：（255,0,0） 代表蓝色。对于灰度图只需要传入灰度值。 • thickness：线条的粗细。如果给一个闭合图形设置为 -1，那么这个图形 就会被填充。默认值是 1. • linetype：

Opencv3 python学习2——视频基础这次的内容包括opencv视频操作的最基础的读取视频、显示、使用摄像头、保存等等。打开视频cap = cv2.VideoCapture("1.mp4")显示视频我这里自己做了个测试，将视频转换成灰度#ret和frame都是返回值，后者代表帧数ret,frame = cap.read()#将彩色的图像转换成灰度，从此可以看出read到的应该是每一帧的图

使用的就是给的样例，例程的网址在这边：链接 改了里面的图片。程序比较好理解，主要有下面几个小点要注意：OpenCV读取的图片和摄像头都是BGR格式的，因此我们在使用前需要先进行格式转换。可以使用OpenCV自带的函数，也可以使用rgb_small_frame = small_frame[:, :, ::-1]处理的图像大小会影响检测速度，因此官方给的例程中加速版其实就是把视频图像缩小了，我一开