刘念卿的博客

脸部标记步骤前言导包使用dlib的预测器加载模型，可使用68点的也可使用128点的，这里使用68点的调用电脑摄像头调用摄像头之后，就不多说了，代码注释很详细前言初步学习脸部标记和图象处理，如有错误请指出！感激不尽此文章用来记录学习过程，预防忘记或遗失源码我们需要用到cv2库和dlib库安装教程就不再阐述，直接上步骤导包import cv2import dlib使用dlib的预测器detector = dlib.get_frontal_face_detector()加载模型，可

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录引言思路伪代码：代码+详解函数详解二值化高斯滤波引言个人理解：差帧法，就是相邻两帧之间图象的差值，通过对差值进行高斯滤波或者腐蚀、膨胀操作减小图象噪声，可用于运动检测，运动目标追踪等。经检测，精确度较高思路伪代码：1、打开摄像头2、捕获当前帧3、捕获后一帧4、计算帧差值5、中值滤波6、二值化7、高斯滤波8、显示图象代码+详解# -*- codeing = utf-8 -*-# @Time :2021

文章目录自定义图片大小第一种第二种总结自定义图片大小第一种我们可以先创建一个窗口调整大小，然后把图片放进去，就是上篇文章那个例子也可以设置图片的大小，通过resize()这个函数cv2.resize时，参数输入是 宽×高×通道 可参考opencv: cv2.resize 探究(源码)cv2.resize(src,dsize,dst=None,fx=None,fy=None,interpolation=None)scr:原图dsize：输出图像尺寸fx:沿水平轴的比例因子fy:沿垂直

文章目录前言一、描述二、代码1.引入库2.代码总结前言face_test_login一、描述face_test_login二、代码1.引入库代码如下：import copyimport osimport shutilimport threadingfrom tkinter.scrolledtext import ScrolledTextfrom PIL import ImageDraw, ImageFontimport dlib # 人脸识别的库dlibi

目录前言源码前言脸部标记不仅可以通过摄像头进行实时标记，还可以通过标记图片上的人物脸部源码使用到的库cv2、dlib。安装就不再多说了，套路还是那一套，这里就重复一下！直接看源码，注意详解！# -*- codeing = utf-8 -*-# @Time :2021/4/30 16:19# @Author : 刘念卿# @File : real_time_point.py# @Software : PyCharmimport numpy as npimport cv2impo

文章目录使用第一种方式第二种方式第三种方式总结使用第一种方式了解了imread()函数的一些组成要素之后，接下来就是如何使用了，读取一张图片，显示出来最基本的操作如下import cv2path='./img_1.png'#可以随意修改，一定位图片路径，不然会报错img=cv2.imread(path)cv2.imshow("img_1",img)#常见一个界面，用来显示图片cv2.waitKey(0)#必不可少，少了就无法看到显示的图片，此句的主要目的是一直等待，直到有按键按下，才会销毁

文章目录前言一、整体二、子模块1.get_face_image2. face_features_csvface_test_login前言要求：一、签到部分有界面（登录界面，人脸签到界面等），界面优美基本功能：人脸识别，实时显示签到、未签到人员实时录像功能，并保存到本地二、录入数据部分本系统分为三部分，分别时录入人脸、人脸数据化、人脸登录1.录入人脸：通过摄像头输入获取脸部照片2.人脸数据化：把获取到的人脸图象，转为128D特征3.人脸登录：通过摄像头捕获人脸，计算其128D特征，

文章目录前言总帧数FPS前言通过慢，但是精确的方法获取总帧数获取视频FPS总帧数#path为视频路径def frame_total_num(path): CAP = cv2.VideoCapture(path) num=0 while CAP.isOpened(): r,f=CAP.read() if r: num+=1 else: break CAP.releas

这里我们使用到的是dlib库的imread()函数首先就是dlib库的安装安装之前，需要安装依赖的库，cmake、boost可参考下面的命令，使用win+R打开终端，一次输入下面的命令即可pip install cmake -i https://pypi.tuna.tsinghua.edu.cn/simplepip install boost -i https://pypi.tuna.tsinghua.edu.cn/simplepip install dlib -i https://pyp

文章目录前言一、描述二、代码1.包含库2.整体代码总结前言get_face_image一、描述示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。二、代码1.包含库使用到的库：import threadingimport timeimport dlib # 人脸识别的库 Dlibimport numpy as np # 数据处理的库 Numpyimport cv2 # 图像处理的库 OpenCvimport

文章目录前言一、描述二、到吗1.引入库2.代码总结前言face_features_csv一、描述示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。二、到吗1.引入库代码如下：import cv2import osimport dlibfrom skimage import ioimport csvimport numpy as npimport pandas as pd2.代码代码如下：# -*- codeing = utf-8

文章目录前言一、cv2的安装二、使用步骤1.引入库2.使用cv2.imread()读取图片3.BGR与RGB之间的转换总结前言此系列文章开始写于2021.04.22，以次记录学习生活cv2时进行图像处理经常使用的库一、cv2的安装使用的是镜像安装，比较快pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple二、使用步骤1.引入库代码如下（示例）：import cv22.使用cv2.imread.

在本次图像处理基础学习阶段，深入了解像素和色彩空间转换的概念，包括如何在RGB、灰度和HSV等色彩空间之间转换图像。图像的基本操作技巧，如裁剪、缩放、旋转和翻转，这些操作是图像处理中不可或缺的部分。此外，我通过均值滤波、高斯滤波和中值滤波等方法对图像进行平滑和模糊处理，以及利用Sobel算子和Canny算法进行边缘检测，这些滤波和边缘检测技术对于去除噪声和提取图像特征极为重要。最后，仿射变换和透视变换，这两种图像变换技术能够进行更复杂的图像形变和视角变换。

计算机视觉是一门研究如何使机器“看”的科学。更具体地说，它是指用摄像机和计算机代替人眼对目标进行识别、跟踪和测量的技术，进而对这些信息进行处理，使计算机能够进一步处理、理解和解释视觉世界。历史背景：OpenCV最初由Intel在1999年启动，并在2000年首次公开发布。该项目的目的是提供一个通用的基础设施，能够加速计算机视觉的应用开发过程，并推动该领域内的商业应用和学术研究。Gary Bradski是OpenCV项目的创始人之一。主要贡献者：自诞生以来，OpenCV已经吸引了全球数千名开发者的贡献。

了解计算机视觉的基本概念，安装OpenCV，并学会基本的图像操作。探索OpenCV在高级视觉任务中的应用，如人脸识别、物体检测等。通过实际项目巩固学习内容，探索更多OpenCV的高级功能。掌握图像处理的基础知识，如图像的基本操作、图像变换等。了解和实践图像特征检测与匹配技术。

扩展边界opencv。

它的作用是将输入图像的像素值转换为两个可能的值之一，通常是0（黑色）或255（白色），根据一个设定的阈值。图像二值化通常用于分割图像中的目标对象或区域，并将它们与背景分开。在这个示例中，我们将输入灰度图像使用阈值128进行二值化，并将像素值大于128的部分设置为255（白色），小于128的部分设置为0（黑色）。：阈值，用于决定像素值将被分配到哪个类别（0或maxval）。根据不同的type，thresh可以是一个单一的阈值值或一个阈值图像。：当像素值大于阈值时，它将被赋予的值。：要进行二值化的输入图像。

python 加马赛克

MediaPipe本身不提供图像处理功能，它主要用于检测和跟踪人脸、手势、姿势等。如果您想要从图像中仅提取人脸主要信息并去除其他信息.