树莓派opencv安装以及输出摄像头灰度视频

本文详细指导了在树莓派上安装64位和32位OpenCV的步骤,包括下载whl文件、依赖包安装、pip安装,并提供了使用OpenCV进行视频捕获的代码实例。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

首先树莓派有两个版本32位和64位

下面是64位的教程

下载wheel文件 地址在Links for opencv-python

找的自己的版本

我的是opencv_python-4.5.5.62-cp39-cp39-linux_armv7l.whl

下载完成之后 pip install xxx即可

下面是32位的教程

第一步

sudo apt-get install aptitude
sudo apt-get install build-essential cmake git pkg-config
sudo aptitude install libjpeg9-dev libjasper-dev libpng-dev libglu1-mesa-dev libavcodec-dev libavformat-dev libxvidcore-dev libx264-dev libgtk2.0-dev libatlas-base-dev gfortran
sudo pip3 install --upgrade numpy

第二步:

要网上下载的,看准合适版本下载:

piwheels - opencv-pythonhttps://www.piwheels.org/project/opencv-python/ 

 piwheels - opencv-contrib-pythonThe piwheels project page for opencv-contrib-python: Wrapper package for OpenCV python bindings.https://www.piwheels.org/project/opencv-contrib-python/

 cd到下载的这两个文件的位置下,分别执行:

pip3 install XXXX

最后,我这里另加:

sudo apt-get install python3-h5py 

试运行:

python3
 
>>import cv2
>>
即完成

 使用opencv打开树莓派视频代码(确保摄像头插上树莓派,以及树莓派配置正确)

代码如下

# -*- coding: utf-8 -*-
import cv2

cap = cv2.VideoCapture(0)
fourcc = cv2.VideoWriter_fourcc(*'MJPG')  # 使用MJPG编码器
out = cv2.VideoWriter('output.avi',fourcc,20.0,(480,360))
while (cap.isOpened()):
	ret,frame = cap.read()
	#frame1 = cv2.flip(frame,0) #图像垂直翻转
	if ret == True:
		gray = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY) # 从帧图像 frame1 中截取灰度图并赋值给 gray
		#out.write(frame)#保存彩色视图
		cv2.imshow('color',frame)#显示彩色视图
		cv2.imshow('gray',gray)#显示彩色视图
		if cv2.waitKey(1)&0xFF == ord('q'):
			break
	else:
		break
cap.release()
cv2.destroyAllWindows()

 可以看到图像输出

### Pandas 文件格式读写操作教程 #### 1. CSV文件的读取与保存 Pandas 提供了 `read_csv` 方法用于从 CSV 文件中加载数据到 DataFrame 中。同样,也可以使用 `to_csv` 将 DataFrame 数据保存为 CSV 文件。 以下是具体的代码示例: ```python import pandas as pd # 读取CSV文件 df = pd.read_csv('file.csv') # 加载本地CSV文件 [^1] # 保存DataFrame为CSV文件 df.to_csv('output.csv', index=False) # 不保存行索引 [^1] ``` --- #### 2. JSON文件的读取与保存 对于JSON格式的数据,Pandas 支持通过 `read_json` 和 `to_json` 进行读取和存储。无论是本地文件还是远程 URL 都支持。 具体实现如下所示: ```python # 读取本地JSON文件 df = pd.read_json('data.json') # 自动解析为DataFrame对象 [^3] # 从URL读取JSON数据 url = 'https://example.com/data.json' df_url = pd.read_json(url) # 直接从网络地址获取数据 # 保存DataFrame为JSON文件 df.to_json('output.json', orient='records') ``` --- #### 3. Excel文件的读取与保存 针对Excel文件操作Pandas 使用 `read_excel` 来读取 `.xls` 或 `.xlsx` 格式的文件,并提供 `to_excel` 方法导出数据至 Excel 表格。 注意:需要安装额外依赖库 `openpyxl` 或 `xlrd` 才能正常运行这些功能。 ```python # 安装必要模块 (如果尚未安装) !pip install openpyxl xlrd # 读取Excel文件 df_excel = pd.read_excel('file.xlsx', sheet_name='Sheet1') # 导出DataFrame为Excel文件 df.to_excel('output.xlsx', sheet_name='Sheet1', index=False) ``` --- #### 4. SQL数据库的交互 当涉及关系型数据库时,Pandas 可借助 SQLAlchemy 库连接各种类型的数据库(如 SQLite, MySQL)。它允许直接查询并将结果作为 DataFrame 返回;或者反过来把现有 DataFrame 插入到指定表中。 下面是基于SQLite的一个例子: ```python from sqlalchemy import create_engine # 创建引擎实例 engine = create_engine('sqlite:///database.db') # 查询SQL语句并返回DataFrame query = "SELECT name, salary, department FROM employees" sql_df = pd.read_sql(query, engine) # 计算各部门平均工资 avg_salary_by_dept = sql_df.groupby('department')['salary'].mean() # 将DataFrame存回SQL表 avg_salary_by_dept.to_sql(name='average_salaries_per_department', con=engine, if_exists='replace', index=True) ``` 上述片段说明了如何执行基本SQL命令以及后续数据分析流程[^4]。 --- #### 5. 多层次索引(MultiIndex)的应用场景 除了常规单维度索引外,在某些复杂情况下可能需要用到多级索引结构。这时可以依靠 MultiIndex 构建更加灵活的数据模型。 例如定义一个多层列名体系: ```python arrays = [['A','A','B','B'], ['foo','bar','foo','bar']] tuples = list(zip(*arrays)) index = pd.MultiIndex.from_tuples(tuples, names=['first', 'second']) df_multi_indexed = pd.DataFrame([[0,1,2,3], [4,5,6,7]], columns=index) print(df_multi_indexed) ``` 这段脚本演示了怎样构建一个具有双重分类标签的表格布局[^2]。 --- ### 总结 综上所述,Pandas 是一种强大而易用的数据处理工具包,适用于多种常见文件类型之间的相互转换及其高级特性应用开发之中。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Y_Hungry

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值