Python对应Opencv的重要常用函数如：cv2.rectangle()等

Python对应Opencv的重要常用函数

   1. cv2.rectangle(）函数

  image:它是要在其上绘制矩形的图像。
  start_point：它是矩形的起始坐标。坐标表示为两个值的元组，即(X1坐标值，Y1坐标值)。
  end_point：它是矩形的结束坐标。坐标表示为两个值的元组，即(X2坐标值，Y2坐标值)。
  color:它是要绘制的矩形的边界线的颜色。对于BGR，我们通过一个元组。例如：(0，255，0)为绿色。
  thickness:它是矩形边框线的粗细像素。厚度-1像素将以指定的颜色填充矩形形状。
  返回值：它返回一个图像。

cv2.rectangle(frame, (startX, startY), (endX, endY),(0, 255, 0), 2)

  cv2.rectangle(）函数官方文档
  Python OpenCV cv2.rectangle()用法及代码示例

2. cv2.dnn.blobFromImage（）

  参数：
  image:输入图像（1、3或者4通道）
  scalefactor:图像各通道数值的缩放比例
  size:输出图像的空间尺寸
  mean:用于各通道减去的值，以降低光照的影响
  swapRB:交换RB通道，默认为False
  crop:图像裁剪,默认为False.当值为True时，先按比例缩放，然后从中心裁剪成size尺寸
  ddepth:输出的图像深度，可选CV_32F 或者 CV_8U.

blob = cv2.dnn.blobFromImage(frame, 0.007843, (w, h), 127.5)

  cv2.dnn.blobFromImage（）官方链接
  cv2.dnn.blobFromImage()函数用法

3. multiprocessing.Queue() 多进程通信

  Queue用来在多个进程间实现通信且是多进程安全的队列，可以使用Queue实现多进程之间的数据传递，有两个方法：Put和Get可以进行Queue操作。

  Python 学习笔记 多进程 multiprocessing
  python多进程multiprocessing模块中Queue的妙用
  multiprocessing.Queue()和queue.Queue()的区别

4. t = dlib.correlation_tracker()

   使用 dlib.correlation_tracker 实现目标跟踪基本分以下四步：

   dlib.correlation_tracker() 创建一个跟踪类；

   start_track() 中设置图片中的要跟踪物体的框；

   update() 实时跟踪下一帧；

   get_position() 得到跟踪到的目标的位置。

def start_tracker(box, label, rgb, inputQueue, outputQueue):
	t = dlib.correlation_tracker()
	rect = dlib.rectangle(int(box[0]), int(box[1]), int(box[2]), int(box[3]))
	t.start_track(rgb, rect)

	while True:
		# 获取下一帧
		rgb = inputQueue.get()

		# 非空就开始处理
		if rgb is not None:
			# 更新追踪器
			t.update(rgb)
			pos = t.get_position()

			startX = int(pos.left())
			startY = int(pos.top())
			endX = int(pos.right())
			endY = int(pos.bottom())

			# 把结果放到输出q
			outputQueue.put((label, (startX, startY, endX, endY)))

  dlib 目标跟踪
  python dlib学习（四）：单目标跟踪
   t = dlib.correlation_tracker()官方文档