1. CV2库进行图片操作
#图片操作 #导入对应的库 import numpy as np import cv2 #导入对应的图片 imread为图片路径 girls = cv2.imread('./girl.jpg') #查看图片的数据形状（黑白为2维数据，彩色为3维数据） girls.shape #展示图片，窗口名为girl，加载数据为girls cv2.imshow('girl',girls) #等待键盘输入，单位毫秒，如果为0 无限等待 cv2.waitKey(0) #关闭图形窗口 cv2.destroyAllWindows() #BGR 颜色通道BGR #PIL RGB 设置为灰色 girls2 = cv2.cvtColor(girls,code = cv2.COLOR_BGR2GRAY) cv2.imshow('gray',girls2) cv2.waitKey(0) cv2.destroyAllWindows() #图片输出保存为girls_gray.jpg cv2.imwrite("./girls_gray.jpg",girls2) #设置图片的大小144,158 girls3 = cv2.resize(girls,dsize = (144,158)) cv2.imshow('min',girls3) #设置退出条件 while True: if ord('q') == cv2.waitKey(3000): break cv2.destroyAllWindows()
2. 数据操作
#导入库 import numpy as np #设置一个列表 l = [1,2,3,4,5,6,7] #作为array数组 nd = np.array(l) #求和 nd.sum() #标准差 nd.var() #标准差 nd.std() #查看数据类型 nd.dtype #指数 e np.exp(3) a = np.array([1,3,5,7,np.NAN]) b = a + 10 #统计学 平均值/中位数/方差/标准差/协方差（两个属性求解）/关联（相关性系数） #a和b相关 np.corrcoef(a,b) nd = np.random.randint(0,1000, size= 100) #查找数组nd中少于109的值 np.argwhere(nd <= 109) #直方图，统计数据出现的频次 np.histogram(nd,bins = 10) #保存数据 np.savetxt('./data.txt',nd) #读取文件 np.loadtxt('./data.txt') #获取最小的5个数 np.partition(nd,kth = 5)[:5] #获取最大的5个数 np.partition(nd,kth = -5)[-5:] #随机生成array数组 4*5 nd2 = np.random.randint(0,150,size= (4,5)) #选取数组中的元素 nd2[1,1] #进行切片操作，前三行 nd2[0: 3] #前三行，前三列 nd2[0:3,0:3]
3. PIL图片操作
#导入对应库 from PIL import Image #导入对应图片 girl = Image.open('girls.jpg') #图片数据为ndarray #彩色图片三维，高度/宽度/像素 红绿黄 girls = np.array(girl) #行 列 像素 girls.shape #数据类型 girls.dtype #最大值 girls.max() #array转换成image girls2 = girls[:,:,::-1] Image.fromarray(girls2) #图片缩小 Image.fromarray(girls[::5,::5]) #更改颜色 Image.fromarray(girls[:,:,[1,0,2]]) #图片变为黑白 Image.fromarray(girls[:,:,0])
4. matplotlib.pylab图片操作
#导入对应包 import matplotlib.pylab as plt %matplotlib inline #加载图片 plt.imshow(girls) #图片旋转180 plt.imshow(girls[::-1]) #图片模糊处理 plt.imshow(girls[::-10,::-10]) # 剪切图片 girls6 = girls[:,:230] plt.imshow(girls6) #拼接图片 girls7 = np.concatenate([girls6,girls],axis = 1) plt.imshow(girls7)
5. openCV操作视频
#导入对应库 import numpy as np import cv2 #读取视频 cap = cv2.VideoCapture('./video.mp4') #读取视频中的每一帧数据 flag,frame = cap.read() #播放视频画面 一帧 cv2.imshow('nothing',frame) cv2.waitKey(0) cv2.destroyAllWindows() #循环播放每一帧画面 while cap.isOpened(): #每一帧数据都读取 flag,frame = cap.read() cv2.imshow('norhing',frame) #读取到最后一帧 if flag == False: break #输入q为退出 if ord('q') == cv2.waitKey(5): break cv2.destroyAllWindows() #资源释放 cap.release #参数为零调取本地摄像头 # cap = cv2.VideoCapture(0) cap = cv2.VideoCapture('./video.mp4') #调取训练集 https://github.com/opencv/opencv/tree/master/data/haarcascades_cuda detector = cv2.CascadeClassifier('./haarcascade_frontalface_default.xml') while cap.isOpened(): flag,frame = cap.read() #设置红色圆圈圈出人脸 gray = cv2.cvtColor(frame,code = cv2.COLOR_BGR2BGRA) #设置对应参数，获得最优识别 face_zone = detector.detectMultiScale(gray,scaleFactor = 1.3, minNeighbors = 5) #对应坐标画圆 for x,y,w,h in face_zone: cv2.circle(frame,center = (x + w//2,y + h//2),radius = w//2, color = [0,0,255],thickness = 2) if flag == False: break cv2.imshow('norhing',frame) if ord('q') == cv2.waitKey(5): break cv2.destroyAllWindows() cap.release