最好的网站设计公,相城区建设局网站,做门窗五金的网站,简历表格 个人简历电子版免费OpenCV: Open Source Computer Vision Library OpenCV是一个开源的计算机视觉库#xff0c;它提供了很多函数#xff0c;这些函数非常高效地实现了计算机视觉算法 OpenCV官网#xff1a;http://www.opencv.org.cn/ OpenCV 使用 C/C 开发#xff0c;同时也提供了 Python、Ja…
OpenCV: Open Source Computer Vision Library OpenCV是一个开源的计算机视觉库它提供了很多函数这些函数非常高效地实现了计算机视觉算法 OpenCV官网http://www.opencv.org.cn/ OpenCV 使用 C/C 开发同时也提供了 Python、Java、MATLAB 等其他语言的接口。 OpenCV 是跨平台的可以在 Windows、Linux、Mac OS、Android、iOS 等操作系统上运行。 OpenCV 的应用领域非常广泛包括图像拼接、图像降噪、产品质检、人机交互、人脸识别、动作识别、动作跟踪、无人驾驶等。 OpenCV 还提供了机器学习模块你可以使用正态贝叶斯、K最近邻、支持向量机、决策树、随机森林、人工神经网络等机器学习算法。
Opencv 安装
1. 安装Python3,并配置环境变量 2. pip install opencv-python 3. pip install opencv-contrib-python
OpenCV实现UI自动化
在做UI自动化的过程中会发现很多控件的元素是一样的或者是找不到的 如何解决痛点通过图片灰度处理返回坐标xy找到控件的位置 需要使用两个图 1.整个页面截图 2.控件的图
OpenCV中使用matchTemplate函数来实现模板匹配
cv2.matchTemplate(image, templ, method, resultNone, maskNone) image待搜索图像 templ背景图像 result匹配结果 method计算匹配程度的方法 OpenCV图像匹配方法
关于匹配方法使用不同的方法产生的结果的意义可能不太一样有些返回的值越大表示匹配程度越好而有些方法返回的值越小表示匹配程度越好。
关于参数 method CV_TM_SQDIFF 平方差匹配法该方法采用平方差来进行匹配最好的匹配值为0匹配越差匹配值越大。 CV_TM_CCORR 相关匹配法该方法采用乘法操作数值越大表明匹配程度越好。 CV_TM_CCOEFF 相关系数匹配法1表示完美的匹配-1表示最差的匹配。 CV_TM_SQDIFF_NORMED 归一化平方差匹配法 CV_TM_CCORR_NORMED 归一化相关匹配法 CV_TM_CCOEFF_NORMED 归一化相关系数匹配法 通过MinMaxLoc获取最后的最佳匹配结果
利用OpenCV minMaxLoc 传入的参数就是matchTemplate的返回值minMaxLoc自己的返回值是一个元素分别为(最小值最大值最小值所在点坐标最大值所在点坐标) res cv2.matchTemplate(_tran_canny(image), _tran_canny(template), cv2.TM_CCOEFF_NORMED) min_val, max_val, min_loc, max_loc cv2.minMaxLoc(res) 人脸识别主流程 函数训练
Opencv有很多的检测器可以打开opencv的安装路径D:\Program Files\python\Lib\site-packages\cv2\data可以看见以下文件
Opencv自带的检测模型
Opencv自带训练好的人脸检测模型。其中几个.xml文件如下 人脸检测器默认haarcascade_frontalface_default.xml 人脸检测器快速Harrhaarcascade_frontalface_alt2.xml 人脸检测器侧视haarcascade_profileface.xml 眼部检测器左眼haarcascade_lefteye_2splits.xml 眼部检测器右眼haarcascade_righteye_2splits.xml 嘴部检测器haarcascade_mcs_mouth.xml 鼻子检测器haarcascade_mcs_nose.xml 身体检测器haarcascade_fullbody.xml 人脸检测器快速LBPlbpcascade_frontalface.xml
函数训练主要步骤
1.调用人脸分类器 2.用灰度的方式打开照片防止采光等问题的影响同时减少颜色因素导致的计算 3.将照片转换为技术能识别的数组 4.提取图像中人脸的识别特征 5.收集人脸信息 6.调用LBPH算法对人脸数据进行处理 7.训练数据并保存到文件中
人脸识别测试流程
1.打开摄像头 2.获取当前摄像头中的头像 3.读取训练函数的数据 4.当前头像与数据对比
