python 实时调取摄像头的示例代码
调取摄像头的实现
importnumpyasnp
importcv2
cap=cv2.VideoCapture(0)#参数为0时调用本地摄像头；url连接调取网络摄像头；文件地址获取本地视频
while(True):
ret,frame=cap.read()
#灰度化
gray=cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
cv2.imshow('frame',gray)
#普通图片
cv2.imshow('frame',frame)
ifcv2.waitKey(1)&0xFF==ord('q'):
break
cap.release()
cv2.destroyAllWindows()
opencv代码
#-*-coding:utf-8-*-
"""
SpyderEditor
Thisisatemporaryscriptfile.
"""
#设置工作路径
importos
os.chdir('E:\\0yfl\\SH-spyder-workspace\\')
os.path.abspath('.')
importnumpyasnp
importcv2
#1.1读取图片imread；展示图片imshow；导出图片imwrite
#只是灰度图片
img=cv2.imread('Myhero.jpg',cv2.IMREAD_GRAYSCALE)
#彩色图片
img=cv2.imread('Myhero.jpg',cv2.IMREAD_COLOR)
#彩色以及带有透明度
img=cv2.imread('Myhero.jpg',cv2.IMREAD_UNCHANGED)
print(img)
#设置窗口可自动调节大小
cv2.namedWindow('image',cv2.WINDOW_NORMAL)
cv2.imshow('image',img)
k=cv2.waitKey(0)
#如果输入esc
ifk==27:
#exit
cv2.destroyAllWindows
#如果输入s
elifk==ord('s'):
#savepictureandexit
cv2.imwrite('Myhero_out.png',img)
cv2.destroyAllWindows()
#1.2视频读取
#打开内置摄像头
cap=cv2.VideoCapture(0)
#打开视频
cap=cv2.VideoCapture('why.mp4')
#或者视频每秒多少帧的数据
fps=cap.get(5)
i=0
while(True):
#读取一帧
ret,frame=cap.read()
#转化为灰图
gray=cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
#设置导出文件名编号
i=i+1
#每1s导出一张
ifi/fps==int(i/fps):
#导出文件名为why+编号+.png
#若想要导出灰图，则将下面frame改为gray即可
cv2.imwrite("why"+str(int(i/fps))+".png",frame)
#读完之后结束退出
ifcv2.waitKey(1)==ord('q'):
break
cap.release()
cv2.destoryAllWindows()
#1.3图像像素修改
rangexmin=100
rangexmax=120
rangeymin=90
rangeymax=100
img=cv2.imread('Myhero.jpg',0)
img[rangexmin:rangexmax,rangeymin:rangeymax]=[[255]*(rangeymax-rangeymin)]*(rangexmax-rangexmin)
cv2.imwrite('Myhero_out2.png',img)
#拆分以及合并图像通道1
b,g,r=cv2.split(img)
img=cv2.merge(b,g,r)
#png转eps，不过非常模糊
frommatplotlibimportpyplotasplt
img=cv2.imread('wechat1.png',cv2.IMREAD_COLOR)
plt.imsave('wechat_out.eps',img)
#图像按比例混合
img1=cv2.imread('Myhero.jpg',cv2.IMREAD_COLOR)
img2=cv2.imread('Myhero_out.png',cv2.IMREAD_COLOR)
dst=cv2.addWeighted(img1,0.5,img2,0.5,0)
cv2.imwrite("Myhero_combi.jpg",dst)
#1.4按位运算
#加载图像
img1=cv2.imread("Myhero.jpg")
img2=cv2.imread("why1.png")
#后面那张图更大
rows,cols,channels=img1.shape
ROI=img2[0:rows,0:cols]
#做一个ROI为图像的大小
img2gray=cv2.cvtColor(img1,cv2.COLOR_BGR2GRAY)
#小于175的改为0，大于175的赋值为255
ret,mask=cv2.threshold(img2gray,175,255,cv2.THRESH_BINARY)
cv2.imwrite("Myhero_mask.jpg",mask)
#255-mask=mask_inv
mask_inv=cv2.bitwise_not(mask)
cv2.imwrite("Myhero_mask_inv.jpg",mask_inv)
#在mask白色区域显示成ROI，背景图片
img2_bg=cv2.bitwise_and(ROI,ROI,mask=mask)
cv2.imwrite("Myhero_pic2_backgroud.jpg",img2_bg)
#除了mask以外的区域都显示成img1，前景图片
img1_fg=cv2.bitwise_and(img1,img1,mask=mask_inv)
cv2.imwrite("Myhero_pic2_frontgroud.jpg",img1_fg)
#前景图片加上背景图片
dst=cv2.add(img2_bg,img1_fg)
img2[0:rows,0:cols]=dst
cv2.imwrite("Myhero_pic2_addgroud.jpg",dst)
#finished
#构建淹膜方法2
#截取帧
ret,frame=cap.read()
#转换到HSV
hsv=cv2.cvtColor(frame,cv2.COLOR_BGR2HSV)
#设定蓝色的阈值
lower_blue=np.array([110,50,50])
upper_blue=np.array([130,255,255])
#根据阈值构建掩模
mask=cv2.inRange(hsv,lower_blue,upper_blue)
#对原图像和掩模进行位运算
res=cv2.bitwise_and(frame,frame,mask=mask)
#图片放缩，用的插值方法，所以不会损害清晰度
res=cv2.resize(img1,None,fx=2,fy=2,interpolation=cv2.INTER_CUBIC)
cv2.imwrite("Myhero_bigger.jpg",res)
#第二种插值方法
height,width=img.shape[:2]
res=cv2.resize(img,(2*width,2*height),interpolation=cv2.INTER_CUBIC)
#edge现实图片中不好用，人工画的图片还可以
img=cv2.imread('why3.png',0)
edges=cv2.Canny(img,50,100)
cv2.imwrite("why3_edge.png",edges)
#识别轮廓，并保存轮廓点contours
img=cv2.imread('why129.png')
imgray=cv2.imread('why129.png',cv2.IMREAD_GRAYSCALE)
ret,thresh=cv2.threshold(imgray,127,255,0)
cv2.imwrite("2.jpg",thresh)
image,contours,hierarchy=cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
img=cv2.drawContours(img,contours,-1,(0,255,0),3)
cv2.imwrite("3.jpg",img)
#轮廓
img=cv2.imread('why3.png',0)
ret,thresh=cv2.threshold(img,127,255,0)
contours,hierarchy=cv2.findContours(thresh,1,2)
cnt=contours[0]
#近似轮廓
epsilon=0.1*cv2.arcLength(cnt,True)
approx=cv2.approxPolyDP(cnt,epsilon,True)
img=cv2.drawContours(img,approx,-1,(0,255,0),3)
cv2.imwrite("4.jpg",img)
frommatplotlibimportpyplotasplt
#图像识别/匹配
img_rgb=cv2.imread('why174.png')
img_gray=cv2.cvtColor(img_rgb,cv2.COLOR_BGR2GRAY)
img2=img_gray.copy()
template=cv2.imread('0temp.png',0)
w,h=template.shape[::-1]
#共有六种识别方法
methods=['cv2.TM_CCOEFF','cv2.TM_CCOEFF_NORMED','cv2.TM_CCORR','cv2.TM_CCORR_NORMED','cv2.TM_SQDIFF','cv2.TM_SQDIFF_NORMED']
formethinmethods:
img=img2.copy()
#eval返回某个式子的计算结果
method=eval(meth)
#下面使用匹配方法
res=cv2.matchTemplate(img,template,method)
min_val,max_val,min_loc,max_loc=cv2.minMaxLoc(res)
ifmethodin[cv2.TM_SQDIFF,cv2.TM_SQDIFF_NORMED]:
top_left=min_loc
else:
top_left=max_loc
bottom_right=(top_left[0]+w,top_left[1]+h)
#画矩形把他框出来
cv2.rectangle(img,top_left,bottom_right,255,2)
plt.subplot(121),plt.imshow(res,cmap='gray')
plt.title('MatchingResult'),plt.xticks([]),plt.yticks([])
plt.subplot(122),plt.imshow(img,cmap='gray')
plt.title('DetectedPoint'),plt.xticks([]),plt.yticks([])
plt.suptitle(meth)
plt.show()
#这个匹配结果太差
#选取3，5，6的匹配方式会稍微好点：cv2.TM_CCORR；cv2.TM_SQDIFF，cv2.TM_SQDIFF_NORMED
#视频人脸识别
#https://blog.csdn.net/wsywb111/article/details/79152425
importcv2
fromPILimportImage
cap=cv2.VideoCapture("why.mp4")
#告诉Opencv使用人脸识别分类器
classfier=cv2.CascadeClassifier("E:\\0yfl\\opencv-master\\data\\haarcascades\\haarcascade_frontalface_alt2.xml")
count=0
whilecap.isOpened():
ret,frame=cap.read()
ifnotret:
break
grey=cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
faceRect=classfier.detectMultiScale(grey,scaleFactor=1.2,minNeighbors=3,minSize=(32,32))
iflen(faceRect)>0:
count=count+1
print(count)
#137这种程度可以识别，111没有成功识别，大概是侧脸的缘故
#截出人脸
image_name="why111.png"
frame=cv2.imread(image_name,0)
ifnot(frameisNone):
#导入测试集
classfier=cv2.CascadeClassifier("E:\\0yfl\\opencv-master\\data\\haarcascades\\haarcascade_frontalface_alt2.xml")
#使用测试集导出人脸的位置，存在faceRect中，可以检测多张人脸
faceRect=classfier.detectMultiScale(frame,scaleFactor=3.0,minNeighbors=3,minSize=(32,32))
count=0
for(x1,y1,w,h)infaceRect:
count=count+1
#截取上述图片的人脸部分并保存每一张识别出的人脸
Image.open(image_name).crop((x1,y1,x1+w,y1+h)).save(image_name.split(".")[0]+"_face_"+str(count)+".png")
ifcount==0:
print("Nofacedetected!")
else:
print("Picture"+image_name+"isnotexistin"+os.path.abspath("."))
#人脸上画出矩形
fromPILimportImage,ImageDraw
image_name="why111.png"
frame=cv2.imread(image_name,0)
ifnot(frameisNone):
classfier=cv2.CascadeClassifier("E:\\0yfl\\opencv-master\\data\\haarcascades\\haarcascade_frontalface_alt2.xml")
faceRect=classfier.detectMultiScale(frame,scaleFactor=3.0,minNeighbors=3,minSize=(32,32))
#画框框
img=Image.open(image_name)
draw_instance=ImageDraw.Draw(img)
count=0
for(x1,y1,w,h)infaceRect:
draw_instance.rectangle((x1,y1,x1+w,y1+h),outline=(255,0,0))
img.save('drawfaces_'+image_name)
count=count+1
ifcount==0:
print("Nofacedetected!")
else:
print("Picture"+image_name+"isnotexistin"+os.path.abspath("."))
#detectFaces()返回图像中所有人脸的矩形坐标（矩形左上、右下顶点）
#使用haar特征的级联分类器haarcascade_frontalface_default.xml，在haarcascades目录下还有其他的训练好的xml文件可供选择。
#注：haarcascades目录下训练好的分类器必须以灰度图作为输入。
fromPILimportImage,ImageDraw
image_name="why63.png"
frame=cv2.imread(image_name,0)
ifnot(frameisNone):
classfier=cv2.CascadeClassifier("E:\\0yfl\\opencv-master\\data\\haarcascades\\haarcascade_fullbody.xml")
faceRect=classfier.detectMultiScale(frame,scaleFactor=3.0,minNeighbors=3,minSize=(32,32))
#画框框
img=Image.open(image_name)
draw_instance=ImageDraw.Draw(img)
count=0
for(x1,y1,w,h)infaceRect:
draw_instance.rectangle((x1,y1,x1+w,y1+h),outline=(255,0,0))
img.save('drawfaces_'+image_name)
count=count+1
ifcount==0:
print("Nofacedetected!")
else:
print("Picture"+image_name+"isnotexistin"+os.path.abspath("."))
以上就是python实时调取摄像头的示例代码的详细内容，更多关于python调取摄像头的资料请关注毛票票其它相关文章！
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。