内容来自于Learn X in Y Minutes: Scenic Programming Language Tours
一些opencv的基础使用方法,图形绘制,边缘检测，人像识别等。
对文档中的英文进行了一些翻译，添加了中文注释，方便学习
Opencv
OpenCV（开源计算机视觉）是一个主要针对实时计算机视觉的编程函数库。它最初由英特尔开发，后来由Willow Garage和Itseez（后来被英特尔收购）支持。Opencv目前支持多种语言，如C++，Python，Java等
安装
有关在计算机上安装 OpenCV 的信息，请参阅这些文章。
- Windows 安装说明：https://opencv-python-tutroals.readthedocs.io/en/latest/py教程/pysetup/pysetupinwindows/pysetupinwindows.html#install-opencv-python-in-windows
- Mac 安装说明（(High Sierra）：https://medium.com/@nuwanprabhath/installing-opencv-in-macos-high-sierra-for-python-3-89c79f0a246a
- Linux 安装说明 （Ubuntu 18.04）： Ubuntu 18.04: How to install OpenCV - PyImageSearch
在这里，我们将重点介绍OpenCV的python实现。
# opencv读取图片
import cv2
img = cv2.imread('cat.jpg')# 显示图片
# imshow() 函数用来显示图片
cv2.imshow('Image',img)
#你的第一个参数是窗口的标题，第二个参数是image#如果你得到了错误，对象类型None，你的图像路径可能是错误的。请重新检查图像路径
cv2.waitKey(0)
# waitKey()是一个键盘绑定函数，以毫秒为单位。对于GUI事件，必须使用waitKey()函数。
# waitKey()–是在一个给定的时间内(单位ms)等待用户按键触发;
# 如果用户没有按下键,则继续等待 (循环)
# 常见 : 设置 waitKey(0) , 则表示程序会无限制的等待用户的按键事件
# 一般在 imgshow 的时候 , 如果设置 waitKey(0) , 代表按任意键继续
# 2. 显示视频时，延迟时间需要设置为 大于0的参数
# delay > 0时 , 延迟 ”delay”ms , 在显示视频时这个函数是有用的 ,
# 用于设置在显示完一帧图像后程序等待 ”delay”ms 再显示下一帧视频 ;
# 如果使用 waitKey(0) 则只会显示第一帧视频# 用于将图像保存到指定的文件。
cv2.imwrite('catgray.png',img)
# 第一个变量是文件名，第二个是图片#将图像转换为灰度
gray_image = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)#从网络摄像头捕获视频
cap = cv2.VideoCapture(0)
#0是您的相机，如果您有多个相机，您需要输入它们的ID
while(True):# 逐帧捕获_, frame = cap.read()cv2.imshow('Frame',frame)#当用户按q ->退出时if cv2.waitKey(1) & 0xFF == ord('q'):break
#摄像机必须被释放
cap.release()#从文件播放视频
cap = cv2.VideoCapture('movie.mp4')
while(cap.isOpened()):_, frame = cap.read()#以灰度播放视频gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)cv2.imshow('frame',gray)if cv2.waitKey(1) & 0xFF == ord('q'):break
cap.release()#在OpenCV中绘制线条
# cv2.line(img,(x,y),(x1,y1),(color->r,g,b->0 到 255),厚度)
cv2.line(img,(0,0),(511,511),(255,0,0),5)#绘制矩形
#cv2.矩形（img，（x，y），（x1，y1），（颜色->r，g，b->0到255），厚度）
#厚度=-1，用于填充矩形
cv2.rectangle(img,(384,0),(510,128),(0,255,0),3)# 绘制圆形
# cv2.circle(img,(圆心x,圆心y), 半径, (color->r,g,b->0 to 255), 厚度)
cv2.circle(img,(200,90), 100, (0,0,255), -1)#绘制椭圆
cv2.ellipse(img,(256,256),(100,50),0,0,180,255,-1)# 添加文字
cv2.putText(img,"Hello World!!!", (10,50), cv2.FONT_HERSHEY_SIMPLEX, 2, 255)# 图像混合
img1 = cv2.imread('cat.png')
img2 = cv2.imread('openCV.jpg')
dst = cv2.addWeighted(img1,0.5,img2,0.5,0)#阈值图像
#二值阈值
_,thresImg = cv2.threshold(img,127,255,cv2.THRESH_BINARY)
#自适应阈值
adapThres = cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY,11,2)#模糊图像
#高斯模糊
blur = cv2.GaussianBlur(img,(5,5),0)
#中值模糊
medianBlur = cv2.medianBlur(img,5)#Canny边缘检测
img = cv2.imread('cat.jpg',0)
edges = cv2.Canny(img,100,200)#基于Haar级联的人脸检测
# Download Haar Cascades from https://github.com/opencv/opencv/blob/master/data/haarcascades/
import cv2
import numpy as np
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
eye_cascade = cv2.CascadeClassifier('haarcascade_eye.xml')img = cv2.imread('human.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)faces = face_cascade.detectMultiScale(gray, 1.3, 5)
for (x,y,w,h) in faces:cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)roi_gray = gray[y:y+h, x:x+w]roi_color = img[y:y+h, x:x+w]eyes = eye_cascade.detectMultiScale(roi_gray)for (ex,ey,ew,eh) in eyes:cv2.rectangle(roi_color,(ex,ey),(ex+ew,ey+eh),(0,255,0),2)cv2.imshow('img',img)
cv2.waitKey(0)cv2.destroyAllWindows()
#destroyAllWindows（）销毁所有窗口。#如果要销毁特定窗口，请传递创建的窗口的确切名称。仅供学习，不为商业用途，如有侵权，联系删
