python 如何使用攝像頭（opencv）

2019.12.08

關(guān)注

1如何使用opencv 調(diào)取攝像頭

import cv2

#采用opencv的庫(kù)函數(shù)去調(diào)用攝像頭

import time

cap=cv2.VideoCapture(0)

#cv2.VideoCapture(0)代表調(diào)取攝像頭資源，其中0代表電腦攝像頭，1代表外接攝像頭(usb攝像頭)

cap.set(3,900)

cap.set(4,900)

# cap.set（）設(shè)置攝像頭參數(shù)：3:寬 4:高

while(cap.isOpened()):

#cap.isOpened()返回布爾值，來(lái)查看是否攝像頭初始化成功

ret_flag, Vshow = cap.read()

#cap.read()返回兩個(gè)值，第一個(gè)值為布爾值，如果視頻正確，那么就返回true, 第二個(gè)值代表圖像三維像素矩陣

cv2.imshow('Capture', Vshow)

k=cv2.waitKey(1)

#重中之重，這個(gè)必須有，這個(gè)獲取字母，但是一直不能通過(guò),即等待一定時(shí)間內(nèi)的用戶反饋，如果用戶沒(méi)有按下按鍵，則繼續(xù)等待循環(huán)。

Waitkey(0):無(wú)限等待按鍵

Waitkey(1):等待1毫秒，沒(méi)有繼續(xù)刷新

Waitkey(100):等待用戶100毫秒，沒(méi)有繼續(xù)刷新

且實(shí)現(xiàn)這個(gè)按下q的功能，必須是在opencv窗口中才能實(shí)現(xiàn)，而不是在terminal中

if k==ord('s'):

print('222222')

print(cap.get(3))

print(cap.get(4))

elif k==ord('q'):

print('完成')

break

print('攝像頭捕獲成功')

# pass

# time.sleep(1)

cap.release()

cv2.destoryAllWindows()

代碼：

import cv2

import time

cap=cv2.VideoCapture(0)

cap.set(3,900)

cap.set(4,900)

while(cap.isOpened()):

ret_flag, Vshow = cap.read()

cv2.imshow('Capture', Vshow)

k=cv2.waitKey(1)

if k==ord('s'):

print('222222')

print(cap.get(3))

print(cap.get(4))

elif k==ord('q'):

print('完成')

break

#print('攝像頭捕獲成功')

# pass

# time.sleep(1)

cap.release()

cv2.destoryAllWindows()

OpenCV-Python（1）在Python中使用OpenCV進(jìn)行人臉檢測(cè)

OpenCV是如今最流行的計(jì)算機(jī)視覺(jué)庫(kù)，而我們今天就是要學(xué)習(xí)如何安裝使用OpenCV，以及如何去訪問(wèn)我們的攝像頭。然后我們一起來(lái)看看寫一個(gè)人臉檢測(cè)程序是如何地簡(jiǎn)單，簡(jiǎn)單到只需要幾行代碼。

在開始之前，我假設(shè)你已經(jīng)對(duì)Python有一定的了解。當(dāng)然，如果你覺(jué)得你還不夠格，這里有推薦一些學(xué)習(xí)Python的電子書，你可以先學(xué)習(xí)下Python，如此可以讓你更好地理解接下來(lái)的步驟。另外，這里還推薦一本電子書來(lái)學(xué)習(xí)OpenCV。

好，不浪費(fèi)時(shí)間，開始吧。

To setup opencv in python environment you will need these things ready ( match the versions to follow along with this tutorial),
首先我們需要先準(zhǔn)備好這些環(huán)境（版本記得配好）：

Python 2.x
OpenCV 3 （2也行，同理
Numpy庫(kù) (這個(gè)可以在稍后用pip下載)

首先，對(duì)于下載Python，我們可以先到官網(wǎng)上下對(duì)應(yīng)的版本，如果是Windows就可能是msi格式的版本，如果是Mac就可能是pkg格式的安裝包，如果是Linux則可能是源碼包。

安裝和Python后打開命令行就可以使用pip命令進(jìn)行Python包的安裝了，如：

由于OpenCV使用Numpy庫(kù)，因此先通過(guò)命令pip install numpy安裝Numpy庫(kù)。安裝完后，嘗試導(dǎo)入，沒(méi)有報(bào)錯(cuò)則ok：

然后進(jìn)入OpenCV官網(wǎng)下對(duì)應(yīng)的版本并安裝，嘗試導(dǎo)入：

嘗試人臉檢測(cè)

準(zhǔn)備：我們需要準(zhǔn)備pretrained分類器，在github里面的opencv源碼中下載，搜索就好

萬(wàn)事俱備，只欠東風(fēng)。我們來(lái)寫代碼檢測(cè)人臉吧，來(lái)一發(fā)OpenCV的Hello world。

在這里我們準(zhǔn)備使用pre-trained的XML文件（這個(gè)文件下載方法：在github上找到opencv，然后找到，然后找到文件，采用右鍵下載就可以了），這些XML文件都較難訓(xùn)練，但是我們不需要擔(dān)心，因此OpenCV已經(jīng)為我們提供了很多人臉檢測(cè)相關(guān)的pre-trained分類器。

想要使用這寫分類器，我們需要將分類器的XML文件haarcascade_frontalface_default.xml從opencv文件夾/sources/data/haarcascades/下復(fù)制到我們的項(xiàng)目目錄下，就是我們將要寫程序的目錄下。如果沒(méi)有opencv文件夾/sources/data/haarcascades/這個(gè)目錄，可以嘗試找一下opencv文件夾/share/OpenCV/haarcascades/。只要找到如下文件即可：

然后如果我們要加載這個(gè)分類器的話，如此就好：

detector = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

然后接下來(lái)我們先來(lái)測(cè)試一下攝像頭吧，

cap = cv2.VideoCapture(0)

ret, img = cap.read()

cv2.imshow('windowname', img)

cv2.waitKey(0)

# 釋放攝像頭資源

cap.release()

以上的代碼是調(diào)用你電腦的0號(hào)攝像頭，并展示出來(lái)。當(dāng)然，如果你有多個(gè)攝像頭，那么你也可以試試別的id，修改VideoCapture函數(shù)的參數(shù)即可。

其中cap.read()就是從攝像頭獲取到圖像，這個(gè)函數(shù)返回了兩個(gè)變量，第一個(gè)為布爾值表示成功與否，以及第二個(gè)是圖像。

然后程序通過(guò)imshow()展示圖片，其第一個(gè)傳入的參數(shù)為窗口的名稱，而第二個(gè)就是要展示的圖片，以上代碼傳入的就是我們的自拍。

而waitKey是用來(lái)停在圖片的展示界面，讓你看清楚，參數(shù)可以是10、100、1000等，單位是毫秒，這里填0就是一直停著。注意了，如果停留的時(shí)間不夠久，就可能看不見imshow的照片了。

運(yùn)行了這段代碼，你將會(huì)看到攝像頭所拍攝的畫面，一般來(lái)說(shuō)就是你自己了。

接下來(lái)我們將圖片先轉(zhuǎn)換為灰度圖片，

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

然后就開始了人臉檢測(cè)之旅：

faces = detector.detectMultiScale(gray, 1.3, 5)

以上的這句代碼會(huì)等到一串list，list中的每個(gè)都有x, y, height, width四個(gè)變量。其中l(wèi)ist表示檢測(cè)到的人臉，即list的size就是人臉的個(gè)數(shù)，而每個(gè)人臉在圖片中的位置是（x, y, height, width）。

為了能讓我們更直觀地看出來(lái)檢測(cè)結(jié)果，我們將這些人臉框出來(lái)：

for (x, y, w, h) in faces:

cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)

更進(jìn)一步

現(xiàn)在我們已經(jīng)通過(guò)攝像頭檢測(cè)到人臉了，但是我們真正需要的是不是一張靜態(tài)的圖片，我們需要的是一個(gè)能檢測(cè)的實(shí)時(shí)動(dòng)態(tài)視頻流。因此我們加一個(gè)循環(huán)，然后不斷的檢測(cè)，最終在顯示在新窗口中。

detector = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

cap = cv2.VideoCapture(0)

while True:

ret, img = cap.read()

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

faces = detector.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)

cv2.imshow('frame', img)

if cv2.waitKey(1) & 0xFF == ord('q'):

break

cap.release()