OpenCV檢測篇(一)——貓臉檢測
OpenCV
OpenCV是時下最流行的基於C++的開源計算機視覺庫,它功能豐富,函數衆多,從最基本的讀寫圖片,到簡單的圖像處理(比如降噪濾波、邊緣檢測、圖像變換、特徵提取等),再到更加高級的行人檢測、人臉識別、文本識別等,盡皆包含。在OpenCV提供的函數的基礎上,我們可以很方便地開發自己的應用,實現自己的算法。總的來說,就是OpenCV非常強大。具體有多強大?那得用了才知道。
很多要做人臉識別,要用到SIFT特徵的人都問過的一個問題是,爲什麼配置好opencv之後,卻找不到人臉識別的頭文件,找不到SIFT在哪?這是因爲OpenCV3.0之後,把一些還在最新的,但不是很穩定的,還在測試階段的東西放在了contrib模塊裏面。而且官方默認不帶contrib模塊。不幸的是,我們最想用的人臉識別和SIFT特徵都在contrib裏面。如果需要用的話,那就需要自己編譯了。opencv在Visual Studio上的配置和編譯contrib的方法可以參考我之前的博客。今天的內容仍然是用Python語言,最近用Python用着比較順手。
OpenCV的Python環境配置
顯然,跟衆多基於C++的庫一樣, OpenCV也是有Python接口的。Python下配置OpenCV可以用下面兩種方法:
- 官網下載並安裝OpenCV之後,在目錄
\opencv\build\python\2.7\x64
之下有一個cv2.pyd
文件,把它拷貝到python安裝目錄下的\Lib\site-packages
文件夾下面即可。需要注意的是版本要對應,比如這裏就要對應64位的Python2.7。而且目前官方自帶的只有Python2.7版本的包。如果想要其他版本怎麼辦? - 那就要說到一個神奇的網站了:
Unofficial Windows Binaries for Python Extension Packages
,這裏麪包含了幾乎所有的能用到的Python庫的安裝包,比如我們需要的OpenCV,這裏可以找到下面這麼多版本,可以適應不同的需求,還有編譯的contrib版本的,簡直是驚喜。
按照自己的環境下載相應的版本,然後還是用pip安裝,命令如下:
pip install *.whl
請把星號換成對應的名字。
我這裏用的是Python3.6包含contrib的64位的包。
貓臉檢測
喵星人真的是要統治世界了。不然爲什麼OpenCV自帶的檢測器中除了人臉檢測、行人檢測這些意料之中就應該存在的檢測器之外,還悄悄多出了貓臉檢測器呢。
今天我們就來試一下這個貓臉檢測到底 是什麼樣的?基於OpenCV的貓臉檢測十分簡單。用Python的話只有區區20行代碼。其中20行代碼中發揮主要作用的只有一個函數:
detectMultiScale()
此函數的作用是,在輸入圖像中檢測不同尺寸的對象,返回包含對象的矩形框。它接收的參數:
1.image——輸入圖像
2.scaleFactor——表示每輪檢測圖像齒輪減少的比例
3.minNeighbors——指明對象要至少被檢測到幾次才能判定對象確實存在
4.minSize——檢測對象的最小尺寸
5.maxSize——檢測對象的最大尺寸
代碼
按照慣例,註釋齊全,無需多說。
# -*- coding=utf-8 -*-
import cv2
# 加載貓臉檢測器
catPath = "haarcascade_frontalcatface.xml"
faceCascade = cv2.CascadeClassifier(catPath)
# 讀取圖片並灰度化
img = cv2.imread("cat1.jpg")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 貓臉檢測
faces = faceCascade.detectMultiScale(
gray,
scaleFactor= 1.02,
minNeighbors=3,
minSize=(150, 150),
flags=cv2.CASCADE_SCALE_IMAGE
)
# 框出貓臉並加上文字說明
for (x, y, w, h) in faces:
cv2.rectangle(img, (x, y), (x+w, y+h), (0, 0, 255), 2)
cv2.putText(img,'Cat',(x,y-7), 3, 1.2, (0, 255, 0), 2, cv2.LINE_AA)
# 顯示圖片並保存
cv2.imshow('Cat?', img)
cv2.imwrite("cat.jpg",img)
c = cv2.waitKey(0)
效果
運行Python腳本後效果如下:
舉一反三
本文雖然只是在說貓臉檢測,但是在OpenCV下,人臉檢測、行人檢測、人眼檢測等都是同樣的道理,同樣的流程。只需要把最開始相應的檢測器換掉,然後按照實際情況調節detectMultiScale()
的參數即可。比如以下是人臉檢測的效果:
下期預告
有了本文的基礎,再看下一篇內容就比較簡單了。下期內容:
OpenCV檢測篇(二)——笑臉檢測(微笑檢測)
最近申請了微信公衆號,感興趣的同學可以左側掃碼關注。