Python-OpenCV 处理视频（二）：视频处理

534 查看

0x00. 使用 Canny 算法边缘识别

Canny 算法是一种多级边缘识别算法。

Canny边缘识别算法可以分为以下5个步骤：

应用高斯滤波来平滑图像，目的是去除噪声。
找寻图像的强度梯度（intensity gradients）。
应用非最大抑制（non-maximum suppression）技术来消除边误检（本来不是但检测出来是）。
应用双阈值的方法来决定可能的（潜在的）边界。
利用滞后技术来跟踪边界。

具体原理性质的东西可以参考这里

读取本地视频处理代码示例:

import cv2.cv as cv

capture = cv.CaptureFromFile('img/myvideo.avi')

nbFrames = int(cv.GetCaptureProperty(capture, cv.CV_CAP_PROP_FRAME_COUNT))

fps = cv.GetCaptureProperty(capture, cv.CV_CAP_PROP_FPS)

wait = int(1/fps * 1000/1)

dst = cv.CreateImage((int(cv.GetCaptureProperty(capture, cv.CV_CAP_PROP_FRAME_WIDTH)),

int(cv.GetCaptureProperty(capture, cv.CV_CAP_PROP_FRAME_HEIGHT))), 8, 1)

for f in xrange( nbFrames ):

frame = cv.QueryFrame(capture)

cv.CvtColor(frame, dst, cv.CV_BGR2GRAY)

cv.Canny(dst, dst, 125, 350)

cv.Threshold(dst, dst, 128, 255, cv.CV_THRESH_BINARY_INV)

cv.ShowImage("The Video", frame)

cv.ShowImage("The Dst", dst)

cv.WaitKey(wait)

直接处理摄像头视频：

import cv2.cv as cv

capture = cv.CaptureFromCAM(0)

dst = cv.CreateImage((int(cv.GetCaptureProperty(capture, cv.CV_CAP_PROP_FRAME_WIDTH)),

int(cv.GetCaptureProperty(capture, cv.CV_CAP_PROP_FRAME_HEIGHT))), 8, 1)

while True:

frame = cv.QueryFrame(capture)

cv.CvtColor(frame, dst, cv.CV_BGR2GRAY)

cv.Canny(dst, dst, 125, 350)

cv.Threshold(dst, dst, 128, 255, cv.CV_THRESH_BINARY_INV)

cv.ShowImage("The Video", frame)

cv.ShowImage("The Dst", dst)

c = cv.WaitKey(1)

if c == 27: #Esc on Windows

break

0x01. 人脸识别

使用OpenCV可以很简单的检测出视频中的人脸等：

import cv2.cv as cv

capture=cv.CaptureFromCAM(0)

hc = cv.Load("haarcascades/haarcascade_frontalface_alt.xml")

while True:

frame=cv.QueryFrame(capture)

faces = cv.HaarDetectObjects(frame, hc, cv.CreateMemStorage(), 1.2,2, cv.CV_HAAR_DO_CANNY_PRUNING, (0,0) )

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

cv.Rectangle(frame,(int(x),int(y)),(int(x)+w,int(y)+h),(0,255,0),2,0)

cv.ShowImage("Window",frame)

c=cv.WaitKey(1)

if c==27 or c == 1048603: #If Esc entered

break

Python-OpenCV 处理视频（二）： 视频处理

0x01. 人脸识别

Python-OpenCV 处理视频（二）：视频处理