文档介绍：OpenCV库的简介
Python图形图像处理库的介绍之Image模块
python图形处理库PIL(Python Image Library)的介绍
python django opencv 脸部识别的小游戏
前言
关于opencv
puterVersion)。它由一系列C函数和少量 C++类构成,实现了图像处理和计算机视觉方面的很多通用算法。
?
OpenCV 拥有包括 300 多个C函数的跨平台的中、高层 API。它不依赖于其它的外部库——尽管也可以使用某些外部库。OpenCV 对非商业应用和商业应用都是免费的。同时OpenCV提供了对硬件的访问,可以直接访问摄像头,并且opencv还提供了一个简单的GUI(graphics user interface)系统:highgui。我们就通过OpenCV提供的一些方法来构造出这个人脸检测(face detection)程序来。
opencv的python包装
?
OpenCV本身是有C/C++编写的,如果要在其他语言中使用,我们可以通过对其动态链接库文件进行包装即可,幸运的是,Python下有很多个这样的包装,本文中使用的是Cvtypes。
?
事实上,在Python中很多的包都是来自第三方的,比如PIL(PythonImage Library)即为C语言实现的一个图形处理包,被包装到了Python中,这些包装可以让你像使用Python的内建函数一样的使用这些API。
?
人脸检测原理
人脸检测属于目标检测(object detection)的一部分,主要涉及两个方面
先对要检测的目标对象进行概率统计,从而知道待检测对象的一些特征,建立起目标检测模型。
用得到的模型来匹配输入的图像,如果有匹配则输出匹配的区域,否则什么也不做。
?
计算机视觉
计算机的视觉系统,跟人的眼睛是大不相同的,但是其中也有类似之处。人眼之能够看到物体,是通过物体上反射出来的光线刺激人眼的感光细胞,然后视觉神经在大脑中形成物体的像。计算机通过摄像头看到的东西要简单的多,简单来说,就是一堆由数字组成的矩阵。这些数字表明了物体发出的光的强弱,摄像头的光敏元件将光信号转化成数字信号,将其量化为矩阵。
如何从这些数字中得出:"这是一个人脸"的结论,是一个比较复杂的事情。物理世界是彩色的,一般来说,计算机中的彩色图片都是由若干个色彩通道累积出来的,比如RGB模式的图片,有红色通道(Red),绿色通道(Green)和蓝色通道(Blue),这三个通道都是灰度图,比如一个点由8位来表示,则一个通道可以表示2^8=256个灰度。那样三个通道进行叠加以后可以表3*8=24位种色彩,也就是我们常说的24位真彩。
对这样的图片做处理,无疑是一件很复杂的事,所以有必要先将彩色图转为灰度图,那样可以减少数据量(比如RGB模式,可以减少到原图片的1/3),同时可以去掉一些噪声信号。先将图片转化为灰度图,然后将这个灰度图的对比度增高,这样可以使得图片本来暗的地方更暗,亮的地方更亮一些。这样处理以后,图片就更容易被算法设别出来了。
Harr特征级联表
OpenCV在物体检测上使用的是haar特征的级联表,这个级联表中包含的是boost的分类器。首先,人们采用样本的haar特征进行分类器的训练,从而得到一个级联的