网站建设、公众号开发、微网站、微商城、小程序就找牛创网络 !

7*24小时服务专线： 152-150-65-006 023-68263070 扫描二维码加我微信

行业资讯团结互助，让我们共同进步！

当前位置：主页 > 技术资讯 > 新闻资讯 > 行业资讯 >

我们的优势： 10年相关行业经验，专业设计师量身定制设计师一对一服务模式，上百家客户案例！企业保证，正规流程，正规合作 7*24小时在线服务，售后无忧

分享有关Python人脸识别的代码-图像扩展和腐蚀，动态人脸识别以及图像人脸识别

文章来源：重庆网站建设围观次数：

分享到:

摘要：今天分享有关Python图像扩展和腐蚀，图像人脸识别和动态人脸识别的代码。

今天分享有关Python图像扩展和腐蚀，图像人脸识别和动态人脸识别的代码。

Python图像扩展和腐蚀

图像的膨胀和腐蚀主要是为了找到图像中的最大和最小面积。代码中的结构元素意味着：有两个图像B和X。如果X是要处理的对象，而B用于处理X，则B称为结构元素，也称为刷子。结构元素通常是相对较小的图像。

"""图片膨胀与腐蚀"""

import cv2

#读取图片：cv2.imread(路径，num)

img = cv2.imread("1.jpg",0)

#构造一个3*3的结构元素

elment = cv2.getStructuringElement(cv2.MORPH_RECT,(3,3))

#膨胀图像cv2.dilate(图像,元素结构)

dilate = cv2.dilate(img,elment)

#腐蚀图像cv2.erode(图像,元素结构)

erode = cv2.erode(img,elment)

#将两幅图像相减获得边，第一个参数是膨胀后的图像，第二个参数是腐蚀后的图像

result = cv2.absdiff(dilate,erode)

#阈值类型：'TERM_CRITERIA_COUNT', 'TERM_CRITERIA_EPS', 'TERM_CRITERIA_MAX_ITER',

# 'THRESH_BINARY', 'THRESH_BINARY_INV', 'THRESH_MASK', 'THRESH_OTSU',

# 'THRESH_TOZERO_INV', 'THRESH_TRIANGLE', 'THRESH_TRUNC'

retval,result = cv2.threshold(result,50,255,cv2.THRESH_BINARY);

#反色，即对二值图像每个像素取反

result = cv2.bitwise_not(result);

#显示图像

cv2.imshow('origin',img)

#原图

cv2.imshow('result',result)

#边缘检测图

cv2.waitKey(0)

cv2.destroyAllWindows()

动态人脸识别

动态人脸识别不需要停止等待，只要出现在一定的识别范围内，无论是走路还是站着，系统都会自动识别它，也就是说，如果人们以自然的方式走过去，相机将继续捕获和收集信息，并发布用于动态人脸识别的指令。

第一件事是基于面部器官的形状描述和它们之间的间隔特性，获得有助于面部分类的特征数据。特征权重通常包括特征点之间的欧氏间隔，曲率和视点。

import cv2

# 1.使用OpenCV的分类器

# 2.从摄像头或本地中读取照片

# 3.在图片上换框

# 4.在新窗口上展示图片

# 1.使用OpenCV的分类器/特征库

detector = cv2.CascadeClassifier('haarcascade_frontalface_alt2.xml')

# 2.从摄像头或本地中读取照片

cap = cv2.VideoCapture(0)

while True:

ret,img = cap.read()

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

# 3.在图片上换框

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

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

cv2.imshow('frame',img)

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

break

# 4.在新窗口上展示图片

cap.release()

cv2.destroyAllWindows()

图片人脸识别

图像人脸识别分为以下步骤：

图像灰度，几何变换，图像增强，归一化，特征点定位，面部对齐和面部特征捕获。

"""人脸检测"""

import cv2

#调用人脸检测特征库

face = cv2.CascadeClassifier('haarcascade_frontalface_alt2.xml')

#读取图像文件

sample_imag = cv2.imread('1.jpg')

#人脸检测

faces = face.detectMultiScale(sample_imag,scaleFactor=1.1,minNeig hbors=5,minSize=(10,10))

#画框处理

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

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

#结果写入图像

cv2.imwrite('face.jpg',sample_imag)

print("detect success")

#新建窗口显示图像

cv2.namedWindow("Image")

cv2.imshow("Image",sample_imag)

cv2.waitKey(0)

cv2.destroyAllWindows()

本文由重庆网站建设整理发布,转载请保留出处，内容部分来自于互联网，如有侵权请联系我们删除。

上一篇：如何设计电商网站的导航栏？
下一篇：当下最热门的企业网站类型包括哪些？

关于我们

重庆牛创网络科技有限责任公司是一群技术强大、思维活跃、拥有创新精神的年轻人创立，公司致力于为企业提供全面、周到、专业的互联网解决方案，提供网站建设、网络推广、网络安全审计、wifi营销认证、网站运营维护、域名注册、虚拟主机、企业邮局、企业形象设计等多种信息产品和服务。

联系我们

公司电话： 023—68263070
办公地址：重庆市北碚区金华路399号
邮箱：120481297@qq.com
技术咨询：15215065006

“互联网+”方案

重庆网站建设

备案图标渝ICP备19004889号-1 渝公网安备 50010902000896号

行业安全认证

行业资讯团结互助，让我们共同进步！

分享有关Python人脸识别的代码-图像扩展和腐蚀，动态人脸识别以及图像人脸识别

热门资讯

关于我们

联系我们

“互联网+”方案