Python opencv模塊cv2安裝和部分函數(shù)使用前幾天做了一下驗證碼識別,，在這里分享一下用到的opencv模塊cv2部分函數(shù)的使用方法,，也是給自己加深一下記憶。 一,、cv2模塊安裝在這里提醒一下這里有坑歐
你如果直接用pip install cv2會報錯歐
往下看解決辦法
可以通過pip install opencv-python來進行安裝 如果pip不能安裝還可以通過 https://pypi.tuna./simple/opencv-python尋找自己python對應(yīng)的 .whl文件下載進行安裝,，我這安裝的是opencv_python-3.1.0.5-cp36-cp36m-win_amd64.whl 其中cp36是我的python版本是3.6版的，自我感覺3.6版本的.whl文件還比較好找,，只是自我觀點amd64是我安裝的python是64位的 二,、cv2模塊的使用和函數(shù)介紹1、cv2模塊的使用檢測cv2是否安裝成功 import cv2
如果不報錯就是已經(jīng)安裝成功
2,、cv2模塊的函數(shù)介紹下面來介紹一下cv2模塊的函數(shù)介紹 （1）cv2.imread() 讀入圖片參數(shù)1：圖片所在位置
提示：如果想顯示網(wǎng)頁上的圖片還可以寫參數(shù)1還可以寫成網(wǎng)頁的網(wǎng)址歐 import cv2
# 讀入圖像
img = cv2.imread("./2.jpg")
# 顯示圖像
cv2.imshow("bug", img)
cv2.waitKey(10) # 單位毫秒
cv2.destroyWindow("bug")
# 復(fù)制圖像
new_img = img.copy()
# 保存圖像
cv2.imwrite("bug-new.png", new_img)
（2）cv2.VideoCapture() 讀取圖片參數(shù)1：可以為0和1,，也可以去獲取網(wǎng)絡(luò)攝像頭的網(wǎng)址
cv2.VideoCapture(0)表示獲取電腦的攝像頭
cv2.VideoCapture(1) 表示獲取電腦外部連接的攝像頭
cv2.VideoCapture(http://192.168.0.1:8080/?action=snapshot) 表示獲取網(wǎng)絡(luò)攝像頭的視頻 import cv2
cap = cv2.VideoCapture(0) #調(diào)整參數(shù)實現(xiàn)讀取視頻或調(diào)用攝像頭
while (cap.isOpened()):
ret, frame = cap.read()
cv2.imshow("cap", frame)
if (cv2.waitKey(100) & 0xff) == ord('q'): #在一個給定的時間內(nèi)(單位ms)等待用戶按鍵觸發(fā)
break
cap.release()
cv2.destroyAllWindows()
（3）cv2.cvtColor() 顏色轉(zhuǎn)換參數(shù)1：所以轉(zhuǎn)換的圖片 參數(shù)2：要轉(zhuǎn)換的模式 cv2.COLOR_BGR2GRAY：轉(zhuǎn)換為灰度圖。cv2.COLOR_BGR2HSV：轉(zhuǎn)換為HSV顏色空間,。 （4）cv2.threshold() 二值化參數(shù)1：要灰度的圖片 參數(shù)2：閾值 參數(shù)3：最大值 參數(shù)4：轉(zhuǎn)換方式 cv2.THRESH_BINARY,、cv2.THRESH_BINARY_INV、cv2.THRESH_TRUNC,、cv2.THRESH_TOZERO,、cv2.THRESH_TOZERO_INV （5）cv2.medianBlur() 濾波參數(shù)1：要濾波的圖片 參數(shù)2：濾波尺寸大小 （6）cv2.boundingRect() 求包含輪廓的正方框參數(shù)1：要計算的某一輪廓 （7）cv2.findContours() 提取圖片輪廓參數(shù)1：要提取輪廓的圖片 參數(shù)2：提取規(guī)則,。cv2.RETR_EXTERNAL：只找外輪廓，cv2.RETR_TREE：內(nèi)外輪廓都找,。 參數(shù)3：輸出輪廓內(nèi)容格式,。cv2.CHAIN_APPROX_SIMPLE：輸出少量輪廓點。cv2.CHAIN_APPROX_NONE：輸出大量輪廓點,。 輸出參數(shù)1：提取輪廓后的圖片 輸出參數(shù)2：輪廓列表 輸出參數(shù)3：層級 下面附上我的一個驗證碼識別的代碼 # -*- coding: utf-8 -*-
import os
import cv2
import numpy as np
def split_picture(imagepath):
# 以灰度模式讀取圖片
gray = cv2.imread(imagepath, 0)
# 將圖片的邊緣變?yōu)榘咨? height, width = gray.shape
for i in range(width):
gray[0, i] = 255
gray[height-1, i] = 255
for j in range(height):
gray[j, 0] = 255
gray[j, width-1] = 255
# 中值濾波
blur = cv2.medianBlur(gray, 3) #模板大小3*3
# 二值化
ret,thresh1 = cv2.threshold(blur, 200, 255, cv2.THRESH_BINARY)
# 提取單個字符
chars_list = []
image, contours, hierarchy = cv2.findContours(thresh1, 2, 2)
for cnt in contours:
# 最小的外接矩形
x, y, w, h = cv2.boundingRect(cnt)
if x != 0 and y != 0 and w*h >= 100:
chars_list.append((x,y,w,h))
sorted_chars_list = sorted(chars_list, key=lambda x:x[0])
for i,item in enumerate(sorted_chars_list):
x, y, w, h = item
cv2.imwrite('test_verifycode/%d.jpg'%(i+1), thresh1[y:y+h, x:x+w])
def remove_edge_picture(imagepath):
image = cv2.imread(imagepath, 0)
height, width = image.shape
corner_list = [image[0,0] < 127,
image[height-1, 0] < 127,
image[0, width-1]<127,
image[ height-1, width-1] < 127
]
if sum(corner_list) >= 3:
os.remove(imagepath)
def resplit_with_parts(imagepath, parts):
image = cv2.imread(imagepath, 0)
os.remove(imagepath)
height, width = image.shape
file_name = imagepath.split('/')[-1].split(r'.')[0]
# 將圖片重新分裂成parts部分
step = width//parts # 步長
start = 0 # 起始位置
for i in range(parts):
cv2.imwrite('./test_verifycode/%s.jpg'%(file_name+'-'+str(i)), image[:, start:start+step])
start += step
def resplit(imagepath):
image = cv2.imread(imagepath, 0)
height, width = image.shape
if width >= 64:
resplit_with_parts(imagepath, 4)
elif width >= 48:
resplit_with_parts(imagepath, 3)
elif width >= 26:
resplit_with_parts(imagepath, 2)
# rename and convert to 16*20 size
def convert(dir, file):
imagepath = dir+'/'+file
# 讀取圖片
image = cv2.imread(imagepath, 0)
# 二值化
ret, thresh = cv2.threshold(image, 127, 255, cv2.THRESH_BINARY)
img = cv2.resize(thresh, (16, 20), interpolation=cv2.INTER_AREA)
# 保存圖片
cv2.imwrite('%s/%s' % (dir, file), img)
# 讀取圖片的數(shù)據(jù),，并轉(zhuǎn)化為0-1值
def Read_Data(dir, file):
imagepath = dir+'/'+file
# 讀取圖片
image = cv2.imread(imagepath, 0)
# 二值化
ret, thresh = cv2.threshold(image, 127, 255, cv2.THRESH_BINARY)
# 顯示圖片
bin_values = [1 if pixel==255 else 0 for pixel in thresh.ravel()]
return bin_values
def predict(VerifyCodePath):
dir = './test_verifycode'
files = os.listdir(dir)
# 清空原有的文件
if files:
for file in files:
os.remove(dir + '/' + file)
split_picture(VerifyCodePath)
files = os.listdir(dir)
if not files:
print('查看的文件夾為空！')
else:
# 去除噪聲圖片
for file in files:
remove_edge_picture(dir + '/' + file)
# 對黏連圖片進行重分割
for file in os.listdir(dir):
resplit(dir + '/' + file)
# 將圖片統(tǒng)一調(diào)整至16*20大小
for file in os.listdir(dir):
convert(dir, file)
# 圖片中的字符代表的向量
files = sorted(os.listdir(dir), key=lambda x: x[0])
table = np.array([Read_Data(dir, file) for file in files]).reshape(-1,20,16,1)
# 模型保存地址
mp = './verifycode_Keras.h5'
# 載入模型
from keras.models import load_model
cnn = load_model(mp)
# 模型預(yù)測
y_pred = cnn.predict(table)
predictions = np.argmax(y_pred, axis=1)
# 標簽字典
keys = range(31)
vals = ['1', '2', '3', '4', '5', '6', '7', '8', '9', 'A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'J', 'K', 'L', 'N',
'P', 'Q', 'R', 'S', 'T', 'U', 'V', 'X', 'Y', 'Z']
label_dict = dict(zip(keys, vals))
return ''.join([label_dict[pred] for pred in predictions])
def main():
dir = './VerifyCode/'
correct = 0
for i, file in enumerate(os.listdir(dir)):
true_label = file.split('.')[0]
VerifyCodePath = dir+file
pred = predict(VerifyCodePath)
if true_label == pred:
correct += 1
print(i+1, (true_label, pred), true_label == pred, correct)
total = len(os.listdir(dir))
print('\n總共圖片：%d張\n識別正確：%d張\n識別準確率:%.2f%%.' %(total, correct, correct*100/total))
main()
如需要下載以上代碼和驗證碼可點擊下面鏈接進行下載鏈接: https://pan.baidu.com/s/18yvxdn3_sD1tIjUrf56o9Q
如果發(fā)現(xiàn)錯誤可聯(lián)系我歐
|
