第四节课 视频&图像处理

本文主要是介绍第四节课 视频&图像处理，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

1.人脸识别和图像处理相结合——将图片中的人脸高斯模糊

首先需要使用dlib工具进行人脸识别并输出人脸坐标

import cv2
import dlib
import numpy as np
import matplotlib.pyplot as plt

path="girl.png"
img=cv2.imread(path)
gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

detector=dlib.get_frontal_face_detector()
predictor=dlib.shape_predictor('/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages/face_recognition_models/models/shape_predictor_68_face_landmarks.dat')


    # 人脸数rects
rects = detector(img, 0)
for i in range(len(rects)):
    landmarks = np.matrix([[p.x, p.y] for p in predictor(path, rects[i]).parts()])
for idx, point in enumerate(landmarks):
            # 81点的坐标
    pos = (point[0, 0], point[0, 1])
            # 利用cv2.circle给每个特征点画一个圈，共81个
    cv2.circle(path, pos, 2, color=(0, 255, 0))
            # 利用cv2.putText输出1-81
    font = cv2.FONT_HERSHEY_SIMPLEX
    cv2.putText(path, str(idx + 1), pos, font, 0.3, (0, 0, 255), 1, cv2.LINE_AA)
    print("index=" + str(idx+1) + " x=" + str(pos[0]) + " y=" + str(pos[1]))
plt.imshow(path)
plt.show()
if cv2.waitKey(1) & 0xFF == ord('q'):
    print("q pressed")
cap.release()
cv2.destroyAllWindows()

输出结果： 

 然后使用PIL进行局部高斯模糊

在高斯模糊区域输入上一个代码生成的坐标

from PIL import Image, ImageFilter

class MyGaussianBlur(ImageFilter.Filter):
    name = "GaussianBlur"

    def __init__(self, radius=2, bounds=None):
        self.radius = radius
        self.bounds = bounds

    def filter(self, image):
        if self.bounds:
            clips = image.crop(self.bounds).gaussian_blur(self.radius)
            image.paste(clips, self.bounds)
            return image
        else:
            return image.gaussian_blur(self.radius)

bounds = (228,228,377,377)
image = Image.open('girl.png')
image = image.filter(MyGaussianBlur(radius=29, bounds=bounds))
plt.imshow(image)# 绘制图像image
plt.axis('off')
plt.show()

结果：

2.ffmpeg的应用

安装ffmpeg：首先要安装drew 然后再安装ffmpeg

转换视频格式

ffmpeg -i /Users/tiankaichun/Desktop/ghz.mp4 -b:v 640k ghz.flv

使用该命令将mp4格式转换为640kbps的flv格式

这里要注意命令的空格等格式，打错了很可能会失败

视频将会保存在tiankaichun这个文件夹下

3.pillow图像处理

安装pillow包：pip install pillow

（1）生成灰度图

from PIL import Image
import os
import matplotlib.pyplot as plt

im=Image.open('girl.png').convert("L")#灰度图
print(im.format,im.size,im.mode)

plt.imshow(im)
plt.title("girl")
plt.axis('off')
plt.show()

（2）复制图像中的区域并进行粘贴

import matplotlib.pyplot as plt
from PIL import Image
image = Image.open('IMG_3634.JPG')  # 打开图像
box = (1980,300,3000,800) # 截取区域 (x0, y0, x1, y1)
image_crop = image.crop(box) # 按指定截取区域对图像进行截取复制
image_crop.save("image_crop.jpg") # 保存

image_crop = Image.open("image_crop.jpg")

plt.subplot(2,1,1)
plt.imshow(image)# 绘制图像image
plt.axis('off')

plt.subplot(2,1,2)
plt.imshow(image_crop)
plt.axis('off')
plt.show()

image_crop = image_crop.transpose(Image.ROTATE_180) # 转180度
image.paste(image_crop,box) # 将转180度后的图像粘贴到原图像

image.save('image_paste.jpg')
image_paste = Image.open("image_paste.jpg")
plt.subplot(2,1,2)
plt.imshow(image_paste)# 绘制图像image
plt.axis('off')
plt.show()

 box的数值需要一点点更改直到合适位置

最终效果：

4.使用opencv对视频进行处理

把视频按照帧数转换成图片

import os
import cv2

v_path='ghz.mp4'
image_save='./pic'#需要新建一个名为‘pic’的文件夹

cap=cv2.VideoCapture(v_path)
frame_count=cap.get(cv2.CAP_PROP_FRAME_COUNT)

for i in range(int(frame_count)):
    _,img=cap.read()
    img=cv2.cvtColor(img,cv2.cv2.COLOR_BGR2GRAY)#灰度图
    cv2.imwrite('./pic/image{}.jpg'.format(i),img)

一定要记得新建文件夹用于保存图片

结果：

这篇关于第四节课 视频&图像处理的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！