前言

在github可以看到Opencv的所有源代码

openCV官网：https://opencv.org/

openCV github：https://github.com/opencv/opencv

在这里插入图片描述

Opencv-python 是接口（API）
Opencv-python

一、实战演示

1.1 调用摄像头实时显示画面

示例代码：

# 以下代码基本是是所用以后调用摄像头的基础

# 调用摄像头，实时展示画面
# 2020-03-06

import cv2

# 获取摄像头
# 0是系统默认的摄像头 若电脑上有好几个摄像头 可以是0 1 2 3
cap = cv2.VideoCapture(0,cv2.CAP_DSHOW)
# 打开cap
cap.open(0) #摄像头会亮

# 循环
while cap.isOpened():
	# 获取画面
	# 从摄像头中获取一帧一帧的画面
	# flag：true获取画面成功 flase：失败
	# frame 获取到的画面本身 Numpy三维数组
	flag,frame = cap.read()
	# 窗口名字 my_window
	cv2.imshow('my_window',frame)
	
	# 获取键盘上按下哪个键
	# 每60ms监听一次
	key_pressed= cv2.waitKey(60)
	print('键盘上被按下的键是：',key_pressed)
	
	#  如果按下esc键，则退出循环
	# 键盘上每一个键都有它的编号
	if key_pressed == 27:
		break

# 关闭摄像头 摄像头不再捕获画面
cap.release()
# 关闭图像窗口  桌面不再显示获取到的图像
cv2.destoryAllwindows()

运行结果：

博主的运行展示
我的按键部分记录情况，摄像头画面不在此展示

1.2 实时边缘检测

边缘检测可以看我这篇文章：
Python之图像处理OpenCV 2.2 边缘检测

代码如下：

import cv2
import numpy as np
# 获取摄像头
# 0是系统默认的摄像头 若电脑上有好几个摄像头 可以是0 1 2 3
cap = cv2.VideoCapture(0,cv2.CAP_DSHOW)
# 打开cap
cap.open(0) #摄像头会亮

# 循环 如果按下esc键，则退出循环
while cap.isOpened():
	# 获取画面
	# 从摄像头中获取一帧一帧的画面
	# flag：true获取画面成功 flase：失败
	# frame 获取到的画面本身 Numpy三维数组
	flag,frame = cap.read()
	if not flag: #没有获取成功 退出
		break
	# 每60ms监听一次 获取键盘上按下哪个键
	key_pressed= cv2.waitKey(60)
	print('键盘上被按下的键是：',key_pressed)
	
	# frame = cv2.resize(frame,(100,100))
	# 进行Canny边缘检测 返回单通道图像
	# 100,195可以进行修改 不同的阈值有不同的结果
	frame = cv2.Canny(frame,100,200)
	# 将单通道图复制三份，摞成三通道图像
	frame = np.dstack((frame,frame,frame))

	# 展示处理后的三通道图像e
	cv2.imshow('my_window',frame)
	#  如果按下esc键，则退出循环
	# 键盘上每一个键都有它的编号
	if key_pressed == 27:
		break

# 关闭摄像头 摄像头不再捕获画面
cap.release()
# 关闭图像窗口  桌面不再显示获取到的图像
cv2.destoryAllwindows()

运行结果：

博主
我的
补充

1.3 实时人脸+眼睛+微笑识别

在运行该代码时，用作者的代码没有出现bug但是自己跟着敲的代码出现bug—头大

代码展示：

# 调用电脑摄像头实时人脸+眼睛+微笑识别 可直接复制粘贴运行
# 导入opencv-python
import cv2

# 载入人脸检测器、眼睛检测器、微笑检测器
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades+'haarcascade_frontalface_default.xml')

eye_cascade = cv2.CascadeClassifier(cv2.data.haarcascades+'haarcascade_eye.xml')

smile_cascade = cv2.CascadeClassifier(cv2.data.haarcascades+'haarcascade_smile.xml')

# 调用摄像头
cap = cv2.VideoCapture(0)

while(True):
    # 获取摄像头拍摄到的画面
    ret, frame = cap.read()
    faces = face_cascade.detectMultiScale(frame, 1.3, 2)
    img = frame
    for (x,y,w,h) in faces:
    	# 画出人脸框，蓝色，画笔宽度微
        img = cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)
    	# 框选出人脸区域，在人脸区域而不是全图中进行人眼检测，节省计算资源
        face_area = img[y:y+h, x:x+w]
        
        ## 人眼检测
        # 用人眼级联分类器引擎在人脸区域进行人眼识别，返回的eyes为眼睛坐标列表
        eyes = eye_cascade.detectMultiScale(face_area,1.3,10)
        for (ex,ey,ew,eh) in eyes:
            #画出人眼框，绿色，画笔宽度为1
            cv2.rectangle(face_area,(ex,ey),(ex+ew,ey+eh),(0,255,0),1)
        
        ## 微笑检测
        # 用微笑级联分类器引擎在人脸区域进行人眼识别，返回的eyes为眼睛坐标列表
        smiles = smile_cascade.detectMultiScale(face_area,scaleFactor= 1.16,minNeighbors=65,minSize=(25, 25),flags=cv2.CASCADE_SCALE_IMAGE)
        for (ex,ey,ew,eh) in smiles:
            #画出微笑框，红色（BGR色彩体系），画笔宽度为1
            cv2.rectangle(face_area,(ex,ey),(ex+ew,ey+eh),(0,0,255),1)
            cv2.putText(img,'Smile',(x,y-7), 3, 1.2, (0, 0, 255), 2, cv2.LINE_AA)
        
	# 实时展示效果画面
    cv2.imshow('frame2',img)
    # 每5毫秒监听一次键盘动作
    if cv2.waitKey(5) & 0xFF == ord('q'):
        break

# 最后，关闭所有窗口
cap.release()
cv2.destroyAllWindows()

ord(‘q’)：返回q对应的Unicode码对应的值，q对应的Unicode数值为113。

cv2.waitKey(1)：返回与按下键值对应的32位整数。

0xFF：0xFF是一个位掩码，它将左边的24位设置为0。因为ord()在0和255之间返回一个值，因为您的键盘只有一个有限的字符集。

运行结果：