锐客网

  1. 首页 > 睿知 > it技术 > >

opencv 灰度图二分类 （人脸识别 非HOG）sklearn 机器学习

IT知识机器学习人脸识别

历览千载书，时时见遗烈。这篇文章主要讲述opencv 灰度图二分类 （人脸识别 非HOG）sklearn 机器学习相关的知识，希望能为你提供帮助。

运行效果
基本实现灰度二分类，分类器采用sgd分类器

opencv 灰度图二分类 （人脸识别 非HOG）sklearn 机器学习

文章图片

opencv 灰度图二分类 （人脸识别 非HOG）sklearn 机器学习

文章图片

声明
本人非常菜、这些demo仅供大家参考，以至于可以快速训练出，
如手写数字识别的demo程序，模型没有评估，如需要学习可以看我的机器学习与深度学习博客专栏里的内容。
代码实现
样本采取与检测（直接复制 不能Run、需要自己修改，仅供参考）代码多的原因 自己写了opencv的一些工具函数、读者可以忽略、直接从main函数开始看
【opencv 灰度图二分类 （人脸识别 非HOG）sklearn 机器学习】
import cv2
import numpy as np
import pickle
# test opencv
"""
print(cv2.__version__)
img=cv2.imread("1.png")
cv2.imshow("output",img)
"""
# 获得灰度图像
def get_Gray(img):
return cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

#高斯滤波
def get_gaussianBlur(img,size):
return cv2.GaussianBlur(img,size,0)

#Canny边缘检测
def get_canny(img,low,high):
return cv2.Canny(img,low,high)

#dilate膨胀
def get_dilate(imgCanny,size,num):
return cv2.dilate(imgCanny,np.ones(size,np.uint8),iterations=1)

#erode腐蚀
def get_eroded(imgCanny,size,num):
return cv2.erode(imgCanny,np.ones(size,np.uint8),iterations=1)

#resize放大缩小图像
def get_resize(img,mul):
return cv2.resize(img,(int(img.shape[1]*mul),int(img.shape[0]*mul)))

#截取图像
def get_cut(img,y_s,y_e,x_s,x_e):
return img[y_s:y_e,x_s:x_e]

#zeros定义空图像
def get_zeros(w,h,channels):
return np.zeros((w,h,channels),np.uint8)

#图像置色
def get_setColor(img,b,g,r):
img[:]=r,g,b
return img

#line画直线
def get_line(img,start,end,bgr,weight):
cv2.line(img,start,end,bgr,weight)
return img

#rectangle画矩形
def get_rect(img,start,end,bgr,weight):
cv2.rectangle(img,start,end,bgr,weight)
return img

#circle画圆
def get_circle(img,point,r,bgr,weight):
cv2.circle(img,point,r,bgr,weight)
return img

#putText画文字
def get_putText(img,text,point,size,bgr,weight):
cv2.putText(img,text,point,cv2.FONT_HERSHEY_COMPLEX,size,bgr,weight)
return img

#仿射变换
def get_transformation(img,list,width,height):
list=np.float32(list)
size=np.float32([[0,0],[width,0],[0,height],[width,height]])
matrix=cv2.getPerspectiveTransform(list,size)
return cv2.warpPerspective(img,matrix,(width,height))

#HSV色彩空间
def get_HSVspace(img):
return cv2.cvtColor(img,cv2.COLOR_BGR2HSV)

#namedWindow定义窗口
def get_namedWindow(name):
cv2.namedWindow(str(name),0)
#cv2.resizeWindow(str(name),200,200)


#createTrackBar创建滑动条
def get_Trackbar(window,name,min,max,function):
cv2.createTrackbar(name,window,min,max,function)

#getTrackbarPos获得滑动条的值
def get_TrackbarPos(window,name):
return cv2.getTrackbarPos(name,window)

#inRange
def get_inRange(img,min_hsv_list,max_hsv_list):
lower=np.array(min_hsv_list)
upper=np.array(max_hsv_list)
return cv2.inRange(img,lower,upper)

#bitwise_and与操作
def get_and(imglist,mask):
img=imglist[0]
for i in imglist:
img=cv2.bitwise_and(img,i,mask=mask)
return img


#findContours轮廓发现
#检测模式
#cv2.RETR_EXTERNAL：只检测最外层轮廓，并置hierarchy[i][2]=hierarchy[i][3]=-1
#cv2.RETR_LIST：提取所有轮廓并记录在列表中，轮廓之间无等级关系
#cv2.RETR_CCOMP：提取所有轮廓并建立双层结构（顶层为连通域的外围轮廓，底层为孔的内层边界）
#cv2.RETR_TREE：提取所有轮廓，并重新建立轮廓层次结构
#逼近方法
#cv2.CHAIN_APPROX_NONE：获取每个轮廓的每个元素，相邻像素的位置差不超过1，即连续的点，但通常我们并不需要所有的点
#cv2.CHAIN_APPROX_SIMPLE：压缩水平方向、垂直方向和对角线方向的元素，保留该方向的终点坐标，如矩形的轮廓可用4个角点表示，这是一种常用的方法，比第一种方法能得出更少的点
#cv2.CHAIN_APPROX_TC89_L1和cv2.CHAIN_APPROX_TC89_KCOS：对应Tch-Chain链逼近算法
def get_Contours(img):
contours,hiearchy=cv2.findContours(img,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
return (contours,hiearchy)

#轮廓周长
def get_contourLength(cnt):
return cv2.arcLength(cnt,True)

#轮廓拟合
def get_contourApproxPolyDP(cnt,rate):
return cv2.approxPolyDP(cnt,rate*get_contourLength(cnt),True)

#drawContours画轮廓
def get_drawContours(img,con_hie):
for cnt in con_hie[0]:
cv2.drawContours(img,cnt,-1,(255,0,0),3)
return img

#二值化threshold
def get_threshold(img,low,high):
ret,img=cv2.threshold(img,low,high,cv2.THRESH_BINARY,dst=None)
return img

    推荐阅读


    上一篇：存储结构与管理硬盘（part3）

    下一篇：如何理解Debian仓库地址