OpenCV是一種經(jīng)常被用到的計(jì)算機(jī)視覺(jué)庫(kù)。然而，它的文檔是只用英文發(fā)布的。這對(duì)習(xí)慣中文閱讀的國(guó)內(nèi)計(jì)算機(jī)愛(ài)好者來(lái)說(shuō)并不是太友好，特別是對(duì)那些還沒(méi)受過(guò)高等教育但對(duì)計(jì)算機(jī)科學(xué)抱有美好向往的普通大眾。

OpenCV各版本間的使用方法并不是完全統(tǒng)一的。翻譯工作與官方數(shù)據(jù)手冊(cè)的發(fā)布不可避免的會(huì)有滯后性，雖然本文作者已經(jīng)盡可能選取目前最新版本的文檔了，但是這些內(nèi)容也不可避免的會(huì)有一天變成過(guò)時(shí)的糟粕。所以提醒初學(xué)者們，盡信書(shū)不如無(wú)書(shū)。

很榮幸能成為大家學(xué)習(xí)OpenCV的領(lǐng)路人。作者祝大家都能在學(xué)習(xí)的過(guò)程中找人生到真正的意義。

圖像的基本操作 ? ? ? ? ?

對(duì)于人類來(lái)說(shuō)，圖像可以解構(gòu)為畫(huà)面結(jié)構(gòu)、色彩和非常豐富的意象。你可以把它解構(gòu)為各種色塊或線條，然后用故事性的語(yǔ)言把這幅圖像存在腦海里。

反過(guò)來(lái)，對(duì)于計(jì)算機(jī)來(lái)說(shuō)，這個(gè)過(guò)程就要機(jī)械得多了，計(jì)算機(jī)只認(rèn)識(shí)組成一副圖像的那一個(gè)個(gè)像素。為了存儲(chǔ)這一個(gè)個(gè)像素，需要像素的坐標(biāo)和色彩信息。OpenCV以一種叫Mat的結(jié)構(gòu)存儲(chǔ)圖像，你可以把它理解為一種數(shù)據(jù)結(jié)構(gòu)，結(jié)構(gòu)上是下圖這樣的一個(gè)表格，表格的行列分布代表像素的行列。

在上圖的各個(gè)像素中，顏色又用三原色來(lái)表示，即BGR（藍(lán)綠紅）。這些BGR數(shù)據(jù)依次排列如下圖。其中，三原色里的每個(gè)顏色元素的值域是0-255（即8位），因此每個(gè)像素具有8x3位（即24位真彩色）。

我們來(lái)建立一個(gè)Mat數(shù)據(jù)M，存儲(chǔ)一個(gè)最簡(jiǎn)單的2x2像素的圖像，且每個(gè)像素為藍(lán)色（0,0,255），可以這樣寫(xiě)。要注意的是，目前最新的OpenCV 4.0.1已經(jīng)不支持C了，代碼文件需要按C++寫(xiě)。

Mat M(2,2, CV_8UC3, Scalar(0,0,255));//新建2x2像素圖像

imshow("image", M);//顯示M的圖像

當(dāng)然，大多數(shù)時(shí)候，我們是不會(huì)這樣傻傻地新建一個(gè)圖像的。我們可以直接從一個(gè)jpg文件里面讀取圖像，我將把讀取圖片文件的方法教給大家。

舉個(gè)例子，把一個(gè)叫Lena的照片放進(jìn)一個(gè)叫M的Mat結(jié)構(gòu)，可以像下面這么寫(xiě)。另外，我們還演示了怎么把一個(gè)彩色圖像以灰度圖的方式讀取。

Mat M = imread("lena.jpg");//圖像來(lái)自圖片文件

imshow("image", M);//顯示M的圖像

Mat img = imread("lena.jpg", IMREAD_GRAYSCALE);//以灰度形式讀取圖片文件

imshow("grayimage", img);//顯示img的圖像（它是灰度圖）

反過(guò)來(lái)，一個(gè)Mat數(shù)據(jù)，也可以寫(xiě)入文件，這樣就把圖片給存起來(lái)了。舉個(gè)例子，讀取Lena的照片文件，然后存到一個(gè)叫out的文件里。

imwrite("image.jpg", M);//顯示M的圖像

Mat img = imread("lena.jpg", IMREAD_GRAYSCALE);//以灰度形式讀取圖片文件

imwrite("grayimage.jpg", img);//顯示img的圖像（它是灰度圖）

一個(gè)人臉檢測(cè)的例子 ? ? ? ? ?

這個(gè)例子，需要引用3個(gè)OpenCV的頭文件：

#include "opencv2/objdetect.hpp"

#include "opencv2/highgui.hpp"

#include "opencv2/imgproc.hpp"

當(dāng)然，也可以一步到位，把所有的OpenCv庫(kù)都引了

#include "opencv2/opencv.hpp"

應(yīng)用iostream庫(kù)，并使用命名空間來(lái)減少代碼里面文字的輸入量

#include

using namespace std;

using namespace cv;

定義兩個(gè)分類器，分別用來(lái)檢測(cè)臉和眼睛

CascadeClassifier face_cascade;

CascadeClassifier eyes_cascade;

加載已經(jīng)訓(xùn)練好的分類器，其中face_cascade_name和eyes_cascade_name是xml格式的分類器文件名。（OpenCV的Github里有已經(jīng)訓(xùn)練好的模型，可以免費(fèi)下載）

face_cascade.load( face_cascade_name );

eyes_cascade.load( eyes_cascade_name );

定義一個(gè)檢測(cè)人臉并顯示檢測(cè)結(jié)果的函數(shù)，函數(shù)的輸入變量是Mat圖像。

void detectAndDisplay( Mat frame )

輸入的Mat變量frame是彩色的，色彩信息對(duì)檢測(cè)沒(méi)什么用。所以我們把它轉(zhuǎn)成灰度圖，并標(biāo)準(zhǔn)化。

Mat frame_gray;

cvtColor( frame, frame_gray, COLOR_BGR2GRAY );//轉(zhuǎn)灰度

equalizeHist( frame_gray, frame_gray );//標(biāo)準(zhǔn)化

一張圖里有可能會(huì)檢測(cè)到多個(gè)人臉，我們可以把檢測(cè)結(jié)果用一個(gè)叫faces的向量來(lái)存儲(chǔ)。用分類器進(jìn)行多尺度檢測(cè)的函數(shù)叫detectMultiScale，這個(gè)函數(shù)有兩個(gè)變量，第一個(gè)是輸入的圖像frame_gray，第二個(gè)是輸出的結(jié)果faces。

std::vector faces;//準(zhǔn)備要存入人臉檢測(cè)結(jié)果的向量

face_cascade.detectMultiScale( frame_gray, faces );//檢測(cè)

由于faces是把檢測(cè)結(jié)果存成了一個(gè)向量，所以我們可以用size()函數(shù)得到這個(gè)向量的長(zhǎng)度。下面這個(gè)代碼循環(huán)遍歷了每個(gè)結(jié)果，計(jì)算了每張臉的位置。

for ( size_t i = 0; i < faces.size(); i++ )

{

Point center( faces[i].x + faces[i].width/2, faces[i].y + faces[i].height/2 );//獲得每張臉部中心的xy像素坐標(biāo)

ellipse( frame, center, Size( faces[i].width/2, faces[i].height/2 ), 0, 0, 360, Scalar( 255, 0, 255 ), 4 );//給每個(gè)臉畫(huà)個(gè)圈圈框起來(lái)

}

上面這個(gè)循環(huán)里，還可以把檢測(cè)到個(gè)每個(gè)臉的區(qū)域單獨(dú)提取出來(lái)，再檢測(cè)一下眼睛。然后嵌入一個(gè)用圈圈框出眼睛的循環(huán)。這一步，依然使用detectMultiScale函數(shù)進(jìn)行檢測(cè)。

Mat faceROI = frame_gray( faces[i] );//提取臉部區(qū)域

std::vector eyes;//準(zhǔn)備要存入眼睛檢測(cè)結(jié)果的向量

eyes_cascade.detectMultiScale( faceROI, eyes );//檢測(cè)眼睛

for ( size_t j = 0; j < eyes.size(); j++ )

{

Point eye_center( faces[i].x + eyes[j].x + eyes[j].width/2, faces[i].y + eyes[j].y + eyes[j].height/2 );//獲得每個(gè)眼睛的中心

int radius = cvRound( (eyes[j].width + eyes[j].height)*0.25 );

circle( frame, eye_center, radius, Scalar( 255, 0, 0 ), 4 );//把每個(gè)眼睛用圈圈框起來(lái)

}

接下來(lái)，我們把上面的內(nèi)容整合一下，這個(gè)人臉檢測(cè)并顯示檢測(cè)結(jié)果的函數(shù)

detectAndDisplay可以寫(xiě)成這樣

void detectAndDisplay( Mat frame )

{

Mat frame_gray;

cvtColor( frame, frame_gray, COLOR_BGR2GRAY );

equalizeHist( frame_gray, frame_gray );

//-- Detect faces

std::vector faces;

face_cascade.detectMultiScale( frame_gray, faces );

for ( size_t i = 0; i < faces.size(); i++ )

{

Point center( faces[i].x + faces[i].width/2, faces[i].y + faces[i].height/2 );

ellipse( frame, center, Size( faces[i].width/2, faces[i].height/2 ), 0, 0, 360, Scalar( 255, 0, 255 ), 4 );

Mat faceROI = frame_gray( faces[i] );

//-- In each face, detect eyes

std::vector eyes;

eyes_cascade.detectMultiScale( faceROI, eyes );

for ( size_t j = 0; j < eyes.size(); j++ )

{

Point eye_center( faces[i].x + eyes[j].x + eyes[j].width/2, faces[i].y + eyes[j].y + eyes[j].height/2 );

int radius = cvRound( (eyes[j].width + eyes[j].height)*0.25 );

circle( frame, eye_center, radius, Scalar( 255, 0, 0 ), 4 );

}

}

//-- Show what you got

imshow( "Capture - Face detection", frame );

}

實(shí)際中，循環(huán)讀攝像頭并用這個(gè)detectAndDisplay函數(shù)進(jìn)行檢測(cè)的代碼可以這么寫(xiě)。

Mat frame;//存放攝像頭捕獲圖像的frame變量,它是個(gè)Mat數(shù)據(jù)

while ( capture.read(frame) )//循環(huán)把攝像頭圖像放入frame變量

{

detectAndDisplay( frame );//檢測(cè)人臉并顯示結(jié)果

}

最后，我們來(lái)寫(xiě)一下主函數(shù)，把上面那個(gè)攝像頭讀取和人臉檢測(cè)功能加上。

int main( int argc, const char** argv )

{

CommandLineParser parser(argc, argv,

"{help h||}"

"{face_cascade|../../data/haarcascades/haarcascade_frontalface_alt.xml|Path to face cascade.}"

"{eyes_cascade|../../data/haarcascades/haarcascade_eye_tree_eyeglasses.xml|Path to eyes cascade.}"

"{camera|0|Camera device number.}");

parser.about( " This program demonstrates using the cv::CascadeClassifier class to detect objects (Face + eyes) in a video stream. "

"You can use Haar or LBP features. " );

parser.printMessage();

String face_cascade_name = parser.get("face_cascade");

String eyes_cascade_name = parser.get("eyes_cascade");

//-- 1. Load the cascades

if( !face_cascade.load( face_cascade_name ) )

{

cout << "--(!)Error loading face cascade ";

return -1;

};

if( !eyes_cascade.load( eyes_cascade_name ) )

{

cout << "--(!)Error loading eyes cascade ";

return -1;

};

int camera_device = parser.get("camera");

VideoCapture capture;

//-- 2. Read the video stream

capture.open( camera_device );

if ( ! capture.isOpened() )

{

cout << "--(!)Error opening video capture ";

return -1;

}

Mat frame;

while ( capture.read(frame) )

{

if( frame.empty() )

{

cout << "--(!) No captured frame -- Break! ";

break;

}

//-- 3. Apply the classifier to the frame

detectAndDisplay( frame );

if( waitKey(10) == 27 )

{

break; // escape

}

}

return 0;

}

編輯：黃飛