#导入相关包 import PySimpleGUI as sg import numpy as np import cv2 from predict import * # 打开内置摄像头 cap = cv2.VideoCapture(0) # 背景色 sg.theme('Reddit') # 定义窗口布局，创建不同功能的按钮 layout = [ [sg.Image(filename='', key='image')], [sg.Radio('默认状态', 'Radio', True, size=(10, 1))], [sg.Radio('阈值二值化', 'Radio', size=(10, 1), key='thresh'), sg.Slider((0, 255), 128, 1, orientation='h', size=(40, 15), key='thresh_slider')], [sg.Radio('边缘检测', 'Radio', size=(10, 1), key='canny'), sg.Slider((0, 255), 128, 1, orientation='h', size=(20, 15), key='canny_slider_a'), sg.Slider((0, 255), 128, 1, orientation='h', size=(20, 15), key='canny_slider_b'), sg.Checkbox('加入降噪',key='gass'), ], [sg.Radio('轮廓检测', 'Radio', size=(10, 1), key='contour'), sg.Slider((0, 255), 127, 1, orientation='h', size=(40, 15), key='base_slider')], [sg.Radio('高斯滤波', 'Radio', size=(10, 1), key='blur'), sg.Slider((1, 11), 1, 1, orientation='h', size=(40, 15), key='blur_slider'), sg.Checkbox('线性滤波', key='line'), ], [sg.Radio('色彩转换', 'Radio', size=(10, 1), key='hue'), sg.Slider((0, 225), 0, 1, orientation='h', size=(40, 15), key='hue_slider')], [sg.Radio('调节对比度', 'Radio', size=(10, 1), key='enhance'), sg.Slider((1, 255), 128, 1, orientation='h', size=(40, 15), key='enhance_slider')], [sg.Radio('人脸识别','Radio',size=(10,1),key='face'), sg.Radio('笑脸识别','Radio',size=(10,1),key='smile')], [sg.Radio('强化识别','Radio',size=(10,1),key='Big')], [sg.Button('Exit', size=(10, 1))] ] # 窗口设计 window = sg.Window('实时图像处理系统', layout, location=(500, 500), finalize=True, font='宋体', ) # 导入识别模型 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') ##主体部分 while True: event, values = window.read(timeout=0, timeout_key='timeout') # 实时读取图像,逐帧捕获 ret, frame = cap.read() ###########阈值二分类############# if values['thresh']: frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) #该函数有两个输出，只取第二个，为阈值之后的图像 frame = cv2.threshold(frame, values['thresh_slider'], 255, cv2.THRESH_BINARY)[1] ###########边缘检测############# if values['canny']: if values['gass']: # 加入降噪 frame = cv2.GaussianBlur(frame, (5, 5), 0) #不加入降噪 frame = cv2.Canny(frame, values['canny_slider_a'], values['canny_slider_b']) ###########轮廓检测############# if values['contour']: #需要先转化为二值图 gray= cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) gray=cv2.threshold(gray,values['base_slider'],255,cv2.THRESH_BINARY)[1] #21维的高斯滤波降噪 hue = cv2.GaussianBlur(gray, (21, 21), 1) #三个参数，输入图像、层次类型、轮廓逼近方法，第一个返回值为修改后的图像，也就是轮廓 cnts = cv2.findContours(hue, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[0] #绘制轮廓,cnt为存储了多个轮廓的数组，color代表线条的颜色， cv2.drawContours(frame, cnts, -1, (0, 0, 255), 3) ###########轮廓检测############# if values['blur']: #高斯滤波 frame = cv2.GaussianBlur(frame, (21, 21), values['blur_slider']) if values['line']: kernel=np.ones((5,5),np.float32)/25 frame=cv2.filter2D(frame,-1,kernel) ###########颜色转换############# if values['hue']: frame = cv2.cvtColor(frame, cv2.COLOR_BGR2YCrCb) frame[:, :, 0] += int(values['hue_slider']) #再映射回RGB空间 frame = cv2.cvtColor(frame, cv2.COLOR_HSV2BGR) ###########调节对比度############# if values['enhance']: ##得到一个提高度 enh_val = values['enhance_slider'] / 40 #直方图均衡化的函数进行实例化，选择（8,8）的网格 clahe = cv2.createCLAHE(clipLimit=enh_val, tileGridSize=(8, 8)) lab = cv2.cvtColor(frame, cv2.COLOR_BGR2LAB) #将这个函数应用到当前图像上，得到最终图像 lab[:, :, 0] = clahe.apply(lab[:, :, 0]) frame = cv2.cvtColor(lab, cv2.COLOR_LAB2BGR) ###########人脸识别################## if values['face']: #导入分类函数，找到人脸的大致位置 faces = face_cascade.detectMultiScale(frame, 1.3, 2) for (x, y, w, h) in faces: # 画出人脸框，蓝色，画笔宽度微 face = cv2.rectangle(frame, (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 = face[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) ###########笑脸识别############ if values['smile']: faces = face_cascade.detectMultiScale(frame, 1.3, 2) for (x, y, w, h) in faces: face = cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 0, 0), 2) face_area = face[y:y + h, x:x + w] eyes = eye_cascade.detectMultiScale(face_area, 1.3, 10) for (ex, ey, ew, eh) in eyes: 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(frame, 'Smile', (x, y - 7), 3, 1.2, (0, 0, 255), 2, cv2.LINE_AA) ############强化版人脸识别################# if values['Big']: #初始化模型 my_model = keras.models.load_model('D:\model\model.h5') #转化为灰度图像 gray=cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY) # 利用分类器识别出哪个区域为人脸 faces = face_cascade.detectMultiScale(gray, 1.1, 5) if len(faces) > 0: for (x, y, w, h) in faces: # 截取脸部图像提交给模型识别这是谁 image = frame[y: y + h, x: x + w] faceID = face_predict(image, my_model) # 如果是“我” if faceID == 0: cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), thickness=2) # 文字提示是谁 cv2.putText(frame, 'me', (x + 30, y + 30), # 坐标 cv2.FONT_HERSHEY_SIMPLEX, # 字体 1, # 字号 (255, 0, 255), # 颜色 2) # 字的线宽 else: cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), thickness=2) # 文字提示是谁 cv2.putText(frame, 'others', (x + 30, y + 30), # 坐标 cv2.FONT_HERSHEY_SIMPLEX, # 字体 1, # 字号 (255, 0, 255), # 颜色 2) """ 暂时停止使用的功能，因为太卡了 if values['finger']: skinCrCbHist = np.zeros((256, 256), dtype=np.uint8) cv2.ellipse(skinCrCbHist, (113, 155), (23, 25), 43, 0, 360, (255, 255, 255), -1) # 绘制椭圆弧线 YCrCb = cv2.cvtColor(frame, cv2.COLOR_BGR2YCR_CB) # 转换至YCrCb空间 (y, Cr, Cb) = cv2.split(YCrCb) # 拆分出Y,Cr,Cb值 skin = np.zeros(Cr.shape, dtype=np.uint8) # 掩膜 (x, y) = Cr.shape for i in range(0, x): for j in range(0, y): if skinCrCbHist[Cr[i][j], Cb[i][j]] > 0: # 若不在椭圆区间中 skin[i][j] = 255 frame= cv2.bitwise_and(frame, frame, mask=skin)""" if event == 'Exit' or event is None: break # GUI实时更新，捕捉当前图像，然后转化为byte形式 imgbytes = cv2.imencode('.png', frame)[1].tobytes() # 更新图像 window['image'].update(data=imgbytes) #关闭GUI界面 window.close()