每像素24位比特编码的RGB值:

使用三个8位无符号整数（0到255）表示红色、绿色和蓝色的强度。

这是当前主流的标准表示方法，它可以产生一千六百万种颜色组合，对人类的眼睛来说，其中有许多颜色已经是无法确切的分辨。

注意:

在python的opencv包中，三个通道的颜色顺序为:

[蓝色(Blue)，绿色(Green)，红色(Red)]

一个红色的像素点→[0，0，255]

1.列表数据转成图片

C:\Users\yys53\OneDrive\python\OPENCV\_01_write_rgb_image.py

import cv2
import numpy as np

# 1.实例化图片到哪列表数据

image_list = [
    [[0, 0, 255], [0, 0, 255]],
    [[0, 255, 0], [0, 255, 0]],
    [[255, 0, 0], [255, 0, 0]],
]

# 2.列表转换化numpy数组中

image_array = np.array(image_list)
# 3.把数组对象写入特定文件中

cv2.imwrite('images/rgb.png', image_array)
cv2.imwrite('images/rgb.jpg', image_array)
# jpg和png图片不一样

rgb.png

rgb.jpg

2.读取图片信息

C:\Users\yys53\OneDrive\python\OPENCV\_02_show_rgb_image.py

import cv2

# 读取刚才保存的图片,像素内容,形状或维度信息

# 1.读取图片

img = cv2.imread('images/rgb.png')
img2 = cv2.imread('images/rgb.jpg')
# 2.查看像素内容

print(img)
print(img2)
# 3.查看形状或维度信息
print(img.shape)
print(img2.shape)

# (3, 2, 3)表达(三根线,每根线两个像素点组成,每个像素点三通道组成)

gray_img.shape为(3,2, 3)

3.彩色图片转灰色图片

C:\Users\yys53\OneDrive\python\OPENCV\_03_rgb_to_gray.py

import cv2

# 把图片转成灰色,查看图片信息和维度,保存

# 1.读取图片
img = cv2.imread('images/phone.png')
# 2.把图片转成灰色
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 3.查看像素内容
print(gray_img)
# 4.查看图片维度
print(gray_img.shape)
# 5.保存灰色图片
cv2.imwrite('images/gray_phone.png', gray_img)

gray_img.shape为(523, 1039)比第二个案例少一维 

phone.png gray_phone.png

计算机中的灰度图像是用二维数组表示的，灰度图像起到了降维的作用，方便计算机快速处理

 

由于python3.7 32位不兼容dlib,所以用linux上

4.识别人脸

VMware打开摄像头

①linux开机情况下乌班图小按钮打开连接

②linux开机情况下设置→usb控制器→选usb3.0

import face_recognition
import cv2


# 打开摄像头，读取摄像头拍摄到的画面，
# 定位到画面中人的脸部，并用绿色的框框把人的脸部框住
# 1. 打开摄像头， 获取摄像头对象
video_capture = cv2.VideoCapture(0) # 0代表的是第一个摄像头
# 2. 循环不停的去获取摄像头拍摄到的画面，并做进一步的处理
while True:
    # TODO 还需要做进一步的处理
    # 2.1 获取摄像头拍摄到的画面
    ret, frame = video_capture.read() # frame 摄像头所拍摄的画面
    # 2.2 从拍摄到的画面中提取出人的脸部所在区域（可能会有多个） 
    face_locations =  face_recognition.face_locations(frame)
    # 2.3 循环遍历人的脸部所在区域，并画框
    for top, right, bottom, left in  face_locations:
        # 2.3.1 在人像所在区域画框
        # BGR
        cv2.rectangle(frame, (left, top), (right, bottom), (0, 255, 0),2)
    # 2.4 通过opencv把拍摄到的并画了框的画面展示出来 
    cv2.imshow("Video", frame)
    # 2.5 设定按q退出While循环，退出程序的这样一个机制
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break # 退出while循环

# 3. 退出程序的时候，释放摄像头或其他资源
video_capture.release()
cv2.destroyAllWindows()

 5.给人脸添加姓名,给指定用户名加颜色

import cv2
import face_recognition
import os
# 一：打开摄像头，读取摄像头拍摄到的画面，
# 定位到画面中人的脸部，并用绿色的框框把人的脸部框住

# 二：读取到数据库中的人名和面部特征

# 三：用拍摄到人的脸部特征和数据库中的面部特征去匹配，
# 并在用户头像的绿框上方用用户的姓名做标识，未知用户统一使用Unkown

# 四: 定位和锁定目标人物，改使用红色的框框把目标人物的脸部框住

my = ["yys", 'yys1']
# 读取数据库人脸和面部特征
#1.准备工作
face_databases_path = 'face_databases'
user_names = []  # 存储用户名
user_face_encodings = []  # 存储用户面部特征向量
# 2.正式工作 
# 2.1 得到face——databases——path文件夹所有用户名
face = os.listdir(face_databases_path)
# 2.2for循环读取文件名进一步处理
for image_short_name in face:
    # 2.2.1 截取文件名前面那部分作为用户名存入user——names的列表中
    user_name,_ = os.path.splitext(image_short_name)
    user_names.append(user_name)
    # 2.2.2 读取图片文件中的面部特征信息存入user_faces_encodings中
    image_file_name = os.path.join(face_databases_path,image_short_name)
    image_file = face_recognition.load_image_file(image_file_name)
    pic_face_encoding = face_recognition.face_encodings(image_file)[0]
    user_face_encodings.append(pic_face_encoding)



# 打开摄像头，读取摄像头拍摄到的画面，
# 定位到画面中人的脸部，并用绿色的框框把人的脸部框住
# 1. 打开摄像头， 获取摄像头对象
video_capture = cv2.VideoCapture(0) # 0代表的是第一个摄像头
# 2. 循环不停的去获取摄像头拍摄到的画面，并做进一步的处理
while True:
    # 2.1 获取摄像头拍摄到的画面
    ret, frame = video_capture.read() # frame 摄像头所拍摄的画面
    # 2.2 从拍摄到的画面中提取出人的脸部所在区域（可能会有多个）
    # ['第一个人脸所在区域', '第二个人脸所在区域' ...]
    face_locations =  face_recognition.face_locations(frame)
    # 2.21 从所有人的头像所在区域提取出脸部特征（可能会有多个）
    # ['第一个人脸对应的面部特征', '第二个人脸对应的面部特征' ...]
    face_encodings = face_recognition.face_encodings(frame, face_locations)
    # 2.21 从所有人的头像所在区域提取出脸部特征（可能会有多个）
    # ['第一个人的姓名', '第二个人的姓名' ...]
    # 如果特征匹配不上数据库中的特征，则是Unknown
    names = []
    # 遍历face_encodings，和之前数据库中面部特征做匹配
    for face_encoding in face_encodings:
        # compare_faces(['面部特征1', '面部特征2', '面部特征3' ... ], 未知的面部特征)
        # compare_faces返回结果
        # 假如 未知的面部特征 和 面部特征1 匹配， 和 面部特征2 面部特征3 不匹配
        # [True, False, False]

        # 假如 未知的面部特征 和 面部特征2 匹配， 和 面部特征1 面部特征3 不匹配
        # [False, True, False ]
        matchs = face_recognition.compare_faces(user_face_encodings, face_encoding)
        # user_names
        # ['第一个人的姓名'，'第二个人的姓名'， '第三个人的姓名' ...]
        name = "unknow"
        for index, is_match in enumerate(matchs):
            # [False, True, False ]
            # 0 ,  False
            # 1 ,  True
            # 2,   False
            if is_match:
                name = user_names[index]
                break
        names.append(name)

    # 2.3 循环遍历人的脸部所在区域，并画框
    # zip
    # zip(['第1个人的位置', '第2个人的位置'], ['第1个人的姓名', '第2个人的姓名'])
    # for
    # '第1个人的位置', '第1个人的姓名'
    # '第2个人的位置'， '第2个人的姓名'
    for (top, right, bottom, left), name in zip(face_locations, names):
        # 2.3.1 在人像所在区域画框
        # BGR
        color = (0, 255, 0)
        if name in my:
            color = (0, 0, 255)
        cv2.rectangle(frame, (left, top), (right, bottom), color,2)
        font = cv2.FONT_HERSHEY_DUPLEX
        # 在框上写名字,各参数依次是：图片，添加的文字，左上角坐标，字体，字体大小，颜色，字体粗细
        cv2.putText(frame, name, (left, top-10),font, 0.5 ,color,1)
        
    # 2.4 通过opencv把拍摄到的并画了框的画面展示出来 
    cv2.imshow("Video", frame)
    # 2.5 设定按q退出While循环，退出程序的这样一个机制
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break # 退出while循环

# 3. 退出程序的时候，释放摄像头或其他资源
video_capture.release()
cv2.destroyAllWindows()

 

 微信公众平台开发运动传感器

差分法原理(类似连连看找不同)

图1

[
[ 230，100]，
[ 250，0],
[ 20，50]，
]

图2

[
[ 240，50]，
[ 250，0],
[ 10，50]，
]
|图1-图2|=

[

  [ 10，50]，

  [ 0，0],

  [ 10，0]，

]


 

运动传感器的实现

基于微信公众平台的开发

代码封装和优化的过程:

面相过程->面相函数->面相对象

6.基于微信公众平台的开发

①获取appID和appsecret

进入微信公众帐号测试号申请系统

②获取消息接口

消息管理→客服消息→2 客服接口-发消息

发送文本消息

 

https请求方式: GET https://api.weixin.qq.com/cgi-bin/token?grant_type=client_credential&appid=APPID&secret=APPSECRET
{
    "touser":"OPENID",
    "msgtype":"text",
    "text":
    {
         "content":"Hello World"
    }
}

③获取access_token

 

开始开发→获取Access token

接口调用说明

http请求方式: POST https://api.weixin.qq.com/cgi-bin/message/custom/send?access_token=ACCESS_TOKEN
import json
import requests


class WxTools:
    def __init__(self, app_id, app_secret):
        self.app_id = app_id
        self.app_secret = app_secret

    def get_access_token(self):
        # 1.获取access_token
        # https请求方式get
        url = 'https://api.weixin.qq.com/cgi-bin/token?grant_type=client_credential&appid={}&secret={}'.format(
            self.app_id, self.app_secret)
        resp = requests.get(url).json()
        access_token = resp.get('access_token')
        return access_token

    def send_wx_message(self, open_id, msg='有人闯入你的家'):
        # 2.利用token_secret发送微信通知
        url = 'https://api.weixin.qq.com/cgi-bin/message/custom/send?access_token={}'.format(self.get_access_token())
        req_data = {
            "touser": open_id,
            "msgtype": "text",
            "text":
                {
                    "content": msg
                }
        }
        req_str = json.dumps(req_data, ensure_ascii=False)
        req_data = req_str.encode('utf-8')
        requests.post(url, data=req_data)


if __name__ == '__main__':
    app_id = 'wxefb72b125a8cf483'  # 接收消息用户的id
    app_secret = '53c222dfe9e946abe171f1742c1e0623'
    access_token = WxTools(app_id, app_secret)
    open_id = 'oBlvz589opZjjuLgFBkQX6j-VN3A'
    msg = '有人闯入你的家'
    access_token.send_wx_message(open_id, msg)

7.探测到运动并发送微信通知

import cv2
import datetime

from _05_wx_notice3 import WxTools
app_id = 'wxefb72b125a8cf483' # 接收消息用户的id
app_secret= '53c222dfe9e946abe171f1742c1e0623'
open_id = 'oBlvz589opZjjuLgFBkQX6j-VN3A'
msg = '有人闯入你的家'

camera = cv2.VideoCapture(0)
background = None  # 存储第一张图片
es = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 4))  # 形态学膨胀
is_send_msg = False  # 标识有没有发送过通知，只发送一次，防止骚扰

while True:
    grabbed, frame = camera.read()

    gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 转灰度图像，提高速度
    gray_frame = cv2.GaussianBlur(gray_frame, (25, 25), 3)  # 高斯滤波，消除噪点

    if background is None:
        background = gray_frame
        continue
    
    # 差分法求背景图和灰度图的差
    diff = cv2.absdiff(background, gray_frame) 
    # 超过50就算不一样，小于50就算一样，小于50就算0，大于50就算255
    diff = cv2.threshold(diff, 50, 255, cv2.THRESH_BINARY)[1]
    # 形态学膨胀优化差值
    diff = cv2.dilate(diff, es, iterations=3)
    
    # 参数1：为了防止后面展示修改diff所以copy一份，参数2：外部轮廓。参数3：判断连续
    contours, hierarchy = cv2.findContours(diff.copy(), cv2.RETR_EXTERNAL,
                                           cv2.CHAIN_APPROX_SIMPLE)
    is_detected = False
    for c in contours:
        if cv2.contourArea(c) < 2000:  # 如果连续不同物体小于2000，跳过
            continue
        (x, y, w, h) = cv2.boundingRect(c)  # 如果大于2000，就在原图像上画框
        cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)
        is_detected = True
        if not is_send_msg:
            is_send_msg = True
            wx_tools = WxTools(app_id, app_secret)
            wx_tools.send_wx_message(open_id, msg)

    if is_detected: # 探测到就改成红色
        show_text = "Motion: Detected"
        show_color = (0, 0, 255)
    else:   # 没有探测到绿色
        show_text = "Motion: Undetected"
        show_color = (0, 255, 0)
    # 上面文字
    cv2.putText(frame, show_text, (10, 20),
                cv2.FONT_HERSHEY_SIMPLEX, 0.5, show_color, 2)
    # 下面的字，时间
    cv2.putText(frame, datetime.datetime.now().strftime("%b %d %Y %H:%M:%S"), (10, frame.shape[0] - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.35, show_color, 1)
    # 窗口名字
    cv2.imshow('video', frame)
    cv2.imshow('diff', diff)

    key = cv2.waitKey(1) & 0xFFf
    if key == ord('q'):
        break

camera.release()
cv2.destroyAllWindows()