介紹

OpenCV 徹底改變了整個圖像處理領(lǐng)域。從圖像分類到對象檢測，我們不僅可以使用 OpenCV 庫做一些很酷的事情，而且還可以構(gòu)建一流的應(yīng)用程序。

今天我們要實現(xiàn)一個有趣的東西，它是手機或電腦中的一種功能，即圖像縮放。但在這里，它將是實時對幀上所需的圖像進行虛擬縮放。

要求

對于這個項目，我們將使用 OpenCV 庫和另一個名為 Cvzone 的庫來使用虛擬縮放。

CVZone

它是一個建立在 OpenCV 和 MediaPipe 之上的庫。它使事情變得容易得多。

CVZone 具有一些非常有用的內(nèi)置功能，例如手部跟蹤、面部標志檢測、姿勢估計等等。這些都可以通過幾行代碼來完成。

讓我們編寫一段代碼來看看使用 CVZone 的手部檢測器的演示。首先，安裝 requirements 。你可以使用以下命令安裝它，也可以逐個安裝。

– pip install -r requirements.txt

或

– pip install opencv-python==3.4.11.43

– pip install cvzone==1.5.3

現(xiàn)在讓我們檢測手。

import cv2
from cvzone.HandTrackingModule import HandDetector

# Input from webcam
frame = cv2.VideoCapture(0)
frame.set(3, 1280)
frame.set(4, 720)
 
# initialize hand detector module with some confidence
handDetector = HandDetector(detectionCon=0.8)
 
# loop
while True:
# Read the frames from webcam
res, img = frame.read()
 
# detect the hands, by default it will detect two hands
hands = handDetector.findHands(img)
 
# show the output
cv2.imshow(“Sample CVZone output”, img)
cv2.waitKey(1)

首先，讓我們導入所需的模塊，cv2，以及從 cvzone.HandTrackingModule 導入HandDetector*。*

然后我們將使用 OpenCV 的 Videocapture 功能從網(wǎng)絡(luò)攝像頭獲取輸入。設(shè)置窗口的高度和寬度，并以一定的檢測置信度初始化手部檢測器模塊。

然后在循環(huán)內(nèi)部從網(wǎng)絡(luò)攝像頭讀取輸入幀并將其傳遞給手部檢測器模塊內(nèi)部的方法，即 findHands。顯示圖像。

與此類似，我們可以使用 CVZone 實現(xiàn)面部地標檢測、姿勢估計等。

目標

我們的目標是構(gòu)建一個屏幕上有圖像的項目，使用 OpenCV 進行虛擬縮放，并使用我們的手勢，即如果雙手的食指和拇指向上并且兩根手指彼此遠離，就放大，如果雙手的食指和拇指向上并且兩根手指彼此靠近，則縮小該圖像或?qū)ο蟆＠斡涍@一點，我們將制定一些步驟。

步驟

初始化來自網(wǎng)絡(luò)攝像頭的輸入。

設(shè)置輸出窗口的高度和寬度。

初始化手部檢測器模塊。

分別聲明計算距離、縮放范圍、中心X和中心Y的4個變量。

讀取輸入幀。

檢測雙手。

讀取用于縮放操作的圖像。

檢查是否檢測到兩只手。

檢查食指和拇指是否向上。

計算兩只手之間的距離，并將圖像調(diào)整到兩只手的中心。

計算新的高度和寬度，然后調(diào)整圖像大小。

顯示輸出。

構(gòu)建

如上一節(jié)所述安裝所需的庫?，F(xiàn)在讓我們開始吧。

首先，導入所需的模塊。這里我們只需要 cv2 和 cvzone 的手部檢測器模塊。

導入庫后，使用 cv2.VideoCapture(0) 從網(wǎng)絡(luò)攝像頭獲取輸入，其中 0 是網(wǎng)絡(luò)攝像頭 ID。

然后設(shè)置輸出窗口的寬度和高度。這里是 1280 x 720。

import cv2
from cvzone.HandTrackingModule import HandDetector

# Input from webcam
frame = cv2.VideoCapture(0)
frame.set(3, 1280)
frame.set(4, 720)

現(xiàn)在，我們將初始化手檢測模塊（handDetector），檢測置信度為 0.8，并將在 while 循環(huán)中用于檢測手。

聲明 4 個變量，一個是初始存儲距離，它是None，一個是縮放范圍，初始是0，另外 2 個用于捕捉縮放對象的中心 X 和中心 Y，并設(shè)置一些隨機值。

這里代碼中的變量分別是 distStart、zoom_range、cx、cy。

# initialize hand detector module
handDetector = HandDetector(detectionCon=0.8)
distStart = None
zoom_range = 0
cx, cy = 500, 500

開始一個while循環(huán)，從現(xiàn)在開始，一切操作都應(yīng)該在這個循環(huán)中。

從網(wǎng)絡(luò)攝像頭讀取輸入，并使用上面初始化的手部檢測器模塊，我們可以調(diào)用方法 findHands 將幀作為輸入傳遞。此方法會在框架中找到手，默認它可以檢測框架中的兩只手并返回手的列表。

我們可以從中訪問每只檢測到的手（這里：一只手為hands[0]，另一只手為hands[1]），并且它還返回圖像。然后我們將使用 OpenCV 的 imread() 函數(shù)讀取屏幕上要縮放的圖像。最好圖像大小應(yīng)低于 (250, 250)，否則你可以使用 cv2.resize(img, (250,250)) 調(diào)整其大小。這里圖像大小為 (225, 225)。

while True:
    # Read the input frame
    res, img = frame.read()
    # Detect the hands
    hands, img = handDetector.findHands(img)
    # Image to be zoomed
    new_img = cv2.imread('resized_test.jpg')

現(xiàn)在，我們需要檢查框架中是否有兩只手，然后我們將檢查食指和拇指是否向上，這可以使用手檢測模塊中的 FingerUp() 方法輕松完成。

在下面的第一個 if 語句之后的代碼中，我們將使用兩個打印語句 print(handDetector.fingersUp(hands[0])) ，如果食指和拇指向上，則這將打印一個包含 5 個元素的列表，結(jié)果列表顯示一只手將是 [1, 1, 0, 0, 0]，另一只手類似地執(zhí)行 print(handDetector.fingersUp(hands[1]))。

請參考下圖。

# if two hands are detected
if len(hands) == 2:
    print("Start Zoom...")
    print(handDetector.fingersUp(hands[0]))
    print(handDetector.fingersUp(hands[1]))

然后是重要的部分，現(xiàn)在我們需要檢查雙手的食指和拇指是否向上。我們將再次使用 if 語句（在第一個 if 語句中：if handDetector.fingersUp(hands[0]) == [1, 1, 0, 0, 0] 和 handDetector.fingersUp(hands[1]) == [ 1, 1, 0, 0, 0]:) 然后求兩只手之間的距離，具體來說就是食指兩點之間的距離。

在下面的代碼中，findDistance() 方法將找到距離，這里我們將兩只手的中心作為參數(shù)與框架一起傳遞。findDistance() 方法將返回三個項目距離，一個包含位置 4 和 5 的中心 X 和中心 Y 的元組以及圖像。

如果僅當 distStart 為 None 時才執(zhí)行條件，則將獲得的距離分配給我們之前聲明的第三個變量 distStart。然后，計算新距離并從舊距離 distStart 中減去它，并執(zhí)行除以 2 （向下取整）以獲得縮放范圍。然后將中心坐標分配給變量cx，cy。然后，如果框架中沒有兩只手，則將 distStart 變量重置為 None。

if handDetector.fingersUp(hands[0]) == [1, 1, 0, 0, 0] and handDetector.fingersUp(hands[1]) == [1, 1, 0, 0, 0]:
        # print("Start Zoom...")
        lmList1 = hands[0]['lmList']
        lmList2 = hands[1]['lmList']
        # point 8 is tip of the index finger
        if distStart is None:
            # length, info, img = handDetector.findDistance(lmList1[8], lmList2[8], img)
            # draw the connection points between right hand index and thum finger to left hand
            length, info, img = handDetector.findDistance(hands[0]['center'], hands[1]['center'], img)
            # print(length)
            distStart = length

# length, info, img = handDetector.findDistance(lmList1[8], lmList2[8], img)
length, info, img = handDetector.findDistance(hands[0][‘center'], hands[1][‘center'], img)
# info gives center x and center y
# calculate the zoom range
zoom_range = int((length – distStart) // 2)
# calculate the center point so that we can place the zooming image at the center
cx, cy = info[4:] print(zoom_range)
 
else:
distStart = None

然后獲取要放大的圖像的高度和寬度，并計算圖像的新高度和寬度。這有點棘手，要獲得新的高度和寬度，我們需要將圖像之前的高度和寬度添加到縮放范圍并執(zhí)行向下取整除法，然后乘以 2。

然后我們可以動態(tài)找到放置縮放的位置圖像（這里：img[cy – newH // 2:cy + newH // 2, cx – newW // 2:cx + newW // 2]）。

但是還有一個問題，如果縮放后的圖像低于窗口邊距，則會出錯，為了解決這個問題，我們將使用 try 和 except。然后顯示輸出。

try:
    h, w, _ = new_img.shape

# new height and new width
newH, newW = ((h + zoom_range) // 2) * 2, ((w + zoom_range) // 2) * 2
new_img = cv2.resize(new_img, (newW, newH))
 
# we want the zooming image to be center and place it approx at the center
img[cy – newH // 2:cy + newH // 2, cx – newW // 2:cx + newW // 2] = new_img
 
except:
pass
 
# display output
cv2.imshow(‘output', img)
cv2.waitKey(1)

完整的代碼也可以在這個 GitHub 中找到

結(jié)論

這就是這篇關(guān)于使用 OpenCV 進行虛擬縮放的博客的內(nèi)容。如果你想即興發(fā)揮，讓它更有趣，你可以在屏幕上保留一些圖像，每次選擇一個并放大它，或者你可以創(chuàng)建不同的形狀，使用不同的手勢來讓它變大或變小。這就是我們?nèi)绾问褂?OpenCV 實現(xiàn)虛擬縮放。

到此這篇關(guān)于Python使用OpenCV實現(xiàn)虛擬縮放效果的文章就介紹到這了,更多相關(guān)Python OpenCV虛擬縮放內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論