作业：瞳距测量（python opencv）

目标：使用python及opencv库进行图片采集及瞳距计算

包含以下文件：

capture.python：用以实现调用笔记本摄像头进行图片抓取
feature.python：用以读取所抓取图片并进行瞳距计算
capture.jpg：实验所用人脸图片数据
haarcascade_frontalface_default.xml：opencv官网下载的用来检测人脸的数据文件
haarcascade_eye.xml：opencv官网下载的用来检测人眼的数据文件
使用说明.txt：环境配置及代码运行说明
.vscode：使用vscode编辑器时自动生成的配置文件

环境：

(opencv) E:\SoftwareProjection>conda list
# packages in environment at D:\miniconda\envs\opencv:
#
# Name                    Version                   Build  Channel
astroid                   2.4.2                    pypi_0    pypi
certifi                   2020.6.20          pyhd3eb1b0_3
colorama                  0.4.4                    pypi_0    pypi
imutils                   0.5.3                    pypi_0    pypi
isort                     4.3.21                   pypi_0    pypi
lazy-object-proxy         1.4.3                    pypi_0    pypi
mccabe                    0.6.1                    pypi_0    pypi
numpy                     1.18.5                   pypi_0    pypi
opencv-python             4.4.0.42                 pypi_0    pypi
pip                       10.0.1                   py35_0
pylint                    2.6.0                    pypi_0    pypi
python                    3.5.6                he025d50_0
setuptools                40.2.0                   py35_0
six                       1.15.0                   pypi_0    pypi
toml                      0.10.2                   pypi_0    pypi
typed-ast                 1.4.1                    pypi_0    pypi
vc                        14.1                 h0510ff6_4
vs2015_runtime            14.16.27012          hf0eaf9b_3
wheel                     0.35.1             pyhd3eb1b0_0
wincertstore              0.2              py35hfebbdb8_0
wrapt                     1.12.1                   pypi_0    pypi

实现过程及结果：

capture.py：

调用摄像头采集图片，按s键可保存图片capture.jpg（分辨率：640×480）至当前路径，按ESC退出。若路径下本身存在同名文件，则会进行覆盖。
图片要求：人脸清晰，光线充足，且不能佩戴眼镜（眼镜反光会导致无法识别）

import numpy as np
import cv2
cap=cv2.VideoCapture(0)                                    #参数为0为笔记本自带摄像头
while True:success,img=cap.read()                              #从摄像头读取图片#gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)          #转为灰度图片cv2.imshow("img",img)                               #显示摄像头k=cv2.waitKey(1)                                   #保持画面的持续。if k == 27:cv2.destroyAllWindows()                        #通过esc键退出摄像breakelif k==ord("s"):#通过s键保存图片，并退出。cv2.imwrite("capture.jpg",img)cv2.destroyAllWindows()break
#关闭摄像头
cap.release()

feature.py：

思路：
1）将采集得到图片先进行预处理（包括滤波，彩色图像转灰度图像等）；
2）随后利用adaboost算法进行人脸和人眼检测，定位人眼位置，并进行分割；
3）将眼睛图片进行二值化，进行一次开运算以分割眼球位置，通过计算中心矩以确定质心；
4）将局部图片中质心坐标还原到原始图片，计算两个质心距离，得到瞳距（单位是像素）。
5）若需要将距离转化为厘米，则需要事先进行标定，以确立像素转化至标准长度单位的系数。

import numpy as np
import cv2
import imutilsnp.set_printoptions(threshold=np.inf)
# import matplotlib.pyplot as pltimg = cv2.imread('capture.jpg')
img_filter = cv2.bilateralFilter(img,5,25,50)              #双边滤波(去噪+美颜)
# cv2.imshow('img_filter',img_filter)
# cv2.waitKey()#************利用Adaboost进行人脸和眼睛检测*****************face_xml = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
eye_xml = cv2.CascadeClassifier('haarcascade_eye.xml')gray = cv2.cvtColor(img_filter, cv2.COLOR_BGR2GRAY)
# 1.灰色图像 2.缩放系数 3.目标大小
faces = face_xml.detectMultiScale(gray, 1.3, 5)
# print('face = ',len(faces))
# print(faces)
#绘制人脸，为人脸画方框
for (x,y,w,h) in faces:cv2.rectangle(img, (x,y), (x + w, y + h), (255,0,0), 2)roi_face = gray[y:y+h,x:x+w]roi_color = img[y:y+h,x:x+w]eyes = eye_xml.detectMultiScale(roi_face)# print('eyes = ',len(eyes))#   print(eyes)for (ex,ey,ew,eh) in eyes:cv2.rectangle(roi_color, (ex,ey),(ex + ew, ey + eh), (0,255,0), 2)
# cv2.imshow('face_eye', img)
# cv2.waitKey(0)#**********对眼睛进行处理：提取眼睛的局部图片、二值化、分割眼球(先腐蚀再膨胀)、确定中点、还原坐标、计算距离******************
#提取眼睛的局部图片         %%%%%  img(y,x,▲y,▲x)  %%%%%
img_face = img[y:y+h,x:x+w]
img_eye1 = img_face[eyes[0,1]:eyes[0,1]+eyes[0,3],eyes[0,0]:eyes[0,0]+eyes[0,2]]
img_eye2 = img_face[eyes[1,1]:eyes[1,1]+eyes[1,3],eyes[1,0]:eyes[1,0]+eyes[1,2]]# cv2.imshow('eye1',img_eye2)
# cv2.waitKey()#二值化
img_gray1 = cv2.cvtColor(img_eye1, cv2.COLOR_BGR2GRAY)
ret,img_binary1 = cv2.threshold(img_gray1, 70, 255, cv2.THRESH_BINARY_INV)
img_gray2 = cv2.cvtColor(img_eye2, cv2.COLOR_BGR2GRAY)
ret,img_binary2 = cv2.threshold(img_gray2, 70, 255, cv2.THRESH_BINARY_INV)# cv2.imshow('eye1', img_binary2)
# cv2.waitKey()#开运算，先腐蚀再膨胀，去除其他噪声，分割眼球
img_element1 = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(11,11),(-1,-1))
img_center1 = cv2.morphologyEx(img_binary1,cv2.MORPH_OPEN,img_element1)
img_element2 = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(11,11),(-1,-1))
img_center2 = cv2.morphologyEx(img_binary2,cv2.MORPH_OPEN,img_element2)# cv2.imshow("eye image", img_center2)
# cv2.waitKey()#left eye
cnts1 = cv2.findContours(img_center1.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts1 = imutils.grab_contours(cnts1)for c in cnts1:                                      #计算中心矩M = cv2.moments(c)cX1 = int(M["m10"] / M["m00"])cY1 = int(M["m01"] / M["m00"])#right eye
cnts2 = cv2.findContours(img_center2.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts2 = imutils.grab_contours(cnts2)for c in cnts2:                                      #计算中心矩M = cv2.moments(c)cX2 = int(M["m10"] / M["m00"])cY2 = int(M["m01"] / M["m00"])#坐标还原
x1 = cX1 + eyes[0,0] + x
y1 = cY1 + eyes[0,1] + y
x2 = cX2 + eyes[1,0] + x
y2 = cY2 + eyes[1,1] + y
p1 = (x1,y1)
p2 = (x2,y2)
# print(p1)
# print(p2)cv2.circle(img_filter, p1, 1, (0,0,255),0)
cv2.circle(img_filter, p2, 1, (0,0,255),0)# cv2.imshow('result',img_filter)
# cv2.waitKey()distance = pow(pow((x1-x2),2)+pow((y1-y2),2),0.5)t = 0.933                            #t值为像素值到实际距离的转换，需要提前标定得到
distance_mm = distance * tprint('pixel = ',distance)
print('discance = ', distance_mm, 'mm')# print('img_center1',img_center1.shape)
# print('img_binary1',img_binary1.shape)
# print(img_filter.shape)
# print(img_face.shape)
# print(img_eye1.shape)

作业：瞳距测量（python opencv）相关推荐

Others12_瞳距测量的方法大全
无论你是在网上配眼镜,还是在实体眼镜店配眼镜,瞳距是必不可少的.那什么是瞳距?拿什么去测量?怎样去测量?如果瞳距测量的不对,又会给我们的眼睛带来怎么样的伤害呢?这一些列的问题在我们平时配眼镜的时候都是 ...
python opencv单目测距小孔成像原理
python opencv单目测距小孔成像原理小孔成像原理代码 opencv>3.x 小孔成像原理一用相似三角形计算物体或者目标到相机的距离我们将使用相似三角形来计算相机到一个已知的 ...
python+opencv实现机器视觉基础技术(2)(宽度测量，缺陷检测，医学检测
本篇博客接着讲解机器视觉的有关技术和知识.包括宽度测量,缺陷检测,医学处理. 一:宽度测量在传统的自动化生产中,对于尺寸的测量,典型的方法就是千分尺.游标卡尺.塞尺等.而这些测量手段测量精度低 ...
【Python+OpenCV+sklearn+easygui】人脸（口罩）识别+口罩下人脸补全的系统设计
[写在前面:笔者是一个才接触python半年之久的编程菜鸡,刚好这学期的课程需要用到python做一些有关计算机视觉的设计,于是就根据自己所学,同时借鉴了一些CSDN上各位大佬的思路和代码,做了一个简 ...
Python+OpenCV实现自动扫雷，挑战扫雷世界记录！
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达本文转载自知乎Artrix https://zhuanlan.zh ...
Python+OpenCV实现自动扫雷，创造属于自己的世界记录！
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达本文转载自知乎Artrix https://zhuanlan.zh ...
使用Python+OpenCV+dlib为人脸生成口罩
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达推荐阅读 42个pycharm使用技巧,瞬间从黑铁变王者Google ...
Python+Opencv图像处理新手入门教程(三)：阈值与二值化
一步一步来吧上一节: Python+Opencv图像处理新手入门教程(二):颜色空间转换,图像大小调整,灰度直方图 1.Intro 今天这节我们主要研究利用阈值处理图像.例如对于输入图像: 如何做一 ...
Python+OpenCV：直方图(Histograms)
Python+OpenCV:直方图(Histograms) 理论什么是直方图?您可以将直方图看作是一种图形或图表,它为您提供关于图像强度分布的总体概念.它是x轴为像素值(范围从0到255,不总是这样 ...