【揭秘樹莓派與OpenCV】輕鬆實現圖片識別與實時傳輸技巧

最佳答案

引言

樹莓派作為一種功能富強的微型打算機，因其低功耗跟低本錢的特點，在物聯網、教導跟嵌入式體系等範疇掉掉落了廣泛利用。結合OpenCV（一個開源的打算機視覺庫），我們可能輕鬆地在樹莓派上實現圖片辨認跟及時視頻傳輸等高等功能。本文將具體介紹怎樣利用樹莓派跟OpenCV實現這些功能。

硬體與軟體籌備

硬體

樹莓派（如樹莓派3B+）
樹莓派攝像頭模塊（PiCamera）
MicroSD卡
電源適配器
USB線

軟體

Raspberry Pi OS（樹莓派官方操縱體系）
OpenCV庫
Python 3

情況搭建

安裝Raspberry Pi OS

利用Raspberry Pi Imager將Raspberry Pi OS寫入MicroSD卡。
將MicroSD卡拔出樹莓派，連接電源，啟動樹莓派。

更新體系與安裝依附

sudo apt-get update
sudo apt-get upgrade
sudo apt-get install python3 python3-pip libopencv-dev

安裝Python庫

pip3 install opencv-python opencv-contrib-python numpy imutils flask

啟用攝像頭介面

sudo raspi-config
Interfacing Options -> Camera -> Yes -> OK -> Finish

圖片辨認

籌備數據集

收集帶有目標物體的圖片作為練習數據。
為每張圖片增加標籤，表示所屬的物體類別。

數據預處理

import cv2
import numpy as np

# 讀取圖片
image = cv2.imread('path_to_image')

# 轉換為灰度圖像
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 利用二值化
_, binary = cv2.threshold(gray, 128, 255, cv2.THRESH_BINARY_INV)

特徵提取

# 利用Haar特徵停止特徵提取
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')

# 檢測圖片中的目標物體
faces = face_cascade.detectMultiScale(binary, 1.1, 4)

# 在圖片上繪製矩形框
for (x, y, w, h) in faces:
    cv2.rectangle(image, (x, y), (x+w, y+h), (255, 0, 0), 2)

表現成果

# 表現圖片
cv2.imshow('Image', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

及時視頻傳輸

創建效勞端

import socket
import cv2
import numpy as np
import struct

# 創建socket東西
server_socket = socket.socket(socket.AF_INET, socket.SOCK_STREAM)

# 綁定IP地點跟埠
server_socket.bind(('0.0.0.0', 8002))

# 監聽客戶端連接
server_socket.listen(1)

# 接收客戶端連接
connection, address = server_socket.accept()

# 創建視頻捕獲東西
cap = cv2.VideoCapture(0)

while True:
    # 讀取一幀
    ret, frame = cap.read()

    # 將幀轉換為numpy數組
    frame_np = np.array(frame)

    # 將numpy數組轉換為bytes
    frame_bytes = frame_np.tobytes()

    # 發送幀
    connection.sendall(struct.pack('I', len(frame_bytes)) + frame_bytes)

創建客戶端

import socket
import cv2
import numpy as np

# 創建socket東西
client_socket = socket.socket(socket.AF_INET, socket.SOCK_STREAM)

# 連接到效勞端
client_socket.connect(('127.0.0.1', 8002))

while True:
    # 接收數據
    data_len = struct.unpack('I', client_socket.recv(4))[0]
    frame_bytes = client_socket.recv(data_len)

    # 將bytes轉換為numpy數組
    frame_np = np.frombuffer(frame_bytes, dtype=np.uint8)

    # 將numpy數組轉換為圖像
    frame = cv2.imdecode(frame_np, cv2.IMREAD_COLOR)

    # 表現圖像
    cv2.imshow('Image', frame)
    cv2.waitKey(1)

總結

經由過程本文的介紹，妳曾經懂得了如何在樹莓派上利用OpenCV實現圖片辨認跟及時視頻傳輸。這些功能可能幫助妳在物聯網、教導跟嵌入式體系等範疇實現更多風趣的利用。