OpenCV mit Python

OpenCV mit Python
OpenCV Logo
docs.opencv.org

OpenCV (Open Source Computer Vision Library) ist eine freie und weit verbreitete Softwarebibliothek zur Bild- und Videoverarbeitung, die eine Vielzahl von Algorithmen und Werkzeugen für Anwendungen wie Objekterkennung, Gesichtserkennung, Bewegungsverfolgung, Bildsegmentierung und maschinelles Lernen bereitstellt. Die Bibliothek kann unter anderem in den Programmiersprachen C++ oder Python genutzt werden .

Die Nutzung von OpenCV in Kombination mit den leistungsstarken Bibliotheken des Python-Ökosystems (beispielsweise NumPy, SciPy) ermöglicht eine effiziente Bilddatenanalyse und -manipulation. Die Bibliothek bietet in Verbindung mit den Python-Bibliotheken eine benutzerfreundliche Möglichkeit, auf alle wesentlichen Funktionen von OpenCV zuzugreifen. Dies umfasst grundlegende Operationen wie das Lesen, Schreiben oder Analysieren von Bildern und Videos. Darüber hinaus lässt sich der Funktionsumfang von OpenCV ohne großen Aufwand um die Deep Learning-Funktion mit zum Beispiel der Mediapipe-Bibliothek erweitern, die bereits vortrainierte Modelle für die Personenerkennung, Gesichts- oder Objekterkennung bietet . Ein wesentliches Merkmal von OpenCV ist seine Effizienz, die es erlaubt, große Mengen an Bild- und Videodaten in Echtzeit zu verarbeiten. Diese Eignung prädestiniert die Bibliothek insbesondere für den Einsatz in Fahrzeugprojekten oder der Personenerkennung, beispielsweise im Rahmen einer Zutrittskontrolle.

In Python beginnt die Arbeit mit OpenCV typischerweise mit der Installation des Moduls "opencv-python", das die grundlegende Funktionalität der Bibliothek bereitstellt.

Die Installation von OpenCV kann beispielsweise über pip erfolgen:
Windows:

pip install opencv-python

Raspberry Pi: Leider lässt sich OpenCV nicht direkt über den pip-Befehl beziehen. Der einfachste und schnellste Weg ist, OpenCV in einer virtuellen Umgebung zu installieren:

python -m venv opencv_env
source opencv_env/bin/activate

Wenn die virtuelle Umgebung erfolgreich aktiviert wurde, kann OpenCV mit dem Befehl pip install opencv-python installiert und anschließend mit dem Befehl deactivate deaktiviert werden.

Minimalbeispiel für die Gesichtserkennung mittels Webcam

import cv2

# Lade das vortrainierte Modell für die Gesichtserkennung
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')

# Öffne die Webcam (Kamera 0) -> Für Video Speicherort 'C:/..' angeben.
# Netzwerkkamera z.B.: rtsp://<benutzer>:<passwort>@<ip-adresse>:<port>/<pfad>
cap = cv2.VideoCapture(0)

if not cap.isOpened():
    print("Fehler: Kamera konnte nicht geöffnet werden.")
    exit()

print("Beenden mit der Taste Q")

# Schleife für kontinuierliche Erkennung
while True:
    ret, frame = cap.read()
    if not ret:
        print("Fehler: Frame konnte nicht gelesen werden.")
        break

    # Farbkonvertierung z.B. in GRAY
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # Speichern der erkannten Gesichter
    faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))

    # Rechteck um das Gesicht setzen
    for (x, y, w, h) in faces:
        cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 0, 0), 2)

    # Bild mit erkannter Gesichtsanzeige
    cv2.imshow('Gesichterkennung', frame)
    
    # Beende mit der Taste 'q'
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# Sicheres Beenden und Freigeben
cap.release()
cv2.destroyAllWindows()