【保姆级教程】基于OpenCV+Python的人脸识别上课签到系统

2024-05-25 03:20
文章标签 python 系统 opencv 教程 保姆 人脸识别 签到 上课

本文主要是介绍【保姆级教程】基于OpenCV+Python的人脸识别上课签到系统，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

【保姆级教程】基于OpenCV+Python的人脸识别上课签到系统

  • 一、软件安装及环境配置
    • 1. 安装IDE：PyCharm
    • 2. 搭建Python的环境
    • 3. 新建项目、安装插件、库
  • 二、源文件编写
    • 1. 采集人脸.py
    • 2. 训练模型.py
    • 3. 生成表格.py
    • 4. 识别签到.py
    • 5. 创建图形界面.py
  • 三、相关函数分析
    • 1.采集人脸
    • 2.训练模型
    • 3.识别签到
    • 4.创建图形界面

一、软件安装及环境配置

1. 安装IDE：PyCharm

  • 进入PyCharm官网：https://www.jetbrains.com/pycharm/ ，点击Download.
    请添加图片描述

  • 选择系统版本windows，选择Community版本（因为免费），点击Downlad。
    在这里插入图片描述

  • 下载完成后双击开始安装，点击Next.
    在这里插入图片描述

  • 选择合适路径（建议除了C以外的其他盘），点击Next。

  • 勾选所有选项，点击Next.
    在这里插入图片描述

  • 点击Install，选择JetBrains.
    在这里插入图片描述

  • 等待安装结束，Rboot now或 I want manually reboot later随便选一个即可，点击finish.
    在这里插入图片描述

  • 双击打开Pycharm，首次打开会出现如下弹窗，勾选方框，点击Continue。勾选Don’t send
    在这里插入图片描述
    在这里插入图片描述
    至此pyCharm软件安装完毕.

2. 搭建Python的环境

  • 打开Python官方网站：https://www.Python.org，点击Downlads.
    在这里插入图片描述

  • 进入Python下载界面，选择Windows.
    在这里插入图片描述

  • 选择下面红框框住的版本：Download Windows x86-64 executable installer
    在这里插入图片描述
    这可能会下载的非常慢，推荐Internat Download Manager下载器(简称IDM)，可以加速外网资源的下载，几个线程同时下载提高下载速度（官方说的最多五倍，个人觉得不止），官方地址https://www.internetdownloadmanager.com/download.html.
    在这里插入图片描述
    鼠标移到安装包上，按右键复制地址，打开IDM后，新建任务，把下载资源地址复制进去即可.
    在这里插入图片描述

  • 下载完成后，双击Python-3.6.5rc1-amd64文件进行安装，切记在选项Add Python 3.6 to PATH的框中打钩，然后点击Install Now进入下一步.
    在这里插入图片描述
    注：安装时一定要自定义安装解释器，因为后续库的安装地址同解释器的安装位置。项目小还好，项目大会把C盘“撑爆”.

  • 耐心等待，安装完成后会弹出一个界面，点击close.
    在这里插入图片描述

  • 检查Python环境是否搭建成功，在Windows窗口中按 win+R，打开命令窗口，输入cmd，点击“确定”按钮，在新弹出的命令窗口中输入“Python” (或“py”)回车，显示如下界面说明安装成功。
    在这里插入图片描述
    在这里插入图片描述

3. 新建项目、安装插件、库

  • 打开pyCharm，点击新建项目，为新项目命名并选择路径，点击Create.
    在这里插入图片描述
  • 安装中文插件，在搜索框中输入Chinese，安装中文简体语言包.
    在这里插入图片描述
    在这里插入图片描述
    安装成功后，点击Restart IDE重启软件，即可换为中文模式.
  • 安装项目所需要的库，本项目用到的第三方库：opencv-python、opencv-contrib-python、pillow、
    numpy、tk、xlrd、xlwt、xlutils、DateTime。
    由于外网网速原因，大概率会面临安装失败的问题，此时可以采用国内镜像源，利用pip加速安装.
    在这里插入图片描述
    以opencv-python库为例，打开终端，输入下述命令：
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python

在这里插入图片描述
终端pip安装完后，再打开python解释器安装软件包，速度快如飞雷神.
在这里插入图片描述
其余库安装流程类似，此处不做演示.

二、源文件编写

整体架构：
在这里插入图片描述

注意：把代码中涉及到的路径换为自己电脑下，否则编译器找不见报错

1. 采集人脸.py

演示：学号为：1111111111；姓名为：iu
在这里插入图片描述

首先，下载haarcascade_frontalface_default.xml，并把该xml文件移动到该项目下。下载地址https://gitcode.com/opencv/opencv/tree/master/data/haarcascades?utm_source=csdn_github_accelerator&isLogin=1

import cv2
import os# 定义变量
classifier = cv2.CascadeClassifier(r'D:\hello_world\pythonProject\haarcascade_frontalface_default.xml')
font = cv2.FONT_HERSHEY_SIMPLEX
stu_id = input('请输入你的学号： \n')
stu_name = input('请输入你的姓名： \n')
count = 0# 建立人脸数据文件夹
if not os.path.exists('data'):os.mkdir('data')# 打开摄像头
capture = cv2.VideoCapture(0)while capture.isOpened():kk = cv2.waitKey(1)_,farme = capture.read()gray = cv2.cvtColor(farme, cv2.COLOR_BGR2GRAY)faces = classifier.detectMultiScale(gray, 1.2, 5)if len(faces) != 0:for x, y, w, h in faces:cv2.rectangle(farme, (x, y), (x + w, y + h), (200, 0, 250), 2)# center = (x + w // 2, y + h // 2)# r = w // 2# cv2.circle(farme, center, r, (0, 250, 0), 2)cv2.putText(farme, 'Press "s" to save' , (x + w, y + h), font, 1, (200, 0, 250), 2)if kk == ord('s'):cv2.imwrite('data/'+str(stu_name)+'.'+str(stu_id)+'.'+str(count)+'.jpg', gray[y:y+h,x:x+w])count += 1print('采集了'+str(count)+'张图片。')cv2.putText(farme, 'Press "q" to quit', (30, 60), font, 1, (200, 0, 250), 2)cv2.imshow('Picture from capture',farme)if kk == ord('q'):print('共采集了学号为'+str(stu_id)+'姓名为'+str(stu_name)+'的同学的'+str(count)+'张图片')break# 释放摄像头
capture.release()
cv2.destroyAllWindows()

操作流程：右键运行’采集人脸’，输入自己的ID号（笔者是10位学号），输入姓名首字母（例：张三，输入zs），Enter。按s保存采集到的图像，一般采集20张，按q退出（注意：按s和q时必须切换至英文输入法模式）

2. 训练模型.py

import cv2
import numpy as np
from PIL import Image
import oscreate = cv2.face.LBPHFaceRecognizer_create()def data_translate(path):face_data = []id_data = []file_list = [os.path.join(path, f) for f in os.listdir(path)]# print(file_list)# print(len(file_list))for file in file_list:PIL_image = Image.open(file).convert('L')np_image = np.array(PIL_image, "uint8")# print(file)# print(file.split('.'))# print(file.split('.')[1])id = int(file.split('.')[1])# print(file.split('.')[0])face_data.append(np_image)id_data.append(id)return face_data, id_dataprint('开始训练模型')# data_translate(r'data\data')
Faces,Ids = data_translate(r'D:\hello_world\pythonProject\data')create.train(Faces,np.array((Ids)))create.save('trainer.yml')
print('模型保存成功')

操作流程：右键运行’训练模型’，运行成功后，会生成一个trainer.yml文件.

3. 生成表格.py

# 引入库
import xlrd
import xlwt
from xlutils.copy import copy# 创建工作簿
nwb = xlwt.Workbook()cjb = nwb.add_sheet('成绩表')
cjb.write_merge(0, 0, 0, 3, '成绩表')
a = ['序号', '学号', '姓名', '成绩', '签名', '签到时间']
for i in range(6):cjb.write(1, i, a[i])
name = ["iu", "张三", "李四", "王五"]
id = ['1111111111', '2020001111', '2020002222', '2020003333']
b = 0
for a in range(2, 6):# 写入学号cjb.write(a, 1, id[b])# 写入姓名cjb.write(a, 2, name[b])cjb.write(a, 0, b+1)b = b+1
# 保存文件
nwb.save('人脸识别excel.xls')

操作流程：右键运行’生成表格’，可根据自己需求增加name和id个数.

4. 识别签到.py

在这里插入图片描述
在这里插入图片描述

# 导入库
import cv2
import time
import xlrd
import xlwt
from xlutils.copy import copy
from datetime import datetime# 创建签名子函数
def sign_in(idx, name):style0 =xlwt.easyxf('font:height 300,bold on,color_index black', num_format_str= 'MM:DD HH:MM')style1 = xlwt.easyxf('font:height 300,bold on,color_index blue', num_format_str ='MM:DD HH:MM')wb = xlrd.open_workbook('人脸识别excel.xls')nwb = copy(wb)nbs=nwb.get_sheet(0)# 签名nbs.write(idx, 3, name, style1)# 签时间nbs.write(idx, 4, datetime.now(), style0)nbs.col(4).width=256*20nwb.save('人脸识别excel.xls')# 加载模型
classfier = cv2.CascadeClassifier('D:\hello_world\pythonProject\haarcascade_frontalface_default.xml')
create = cv2.face_LBPHFaceRecognizer.create()
create.read('trainer.yml')# 定义变量
font = cv2.FONT_ITALIC
starttime = time.time()
ID = ('UNKNOW')
name = ('UNKNOW')
count = 0# 从表格中获取学号、姓名，与识别结果比对
workbook = xlrd.open_workbook('人脸识别excel.xls')
worksheet = workbook.sheet_by_index(0)
stu_id = worksheet.col_values(1)
stu_name = worksheet.col_values(2)
print(stu_id)
print(stu_name)# 打开摄像头
capture = cv2.VideoCapture(0)
while capture.isOpened():kk = cv2.waitKey(1)_, farme = capture.read()gray = cv2.cvtColor(farme, cv2.COLOR_BGR2GRAY)faces = classfier.detectMultiScale(gray,1.2,5)if len(faces) != 0:for x, y, w, h in faces:cv2.rectangle(farme, (x,y), (x+w, y+h), (180, 120, 220), 2)gray1 = gray[y:y+h, x:x+w]label, conf = create.predict(gray1)print(label, conf)if conf < 50:index = [list for list, i in enumerate(stu_id)if i==str(label)]print(index)ID = (str(label))name = stu_name[index[0]]print(ID, name)count = count + 1else:ID = ('UNKOWN')cv2.putText(farme, str(ID), (x+w//2-50, y+h+30), font, 1.2, (200, 0, 250), 2)cv2.putText(farme, 'Press "q" to quit', (30, 60), font, 1.2, (200, 0, 250), 2)cv2.imshow('picture from capture.', farme)if kk == ord('q'):breakif count > 30:sign_in(index[0], name)print('学号为：'+str(label)+',姓名为：'+str(name))breakif time.time()-starttime>30:print('超时未识别')break# 关闭所有窗口，释放摄像头
capture.release()
cv2.destroyAllWindows()

操作流程：右键运行’识别人脸’，运行成功后，打开人脸识别签到表.xls查看签到信息.

5. 创建图形界面.py

把上述功能做一个GUI界面，集成显示.
在这里插入图片描述

# 导入库
import tkinter as tk
import os
from PIL import Image, ImageTk#创建采集人脸子函数
def CJRL():os.system('python 采集人脸.py')#创建训练模型子函数
def XL():os.system('python 训练模型.py')#创建识别签到子函数
def SBQD():os.system('python 识别签到.py')#创建签到表
def QDB():os.startfile('人脸识别excel.xls')#关闭窗口
def GB():win.destroy()# 创建窗口
win = tk.Tk()
win.title('人脸识别签到系统')
win.geometry('310x500+800+50')
win.configure(bg='#FF8247')
# tk.Label(win, text="自动化人脸识别", font=('黑体', 20, 'bold'), bg='#00BFFF', fg='white').place(x=10,y=10)# 设置图片以便使用
img = Image.open('D:\hello_world\pythonProject\cat.jpg')
photo = ImageTk.PhotoImage(img)# 大标题
lab1 = tk.Label(win, text="自动化人脸识别", font=('黑体', 20, 'bold'), bg='#00BFFF', fg='white').grid(padx=20, pady=10, sticky=tk.W+tk.E)
# 显示图片
# lab2 = tk.Label(win, image=photo).grid(padx=20, pady=10, sticky=tk.W+tk.E)# 按钮
but1 = tk.Button(win, text='采 集 人 脸 图 片', activebackground='yellow',command=CJRL, font=('黑体', 10, 'bold'), bg='#00BFFF', fg='white').grid(padx=20, pady=10, sticky=tk.W+tk.E)but2 = tk.Button(win, text='训 练 模 型',activebackground='yellow', command=XL, font=('黑体', 10, 'bold'), bg='#00BFFF', fg='white').grid(padx=20, pady=10, sticky=tk.W+tk.E)but3 = tk.Button(win, text='识 别 签 到',activebackground='yellow', command=SBQD, font=('黑体', 10, 'bold'), bg='#00BFFF', fg='white').grid(padx=20, pady=10, sticky=tk.W+tk.E)but4 = tk.Button(win, text='签 到 表', activebackground='yellow',command=QDB, font=('黑体', 10, 'bold'), bg='#00BFFF', fg='white').grid(padx=20, pady=10, sticky=tk.W+tk.E)but5 = tk.Button(win, text='关 闭 窗 口',activebackground='yellow', command=GB, font=('黑体', 10, 'bold'), bg='#00BFFF', fg='white').grid(padx=20, pady=10, sticky=tk.W+tk.E)tk.Label(win, text='学号：1111111111 姓名：iu', bg='white', fg='black',font=('楷体',12)).grid(padx=20, pady=10, sticky=tk.W+tk.E)# tk.Label(win, text='字图一体', image=photo ,compound='bottom', bg='white', fg='black',font=('楷体',12)).grid(padx=20, pady=10, sticky=tk.W+tk.E)win.mainloop()

三、相关函数分析

1.采集人脸

classifier = cv2.CascadeClassifier(r'D:\py-project\pythonProject1\haarcascade_frontalface_default.xml')
  • CascadeClassifier：是OpenCV中的一个类，用于创建和管理级联分类器对象，允许加载一个预先训练好的分类器模型.
  • r’D:\pyproject\pythonProject1\haarcascade_frontalface_default.xml’：绝对路径。
  • haarcascade_frontalface_default.xml：该XML文件包含了用于Haar级联分类器的预训练模型，它是基于Haar特征和AdaBoost算法训练得到的，用于检测人脸
faces = classifier.detectMultiScale(gray, 1.2, 5)
  • detectMultiScale() ：用于在给定的灰度图像 gray 中检测对象。它会返回一个包含检测到的对象边界框的列表。每个边界框由 (x, y, width, height) 组成，其中 (x, y) 是矩形左上角的坐标，width 和 height 分别是矩形的宽度和高度.
  • gray：这是输入的灰度图像。级联分类器通常在灰度图像上工作，因为颜色信息对于基于Haar特征的分类器不是必需的.
  • 1.2：scaleFactor 参数，用于构建图像金字塔。图像金字塔是一系列逐渐缩小的图像，用于在不同的尺度上检测对象。scaleFactor 指定了相邻图像之间的缩放比例。较小的 scaleFactor 值意味着金字塔中的图像尺寸减小得更慢，这有助于在不同尺度上更细致地检测对象。
  • 5：这是 minNeighbors 参数，它 指定了在声明找到对象之前，必须在同一个位置重叠检测到的对象的最小数量。较大的 minNeighbors 值可以减少误检，但可能会降低检测的灵敏度。

2.训练模型

create = cv2.face.LBPHFaceRecognizer_create()
  • LBPHFaceRecognizer_create() ：OpenCV face 模块中的一个函数，它初始化一个LBPH人脸识别器对象。LBPH是一种基于图像纹理的识别方法，它通过计算局部二值模式的直方图来提取特征，这些特征随后用于人脸的识别.
  • 函数返回一个 LBPHFaceRecognizer 对象，这个对象包含了LBPH算法所需的所有参数和模型。
  • 与 create.train(faces, labels) 结合使用，其中， faces 和 labels 是已经准备好的训练数据和对应的标签
def data_translate(path):# 初始化用于存储面部图像数据的列表face_data = []# 初始化用于存储与面部图像对应的ID的列表（学号）id_data = []# 使用os.path.join(path, f)将路径和文件名组合成完整的文件路径# 列表推导式用于创建包含所有文件完整路径的列表file_list = [os.path.join(path, f) for f in os.listdir(path)]# 遍历file_list中的每个文件路径for file in file_list:# 打开图像文件，并将其转换为灰度图像'L'模式PIL_image = Image.open(file).convert('L')# 转换为NumPy数组，数据类型为"uint8"np_image = np.array(PIL_image, "uint8")# 提取文件名中的ID部分，文件名中第一个'.'之后，第二个'.'之前的部分id = int(file.split('.')[1])# 将转换后的图像数组添加到face_data列表face_data.append(np_image)# 将提取的ID添加到id_data列表id_data.append(id)# 返回包含面部图像数据和对应ID的两个列表return face_data, id_data

3.识别签到

style0 =xlwt.easyxf('font:height 300,bold on,color_index black', num_format_str= 'MM:DD HH:MM')
  • xlwt.easyxf()：函数用于创建一个Excel单元格样式对象，这个对象包含了一系列的格式化设置，可以应用于一个或多个单元格.
  • font:height 300 ：设置字体大小为300，这通常对应于Excel中的11号字体.
  • bold on: 表示文本加粗.
  • color_index black ：设置文本颜色为黑色。color_index是一个索引，用于指定Excel调色板中的颜色
  • num_format_str= ‘MM:DD HH:MM’：指定日期和时间应该以月-日 时:分的格式显示.
for x, y, w, h in faces:# 在图像farme上绘制矩形框，框住检测到的人脸区域# 参数(x, y)是矩形左上角的坐标，(x+w, y+h)是矩形右下角的坐标（注：坐标系在左上角）# (180, 120, 220)是矩形的颜色（BGR格式），2是线条的粗细cv2.rectangle(farme, (x, y), (x+w, y+h), (180, 120, 220), 2)# 从灰度图像gray中截取人脸区域，坐标(x, y)是人脸左上角，宽高为w和hgray1 = gray[y:y+h, x:x+w]# 使用人脸识别器create预测截取的人脸区域gray1的身份和置信度，前面create已经read过训练好的yml文件label, conf = create.predict(gray1)# 打印预测的标签（身份ID）和置信度print(label, conf)# 如果置信度小于50，认为识别结果比较可信if conf < 50:# 尝试找到与预测标签（create检测出的label）匹配的学生ID（excel表格中的stu_id）,二者本质上都是学号.index = [list for list, i in enumerate(stu_id) if i == str(label)]print(index)# 假设index列表中有匹配的ID，把其转化为字符串格式，取出对应的学生姓名,生成表格.py生成excel默认是字符串格式（如不是，在单元格前＋‘按回车）ID = (str(label))name = stu_name[index[0]]print(ID, name)# 对识别成功的人脸数量进行计数count = count + 1else:# 如果置信度大于或等于50，认为识别结果不可信，标记为未知ID = ('UNKNOWN')

4.创建图形界面

lab1 = tk.Label(win, text="自动化人脸识别", font=('黑体', 20, 'bold'), bg='#00BFFF', fg='white').grid(padx=20, pady=10, sticky=tk.W+tk.E)
  • tk.Label ：是 tkinter 模块中的一个函数，用于创建一个标签（Label）组件，用于显示文本或图像，但不能包含用户交互元素，如按钮或输入框.
  • win：GUI窗口
  • text=“自动化人脸识别”：添加文本信息.
  • font=(‘黑体’, 20, ‘bold’)：这个参数定义了标签文本的字体样式，包括字体（黑体），大小（20），以及加粗（bold）.
  • bg=‘#00BFFF’：这个参数设置了标签的背景颜色，这里使用了十六进制颜色代码，表示浅蓝色.
    fg=‘white’：这个参数设置了标签文本的前景颜色（其实就是字体颜色），这里是白色.
  • .grid(…)：这是 Label 组件的 grid 方法，用于将标签放置在父容器win窗口的网格布局中。
    （1）padx=20：这个参数设置了组件在窗口水平方向上的填充（外边距），这里是 20 像素。
    （2）pady=10：这个参数设置了组件在窗口垂直方向上的填充（外边距），这里是 10 像素。
    （3）sticky=tk.W+tk.E：这个参数定义了组件如何 “粘附” 到其网格单元格的边缘。这里 tk.W 表示西（左），tk.E 表示东（右），所以标签将填充整个单元格的宽度，从左到右。
but1 = tk.Button(win, text='采 集 人 脸 图 片', activebackground='yellow',command=CJRL, font=('黑体', 10, 'bold'), bg='#00BFFF', fg='white').grid(padx=20, pady=10, sticky=tk.W+tk.E)

but1参数大体上与lab1相同，此处仅简要说明activebackground=‘yellow’，其用于设置组件在被激活（active）状态下的背景颜色，即当组件获得焦点或者用户与之交互时（例如，鼠标悬停或点击），组件会进入激活状态。此处为点击按钮变黄.

这篇关于【保姆级教程】基于OpenCV+Python的人脸识别上课签到系统的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/1000340。

相关文章

Spring Security 从入门到进阶系列教程

Spring Security 从入门到进阶系列教程

Spring Security 入门系列 《保护 Web 应用的安全》 《Spring-Security-入门（一）：登录与退出》 《Spring-Security-入门（二）：基于数据库验证》 《Spring-Security-入门（三）：密码加密》 《Spring-Security-入门（四）：自定义-Filter》 《Spring-Security-入门（五）：在 Sprin
阅读更多...
不懂推荐算法也能设计推荐系统

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例，告诉我们不懂推荐算法的产品，也能从产品侧出发， 设计出一款不错的推荐系统。 相信很多新手产品，看到算法二字，多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法（注：传统是指科班出身的产品都会接触过）。但对于推荐算法，多数产品对着网上搜到的资源，都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后，更是加大了理解的难度。 但，不了解推荐算法，就无法做推荐系
阅读更多...
基于人工智能的图像分类系统

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务，目标是自动识别图像中的对象类别。通过卷积神经网络（CNN）等深度学习技术，我们可以构建高效的图像分类系统，广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统，包括环境
阅读更多...
水位雨量在线监测系统概述及应用介绍

水位雨量在线监测系统概述及应用介绍

在当今社会，随着科技的飞速发展，各种智能监测系统已成为保障公共安全、促进资源管理和环境保护的重要工具。其中，水位雨量在线监测系统作为自然灾害预警、水资源管理及水利工程运行的关键技术，其重要性不言而喻。 一、水位雨量在线监测系统的基本原理 水位雨量在线监测系统主要由数据采集单元、数据传输网络、数据处理中心及用户终端四大部分构成，形成了一个完整的闭环系统。 数据采集单元：这是系统的“眼睛”，
阅读更多...
python: 多模块(.py)中全局变量的导入

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别： 当你在一个模块（文件）中使用 global 声明变量时，这个变量只在该模块的全局命名空
阅读更多...
Makefile简明使用教程

Makefile简明使用教程

文章目录 规则makefile文件的基本语法：加在命令前的特殊符号：.PHONY伪目标: Makefilev1 直观写法v2 加上中间过程v3 伪目标v4 变量 make 选项-f-n-C Make 是一种流行的构建工具，常用于将源代码转换成可执行文件或者其他形式的输出文件(如库文件、文档等)。Make 可以自动化地执行编译、链接等一系列操作。 规则 makefile文件
阅读更多...
使用opencv优化图片（画面变清晰）

使用opencv优化图片（画面变清晰）

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化，使其看起来更清晰，同时保持尺寸不变，通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多，主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器：相机传
阅读更多...
嵌入式QT开发：构建高效智能的嵌入式系统

嵌入式QT开发：构建高效智能的嵌入式系统

摘要： 本文深入探讨了嵌入式 QT 相关的各个方面。从 QT 框架的基础架构和核心概念出发，详细阐述了其在嵌入式环境中的优势与特点。文中分析了嵌入式 QT 的开发环境搭建过程，包括交叉编译工具链的配置等关键步骤。进一步探讨了嵌入式 QT 的界面设计与开发，涵盖了从基本控件的使用到复杂界面布局的构建。同时也深入研究了信号与槽机制在嵌入式系统中的应用，以及嵌入式 QT 与硬件设备的交互，包括输入输出设
阅读更多...
JAVA智听未来一站式有声阅读平台听书系统小程序源码

JAVA智听未来一站式有声阅读平台听书系统小程序源码

智听未来，一站式有声阅读平台听书系统 🌟&nbsp;开篇：遇见未来，从“智听”开始 在这个快节奏的时代，你是否渴望在忙碌的间隙，找到一片属于自己的宁静角落？是否梦想着能随时随地，沉浸在知识的海洋，或是故事的奇幻世界里？今天，就让我带你一起探索“智听未来”——这一站式有声阅读平台听书系统，它正悄悄改变着我们的阅读方式，让未来触手可及！ 📚&nbsp;第一站：海量资源，应有尽有 走进“智听
阅读更多...
Centos7安装JDK1.8保姆版

Centos7安装JDK1.8保姆版

工欲善其事，必先利其器。这句话同样适用于学习Java编程。在开始Java的学习旅程之前，我们必须首先配置好适合的开发环境。 通过事先准备好这些工具和配置，我们可以避免在学习过程中遇到因环境问题导致的代码异常或错误。一个稳定、高效的开发环境能够让我们更加专注于代码的学习和编写，提升学习效率，减少不必要的困扰和挫折感。因此，在学习Java之初，投入一些时间和精力来配置好开发环境是非常值得的。这将为我
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2