ubuntu电脑调用摄像头拍摄照片

一、

1、先装环境

复制代码
conda create -n text python==3.8 -y

conda activate text

2、

复制代码
pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple

1、连接摄像头拍摄收集数据集

capture_image5.py

复制代码
import cv2 as cv
import os
import datetime
import numpy as np  # 确保这一行在文件顶部

def create_directory_if_not_exists(directory):
    if not os.path.exists(directory):
        os.makedirs(directory)

# 鼠标点击事件的回调函数
def mouse_click(event, x, y, flags, param):
    global frame, image_dir, save_count
    
    if event == cv.EVENT_LBUTTONDOWN:
        # 当鼠标左键点击时保存图片,使用PNG格式保存以确保无损
        timestamp = datetime.datetime.now().strftime("%Y%m%d-%H%M%S")
        image_filename = os.path.join(image_dir, f"image_{timestamp}.png")
        cv.imwrite(image_filename, frame)  # 使用默认参数保存PNG,确保无损
        print(f"图片已保存为 {image_filename}")
        save_count += 1
        print(f"已保存图片总数: {save_count}")

def capture_image():
    global frame, image_dir, save_count

    # 初始化保存计数器
    save_count = 0

    # 创建存放图片的目录
    image_dir = 'images_1'
    create_directory_if_not_exists(image_dir)

    # 尝试打开默认摄像头
    cap = cv.VideoCapture(2)  # 根据实际情况选择摄像头编号

    if not cap.isOpened():
        print("无法打开摄像头")
        return

    # 设置摄像头属性
    cap.set(cv.CAP_PROP_FRAME_WIDTH, 1920)
    cap.set(cv.CAP_PROP_FRAME_HEIGHT, 1080)
    cap.set(cv.CAP_PROP_FPS, 30)
    cap.set(cv.CAP_PROP_FOURCC, cv.VideoWriter_fourcc('M', 'J', 'P', 'G'))

    # 尝试调整图像质量相关的属性
    cap.set(cv.CAP_PROP_EXPOSURE, -6)           # 调整曝光时间
    cap.set(cv.CAP_PROP_GAIN, 0)                # 固定增益
    cap.set(cv.CAP_PROP_WHITE_BALANCE_BLUE_U, 5000)  # 白平衡
    cap.set(cv.CAP_PROP_CONTRAST, 0.5)          # 对比度
    cap.set(cv.CAP_PROP_SHARPNESS, 25)          # 锐度
    cap.set(cv.CAP_PROP_AUTOFOCUS, 1)           # 自动对焦

    # 检查对焦状态
    while True:
        ret, frame = cap.read()
        if not ret:
            print("无法获取帧")
            break
        
        # 检查对焦是否完成
        if check_focus(frame):
            break

    print("按下 's' 键拍照,点击鼠标左键保存图片,或按 'q' 键退出")

    # 设置鼠标回调函数
    cv.namedWindow('Press "s" to capture an image')
    cv.setMouseCallback('Press "s" to capture an image', mouse_click)

    while True:
        ret, frame = cap.read()
        if not ret:
            print("无法获取帧")
            break

        # 显示视频流
        cv.imshow('Press "s" to capture an image', frame)

        key = cv.waitKey(1) & 0xFF

        # 按下 's' 键保存图片
        if key == ord('s'):
            timestamp = datetime.datetime.now().strftime("%Y%m%d-%H%M%S")
            image_filename = os.path.join(image_dir, f"image_{timestamp}.png")
            cv.imwrite(image_filename, frame)  # 使用默认参数保存PNG,确保无损
            print(f"图片已保存为 {image_filename}")
            save_count += 1
            print(f"已保存图片总数: {save_count}")
        elif key == ord('q'):  # 按下 'q' 键退出
            print("退出程序")
            break

    # 释放资源
    cap.release()
    cv.destroyAllWindows()

def check_focus(frame):
    # 使用边缘检测来检查对焦情况
    gray = cv.cvtColor(frame, cv.COLOR_BGR2GRAY)
    edges = cv.Canny(gray, 50, 150)
    edge_count = np.sum(edges > 0)
    
    # 如果边缘数量足够多,则认为对焦完成
    return edge_count > 10000

if __name__ == "__main__":
    capture_image()

1、数据集保存在images_1

2、介绍:

在代码中设置了四字符编码(FOURCC),使用了MJPG压缩格式:

  1. 调整曝光和增益

一些摄像头允许通过OpenCV调整曝光时间和增益来改善图像质量:

cap.set(cv.CAP_PROP_EXPOSURE, -6) # 根据需要调整值 cap.set(cv.CAP_PROP_GAIN, 0) # 固定增益

  1. 设置白平衡和对比度

适当调整白平衡和对比度也能显著提高图像清晰度:

cap.set(cv.CAP_PROP_WHITE_BALANCE_BLUE_U, 5000) # 示例值 cap.set(cv.CAP_PROP_CONTRAST, 0.5) # 对比度设置为50%

  1. 使用自动对焦功能

如果摄像头支持自动对焦,请确保启用了此功能。对于某些摄像头,可以通过以下方式启用自动对焦:

cap.set(cv.CAP_PROP_AUTOFOCUS, 1)

  1. 减少噪声

高分辨率图像有时会引入更多噪声。可以尝试减少噪声水平:

cap.set(cv.CAP_PROP_SHARPNESS, 25) # 锐度设置

关键点解释

全局变量:frame 和 image_dir被声明为全局变量,以便它们可以在mouse_click函数中访问。

鼠标回调函数:mouse_click函数监听鼠标事件,当检测到左键点击(cv.EVENT_LBUTTONDOWN)时,保存当前帧。

窗口名称一致:确保设置鼠标回调和显示图像的窗口名称一致,这里是'Press "s" to capture an image'。

测试与运行

当你运行这个脚本时,它会打开摄像头并显示实时视频流。此时,你可以通过以下方式保存图像:

按键操作:按下s键可以保存一张图片。

鼠标操作:点击鼠标左键也可以保存一张图片。

退出程序:按下q键可以退出程序。

相关推荐
大写-凌祁7 分钟前
论文阅读:HySCDG生成式数据处理流程
论文阅读·人工智能·笔记·python·机器学习
Unpredictable22213 分钟前
【VINS-Mono算法深度解析:边缘化策略、初始化与关键技术】
c++·笔记·算法·ubuntu·计算机视觉
柯南二号18 分钟前
深入理解 Agent 与 LLM 的区别:从智能体到语言模型
人工智能·机器学习·llm·agent
珂朵莉MM20 分钟前
2021 RoboCom 世界机器人开发者大赛-高职组(初赛)解题报告 | 珂学家
java·开发语言·人工智能·算法·职场和发展·机器人
IT_陈寒35 分钟前
Element Plus 2.10.0 重磅发布!新增Splitter组件
前端·人工智能·后端
jndingxin35 分钟前
OpenCV CUDA模块图像处理------创建一个模板匹配(Template Matching)对象函数createTemplateMatching()
图像处理·人工智能·opencv
盛寒1 小时前
N元语言模型 —— 一文讲懂!!!
人工智能·语言模型·自然语言处理
weixin_177297220691 小时前
家政小程序开发——AI+IoT技术融合,打造“智慧家政”新物种
人工智能·物联网
Jay Kay1 小时前
ReLU 新生:从死亡困境到强势回归
人工智能·数据挖掘·回归
Blossom.1182 小时前
使用Python和Flask构建简单的机器学习API
人工智能·python·深度学习·目标检测·机器学习·数据挖掘·flask