def test_detect():
fd = FaceDectector("haarcascade_frontalface_default.xml")
img = cv2.imread("IMG_8247.jpg")
img = immutils.resize(img, 400)
face_rectangles = fd.detect(img, scaleFactor=1.5, minNeighbors=5)
print("I found {} faces".format(len(face_rectangles)))
for (x, y, w, h) in face_rectangles:
cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)
cv2.imshow("Faces",img)
cv2.waitKey(0)
def test():
img = cv2.imread("clonazepam_1mg.png")
img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
img = immutils.resize(img, 400)
img = cv2.GaussianBlur(img, (5, 5), 0)
first = cv2.Canny(img, 200, 250)
second = cv2.Canny(img, 10, 200)
third = cv2.Canny(img, 240, 250)
#Visa bilderna
cv2.imshow("Pictures", np.hstack([first, second, third]))
cv2.waitKey(0)
import cv2
import numpy as np
import immutils
img = cv2.imread("coins.jpg")
img = immutils.resize(img, 500)
img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
img = cv2.GaussianBlur(img, (5,5), 0)
cv2.imshow("Blurred, Gray, Orginal Img",img)
canny = cv2.Canny(img, 40, 150)
cv2.imshow("Canny",canny)
cv2.waitKey(0)
import numpy as np
import cv2
import immutils
img = cv2.imread("coins.jpg")
img = immutils.resize(img, 400)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
blurred = cv2.GaussianBlur(gray, (5, 5), 0)
#Hämtar kanterna för bilden.
edged = cv2.Canny(blurred, 30, 150)
cv2.imshow("Orginal", img)
cv2.imshow("Edged", edged)
# cv2.waitKey(0)
#När vi nu har kanterna, dvs outlinesena av mynten, så kan vi hitta konturerna av outlinesen
(_, cnts, _) = cv2.findContours(edged.copy(), cv2.RETR_EXTERNAL,
cv2.CHAIN_APPROX_SIMPLE)
print("I count {} coins in this image".format(len(cnts)))
coins = img.copy()
# coins = np.zeros(img.shape[:2], dtype="uint8")
#Här målar vi upp konturerna för bilden
cv2.drawContours(coins, cnts, -1, (0, 255, 0), 3)
cv2.imshow("Coins", coins)
cv2.waitKey(0)
#Nu är det dags att croppa ut varje individuellt mynt ifrån bilden.
import cv2
import immutils
from Case_Studies import facedetector
fd = facedetector.FaceDectector("haarcascade_frontalface_default.xml")
cam = cv2.VideoCapture(0)
while True:
#Läser in framen
read, frame = cam.read()
#Resizear bilden
frame = immutils.resize(frame, 400)
#Skapar en grayscale bild för att vi ska kunna utföra analys bättre
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
#Säg till att applicera Face Detection och spara returnvärdet i en variabel
face_rectangles = fd.detect(gray)
#Måla upp rektangeln på bilden
for (x, y, w, h) in face_rectangles:
cv2.rectangle(frame, (x, y), (x + w, y + h), (0,255,0), 2)
#Säger att om jag gör en knaptrycking, och den kanpptryckningen är q, så bryt
if cv2.waitKey(1) & 0xFF == ord("q"):
break
cv2.imshow("Face",frame)
import numpy as np
import cv2
import immutils
img = cv2.imread("anka.png")
cv2.imshow("Orginal",img)
#Skapar ett float som är 150 / bredden på bilden
#Detta ger oss aspekt förhållandet
r = 800.0 / img.shape[1]
#Här skapar vi de nya dimensionerna för bilden igenom att sätta bredden till 150 pixlar, dvs måste vara samma som de vi angav för att ge aspekt förhållandet
#Därefter så måste vi anpassa höjden, y-värdet, Det tar vi igenom att multiplicera höjden med aspekt förhållandet.
#VIKTIGT - GLÖM EJ ATT CASTA TILL INT, får inte ha floating point värden som (x,y) värden.
dim = (800, int(img.shape[0] * r ))
resized = cv2.resize(img, dim, interpolation=cv2.INTER_AREA)
cv2.imshow("Resized (Width)" , resized)
resized_utils = immutils.resize(img, 350)
cv2.imshow("Resized with utils",resized_utils)
cv2.waitKey(0)