如何顯示鏡頭的即時畫面(人臉辨識,版本 4)?
版本 1 到 3 處理的都是已經存在硬碟上的相片。要認出坐在電腦前的那個人,程式需要有 源源不絕的新相片,鏡頭就是這個來源:它每秒送出很多格靜止畫面。版本 4 建立這個來源。 它打開鏡頭並顯示影片,其他什麼都不做。不找出人臉,不印出名字。
這看起來像退了一步,但它把兩個問題分開了。如果版本 7 辨識失敗,這個程式能告訴你 鏡頭那部分究竟有沒有在工作。如果你讀過 如何從鏡頭取得即時影片?,這篇筆記的大部分內容你會覺得熟悉; 這裡把它放回系列裡,因為後面每一個版本都往這個迴圈裡加自己的工序。
鏡頭送來的是一格一格的畫面,不是一段影片
你的眼睛看到的是流暢的動作。程式收到的是一張張獨立的靜止畫面,每一張都在足夠短的時間裡 替換掉上一張,所以你看不出變化。這很有用:影格和相片檔案是同一種物件,所以你在相片上 量度人臉學到的一切,原樣適用於影格。
程式怎麼運作
1. 打開鏡頭
import cv2
cap = cv2.VideoCapture(0)
cv2.VideoCapture 連接一台鏡頭;cap 是 capture(擷取)的縮寫,
保存這個連接。這裡的 0 表示第一台鏡頭,通常是內建鏡頭;1
會是第二台,例如 USB 鏡頭。
在 Mac 上,第一次執行時系統會請求權限,你不允許它就什麼也不顯示。如果視窗一直黑著, 到「系統設定」裡檢查終端機或編輯器有沒有鏡頭權限,並確認沒有其他程式正在使用鏡頭。
2. 不停地重複
while True:
ret, img = cap.read()
cv2.imshow("Frame", img)
while True 開始一個自己永遠不會停的迴圈,因為
True 永遠為真。它下面縮排的所有內容每一格執行一次,只要程式還在執行就一直執行。
cap.read() 取一格,回傳兩樣東西。ret 是 return value(回傳值)
的縮寫,說明這次讀取有沒有成功。img 是 image(影像)的縮寫,就是這一格:
一個由像素值組成的格子,順序是 OpenCV 使用的藍-綠-紅。
cv2.imshow 把這一格放進標題為 "Frame" 的視窗,迴圈下一輪再把它
替換掉。每秒顯示的影格數足夠多,視窗看起來就像影片。
3. 按下 q 就停
key = cv2.waitKey(1)
if key in (ord('q'), ord('Q')):
break
cv2.waitKey(1) 等待按鍵一毫秒。它把按下的鍵作為數字回傳,沒有按鍵就回傳
-1。這一毫秒也是 OpenCV 用來畫視窗的時間;不呼叫 waitKey,
視窗會卡住或者空白。
ord() 把字母變成它的數字,ord('q') 是 113,這樣字母就能和
waitKey 回傳的數字比較。同時檢查 q 和
Q,開不開 Caps Lock 都一樣。break 離開迴圈。
只有影片視窗是作用中視窗時,按鍵才會送到程式。執行之後,編輯器的終端機通常還拿著焦點,
所以先在影片視窗上按一下,再按 q。忘了的話,在終端機裡按
Ctrl 和 C 也能停掉程式。
4. 放開鏡頭
cap.release()
cv2.destroyAllWindows()
這兩行沒有縮排,所以迴圈結束後執行一次。cap.release() 斷開與鏡頭的連接,
關掉它的指示燈,讓其他程式可以使用。cv2.destroyAllWindows() 關掉視窗。
完整程式
把上面的片段拼回去。這是完整的檔案,一共 10 行:
import cv2
cap = cv2.VideoCapture(0)
while True:
ret, img = cap.read()
cv2.imshow("Frame", img)
key = cv2.waitKey(1)
if key in (ord('q'), ord('Q')):
break
cap.release()
cv2.destroyAllWindows()
為什麼是一毫秒
waitKey(0) 會一直等到有按鍵才回傳,畫面永遠不會更新。
waitKey(30) 大約每秒更新 33 次,看起來流暢,但會帶來延遲。一毫秒讓視窗
保持回應,並讓迴圈以鏡頭允許的最快速度執行。
在自己的電腦上執行
用和版本 1 相同的下載:
下載壓縮檔,解壓縮,
然後用 Visual Studio Code 打開這個資料夾。這一篇用的是 face04.py。
第一次在這個資料夾裡,執行全部三行:
uv python pin 3.12.10
uv sync
uv run face04.py
這三行只需要做一次。下次想再執行這個程式,只需輸入 uv run face04.py。
會打開一個視窗,顯示你的鏡頭畫面。在它上面按一下,然後按 q 關掉。
鏡頭指示燈應該在同一時刻熄滅。
下一步
下兩個版本都留在這個迴圈裡。版本 5 把每一格變成灰色,版本 6 在格上畫一個框和標籤, 這樣版本 7 真正做辨識的時候,已經有地方可以放結果。