和寡妇做爰过程A一片,99re热在线视频,韩国一级电影,国产一级a毛一级a看免费软件特色,在线国产三级,亚洲综合影院,69成人视频,女人扒开腿让男人爽桶

點擊上方“小白學(xué)視覺”，選擇加"星標(biāo)"或“置頂”
重磅干貨，第一時間送達(dá)

   
    
     
      
       
        推薦閱讀

        42個pycharm使用技巧，瞬間從黑鐵變王者
        Google C++項目編程風(fēng)格指南 (中文版) 分享

我們都看過3D電影，他們看起來都很酷，這給了我們一個想法，使用一些工具通過改變看圖像視角，模擬觀眾的頭部移動。

效果如何？
我們都熟悉"視差"這一術(shù)語，它是描述對象在左右眼中的位置差距，視差的大小這取決于我們離它有多遠(yuǎn)。

視差

因此，如果我們能在2D圖像中獲得與不同圖像層的相同效果，那么我們可以在這些圖像中產(chǎn)生類似的感覺，并產(chǎn)生我們想要的酷效果。

讓我們分解一下這個過程

深度圖

因此，首先，我們需要將圖像分解為不同的圖層，并且，我們需要一個2D圖像的深度圖。深度圖只是一個黑白圖像，其中圖像的白色顯示對象與鏡頭的接近度。獲得基本圖層后，我們需要從每個圖層中畫出缺失的部分。最后，我們將單個圖像分解成不同的圖層?，F(xiàn)在，我們可以顯示不同的圖層，這些圖層看起來與原始圖像相同?，F(xiàn)在，我們可以使用相機(jī)進(jìn)行人臉檢測，并測量用戶頭部的移動，然后移動這些圖層并進(jìn)行匹配。

讓我們看看如何編寫此工具的代碼

因此，首先，我們需要導(dǎo)入一些文件，建議使用版本 4.1.0.25 的 OpenCV。

import os, sysimport numpy as npimport pygame as pgimport cv2

現(xiàn)在，我們需要加載圖像和深度圖，并調(diào)整它們的大小以匹配大小。現(xiàn)在，我們將提供一個深度圖、代碼，但你可以生成自己的模型MiDaS。

img = cv2.imread('moon.jpg', flags=cv2.CV_8UC4)depth_map = cv2.imread('moon_depth_map.png')depth_map = cv2.cvtColor(depth_map,cv2.COLOR_RGB2GRAY)img = cv2.resize(img, depth_map.shape[:2])

現(xiàn)在，在加載深度貼圖后，我們可以通過按不同閾值對深度貼圖不同圖層創(chuàng)建蒙版。在制作一個圖層時，我們需要兩個蒙版，一個是該圖層，另一個是上一層的第二個蒙版，用于畫上一個圖層的缺失部分。我們將在循環(huán)之外取最后一個圖層，以便提取此層中的所有剩余部分。

   layers = []     prev_thres = 255div=30     for thres in range(255 - div, 0, -div):           ret, mask = cv2.threshold(depth_map, thres, 255,          cv2.THRESH_BINARY)           ret, prev_mask = cv2.threshold(depth_map, prev_thres, 255, cv2.THRESH_BINARY)            prev_thres = thres           inpaint_img = cv2.inpaint(img, prev_mask, 10, cv2.INPAINT_NS)   layer = cv2.bitwise_and(inpaint_img, inpaint_img, mask = mask)    layers.append(conv_cv_alpha(layer, mask))      # adding last layer    mask = np.zeros(depth_map.shape, np.uint8)    mask[:,:] = 255    ret, prev_mask = cv2.threshold(depth_map, prev_thres, 255, cv2.THRESH_BINARY)     inpaint_img = cv2.inpaint(img, prev_mask, 10, cv2.INPAINT_NS)    layer = cv2.bitwise_and(inpaint_img, inpaint_img, mask = mask)layers.append(conv_cv_alpha(layer, mask))     layers = layers[::-1]

我們已經(jīng)反轉(zhuǎn)了圖層，因此我們可以按最后一個層排列到第一層的順序排列它們。當(dāng)我們將圖層添加到列表中時，我們使用的是函數(shù)[conv_cv_alpha]，這將添加 alpha 值（使 RGB 到 RGBA），并使用蒙版使圖層的某些部分透明。

def conv_cv_alpha(cv_image, mask):        b, g, r = cv2.split(cv_image)        rgba = [r, g, b, mask]        cv_image = cv2.merge(rgba,4)                  return cv_image

現(xiàn)在來了人臉檢測和顯示圖像的部分。對于人臉檢測，我們將使用哈卡卡德。現(xiàn)在，我們將加載 haar 級聯(lián)進(jìn)行人臉檢測，并創(chuàng)建一個函數(shù)，該函數(shù)將從圖像中返回人臉。

face_cascade = cv2.CascadeClassifier( 'haarcascade_frontalface_default.xml')   
def get_face_rect(img):        gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)        face_rects = face_cascade.detectMultiScale(gray_img, 1.3, 5)    if len(face_rects) == 0:                 return ()    return face_rects[0]

現(xiàn)在，我們必須顯示圖像，將根據(jù)用戶的頭移動。我們將使用OpenCV讀取凸輪，然后使用 Pygame將每個幀呈現(xiàn)在彼此的頂部。為了計算每一層的移位，我們將計算從框架中心的頭部移位，然后縮小頭移位以獲得一個小的移位值。之后，我們將每個圖層的索引值相乘，以獲得相應(yīng)圖層的移位值，還可以乘以一些常量值，以獲得更好的結(jié)果。

我們將創(chuàng)建一個比原始圖像稍小的 Pygame 窗口并加載相機(jī)。我們使用了比例，因此您更改其值以使最終結(jié)果變大。

scale = 1off_set = 20width, height = layers[0].get_width(), layers[0].get_height()        win = pg.display.set_mode((int((width - off_set)*scale), int((height - off_set)*scale)))    pg.display.set_caption('Parallax_image')scaled_layers = []    for layer in layers:              scaled_layers.append(pg.transform.scale(layer, (int(width*scale), int(height*scale))))cap = cv2.VideoCapture(0, cv2.CAP_DSHOW)

我們將設(shè)置一些常量。你可以玩這些常量來獲得不同的結(jié)果。

x_transform = True     # allow shift in x-axisy_transform = False    # allow shift in y-axissens = 50              # the amount of scale down of shift valueshow_cam = False       # show your face camshift_x = 0    shift_y = 0    run = True

最后，主循環(huán)渲染所有圖層。

while run:    for event in pg.event.get():        if event.type==pg.QUIT:            run = False    ret, frame = cap.read()    frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)    initial_pos = (frame.shape[0]/2, frame.shape[1]/2)    face_rect = get_face_rect(frame)    if len(face_rect) != 0:        x,y,w,h, = face_rect        face_rect_frame = cv2.rectangle(frame, (x, y), (x + w, y + h), (255,255,0), 3)        shift_x = (initial_pos[0] - (x + w/2))/(sens*scale)        shift_y = (initial_pos[1] - (y + h/2))/(sens*scale)    win.fill((255, 255, 255))                     for i, layer in enumerate(scaled_layers):        new_x = -off_set/2        new_y = -off_set/2        if x_transform:            new_x = 0 + shift_x*i        if y_transform:            new_y = 0 + shift_y*i        win.blit(layer, (new_x, new_y))            face_rect_frame = cv2.resize(face_rect_frame, (100, 100))   if show_cam:       win.blit(conv_cv_pygame(face_rect_frame), (0, 0))   pg.display.update()cap.release()cv2.destroyAllWindows()pg.quit()

就是這里，最終結(jié)果。

最終結(jié)果

不同圖像的演示

我已經(jīng)創(chuàng)建了一個更高級版本的這個工具，你可以只選擇圖像，它會自動創(chuàng)建視差圖像，深度地圖將自動生成。

代碼鏈接：https://github.com/strikeraryu/Parallax_Image

下載1：OpenCV-Contrib擴(kuò)展模塊中文版教程

在「小白學(xué)視覺」公眾號后臺回復(fù)：擴(kuò)展模塊中文教程，即可下載全網(wǎng)第一份OpenCV擴(kuò)展模塊教程中文版，涵蓋擴(kuò)展模塊安裝、SFM算法、立體視覺、目標(biāo)跟蹤、生物視覺、超分辨率處理等二十多章內(nèi)容。

下載2：Python視覺實戰(zhàn)項目31講

在「小白學(xué)視覺」公眾號后臺回復(fù)：Python視覺實戰(zhàn)項目31講，即可下載包括圖像分割、口罩檢測、車道線檢測、車輛計數(shù)、添加眼線、車牌識別、字符識別、情緒檢測、文本內(nèi)容提取、面部識別等31個視覺實戰(zhàn)項目，助力快速學(xué)校計算機(jī)視覺。

下載3：OpenCV實戰(zhàn)項目20講

在「小白學(xué)視覺」公眾號后臺回復(fù)：OpenCV實戰(zhàn)項目20講，即可下載含有20個基于OpenCV實現(xiàn)20個實戰(zhàn)項目，實現(xiàn)OpenCV學(xué)習(xí)進(jìn)階。

下載4：leetcode算法開源書

在「小白學(xué)視覺」公眾號后臺回復(fù)：leetcode，即可下載。每題都 runtime beats 100% 的開源好書，你值得擁有！

交流群

歡迎加入公眾號讀者群一起和同行交流，目前有SLAM、三維視覺、傳感器、自動駕駛、計算攝影、檢測、分割、識別、醫(yī)學(xué)影像、GAN、算法競賽等微信群（以后會逐漸細(xì)分），請掃描下面微信號加群，備注：”昵稱+學(xué)校/公司+研究方向“，例如：”張三 + 上海交大 + 視覺SLAM“。請按照格式備注，否則不予通過。添加成功后會根據(jù)研究方向邀請進(jìn)入相關(guān)微信群。請勿在群內(nèi)發(fā)送廣告，否則會請出群，謝謝理解~

利用OpenCV建立視差圖像