【Python】Opencv调用摄像头问题

使用Opencv调用摄像头时遇到的一些问题。

使用 cv2VideoCapture(idx) 调用摄像头时要知道摄像头设备的索引位置，来理清寻找思路。

首先 去设备管理器查看硬件运行是否正常，或者使用其他调用摄像头的程序测试，如360魔法摄像头，微信、qq视频等。

然后 ，使用opencv调用摄像头。一般来说，内置摄像头为 idx = 0 ，外部摄像头为 idx = 1 ；但是，我2015年买的联想笔记本，其内置摄像头索引为 idx = 700 ，外置摄像头为 idx = 1400 。找了半天，真是莫名其妙。

可以用循环查找摄像头位置：

一般有两种情况：

解决方法：

比如：

貌似是因为其他软件为了个人隐私安全锁定了摄像头图像，

OpenCV是一个开源的图像处理库，QML是Qt官方推出的一个描述性语言，QtMarkupLanguage，QtQuick也是Qt官方推出的一个技术框架，在开发嵌入式、动态触屏等时有一定的优势。

模块的作用：

打一个很简单的比方，QML就是Qt的HTML，C就是Qt的JavaScript，而QtQuick相当于一些已经集成好的开发框架，使开发应用程序变得更加简单省事。

OpenCV是一个基于C/C的开源图像处理库，和Qt本身没有太多关联，其主要是用于计算机视觉和图形开发，Qt的扩展应用OpenCV并不是每个应用程序都要用到，只是某些有特殊需求的应用程序可以更方便地使用Qt扩展的OpenCV应用。比如说用Qt开发一个软件，要使用人脸识别功能，就可以集成OpenCV来实现。

使用频率：

虽然说QML相当于HTML，C相当于JavaScript，但是还是有一定区别：所有的网页都是通过解析HTML渲染出的，JavaScript虽然可以动态改变网页，但是最终还是通过改变HTML来达到效果；QML、C的关系恰好反过来，在Qt中，C是“更加底层”的，QML使用更加简单的标记语言的语法来调用底层的C绘图支持API，从而提高程序开发的效率。

使用QML可以更快速、简捷地开发应用程序，在Qt中的使用频率也是很高的，不过这要根据特定开发人群、开发目标而定。有些开发者习惯直接使用C开发，而有些开发者更喜欢简单的QML，很多时候都是“用QML开发用户界面，用C开发业务逻辑”，但是用C开发用户界面的也不在少数。

QtQuick是一套开发框架，核心语言就是QML。

QtQuick的使用频率不低，从Qt的NewProject界面就可以看出，QtQuick是和Qt传统的CWidge平起平坐的（当然还有QtforPython等）。

OpenCV在不需要图形处理功能的情况下是不需要用到的，所以不怎么好说“使用频率”，因为这是针对特定的软件需求来的。

是否有必要学习：

QtQuick能够使应用程序开发更有效率，但是并不是开发一个程序必备的，能用QtQuick开发的，C肯定能够做出来，但是耗费时间、精力更多。在Qt开发工作这一块，掌握Qt的核心功能是必须的，而且这还远远不够。在招聘的时候肯定是考察应聘者对Qt各种技术和开发思想的理解和掌握情况，而QtQuick是官方推出的框架，掌握其开发方法应该是基本功。

霍夫变换（Hough Transform）是图像处理领域中，从图像中识别几何形状的基本方法之一。主要识别具有某些相同特征的几何形状，例如直线，圆形，本篇博客的目标就是从黑白图像中识别出直线。

翻阅霍夫直线变换的原理时候，橡皮擦觉得原理部分需要先略过，否则很容易在这个地方陷进去，但是问题来了，这个原理略过了，直接应用函数，里面有些参数竟然看不懂。例如极坐标，角度扫描范围，这种函数就属于绕不过去的知识点了，所以本文转移方向，死磕原理，下面的博文将语无伦次的为你展示如何学习原理知识。

因为数学知识的贫乏，所以在学习阶段会涉及到很多基础概念的学习，一起来吧。

首先找到相对官方的资料，打开该 地址

下面是一个数学小白对原理的学习经验。

教材说：众所周知，一条直线在图像二维空间可由两个变量表示。

抱歉，小白还真不知道……即使学习过，这些年也早已经还给老师了。

一开始难道要学习笛卡尔坐标系，不，你低估小白的能力了，我第一个查询的是 θ 读作 西塔 ，是一个希腊字母。

什么是笛卡尔坐标系？

这个比较简单，直角坐标系。

斜率和截距

斜率，亦称“角系数”，表示一条直线相对于横坐标轴的倾斜程度。

一条直线与某平面直角坐标系横坐标轴正半轴方向的夹角的正切值即该直线相对于该坐标系的斜率。

如果直线与 x 轴互相垂直，直角的正切直无穷大，故此直线不存在斜率。

对于一次函数 y=kx+b ， k 就是该函数图像的斜率。

在学习的时候，也学到如下内容：

截距：对 x 的截距就是 y=0 时， x 的值，对 y 的截距就是 x=0 时， y 的值，

截距就是直线与坐标轴的交点的横（纵）坐标。 x 截距为 a ， y 截距 b ，截距式就是： x/a+y/b=1（a≠0且b≠0） 。

斜率：对于任意函数上任意一点，其斜率等于其切线与 x 轴正方向所成的角，即 k=tanα 。 ax+by+c=0中，k=-a/b 。

什么是极坐标系？

关于极坐标系，打开 百度百科 学习一下即可。

重点学到下面这个结论就行：

找资料的时候，发现一个解释的比较清楚的 博客 ，后续可以继续学习使用。

继续阅读资料，看到如下所示的图，这个图也出现在了很多解释原理的博客里面，但是图下面写了一句话

在这里直接蒙掉了，怎么就表示成极坐标系了？上面这个公式依旧是笛卡尔坐标系表示直线的方式呀，只是把 k 和 b 的值给替换掉了。

为何是这样的，具体原因可以参照下图。

<center>chou 图</center>

继续寻找关于霍夫变换的资料，找到一个新的概念 霍夫空间 。

在笛卡尔坐标系中，一条直线可以用公式 表示，其中 k 和 b 是参数，表示的是斜率和截距。

接下来将方程改写为 ，这时就建立了一个基于 k - b 的笛卡尔坐标系。

此时这个新的方程在 k - b 坐标系也有一个新的直线。

你可以在纸上画出这两个方程对应的线和点，如下图所示即可。

<center>chou 图</center>

新的 k - b 坐标系就叫做霍夫空间，这时得到一个结论，图像空间 x - y 中的点 对应了 霍夫空间 k - b 中的一条直线 ，即图像空间的点与霍夫空间的直线发生了对应关系。

如果在图像空间 x - y 中在增加一个点 ，那相应的该点在霍夫空间也会产生相同的点与线的对应关系，并且 A 点与 B 点产生的直线会在霍夫空间相交于一个点。而这个点的坐标值 就是直线 AB 的参数。

如果到这里你掌握了，这个性质就为我们解决直线检测提供了方法，只需要把图像空间的直线对应到霍夫空间的点，然后统计交点就可以达到目的，例如图像空间中有 3 条直线，那对应到霍夫空间就会有 3 个峰值点。

遍历图像空间中的所有点，将点转换到霍夫空间，形成大量直线，然后统计出直线交会的点，每个点的坐标都是图像空间直线方程参数，这时就能得到图像空间的直线了。

上述的内容没有问题，但是存在一种情况是，当直线趋近于垂直时，斜率 k 会趋近于无穷大，这时就没有办法转换了，解决办法是使用法线来表示直线。

上文提及的斜截式如下：

通过第二个公式，可以得到下述公式：

此时，我们可以带入一些数值进行转换。

图像空间有如下的几个点：

转换后的函数，都可以在霍夫空间 θ - ρ （横坐标是 θ ，纵坐标是 ρ ）进行表示。

原理这时就比较清晰了：

除了一些数学知识以外，经典的博客我们也有必要记录一下，方便后面学习的时候，进行复盘。

本部分用于记录本文中提及的相关数学原理，后续还要逐步埋坑。

今天涉及了一点点数学知识，能力限制，大家一起学习，有错误的地方，可以在评论区指出，不胜感激。

希望今天的 1 个小时（今天内容有点多，不一定可以看完），你有所收获，我们下篇博客见~

相关阅读

技术专栏

逗趣程序员

以上就是关于【Python】Opencv调用摄像头问题全部的内容，包括:【Python】Opencv调用摄像头问题、OpenCV_opencv毛星云、Python OpenCV 霍夫（Hough Transform）直线变换检测原理，图像处理第 33 篇博客等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！