### ex4-1 ###

# 安裝 virtualenv 和 virtualenvwrapper 套件
$ sudo pip3 install virtualenv			# 也可使用 sudo python3 -m pip install virtualenv
$ sudo pip3 install virtualenvwrapper		# 也可使用 sudo python3 -m pip install virtualenvwrapper

# 使用 pip3 執行檢查目前安裝的 Python 3 模組，檢查是否有安裝 virtualenv 和 virtualenvwrapper 
$ pip3 list



### ex4-2 ### 

# 編輯 .bashrc 檔，新增路徑設定，以便可以執行 virtualenvwrapper
$ sudo nano ~/.bashrc

# 加入下列三行到 .bashrc
export WORKON_HOME=$HOME/.virtualenvs
export VIRTUALENVWRAPPER_PYTHON=/usr/bin/python3
source /usr/local/bin/virtualenvwrapper.sh

# 重新載入更新的路徑設定
$ source ~/.bashrc



### ex4-3 ###

# 建立一個新的 Python 3 虛擬環境
$ mkvirtualenv test -p python3

# 關閉目前虛擬環境
$ deactivate

# 顯示已建立的虛擬環境
$ lsvirtualenv 

# 啟動虛擬環境
$ workon test 

# 移除虛擬環境
$ rmvirtualenv test

# 複製虛擬環境
$ cpvirtualenv test (來源) test1 (目的)



### ex4-4 ###

# 檢視虛擬環境安裝的 Python 套件清單
(test) $ pip list



### ex4-5 ###

# 步驟一：更新與升級已安裝的套件
$ sudo apt-get update		# 軟體資料庫同步，升級前都先做
$ sudo apt-get upgrade		# 升級已安裝的軟體



### ex4-6 ###

# 步驟二：安裝 OpenCV 的相關支援套件
# 安裝 HDF (Hierarchical Data Format version 5) 資料集的套件
$ sudo apt-get install -y libhdf5-dev

# 安裝矩陣運算和 JPEG-2000 圖片函式庫
$ sudo apt-get install -y libatlas-base-dev
$ sudo apt-get install -y libjasper-dev

# 安裝 QT GUI 圖形介面的套件
$ sudo apt-get install -y libqtgui4
$ sudo apt-get install -y libqt4-test
$ sudo apt-get install -y python3-pyqt5



### ex4-7 ###

# 步驟三：新增名為 opencv 的 Python 3 虛擬環境
$ mkvirtualenv opencv -p python3

# 檢查目前安裝的 Python 模組
(opencv) $ pip list



### ex4-8 ###

# 步驟四：在虛擬環境安裝支援的 Python 套件
(opencv) $ pip install numpy==1.21.4
(opencv) $ pip install matplotlib
(opencv) $ pip install imutils



### ex4-9 ###

# 步驟五：在 Python 的虛擬環境中，安裝 OpenCV
(opencv) $ pip install opencv-python==4.5.4.60
(opencv) $ pip install opencv-contrib-python==4.5.4.60



# 輸入指令來檢視虛擬環境安裝的套件清單：
(opencv) $ pip list



### ex4-10 ###

# 更新當前安裝的軟件包。
$ sudo apt-get update
$ sudo apt-get upgrade

# 安裝編譯套件
$ sudo apt-get install build-essential cmake

# 安裝圖片套件
$ sudo apt-get install libjpeg-dev libpng-dev libtiff5-dev libjasper-dev

# 安裝影片套件
$ sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev
$ sudo apt-get install libxvidcore-dev libx264-dev

# 安裝 GTK 套件
$ sudo apt-get install libgtk-3-dev libcanberra-gtk*

# 最佳化套件
$ sudo apt-get install libatlas-base-dev gfortran

# 樹莓派加裝
$ sudo apt-get install at-spi2-core

# 安裝 Python 開發套件
$ sudo apt-get install python-dev python3-dev

# 安裝 numpy 函式庫，確認 Python 2 與 Python 3 可安裝並使用 OpnCV
$ pip install numpy		# 安裝 python2 的 numpy
$ pip3 install numpy		# 安裝 python3  的 numpy



### ex4-11 ###

# 通過運行以下指令開始修改交換文件配置。
$ sudo nano /etc/dphys-swapfile

# 更改 CONF_SWAPSIZE=2048，並存檔。

# 更改 swap 文件配置後，我們需要使用以下指令重新啟動其服務。
$ sudo systemctl restart dphys-swapfile



### ex4-12 ###

# 讓我們將所需的兩個 OpenCV 儲存到 Raspberry Pi 中

$ mkdir opencv
$ cd opencv
$ wget https://github.com/opencv/opencv/archive/master.zip			# 下載 opencv
$ unzip master.zip && rm master.zip							# 解壓縮並刪除檔案
$ wget https://github.com/opencv/opencv_contrib/archive/master.zip	# 下載 opencv-contrib
$ unzip master.zip && rm master.zip							# 解壓縮並刪除檔案



### ex4-13 ###

# 首先，在剛剛解壓縮的檔案，在 opencv-master 資料夾中，創建一個名為 "build" 的目錄，然後將工作目錄更改為該目錄。
$ cd opencv-master
$ mkdir build
$ cd build

# 在 build 中，以 cmake 用來準備 OpenCV，以便在 Pi 上進行編譯，運行以下指令以生成所需的 makefile。
$ cmake -D CMAKE_BUILD_TYPE=RELEASE \
    -D CMAKE_INSTALL_PREFIX=/usr/local \
    -D OPENCV_EXTRA_MODULES_PATH=../../opencv_contrib-master/modules \
    -D ENABLE_NEON=ON \
    -D ENABLE_VFPV3=ON \
    -D WITH_TBB=ON \
    -D WITH_OPENMP=ON \
    -D BUILD_TESTS=OFF \
    -D OPENCV_ENABLE_NONFREE=ON \
    -D INSTALL_PYTHON_EXAMPLES=OFF \
    -D BUILD_EXAMPLES=OFF \
    -D OPENCV_EXTRA_EXE_LINKER_FLAGS=-latomic \
    -D PYTHON3_EXECUTABLE=/usr/bin/python3 \
    -D PYTHON_EXECUTABLE=/usr/bin/python \
     ..

# 所需的編譯文件生成後，繼續編譯 OpenCV。使用參數 -j4 使 Pi 上的每個內核都可以編譯 OpenCV，加快編譯過程。
$ make -j4

# 若編譯結果沒有錯誤發生，就可以安裝了
$ sudo make install

# 我們還需要重新設定作業系統。
$ sudo ldconfig

# 進入 python_loader
$ cd python_loader

# 設定 python (python2) 的執行環境
$ sudo python setup.py install

# 設定 python3 的執行環境
$ sudo python3 setup.py install



### ex4-14 ###

# 啟動 python3 終端：
$ python3

# 通過匯入模組，我們可以首先檢查 OpenCV 是否匯入到 Pi 上：
>>> import cv2	# 執行後沒有任何反應，代表匯入成功

# 查詢 OpenCV 版本：
>>> cv2.__version__



### ex4-15 ###

# ch04 程式碼下載
$ cd ~/Lab
$ wget https://max543.com/debugger/class/python02/PiCamera/Lab/code/ch04.zip
$ unzip ch04.zip



進入 opencv 的虛擬環境，自行建立資料夾撰寫程式碼：(請確認你有建立 opencv 的虛擬環境)
$ workon opencv
(opencv) $ mkdir ~/Lab		# 建立一個資料夾，存放範例程式
(opencv) $ cd Lab
(opencv) $ mkdir ./ch04		# 建立一個資料夾，存放章節程式
(opencv) $ cd ch04



### ex4-16 (4-1.py) ###

import cv2		# 匯入 opencv

img = cv2.imread("koala.jpg")		# imread() 讀取圖檔。第 1 個參數：檔案路徑 (字串)
cv2.imshow("Koala", img)		# imshow() 顯示圖片。第 1 個參數：視窗的文字名稱 (字串)，第 2 個參數：圖片內容

gray_img = cv2.imread("koala.jpg", cv2.IMREAD_GRAYSCALE)		# imread() 讀取圖檔。第 2 個參數：可以指定 3 種的讀取格式
cv2.imshow("Koala:gray", gray_img)

cv2.waitKey(0)				# waitKey(0) 等待使用者按下任何鍵
cv2.destroyAllWindows()			# 最後呼叫 destroyAllWindows() 方法關閉視窗



### ex4-17 (4-1a.py) ###

import cv2

img = cv2.imread("koala.jpg")
img2 = cv2.imread("koala.jpg", cv2.IMREAD_GRAYSCALE)
print(img.shape)			# 使用 shape 屬性取得圖片的尺寸與色彩數，並顯示出來
print(img2.shape)
h, w, c = img.shape		# 宣告 3 個變數儲存回傳的 shape 屬性
print("圖片高:", h)
print("圖片寬:", w)



### ex4-18 (4-1b.py) ###

import cv2, imutils		# 匯入 imutils 模組，來調整圖片的尺寸 

img = cv2.imread("koala.jpg")
print(img.shape)
resized_img = imutils.resize(img, width = 300)		# resize() 調整尺寸。第 1 個參數：圖片內容，第 2 個參數：指定 width 或 height 參數值來調整尺寸 (只需指定其中之一)
print(resized_img.shape)
cv2.imshow("Koala", img)
cv2.imshow("Koala:resized", resized_img)

cv2.waitKey(0)
cv2.destroyAllWindows()



### ex4-19 (4-1c.py) ###

import cv2

img = cv2.imread("koala.jpg")
cv2.imshow("Koala", img)
print(img.shape)
x = 10; y = 10
w = 150; h= 200
crop_img = img[y:y + h, x:x + w]
cv2.imshow("crop_Koala", crop_img)
print(crop_img.shape)

cv2.waitKey(0)
cv2.destroyAllWindows()



### ex4-20 (4-1d.py) ###

import cv2, imutils

img = cv2.imread("koala.jpg")
rotated_img = imutils.rotate(img, angle = 90)		# rotate() 旋轉圖片。第 1 個參數：圖片內容，第 2 個參數：angle 參數是旋轉角度
fliped_img = cv2.flip(img, -1)				# 使用 cv2.flip() 也可旋轉圖片。第 1 個參數：圖片內容，第 2 個參數：0 是沿 x 軸垂直翻轉；1 是沿 y 軸水平翻轉 (鏡射)；-1 是沿水平和垂直都翻轉
translated_img = imutils.translate(img, 25, -75)	# translate() 位移圖片。第 1 個參數：圖片內容，第 2 個參數：若是正值向右位移；負值向左位移，第 3 個參數：若是正值向下位移；負值向上位移
cv2.imshow("Koala:rotated", rotated_img)
cv2.imshow("Koala:fliped", fliped_img)
cv2.imshow("Koala:translated", translated_img)

cv2.waitKey(0)
cv2.destroyAllWindows()



### ex4-21 (4-1e.py) ###

import cv2

img = cv2.imread("koala.jpg")
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)	# cvtColor() 轉換彩色圖片成為灰階圖片。第 1 個參數：圖片內容，第 2 個參數：cv2.COLOR_BGR2GRAY 將 BGR 格式轉成灰階
bgr_img = cv2.cvtColor(img, cv2.COLOR_RGB2BGR)		# cv2.COLOR_RGB2BGR 將 RGB 格式轉成 BGR
cv2.imshow("Koala:gray", gray_img)
cv2.imshow("Koala:bgr", bgr_img)

cv2.waitKey(0)
cv2.destroyAllWindows()



### ex4-22 (4-1f.py) ###

import cv2, imutils

url = "https://fchart.github.io/img/koala.png"		# 宣告變數 url 儲存圖片的 URL 網址 
img = imutils.url_to_image(url)				# imutils.url_to_image() 讀取此網址的圖片
cv2.imshow("Koala", img)

cv2.waitKey(0)
cv2.destroyAllWindows()



### ex4-23 (4-1g.py) ###

import cv2

img = cv2.imread("koala.jpg")

cv2.line(img, (0,0), (200,200), (0,0,255), 5)				# cv2.line(影像, 開始座標, 結束座標, 顏色, 線寬)
cv2.rectangle(img, (20,70), (120,160), (0,255,0), 2)			# cv2.rectangle(影像, 開始座標, 結束座標, 顏色, 線寬)
cv2.rectangle(img, (40,80), (100,140), (255,0,0), -1)			
cv2.circle(img,(90,210), 30, (0,255,255), 3)				# cv2.circle(影像, 圓心座標, 半徑, 顏色, 線寬)
cv2.circle(img,(140,170), 15, (255,0,0), -1)				
cv2.putText(img, 'OpenCV', (10, 40), cv2.FONT_HERSHEY_SIMPLEX, 1, (0,255,255), 5, cv2.LINE_AA)		# cv2.putText(影像, 文字, 座標, 字型, 大小, 顏色, 線寬, 線條種類)

cv2.imshow("Koala", img)

cv2.waitKey(0)
cv2.destroyAllWindows()



### ex4-24 (4-1h.py) ###

import cv2

img = cv2.imread("koala.jpg")
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv2.imwrite("result_gray.jpg", gray_img)			# imwrite() 將圖片內容寫入圖檔。第 1 個參數：欲儲存的圖檔名稱，第 2 個參數：圖片內容
cv2.imwrite("result.png", img)



### ex4-25 (4-2.py) ###

import cv2

cap = cv2.VideoCapture("YouTube.mp4")		# 第 1 個參數：影片檔路徑

while cap.isOpened():					# isOpened() 檢查影片是否開啟
    ret, frame = cap.read()				# read() 讀取每一個影格 (幀)。變數 ret：讀取成功 (1)；讀取失敗 (0)，frame：影格內容
    if ret:							# 如果 ret == True (1)，則顯示影格
        cv2.imshow("frame",frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):		# 如果顯示一幀，持續至少 1 ms，且使用者按下 q 鍵，則跳離迴圈 (ord()可以將字符轉化為對應的整數 ASCII碼)
        break

cap.release()						# 釋放 VideoCapture 物件
cv2.destroyAllWindows()					# 關閉視窗



### ex4-26 (4-2a.py) ###

import cv2

cap = cv2.VideoCapture("YouTube.mp4")

def decode_fourcc(v):					# decode_fourcc() 將編碼轉成可閱讀的編碼名稱
    v = int(v)
    return "".join([chr((v >> 8 * i) & 0xFF) for i in range(4)])

width = cap.get(cv2.CAP_PROP_FRAME_WIDTH)
height = cap.get(cv2.CAP_PROP_FRAME_HEIGHT)
print("圖片尺寸:", width, 'x', height)
fourcc = cap.get(cv2.CAP_PROP_FOURCC)		# 取得影片編碼。參數用法：https://docs.opencv.org/4.5.3/d4/d15/group__videoio__flags__base.html#baeb8dd9c89c10a5c63c139bf7c4f5704d
codec = decode_fourcc(fourcc)				# 呼叫 decode_fourcc()，轉換可閱讀的編碼字串
print("Codec編碼:", codec)



### ex4-27 (4-2b.py) ###

import cv2

cap = cv2.VideoCapture("YouTube.mp4")

while cap.isOpened():
    ret, frame = cap.read()

    if ret:
        gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)	# 圖片處理的 cv2.COLOR_BGR2GRAY，同樣適用於影片
        cv2.imshow("frame", gray_frame)

    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()



### ex4-28 (4-3.py) ###

import cv2

cap = cv2.VideoCapture(0)			# 代表第一支相機

while cap.isOpened():
    ret, frame = cap.read()
    frame = cv2.rotate(frame, rotateCode = 1)		# 垂直旋轉相機 180 度 (因為我們的相機安裝是反的)
    cv2.imshow("frame", frame)
      
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
  
cap.release()
cv2.destroyAllWindows()



### ex4-29 (4-3a.py) ###

import cv2

cap = cv2.VideoCapture(0)
cap.set(cv2.CAP_PROP_FRAME_WIDTH, 320)
cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 180)
cap.set(cv2.CAP_PROP_FPS, 25)

while cap.isOpened():
    ret, frame = cap.read()
    cv2.imshow("frame",frame)      
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
  
cap.release()
cv2.destroyAllWindows()



### ex4-30 (4-3b.py) ###

import cv2

cap = cv2.VideoCapture(0)
fourcc = cv2.VideoWriter_fourcc(*'XVID')					# 首先建立影片編碼 fourcc，指定為 .avi 格式
out = cv2.VideoWriter('output.avi', fourcc, 20, (640, 480))		# 建立 VideoWriter 物件來寫入影片檔。第 1 個參數：欲儲存的影片檔案名稱，第 2 個參數：編碼，第 3 個參數：FPS，第 4 個參數：影格尺寸

while cap.isOpened():
    ret, frame = cap.read()

    if ret == True:
        out.write(frame)							# 呼叫 write() 將影格一一寫入影片檔
        cv2.imshow('frame', frame)

        if cv2.waitKey(1) & 0xFF == ord('q'):
            break
    else:
        break

cap.release()
out.release()
cv2.destroyAllWindows()



### ex4-31 (4-4.py) ###

import cv2

face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_alt2.xml')	# 載入正面較精準的 alt2
image = cv2.imread('demo.jpeg')								# 載入圖檔		
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)						# 轉成灰階 (影片辨識採灰階)

faces = face_cascade.detectMultiScale(gray, 1.1, 3)					# 利用 detectMultiScale(image, scaleFactor = 1.1, minNeighbors = 3) 尋找圖片中的人臉
# faces = face_cascade.detectMultiScale(gray, 1.05, 4)				# scaleFactor 代表每次檢測窗口的放大級距，最小值為 1，minNeighbors 代表需通過幾次才算是人臉

# 找到人臉後，傳回左上角座標 (x, y)，及長寬範圍，畫出一個矩形
for (x, y, w, h) in faces:
    frame = cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 3)

cv2.namedWindow('frame', cv2.WINDOW_NORMAL)						# 當圖片太大，使用 namedWindow() 得到的視窗就可以自行调整大小。WINDOW_NORMAL：視窗大小可改變
cv2.imshow('frame', frame)
cv2.waitKey(0)											# 按任何鍵結束程式

cv2.destroyAllWindows()



### ex4-32 (4-5.py) ###

import cv2

face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_alt2.xml')
eye_cascade = cv2.CascadeClassifier('haarcascade_eye.xml')				# 載入眼睛分類器
frame = cv2.imread('demo.jpeg')
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

# faces = face_cascade.detectMultiScale(gray, 1.1, 3)
faces = face_cascade.detectMultiScale(gray, 1.05, 4)

# 畫出辨識的人臉
for (x, y, w, h) in faces:
    frame = cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 3)
    face_rect = gray[y:y + h, x:x + w]
    eyes = eye_cascade.detectMultiScale(face_rect, 1.3, 8)				# 辨識出人臉後，再辨識眼睛
    
    # 畫出辨識的眼睛
    for (ex, ey, ew, eh) in eyes:
        frame = cv2.rectangle(frame, (x + ex, y + ey), (x + ex + ew, y + ey + eh), (0, 255, 0), 2)

cv2.namedWindow('frame', cv2.WINDOW_NORMAL)
cv2.imshow('frame', frame)

cv2.waitKey(0)
cv2.destroyAllWindows()



### ex4-33 (4-6.py) ####

import cv2

faceCascade = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")	# 載入全角度較精準的預設人臉分類器

cap = cv2.VideoCapture(0)
cap.set(cv2.CAP_PROP_FRAME_WIDTH, 640)
cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 480)

while True:
    ret, frame = cap.read()
    frame = cv2.rotate(frame, rotateCode = 1)
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    faces = faceCascade.detectMultiScale(gray, scaleFactor = 1.1, minNeighbors = 5, minSize = (30, 30))	# minSize：低於 minSize 的話，不會被檢測出來
    print("人臉數:", len(faces))													# 計算出現的人臉數

    for (x, y, w, h) in faces:
        cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)

    cv2.imshow("preview", frame)

    if cv2.waitKey(1) & 0xFF == ord("q"):
        break

cap.release()
cv2.destroyAllWindows()



### ex4-34 (4-7.py) ####

import cv2

faceCascade = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")
eye_cascade = cv2.CascadeClassifier("haarcascade_eye.xml")

cap = cv2.VideoCapture(0)
cap.set(cv2.CAP_PROP_FRAME_WIDTH, 640)
cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 480)

while True:
    ret, frame = cap.read()
    frame = cv2.rotate(frame, rotateCode = 1)
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    faces = faceCascade.detectMultiScale(gray, scaleFactor = 1.1, minNeighbors = 5, minSize = (30, 30))
    print("人臉數:", len(faces))

    for (x, y, w, h) in faces:
        frame = cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 3)
        face_rect = gray[y:y + h, x:x + w]
        eyes = eye_cascade.detectMultiScale(face_rect, 1.3, 8)

        for (ex, ey, ew, eh) in eyes:
            cv2.rectangle(frame, (x + ex, y + ey), (x + ex + ew, y + ey + eh), (0, 255, 0), 2)

    cv2.imshow("preview", frame)

    if cv2.waitKey(1) & 0xFF == ord("q"):
        break

cap.release()
cv2.destroyAllWindows()



### ex4-35 ####

# 字串容器
>>> string = "52python"				# 字串容器：由字元組成
>>> string[0]					# 字串以索引取值



# tuple 容器
>>> tuple = (1, '2', 3)				# tuple 容器：由資料物件組成
>>> tuple[0]					# tuple 以索引取值



# 串列容器 (list)
>>> list = [1, '2', 3]				# 串列容器：由資料物件組成
>>> list[2]						# 串列以索引取值



# 集合容器 (set)
>>> set = {1, '2', 3}				# 集合容器：由資料物件組成，無序所以沒有索引取值



# 字典容器 (directory)
>>> dick = {'A':1, 'B':'2', 'C':3}		# 字典容器：由資料物件組成，以鍵：值表示
>>> dick['B']					# 字典以鍵取值



### ex4-36 ###

>>> import numpy as np				# 匯入 numpy
>>> a = np.array([10, 2, 45, 32, 24])	# 建立五個元素
>>> len(a)						# 計算元素個數
>>> a[2:4]						# 取出第 2、3 個元素
>>> a[:4]						# 取出第 1 ~ 3 個元素



### ex4-37 (4-8-1-capture.py) ###

import cv2

ESC = 27			# 設定將以 ESC 鍵作為離開程式		
n = 1				# 畫面數量計數
index = 0			# 存檔檔名用	
total = 100			# 人臉取樣總數

# 自訂函數，images 與 h0 要自己先建立。若有第二個人就建立 h1
def saveImage(face_image, index):
    filename = 'images/h0/{:03d}.pgm'.format(index)
    cv2.imwrite(filename, face_image)
    print(filename)

# 載入聯集分類器與開啟攝影機
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
cap = cv2.VideoCapture(0)
ratio = cap.get(cv2.CAP_PROP_FRAME_WIDTH) / cap.get(cv2.CAP_PROP_FRAME_HEIGHT)
WIDTH = 400
HEIGHT = int(WIDTH / ratio)
cv2.namedWindow('video', cv2.WINDOW_NORMAL)

# 讀取影像並轉成灰階
while n > 0:
    ret, frame = cap.read()
    frame = cv2.resize(frame, (WIDTH, HEIGHT))
    frame = cv2.rotate(frame, rotateCode = 1)			# 垂直旋轉相機 180 度 (因為我們的相機安裝是反的)
    frame = cv2.flip(frame, 1)					# 水平翻轉 180 度 (鏡像)
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)		# 轉成灰階
    
    # 偵測人臉，並且每 5 張人臉存檔一次
    faces = face_cascade.detectMultiScale(gray, 1.1, 3)	# 辨識人臉

    for (x, y, w, h) in faces:
        frame = cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 3)

        if n % 5 == 0:							# 每 5 張存檔一次，目的是要讓使用者變換姿勢
            face_img = gray[y: y + h, x: x + w]
            face_img = cv2.resize(face_img, (400, 400))	# 訓練用圖片解析度為 400x400，最小為 50x50
            saveImage(face_img, index)				# 儲存訓練圖片
            index += 1

            if index >= total:					# 若拍照滿 100 張，則跳離 for 迴圈
                print('get training data done')
                n = -1
                break

        n += 1
    
    # 將攝影機拍到的影像顯示出來
    cv2.imshow('video', frame)

    if cv2.waitKey(1) == ESC:
        cv2.destroyAllWindows()
        break



### ex4-38 (4-8-2-train.py) ###

import cv2
import numpy as np

images = []									# 空串列，儲存照片
labels = []									# 空串列，儲存人臉的標籤序號

for index in range(100):
    filename = 'images/h0/{:03d}.pgm'.format(index)
    print('read ' + filename)
    img = cv2.imread(filename, cv2.COLOR_BGR2GRAY)
    images.append(img)
    labels.append(0)							# 第一張人臉的標籤為 0

print('training...')
model = cv2.face.LBPHFaceRecognizer_create()			# 建立模型，使用 LBPH 演算法
model.train(np.asarray(images), np.asarray(labels))		# train() 只能接收 numpy 格式的陣列，asarry() 方法將輸入的物件轉成陣列
model.save('faces.data')						# 儲存訓練好的辨識檔
print('training done')



### ex4-39 (4-8-3-recognition.py) ###

import cv2

model = cv2.face.LBPHFaceRecognizer_create()			# 建立模型，使用 LBPH 演算法
model.read('faces.data')						# 載入訓練好的辨識檔
print('load training data done')

face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')		# 載入聯集分類器 (需與取樣時的分類器一致)，並開啟攝影機
cap = cv2.VideoCapture(0)
cv2.namedWindow('video', cv2.WINDOW_NORMAL)
# 可識別化名稱，請自行更改
names = ['pllai']

# 讀取攝影機資料，並轉換成灰階影像
while True:
    ret, frame = cap.read()
    frame = cv2.resize(frame, (600, 336))
    frame = cv2.flip(frame, 1)
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    faces = face_cascade.detectMultiScale(gray, 1.1, 3)

    # 偵測人臉，並與訓練資料比對
    for (x, y, w, h) in faces:
        frame = cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 3)
        face_img = gray[y: y + h, x: x + w]
        face_img = cv2.resize(face_img, (400, 400))

        val = model.predict(face_img)		# predict() 會傳回標籤編號與信心值
        print('label:{}, conf:{:.1f}'.format(val[0], val[1]))
        
        if val[1] < 50:		# 若是 LBPH 演算法 < 50 是可接受的，信心值越低越好
            cv2.putText(frame, names[val[0]], (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 1, (255,255,0), 3)

    cv2.imshow('video', frame)

    if cv2.waitKey(1) == 27:
        cv2.destroyAllWindows()
        break