### ex1-1：Anaconda 下載 ###

https://www.anaconda.com/products/individual



# 若安裝好的 Spyder 掛了，可先複製一個先使用 (在 Windows 開始選單中選擇 Anaconda Prompt，並輸入以下常用的指令)

>>> conda create -n spyder-cf -c conda-forge spyder
>>> conda activate spyder-cf



# 手機當電腦鏡頭的步驟
https://bit.ly/3yEVgF9



### ex1-2：用 conda 建立及管理 Python 虛擬環境 ###

# Step 1：安裝及更新 conda

>>> python –V			# 檢查目前 Python 版本

>>> pip list			# 檢查目前 Python 環境安裝了那些 Package

>>> conda –V			# 檢查目前 conda 版本

>>> conda list			# 檢查目前 conda 環境安裝了那些 Package

>>> conda update conda		# 若想要進行更新，可以輸入下列命令 (更新必須以系統管理員執行 Anaconda Prompt)



# Step 2：建立虛擬環境

>>> conda env list					# 看目前系統已經安裝幾個虛擬環境

>>> conda create --name myenv python=3.9		# 若要建立一個叫做 myenv 的虛擬環境，並且指定最新的 Python 的版本

>>> conda create --name myenv_27 python=2.7	# 若要建立一個叫做 myenv_27 的虛擬環境，並且指定 Python 2.7 的版本

>>> conda env list					# 再次檢查目前虛擬環境



# Step 3：啟動虛擬環境

>>> activate myenv_27				# 啟動一個新的虛擬環境

(myenv_27) >>> conda list			# 檢查目前此虛擬環境中的 Conda 安裝了那些東西

(myenv_27) >>> pip list				# 檢查目前虛擬環境的 Python 環境，安裝了那些 Package

(myenv_27) >>> conda install numpy		# 要在此虛擬環境下安裝所需套件，例如：numpy



# Step 4：離開虛擬環境

(myenv_27) >>> deactivate			# 關閉目前的虛擬環境



# Step 5：刪除虛擬環境的 Package 或虛擬環境本身

(myenv_27) >>> conda remove --name myenv_27 numpy		# 要刪除虛擬環境中某個 Package。(例如：虛擬環境 myenv_27 中的 numpy)

(myenv_27) >>> deactivate						# 關閉目前的虛擬環境

>>> conda env remove --name myenv_27				# 要刪除整個虛擬環境 (不能刪除當前的虛擬環境，必須先關閉目前的虛擬環境)



# Step 6：複製虛擬環境

>>> conda create -n myenv_new --clone myenv			# 複製虛擬環境 myenv，新的虛擬環境為 myenv_new



# Step 7：為虛擬環境安裝 Anaconda

>>> conda create --name myenv_39 python=3.9 & activate myenv_39		# 建一個 Python 3.9 的虛擬環境 myenv_39，並且切換至 myenv_39

(myenv_39) >>> conda install anaconda		# 安裝 Anaconda



### ex1-3 ###

# 以 Python 3.9 為例

>>> conda create -n opencvenv --clone myenv_39		# 複製一個 OpenCV 專用的 Python 3.9 虛擬環境
>>> activate opencvenv						# 載入虛擬環境 opencvenv



# Step 1：安裝 OpenCV 的相關支援模組

(opencvenv) >>> pip install numpy			# 陣列容器，用於影像數值計算
(opencvenv) >>> pip install matplotlib		# 畫圖用
(opencvenv) >>> pip install imutils			# 常用的圖片處理模組



# Step 2：安裝 OpenCV

(opencvenv) >>> pip install opencv-python			# OpenCV 模組
(opencvenv) >>> pip install opencv-contrib-python	# OpenCV 擴充模組
(opencvenv) >>> pip list					# 輸入指令來檢視虛擬環境安裝的套件清單



# Step 3：檢查 OpenCV 是否成功安裝，通過匯入模組，我們可以首先檢查 OpenCV 是否匯入

(opencvenv) >>> import cv2		# 匯入 OpenCV，執行後沒有任何反應，代表匯入成功
(opencvenv) >>> cv2.__version__	# 查詢 OpenCV 版本



### ex1-4 (1-1.py) ###

import cv2						# 匯入 opencv

img = cv2.imread('images/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('images/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



### ex1-5 (1-1a.py) ###

import cv2

img = cv2.imread('images/koala.jpg')
img2 = cv2.imread('images/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)



### ex1-6 (1-1b.py) ###

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

img = cv2.imread('images/koala.jpg')
print(img.shape)
resized_img = imutils.resize(img, width = 300)		# imutils.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()



### ex1-7 ####

# 字串容器
>>> myWord = '52python'				# 字串容器：由字元組成
>>> myWord[0]					# 字串以索引取值，結果為：'5'

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

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

# 集合容器 (set)
>>> mySet = {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)
>>> myDick = {'A':1, 'B':'2', 'C':3}	# 字典容器：由資料物件組成，以鍵：值表示
>>> myDick['B']					# 字典以鍵取值，結果為：'2'



### ex1-8 ###

import numpy as np				# 匯入 numpy 模組，並使用 np 簡寫代表
a = np.array([10, 2, 45, 32, 24])		# 建立五個元素的 1-D 陣列

>>> len(a)						# 計算元素個數
>>> a[2:4]						# 取出第 3 (a[2])、4 (a[3]) 的元素 (口訣：有頭無尾)
>>> a[:4]						# 取出第 1 (a[0]) ~ 3 (a[2]) 的元素



### ex1-9 ###

import numpy as np

A = np.array([[1, 4, 2], [3, 2, 0]])	# 建立兩個元素 2-D 矩陣
B = A[1:, 1:3]					# 2-D array 切片，第一個索引以列切片，第二個索引以行為切片



### ex1-10 (1-1c.py) ###

import cv2

img = cv2.imread('images/koala.jpg')
print(img.shape)

x = 10; y = 10					# 設定切片頂點 (x, y)
w = 150; h= 200					# 設定切片的寬 (w) 與高 (h)

crop_img = img[y:y + h, x:x + w]		# 2-D array 切片，第一個索引以列切片，第二個索引以行為切片
cv2.imshow('Koala', img)
cv2.imshow('corp_Koala', crop_img)
print(crop_img.shape)

cv2.waitKey(0)
cv2.destroyAllWindows()



### ex1-11 (1-1d.py) ###

import cv2, imutils

img = cv2.imread('images/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', img)
cv2.imshow('Koala:rotated', rotated_img)
cv2.imshow('Koala:fliped', fliped_img)
cv2.imshow('Koala:translated', translated_img)

cv2.waitKey(0)
cv2.destroyAllWindows()



### ex1-12 (1-1e.py) ###

import cv2

img = cv2.imread('images/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
rgb_img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)		# cv2.COLOR_RGB2BGR 將 RGB 格式轉成 BGR
bgr_img = cv2.cvtColor(rgb_img, cv2.COLOR_RGB2BGR)

cv2.imshow('Koala:original', img)
cv2.imshow('Koala:gray', gray_img)
cv2.imshow('Koala:rgb', rgb_img)
cv2.imshow('Koala:bgr', bgr_img)

cv2.waitKey(0)
cv2.destroyAllWindows()



### ex1-13 (1-1f.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()



### ex1-14 (1-1g.py) ###

import cv2

img = cv2.imread('images/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()



### ex1-15 (1-1h.py) ###

import cv2

img = cv2.imread('images/koala.jpg')
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

cv2.imwrite('images/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('images/result.png', img)



### ex1-16 (1-2.py) ###

import cv2

cap = cv2.VideoCapture('images/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) == 27:					# 如果顯示一幀，持續至少 1 ms，且使用者按下 ESC 鍵，則跳離迴圈
        break

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



### ex1-17 (1-2a.py) ###

import cv2

cap = cv2.VideoCapture('images/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) == 27:
        break

cap.release()
cv2.destroyAllWindows()



### ex1-18 (1-3.py) ###

import cv2

cap = cv2.VideoCapture(0)		# 代表第一支相機

while cap.isOpened():
    ret, frame = cap.read()
    cv2.imshow('frame', frame)
      
    if cv2.waitKey(1) == 27:
        break
  
cap.release()
cv2.destroyAllWindows()



### ex1-19 (1-3a.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) == 27:
        break

cap.release()
cv2.destroyAllWindows()



### ex1-20 (1-3b.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('images/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) == 27:
            break
    else:
        break

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



### ex1-21 (1-4.py) ###

import cv2

face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_alt2.xml')	# 載入正面較精準的 alt2
image = cv2.imread('images/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('preview', 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('preview', frame)
cv2.waitKey(0)											# 按任何鍵結束程式

cv2.destroyAllWindows()



### ex1-21 (1-5.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('images/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('preview', cv2.WINDOW_NORMAL)
cv2.imshow('preview', frame)

cv2.waitKey(0)
cv2.destroyAllWindows()



### ex1-22 (1-6.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()
    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) == 27:
        break

cap.release()
cv2.destroyAllWindows()



### ex1-23 (1-7.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()
    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) == 27:
        break

cap.release()
cv2.destroyAllWindows()



### ex1-24 (1-8-1-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))
    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:
        cap.release()
        cv2.destroyAllWindows()
        break

cap.release()
cv2.destroyAllWindows()



### ex1-25 (1-8-2-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')



### ex1-26 (1-8-3-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 = ['第一位的名字']

# 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, 400))
    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:
        cap.release()
        cv2.destroyAllWindows()
        break