Python调用PC摄像头实现扫描二维码
本文介绍如何使用 Python 结合 OpenCV 与 pyzbar 库，将普通 PC 摄像头转化为二维码扫描工具。通过安装环境依赖、引入图像灰度处理与条码解码函数，即可实时捕获视频流并识别框出二维码内容，同时配合音频提示与按键退出逻辑，满足桌面端快速核验与自动化管理需求。
2026-10-12
6
本文介绍如何使用 Python 结合 OpenCV 与 pyzbar 库，将普通 PC 摄像头转化为二维码扫描工具。通过安装环境依赖、引入图像灰度处理与条码解码函数，即可实时捕获视频流并识别框出二维码内容，同时配合音频提示与按键退出逻辑，满足桌面端快速核验与自动化管理需求。
本文介绍如何使用Python修改图像分辨率。首先通过PIL库示例单个图片的尺寸调整方法，随后提供基于OpenCV的批量处理脚本，支持对指定文件夹内所有图片统一修改分辨率并覆盖保存。文中包含关键代码片段及参数设置说明，适用于需要快速调整图片尺寸的开发者参考。
本文详解如何利用Python与OpenCV在图像窗口中动态绘制矩形和多边形。通过自定义鼠标回调与键盘指令切换标注模式，脚本自动按屏幕分辨率适配窗口大小，实时记录顶点位置并导出至TXT文件，同时内置坐标清洗逻辑，适用于定制化图像数据标注场景。
本文详细介绍如何使用Flask框架结合OpenCV库，通过RTSP协议获取海康摄像头视频数据，并将其转换为JPEG格式实时推送到Web页面。文章涵盖环境配置、核心代码编写、HTML模板对接及常见问题排查，帮助开发者快速搭建局域网视频监控前端。
本文深入解析OpenCV中三种核心图像梯度算子：Sobel、Scharr与Laplacian。通过详细对比与代码示例，展示如何利用这些算子进行边缘检测与轮廓提取，帮助开发者掌握不同场景下的最佳实践。
本文系统汇总OpenCV中常见的图像平滑处理方法，涵盖均值滤波、方框滤波、高斯滤波、中值滤波及双边滤波。详细解析各算法原理、参数设置及适用场景，重点介绍cv2.filter2D()函数实现自定义卷积核的技巧，帮助开发者根据需求选择最佳去噪方案，平衡去噪效果与边缘保留。
本文深入解析Python中OpenCV库的Sobel与Laplacian算子，详细讲解图像锐化与边缘检测原理。通过Sobel()和Laplacian()函数原型说明、参数解析及完整代码示例，展示如何结合高斯滤波与阈值处理进行边缘提取，并对比Roberts、Prewitt等算法效果，为图像识别提供基础技术支持。
针对低照度或暗部细节不足的图像，利用Python结合OpenCV执行对数变换可显著拉伸暗区对比度并压缩高亮部分。本文解析对数映射公式与曲线走势，演示基于NumPy的代码编写过程，并重点说明如何通过完整的Min-Max归一化消除背景灰化伪影，实现安全可靠的0~255像素输出。
本文详解Python中利用OpenCV进行图像灰度变换的5种核心算法：灰度上移增强、对比度减弱、反色处理、对数变换增强暗部细节以及二进制阈值化。通过代码实现与直方图对比，直观展示各算法对图像灰度级分布的影响，为后续图像运算提供理论基础。
本文介绍如何使用Python和OpenCV库对静态图像进行边缘轮廓检测。通过导入第三方库、定义显示函数、进行灰度转换和二值化处理，然后调用findContours提取轮廓点，最后用drawContours和boundingRect绘制目标边框。最终效果以方框形式框出图像中的目标区域，适合计算机视觉入门实践。
使用 Python 结合 OpenCV 库，可高效将视频按帧或固定间隔提取为独立图片，并将有序图片序列重新编码为目标格式视频。本文整理三种主流处理逻辑，涵盖单次分割、批量目录扫描与定长截取，附带关键参数配置、排序注意事项及常见报错排查，适用于视频素材整理与基础自动化脚本编写。
本文介绍如何使用OpenCV中的cv2.addWeighted函数将两幅尺寸相同的图像按指定比例进行线性叠加，实现前景与背景的融合效果。内容涵盖环境准备、图像读取与尺寸对齐、核心加权参数说明、完整可运行代码及结果验证方法，帮助开发者快速掌握基础图像混合技巧。
