前言： 零基础学Python：Python从0到100最新最全教程。 想做这件事情很久了，这次我更新了自己所写过的所有博客，汇集成了Python从0到100，共一百节课，帮助大家一个月时间里从零基础到学习Python基础语法、Python爬虫、Web开发、 计算机视觉、机器学习、神经网络以及人工智能相关知识，成为学习学习和学业的先行者！
欢迎大家订阅专栏：零基础学Python：Python从0到100最新最全教程！
今天来学习一下如何使用OpenCV实现手势音量控制，欢迎大家一起前来探讨学习~
一、需要的库及功能介绍
本次实验需要使用OpenCV和mediapipe库进行手势识别，并利用手势距离控制电脑音量。
导入库：
cv2：OpenCV库，用于读取摄像头视频流和图像处理。mediapipe：mediapipe库，用于手部关键点检测和手势识别。ctypes和comtypes：用于与操作系统的音频接口进行交互。pycaw：pycaw库，用于控制电脑音量。功能：
初始化mediapipe和音量控制模块，获取音量范围。打开摄像头，读取视频流。对每一帧图像进行处理： 转换图像为RGB格式。使用mediapipe检测手部关键点。如果检测到手部关键点： 在图像中标注手指关键点和手势连线。解析手指关键点坐标。根据拇指和食指指尖的坐标，计算手势距离。将手势距离转换为音量大小，并控制电脑音量。 显示处理后的图像。 循环执行前述步骤，直到手动停止程序或关闭摄像头。注意事项:
在运行代码之前，需要安装相关库（opencv、mediapipe、pycaw）。需要连接音频设备并使其可访问。检测到多个手部时，只处理第一个检测到的手部。检测到手指关键点时，将索引指为0的关键点作为拇指的指尖，索引指为1的关键点作为食指的指尖。cv2.VideoCapture()函数参数问题
这并没有错。但在树莓派上调用时需要更改参数，改为：
cap = cv2.VideoCapture(1)调用电脑摄像头时：
电脑在用cv2.VideoCapture(0)时，程序结束后会有报错：
[ WARN:0] SourceReaderCB::~SourceReaderCB terminating async callback
需要改为：
cv2.VideoCapture(0,cv2.CAP_DSHOW)二、导入所需要的模块
# 导入OpenCVimport cv2# 导入mediapipeimport mediapipe as mp# 导入电脑音量控制模块from ctypes import cast, POINTERfrom comtypes import CLSCTX_ALLfrom pycaw.pycaw import AudioUtilities, IAudioEndpointVolume# 导入其他依赖包import timeimport mathimport numpy as np三、初始化 HandControlVolume 类
class HandControlVolume: def __init__(self): """ 初始化 HandControlVolume 类的实例 初始化 mediapipe 对象，用于手部关键点检测和手势识别。 获取电脑音量接口，并获取音量范围。 """ # 初始化 medialpipe self.mp_drawing = mp.solutions.drawing_utils self.mp_drawing_styles = mp.solutions.drawing_styles self.mp_hands = mp.solutions.hands # 获取电脑音量范围 devices = AudioUtilities.GetSpeakers() interface = devices.Activate( IAudioEndpointVolume._iid_, CLSCTX_ALL, None) self.volume = cast(interface, POINTER(IAudioEndpointVolume)) self.volume.SetMute(0, None) self.volume_range = self.volume.GetVolumeRange()四、主函数
1.计算刷新率
初始化刷新率的计算，记录当前时间作为初始时间。
使用OpenCV打开视频流，此处读取摄像头设备，默认使用设备ID为0。
设置视频流的分辨率为指定的resize_w和resize_h大小，并将图像resize为该尺寸。
在使用hands对象之前，使用with语句创建一个上下文环境，设置手部检测和追踪的相关参数，包括最小检测置信度、最小追踪置信度和最大手的数量。
进入循环，判断视频流是否打开。使用cap.read()函数从视频流中读取一帧图像，返回的success表示是否读取成功，image则是读取到的图像。
对读取到的图像进行resize，将其调整为指定的大小。如果读取失败，则打印提示信息并继续下一次循环。
# 主函数 def recognize(self): # 计算刷新率 fpsTime = time.time() # OpenCV读取视频流 cap = cv2.VideoCapture(0) # 视频分辨率 resize_w = 640 resize_h = 480 # 画面显示初始化参数 rect_height = 0 rect_percent_text = 0 with self.mp_hands.Hands(min_detection_confidence=0.7, min_tracking_confidence=0.5, max_num_hands=2) as hands: while cap.isOpened(): success, image = cap.read() image = cv2.resize(image, (resize_w, resize_h)) if not success: print("空帧.") continue2.提高性能
将图像的可写标志image.flags.writeable设置为False，以便进行内存优化。
将图像从BGR格式转换为RGB格式，这是因为MediaPipe模型处理的输入要求为RGB格式。
对图像进行水平翻转，即镜像操作，以使图像更符合常见的镜像显示。
使用MediaPipe模型对图像进行处理，得到结果。
将图像的可写标志image.flags.writeable设置为True，以重新启用对图像的写入操作。
将图像从RGB格式转换回BGR格式，以便后续的显示和处理。
这些优化操作旨在提高程序的性能和效率。其中，将图像的可写标志设置为False可以减少不必要的内存拷贝，转换图像的格式和镜像操作则是为了符合MediaPipe模型的输入要求和更好地进行手势识别。最后，将图像转换回BGR格式是为了与OpenCV的显示函数兼容。
# 提高性能 image.flags.writeable = False # 转为RGB image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) # 镜像 image = cv2.flip(image, 1) # mediapipe模型处理 results = hands.process(image) image.flags.writeable = True image = cv2.cvtColor(image, cv2.COLOR_RGB2BGR)3.判断是否有手掌
判断results.multi_hand_landmarks是否存在，即是否检测到手掌。如果存在，则继续执行下面的代码。
遍历results.multi_hand_landmarks中的每个hand_landmarks，即遍历每个检测到的手掌。
使用self.mp_drawing.draw_landmarks函数将检测到的手掌标注在图像上，包括手指的关键点和手指之间的连接线。
# 判断是否有手掌 if results.multi_hand_landmarks: # 遍历每个手掌 for hand_landmarks in results.multi_hand_landmarks: # 在画面标注手指 self.mp_drawing.draw_landmarks( image, hand_landmarks, self.mp_hands.HAND_CONNECTIONS, self.mp_drawing_styles.get_default_hand_landmarks_style(), self.mp_drawing_styles.get_default_hand_connections_style())4.解析手指，存入各个手指坐标
首先解析手指的坐标，并存入landmark_list列表中。然后，根据手指的坐标计算出大拇指和食指的指尖坐标，以及两者的中间点坐标。接下来，绘制了大拇指、食指和两者之间的连线，并使用勾股定理计算了两个指尖之间的长度。
创建一个空的landmark_list列表用于存储手指坐标。
遍历手部关键点的每个元素，将每个关键点的id、x、y和z坐标存储在一个列表中，然后将该列表添加到landmark_list中。
判断landmark_list是否不为空，如果不为空，继续执行下面的代码。
从landmark_list中获取大拇指指尖坐标的列表项，然后计算出在图像上的像素坐标。
从landmark_list中获取食指指尖坐标的列表项，然后计算出在图像上的像素坐标。
计算大拇指指尖和食指指尖的中间点坐标。
绘制大拇指和食指的指尖点，以及中间点。
绘制大拇指和食指之间的连线。
使用勾股定理计算大拇指指尖和食指指尖之间的长度，保存在line_len中。
# 解析手指，存入各个手指坐标 landmark_list = [] for landmark_id, finger_axis in enumerate( hand_landmarks.landmark): landmark_list.append([ landmark_id, finger_axis.x, finger_axis.y, finger_axis.z ]) if landmark_list: # 获取大拇指指尖坐标 thumb_finger_tip = landmark_list[4] thumb_finger_tip_x = math.ceil(thumb_finger_tip[1] * resize_w) thumb_finger_tip_y = math.ceil(thumb_finger_tip[2] * resize_h) # 获取食指指尖坐标 index_finger_tip = landmark_list[8] index_finger_tip_x = math.ceil(index_finger_tip[1] * resize_w) index_finger_tip_y = math.ceil(index_finger_tip[2] * resize_h) # 中间点 finger_middle_point = (thumb_finger_tip_x + index_finger_tip_x) // 2, ( thumb_finger_tip_y + index_finger_tip_y) // 2 # print(thumb_finger_tip_x) thumb_finger_point = (thumb_finger_tip_x, thumb_finger_tip_y) index_finger_point = (index_finger_tip_x, index_finger_tip_y) # 画指尖2点 image = cv2.circle(image, thumb_finger_point, 10, (255, 0, 255), -1) image = cv2.circle(image, index_finger_point, 10, (255, 0, 255), -1) image = cv2.circle(image, finger_middle_point, 10, (255, 0, 255), -1) # 画2点连线 image = cv2.line(image, thumb_finger_point, index_finger_point, (255, 0, 255), 5) # 勾股定理计算长度 line_len = math.hypot((index_finger_tip_x - thumb_finger_tip_x), (index_finger_tip_y - thumb_finger_tip_y))5.获取电脑最大最小音量
实现获取电脑的最大和最小音量，并将指尖的长度映射到音量范围和矩形显示上，然后将映射后的音量值设置为电脑的音量。具体过程如下：
self.volume_range[0]和self.volume_range[1]分别获取电脑的最小音量和最大音量。
np.interp函数将指尖的长度line_len映射到从50到300的范围，再映射到最小音量和最大音量的范围，得到音量值vol。
np.interp函数将指尖的长度line_len映射到从50到300的范围，再映射到从0到200的范围，得到矩形的高度rect_height。
np.interp函数将指尖的长度line_len映射到从50到300的范围，再映射到从0到100的范围，得到矩形百分比显示的数值rect_percent_text。
self.volume.SetMasterVolumeLevel方法将音量值vol设置为电脑的音量。
# 获取电脑最大最小音量 min_volume = self.volume_range[0] max_volume = self.volume_range[1] # 将指尖长度映射到音量上 vol = np.interp(line_len, [50, 300], [min_volume, max_volume]) # 将指尖长度映射到矩形显示上 rect_height = np.interp(line_len, [50, 300], [0, 200]) rect_percent_text = np.interp(line_len, [50, 300], [0, 100]) # 设置电脑音量 self.volume.SetMasterVolumeLevel(vol, None)6.显示矩形
cv2.putText函数来在图像上显示矩形框的百分比值；
cv2.rectangle函数来绘制矩形框并填充颜色；
cv2.putText函数来在图像上显示当前帧的刷新率FPS；
cv2.imshow函数来显示处理后的图像；
cv2.waitKey函数等待按键输入，当按下ESC键或关闭窗口时退出程序；
HandControlVolume类的recognize方法调用了手势识别的功能。
# 显示矩形 cv2.putText(image, str(math.ceil(rect_percent_text)) + "%", (10, 350), cv2.FONT_HERSHEY_PLAIN, 3, (255, 0, 0), 3) image = cv2.rectangle(image, (30, 100), (70, 300), (255, 0, 0), 3) image = cv2.rectangle(image, (30, math.ceil(300 - rect_height)), (70, 300), (255, 0, 0), -1) # 显示刷新率FPS cTime = time.time() fps_text = 1 / (cTime - fpsTime) fpsTime = cTime cv2.putText(image, "FPS: " + str(int(fps_text)), (10, 70), cv2.FONT_HERSHEY_PLAIN, 3, (255, 0, 0), 3) # 显示画面 cv2.imshow('MediaPipe Hands', image) if cv2.waitKey(5) & 0xFF == 27 or cv2.getWindowProperty('MediaPipe Hands', cv2.WND_PROP_VISIBLE) < 1: break cap.release()# 开始程序control = HandControlVolume()control.recognize()五、实战演示
通过演示我们可以发现，食指与大拇指之间在屏幕中的的距离越远，那么我们的音量会越大，反之越小，实现了通过手势对音量的控制。
六、源码分享
import cv2import mediapipe as mpfrom ctypes import cast, POINTERfrom comtypes import CLSCTX_ALLfrom pycaw.pycaw import AudioUtilities, IAudioEndpointVolumeimport timeimport mathimport numpy as npclass HandControlVolume: def __init__(self): # 初始化medialpipe self.mp_drawing = mp.solutions.drawing_utils self.mp_drawing_styles = mp.solutions.drawing_styles self.mp_hands = mp.solutions.hands # 获取电脑音量范围 devices = AudioUtilities.GetSpeakers() interface = devices.Activate( IAudioEndpointVolume._iid_, CLSCTX_ALL, None) self.volume = cast(interface, POINTER(IAudioEndpointVolume)) self.volume.SetMute(0, None) self.volume_range = self.volume.GetVolumeRange() # 主函数 def recognize(self): # 计算刷新率 fpsTime = time.time() # OpenCV读取视频流 cap = cv2.VideoCapture(0) # 视频分辨率 resize_w = 640 resize_h = 480 # 画面显示初始化参数 rect_height = 0 rect_percent_text = 0 with self.mp_hands.Hands(min_detection_confidence=0.7, min_tracking_confidence=0.5, max_num_hands=2) as hands: while cap.isOpened(): success, image = cap.read() image = cv2.resize(image, (resize_w, resize_h)) if not success: print("空帧.") continue # 提高性能 image.flags.writeable = False # 转为RGB image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) # 镜像 image = cv2.flip(image, 1) # mediapipe模型处理 results = hands.process(image) image.flags.writeable = True image = cv2.cvtColor(image, cv2.COLOR_RGB2BGR) # 判断是否有手掌 if results.multi_hand_landmarks: # 遍历每个手掌 for hand_landmarks in results.multi_hand_landmarks: # 在画面标注手指 self.mp_drawing.draw_landmarks( image, hand_landmarks, self.mp_hands.HAND_CONNECTIONS, self.mp_drawing_styles.get_default_hand_landmarks_style(), self.mp_drawing_styles.get_default_hand_connections_style()) # 解析手指，存入各个手指坐标 landmark_list = [] for landmark_id, finger_axis in enumerate( hand_landmarks.landmark): landmark_list.append([ landmark_id, finger_axis.x, finger_axis.y, finger_axis.z ]) if landmark_list: # 获取大拇指指尖坐标 thumb_finger_tip = landmark_list[4] thumb_finger_tip_x = math.ceil(thumb_finger_tip[1] * resize_w) thumb_finger_tip_y = math.ceil(thumb_finger_tip[2] * resize_h) # 获取食指指尖坐标 index_finger_tip = landmark_list[8] index_finger_tip_x = math.ceil(index_finger_tip[1] * resize_w) index_finger_tip_y = math.ceil(index_finger_tip[2] * resize_h) # 中间点 finger_middle_point = (thumb_finger_tip_x + index_finger_tip_x) // 2, ( thumb_finger_tip_y + index_finger_tip_y) // 2 # print(thumb_finger_tip_x) thumb_finger_point = (thumb_finger_tip_x, thumb_finger_tip_y) index_finger_point = (index_finger_tip_x, index_finger_tip_y) # 画指尖2点 image = cv2.circle(image, thumb_finger_point, 10, (255, 0, 255), -1) image = cv2.circle(image, index_finger_point, 10, (255, 0, 255), -1) image = cv2.circle(image, finger_middle_point, 10, (255, 0, 255), -1) # 画2点连线 image = cv2.line(image, thumb_finger_point, index_finger_point, (255, 0, 255), 5) # 勾股定理计算长度 line_len = math.hypot((index_finger_tip_x - thumb_finger_tip_x), (index_finger_tip_y - thumb_finger_tip_y)) # 获取电脑最大最小音量 min_volume = self.volume_range[0] max_volume = self.volume_range[1] # 将指尖长度映射到音量上 vol = np.interp(line_len, [50, 300], [min_volume, max_volume]) # 将指尖长度映射到矩形显示上 rect_height = np.interp(line_len, [50, 300], [0, 200]) rect_percent_text = np.interp(line_len, [50, 300], [0, 100]) # 设置电脑音量 self.volume.SetMasterVolumeLevel(vol, None) # 显示矩形 cv2.putText(image, str(math.ceil(rect_percent_text)) + "%", (10, 350), cv2.FONT_HERSHEY_PLAIN, 3, (255, 0, 0), 3) image = cv2.rectangle(image, (30, 100), (70, 300), (255, 0, 0), 3) image = cv2.rectangle(image, (30, math.ceil(300 - rect_height)), (70, 300), (255, 0, 0), -1) # 显示刷新率FPS cTime = time.time() fps_text = 1 / (cTime - fpsTime) fpsTime = cTime cv2.putText(image, "FPS: " + str(int(fps_text)), (10, 70), cv2.FONT_HERSHEY_PLAIN, 3, (255, 0, 0), 3) # 显示画面 cv2.imshow('xyp', image) if cv2.waitKey(5) & 0xFF == 27 or cv2.getWindowProperty('MediaPipe Hands', cv2.WND_PROP_VISIBLE) < 1: break cap.release()control = HandControlVolume()control.recognize()文末送书
Dream送书活动——第四十五期
《AI全能助手：ChatGPT工作效率提升技巧与案例》免费包邮送三本！ 参与方式：
1.点赞收藏文章
2.在评论区留言：人生苦短，我用Python！（多可评论三条）
3.随机抽取4位免费送出！
4.截止时间： 2024-11-19
本期推荐：
AI全能助手：ChatGPT工作效率提升技巧与案例
京东：https://item.jd.com/14628194.html
13个知识模块+60个实操场景+AI工具使用方法，多场景落地新手辅助入门，轻松调教出24小时工作助手，让一人胜过一个团队。
关键点：
13个知识模块+60个实操场景：办公技能、求职面试、人际关系、文案写作、演讲提升、活动策划、电商营销、团队管理、实体创业、教育培训、金融行业、亲子教育、文创文旅
等领域皆有涉猎。多场景落地新手辅助入门：以职场演讲为例，本书从开头、结尾、金句、声音优化技巧、文案迭代等多个角度进行深入讲解，力求帮助读者透彻掌握这项技能。AI工具使用方法详解：详细介绍ChatGPT和文心一言等多种AI辅助工具的使用技巧，并做了演示帮助读者理解。形成完整认知体系：对AI给出的回答做了客观中肯的点评，力求给读者提供独特的认知与思考视角，帮助读者形成一套完整的认知与思考逻辑。
内容简介：
本书结合作者的职场工作经验和AI使用经验，讲解了AI工具在不同工作场景中的使用方法和技巧，能帮助读者快速提升工作效率。全书共设置了13个知识模块，每个知识模块都设置了场景模拟与实操案例。真正做到了让读者看得懂，学得会，用得上。全书语言通俗易懂，案例来自实际工作，并有详细的思路点评，能够帮助读者轻松入门并建立系统认知，吃透AI运用的底层逻辑，真正拥有自己的AI全能助手。本书适合想要提升职场办公技能与效率的人士阅读，同样适合作为学校、企业和教育机构的培训教材。
作者简介：
本书结合作者的职场工作经验和 AI 使用经验，讲解了 AI 工具在不同工作场景中的使用方法和技巧，能帮助读者快速提升工作效率。全书共设置了13个知识模块，每个知识模块都设置了场景模拟与实操案例。真正做到了让读者看得懂，学得会，用得上。
全书语言通俗易懂，案例来自实际工作，并有详细的思路点评，能够帮助读者轻松入门并建立系统认知，吃透 AI 运用的底层逻辑，真正拥有自己的 AI 全能助手。本书适合想要提升职场办公技能与效率的人士阅读，同样适合作为学校、企业和教育机构的培训教材。