当前位置：首页 > news >正文

餐饮酒店网站建设长沙市云网站建设

news 2025/7/8 23:14:43

餐饮酒店网站建设,长沙市云网站建设,个人类网站有哪些,网站建设課程PythonQt指纹录入识别考勤系统如需安装运行环境或远程调试，见文章底部个人QQ名片，由专业技术人员远程协助！前言这篇博客针对<<PythonQt指纹录入识别考勤系统>>编写代码，代码整洁，规则，易读。学…

Python+Qt指纹录入识别考勤系统

如需安装运行环境或远程调试，见文章底部个人QQ名片，由专业技术人员远程协助！

前言

这篇博客针对<<Python+Qt指纹录入识别考勤系统>>编写代码，代码整洁，规则，易读。学习与应用推荐首选。

文章目录

一、所需工具软件

二、使用步骤

1. 引入库

2. 识别图像特征

3. 运行结果

三、在线协助

一、所需工具软件

1. Pycharm, Python

2. Qt, OpenCV

二、使用步骤

1.引入库

代码如下（示例）：

# coding:utf-8
import sys
import os
import csv
import cv2
import record
import name
from PyQt5 import QtWidgets
from PyQt5 import QtWidgets, QtCore, QtGui
from PyQt5.QtGui import *
from PyQt5.QtWidgets import *
from PyQt5.QtCore import *
from shutil import copyfile
from sys import exit
import os
from login import *
from register import *

2.识别图像特征

代码如下（示例）：

       name=f.read()print("f",name)f.close()# 均值哈希算法def aHash(img):# 缩放为8*8img = cv2.resize(img, (8, 8), interpolation=cv2.INTER_CUBIC)# 转换为灰度图gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# s为像素和初值为0，hash_str为hash值初值为''s = 0hash_str = ''# 遍历累加求像素和for i in range(8):for j in range(8):s = s + gray[i, j]# 求平均灰度avg = s / 64# 灰度大于平均值为1相反为0生成图片的hash值for i in range(8):for j in range(8):if gray[i, j] > avg:hash_str = hash_str + '1'else:hash_str = hash_str + '0'return hash_str# 差值感知算法def dHash(img):# 缩放8*8img = cv2.resize(img, (9, 8), interpolation=cv2.INTER_CUBIC)# 转换灰度图gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)hash_str = ''# 每行前一个像素大于后一个像素为1，相反为0，生成哈希for i in range(8):for j in range(8):if gray[i, j] > gray[i, j + 1]:hash_str = hash_str + '1'return hash_str# Hash值对比def cmpHash(hash1, hash2):n = 0# hash长度不同则返回-1代表传参出错if len(hash1) != len(hash2):return -1# 遍历判断for i in range(len(hash1)):# 不相等则n计数+1，n最终为相似度if hash1[i] != hash2[i]:n = n + 1return nimport ospath = "fingerDataBase/"file_list = os.listdir(path)for file in file_list:img1 = cv2.imread('temp/new.jpg')BasePath="fingerDataBase/" + str(file)print("BasePath: ", BasePath)img2 = cv2.imread(BasePath)print("img2: ",img2)hash1 = aHash(img1)hash1 = dHash(img1)hash2 = dHash(img2)print(hash1)print(hash2)n = cmpHash(hash1, hash2)print("n",n)print('差值哈希算法相似度：' + str(n))result='相似度：' + str(100-n)+", 通过"