摄像头与多媒体

关键概念

启用摄像头

新版系统（bookworm）默认自动检测 CSI 摄像头，一般无需手动开启。接好排线后验证：

# 列出检测到的摄像头
rpicam-hello --list-cameras
# 应显示 0 : imx708 [4608x2592] ... 表示识别成功

# 预览 5 秒（接了显示器时可见画面）
rpicam-hello -t 5000

# 命令行直接拍一张照片
rpicam-still -o test.jpg

# 录制 10 秒视频
rpicam-vid -t 10000 -o test.h264

# 如果识别不到：检查排线是否插紧、方向是否正确
# 老系统需在 raspi-config → Interface → Camera 手动启用

# 安装 picamera2（bookworm 通常已预装）
sudo apt install -y python3-picamera2

picamera2 拍照与录像

用 Python 控制摄像头，可编程地拍照、加时间戳、定时抓拍：

# capture.py — 拍一张照片
from picamera2 import Picamera2
from time import sleep

picam = Picamera2()
# 配置静态拍照，设分辨率
config = picam.create_still_configuration(main={"size": (1920, 1080)})
picam.configure(config)

picam.start()
sleep(2)               # 等自动曝光/白平衡稳定
picam.capture_file("photo.jpg")
print("已保存 photo.jpg")
picam.stop()

# timelapse.py — 每分钟拍一张，做延时摄影
from picamera2 import Picamera2
from datetime import datetime
from time import sleep

picam = Picamera2()
picam.configure(picam.create_still_configuration())
picam.start()
sleep(2)

try:
    while True:
        ts = datetime.now().strftime("%Y%m%d_%H%M%S")
        fname = f"frame_{ts}.jpg"
        picam.capture_file(fname)
        print(f"拍摄 {fname}")
        sleep(60)      # 每 60 秒一张
except KeyboardInterrupt:
    picam.stop()

# record.py — 录制 MP4 视频
from picamera2 import Picamera2
from picamera2.encoders import H264Encoder
from picamera2.outputs import FfmpegOutput
from time import sleep

picam = Picamera2()
picam.configure(picam.create_video_configuration())
encoder = H264Encoder(bitrate=10000000)

picam.start_recording(encoder, FfmpegOutput("video.mp4"))
print("录制中 10 秒...")
sleep(10)
picam.stop_recording()
print("已保存 video.mp4")

picamera2 + OpenCV 处理图像

picamera2 可直接把帧输出为 NumPy 数组喂给 OpenCV，实现实时处理。先装 OpenCV：

sudo apt install -y python3-opencv
# 或在虚拟环境：pip install opencv-python

# edge.py — 实时边缘检测
from picamera2 import Picamera2
import cv2

picam = Picamera2()
# 用较低分辨率保证实时帧率
picam.configure(picam.create_preview_configuration(
    main={"size": (640, 480), "format": "RGB888"}))
picam.start()

while True:
    frame = picam.capture_array()          # 得到 NumPy 图像
    gray = cv2.cvtColor(frame, cv2.COLOR_RGB2GRAY)
    edges = cv2.Canny(gray, 100, 200)   # Canny 边缘检测
    cv2.imwrite("edges.jpg", edges)        # 保存（headless 无窗口）
    break   # 演示只处理一帧；实时则循环 + cv2.imshow（需桌面）

picam.stop()

简单人脸检测

用 OpenCV 自带的 Haar 级联模型，在树莓派上就能检测人脸并框出：

# face_detect.py — Haar 级联人脸检测
from picamera2 import Picamera2
import cv2

# 加载内置人脸模型（路径随 opencv 安装）
cascade_path = cv2.data.haarcascades + "haarcascade_frontalface_default.xml"
face_cascade = cv2.CascadeClassifier(cascade_path)

picam = Picamera2()
picam.configure(picam.create_preview_configuration(
    main={"size": (640, 480), "format": "RGB888"}))
picam.start()

frame = picam.capture_array()
gray = cv2.cvtColor(frame, cv2.COLOR_RGB2GRAY)

# 检测人脸，返回 [(x, y, w, h), ...] 矩形列表
faces = face_cascade.detectMultiScale(
    gray, scaleFactor=1.1, minNeighbors=5, minSize=(40, 40))

print(f"检测到 {len(faces)} 张人脸")
for (x, y, w, h) in faces:
    # 在每张脸上画绿色框
    cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)

# 保存前转 BGR（cv2.imwrite 期望 BGR）
cv2.imwrite("faces.jpg", cv2.cvtColor(frame, cv2.COLOR_RGB2BGR))
picam.stop()

USB 摄像头（OpenCV 直读）

免驱 USB 摄像头插上即为 /dev/video0，OpenCV 直接读取，代码与平台无关：

# usb_cam.py — USB 摄像头拍照
import cv2

cap = cv2.VideoCapture(0)        # 0 = /dev/video0
cap.set(cv2.CAP_PROP_FRAME_WIDTH, 1280)
cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 720)

ret, frame = cap.read()       # 读一帧，ret 表示成功
if ret:
    cv2.imwrite("usb_photo.jpg", frame)
    print("USB 摄像头拍照成功")
else:
    print("读取失败，检查摄像头连接")

cap.release()