opencv学习笔记-4.educoder平台-简单人脸识别第三第四关
我决定三四关就简单点写笔记-----我觉得我们主要以看得懂代码会写代码会用代码为主
第三关：基于Harr特征的人脸检测分类器
在此我们使用Harrcascade_frontalface_default.xml模型检测人脸。
声明分类器：
CascadeClassifier(模型文件路径)
调用分类函数：
detectMultiScale(图片对象,scaleFactor, minNeighbors, minSize)
- 图片对象：待识别图片对象；
- scaleFactor：图像缩放比例；
- minNeighbors：对特征检测点周边多少有效点同时检测，这样可避免因选取的特征检测点太小而导致遗漏；
- minSize：特征检测点的最小尺寸，可选参数。
import numpy as np
import cv2 as cv
# 读取图片
img = cv.imread('face.jpg')
# 转换为灰度图片
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
# 人脸检测器
face_cascade = cv.CascadeClassifier('Harrcascade_frontalface_default.xml')
# 识别人脸
faces = face_cascade.detectMultiScale(gray, 1.3, 5)
for (x,y,w,h) in faces:
print(x,y,w,h)
编程要求
请在右侧编辑器补充代码，调用 Harr 完成人脸识别，具体任务如下：
读取图片；
转化图片为灰度图片；
声明人脸检测器；
调用人脸检测函数，scaleFactor参数设定为1.3, minNeighbors参数设定为5。
import numpy as np
import cv2
#********** Begin **********#
# 读取图片
image_path = 'step3/image/face.jpg'
img = cv2.imread(image_path)
# 转换为灰度图片
gray_img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
# 人脸检测器
modle_path = 'sample/data/haarcascades/haarcascade_frontalface_default.xml'
face_cascade = cv2.CascadeClassifier(modle_path)
# 识别人脸
faces = face_cascade.detectMultiScale(gray_img,1.3,5)
#********** End **********#
print(faces)
第四关：绘制人脸与人眼区域
在 OpenCV 中，可以使用cv2.rectangle()在图片中绘制矩形区域。
它的函数声明为：
cv2.rectangle(图片对象,矩形左上角的坐标点，矩形右下角的坐标点，颜色(B,G,R)，边框线的粗度)
cv2.rectangle(img,(x,y),(x+w,y+h)(0,0,255),2)
import cv2
# 读取图片
img = cv2.imread('images/girl.jpg')
# 转换为灰度图片
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 人脸检测器
face_cascade = cv2.CascadeClassifier('path-of-haarcascade_frontalface_default.xml')
# 识别人脸
faces = face_cascade.detectMultiScale(gray, 1.3, 5)
# 绘制人脸区域
for (x,y,w,h) in faces:
cv2.rectangle(img,(x,y),(x+w,y+h),(0,0,255),2)
#灰度图片的脸部区域
face_grays = gray[y:y+h, x:x+w]
#原图像的脸部区域
face_areas = img[y:y+h, x:x+w]
使用OpenCV绘制人脸区域中眼睛区域
import cv2
# 读取图片
img = cv2.imread('images/girl.jpg')
# 转换为灰度图片
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 人脸检测器
face_cascade = cv2.CascadeClassifier('path-of-haarcascade_frontalface_default.xml')
# 识别人脸
faces = face_cascade.detectMultiScale(gray, 1.3, 5)
# 绘制人脸区域
for (x,y,w,h) in faces:
cv2.rectangle(img,(x,y),(x+w,y+h),(0,0,255),2)
#灰度图片的脸部区域
face_gray = gray[y:y+h, x:x+w]
#原图像的脸部区域
face_area = img[y:y+h, x:x+w]
eye_cascade = cv2.CascadeClassifier('path-of-haarcascade_eye.xml')
eyes = eye_cascade.detectMultiScale(face_gray)
for (ex,ey,ew,eh) in eyes:
# 在原图像的脸部区域绘制眼睛区域
cv2.rectangle(face_area,(ex,ey),(ex+ew,ey+eh),(0,255,0),2)
编程要求
请在右侧编辑器补充代码，调用 Harr 完成人脸识别，具体任务如下：
绘制人脸区域；
调用眼睛检测模型，识别眼睛区域；
绘制眼睛区域。
import cv2
# 读取图片
img = cv2.imread('step4/image/girl.jpg')
# 转换为灰阶图片
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 人脸检测器
face_cascade = cv2.CascadeClassifier('sample/data/haarcascades/haarcascade_frontalface_default.xml')
faces = face_cascade.detectMultiScale(gray, 1.3, 5)
# 绘制人脸区域
for (x,y,w,h) in faces:
print(x,y,w,h)
#********** Begin **********#
# 在人脸区域添加矩形框
cv2.rectangle(img,(x,y),(x+w,y+h),(0,0,255),2)
face_gray = gray[y:y+h, x:x+w]
face_area = img[y:y+h, x:x+w]
#********** End **********#
#绘制眼睛区域
path_of_haarcascade_eye = "sample/data/haarcascades/haarcascade_eye.xml"
eye_cascade = cv2.CascadeClassifier(path_of_haarcascade_eye)
eyes = eye_cascade.detectMultiScale(face_gray)
#********** Begin **********#
for (ex,ey,ew,eh) in eyes:
print(ex,ey,ew,eh)
# 在眼睛区域添加矩形框
cv2.rectangle(face_area,(ex,ey),(ex+ew,ey+eh),(0,255,0),2)
#********** End **********#
# 保存图片
save_image_path = "step4/out/girl-drawing.jpg"
cv2.imwrite(save_image_path,img)
ending
（还是先好好学opencv吧打好基础再来做题）