【优秀课设】基于OpenCV的Python人脸检测、识别、框选（指定照片进行识别）

基于OpenCV的Python人脸检测、识别、框选（指定照片进行识别）

前言

增加了视频随时标注功能
资源：

download.csdn.net/download/weixin_53403301/66920466

旧版：

download.csdn.net/download/weixin_53403301/66922685

最新功能：（遍历目录下所有图像进行识别）

blog.csdn.net/weixin_53403301/article/details/119422635

基于OpenCV的Python人脸识别、检测、框选（遍历目录下所有照片依次识别 视频随时标注）

资源

download.csdn.net/download/weixin_53403301/19330528

根据以下两个帖子改进
添加了框选功能和选择图片功能 优化了部分效果

blog.csdn.net/yql_617540298/article/details/108479057
blog.csdn.net/weixin_45304263/article/details/114697938

代码

# -*- coding: utf-8 -*-
"""
Created on Mon May 31 23:40:16 2021

@author: ZHOU
"""

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
import requests # 调用 requests的HTTP协议库
import os # 调用os文件目录处理库
import base64 # 调用base64编码库
import json # 调用JavaScript Object Notation数据交换格式
 
ACCESS_TOKEN = ''
BASE_DIR = os.path.dirname(os.path.dirname(os.path.abspath(__file__))) #去掉文件名,返回目录 
 
# ID,KEY的配置信息
INFO_CONFIG = { 
    'ID': '15788358',
    'API_KEY': 'ohtGa5yYoQEZ8Try8lnL99UK',
    'SECRET_KEY': 'qaDjyuXkf5MZ28g5C8pwFngDZenhswC3'
}
 
# URL配置
URL_LIST_URL = {
    # ACCESS_TOKEN_URL用于获取ACCESS_TOKEN, POST请求,
    #  grant_type必须参数,固定为client_credentials,client_id必须参数,应用的API Key,client_secre 必须参数,应用的Secret Key.
    'ACCESS_TOKEN_URL': 'https://aip.baidubce.com/oauth/2.0/token?' + 'grant_type=client_credentials&client_id={API_KEYS}&client_secret={SECRET_KEYS}&'.format(
        API_KEYS=INFO_CONFIG['API_KEY'], SECRET_KEYS=INFO_CONFIG['SECRET_KEY']),
    # 登入人脸识别机械学习库
    'FACE_PLATE': 'https://aip.baidubce.com/rest/2.0/face/v3/match',
 
}
 
 
class AccessTokenSuper(object):
    pass
 
 
class AccessToken(AccessTokenSuper):
    def getToken(self):
        accessToken = requests.post(url=URL_LIST_URL['ACCESS_TOKEN_URL']) #登入网址
        accessTokenJson = accessToken.json()
        if dict(accessTokenJson).get('error') == 'invalid_client':
            return '获取accesstoken错误，请检查API_KEY，SECRET_KEY是否正确！'
        return accessTokenJson
 
 
ACCESS_TOKEN = AccessToken().getToken()['access_token']
 
LICENSE_PLATE_URL = URL_LIST_URL['FACE_PLATE'] + '?access_token={}'.format(ACCESS_TOKEN)
 
 
class faceSuper(object):
    pass
 
 
class face(faceSuper):
 
    def __init__(self, image=None, image2=None):
        self.HEADER = {
            'Content-Type': 'application/json; charset=UTF-8',
        }
        if image is not None:
            imagepath = os.path.exists(image)
            if imagepath == True:
                images = image
                with open(images, 'rb') as images:
                    img1 = base64.b64encode(images.read())
            else:
                print("img1 not exits")
                return
        if image2 is not None:
            imagepath2 = os.path.exists(image2)
            if imagepath2 == True:
                images2 = image2
                with open(images2, 'rb') as images2:
                    img2 = base64.b64encode(images2.read())
            else:
                print("img2 not exits")
                return
        self.img = img1
        self.imgs = img2
        self.IMAGE_CONFIG1 = {"image": str(img1, 'utf-8'), "image_type": "BASE64"}
        self.IMAGE_CONFIG2 = {"image": str(img2, 'utf-8'), "image_type": "BASE64"}
        self.IMAGE_CONFIG = json.dumps([self.IMAGE_CONFIG1, self.IMAGE_CONFIG2])
 
    def postface(self):
        if (self.img==None and self.imgs==None):
            return 'image参数不能为空！'
        face = requests.post(url=LICENSE_PLATE_URL, headers=self.HEADER, data=self.IMAGE_CONFIG)
        return face.json()
 
 
def facef(FA1, FA2): # 人脸识别逻辑函数
    testAccessToken = AccessToken()
    testface = face(image=FA1, image2=FA2)
    result_json = testface.postface()
    result = result_json['result']['score'] #输出结果
    print('人脸相似度：', result)
    if result > 80: # 识别结果大于80则成功
        print("人脸匹配成功！")        
#    if result < 20:
#        print("未检测到人脸！")
    else:
        print("人脸匹配失败！")
    return '人脸相似度：' + str(result), result # 输出字符串结果

若API出错 则改为

    'ID': '15050553',
    'API_KEY': 'rlRrtRL5oRdXGh71jgg1OmyN',
    'SECRET_KEY': 'dK5TpuTAZn2nw5eVpspZLmF5Qs1Uu8A1'

# -*- coding: utf-8 -*-
"""
Created on Mon May 31 23:39:19 2021

@author: ZHOU
"""

# -*- coding: utf-8 -*-
 
import tkinter as tk # 调用窗口tk
from tkinter import ttk
from tkinter.filedialog import *
import tkinter.messagebox
from PIL import Image, ImageTk # 调用图像处理库pillow
import api_face # 调用本地函数库 用于登入外部机器学习库并调用人脸识别函数
import cv2 # 调用OpenCV图像处理库
import threading # 调用threading多线程运行库
import time # 调用系统时间戳库

import matplotlib.pyplot as plt # 调用matplotlib绘图库
plt.rcParams['font.sans-serif'] = ['SimHei'] # 载入字体

#print('请输入需录入的人脸图片路径/文件名：')
#pic_name=input()

# 利用matplotlib显示图片函数  
def pshow(words,picture):
    plt.imshow(picture[:,:,::-1])   # 将读取的图片以RGB转换为BGR
    plt.title(words), plt.xticks([]), plt.yticks([])
    plt.show() # 显示图片
    
    
class Login(ttk.Frame): # 定义窗口大类
    def __init__(self, win):
        ttk.Frame.__init__(self, win)
        frame0 = ttk.Frame(self)
        frame1 = ttk.Frame(self)
        win.title("人脸识别")
        win.minsize(1240, 620)
        self.center_window()    # 执行中置窗口函数
        self.thread_run = None 	# 赋值 线程1默认关闭
        self.thread_run2 = None 	# 线程2默认关闭
        self.camera = None 	# 摄像头默认关闭
 
        #定义tk窗口属性
        
        #self.pilImage = Image.open("img/start.png")
        #self.tkImage = ImageTk.PhotoImage(image=self.pilImage)
        #self.image_ctl = tk.Label(frame0, image=self.tkImage)
        #self.image_ctl.pack()
 
        frame0.pack(side=TOP, fill=tk.Y, expand=1)
        frame1.pack(side=TOP, fill=tk.Y, expand=1)
 
        self.facer = ttk.Label(frame1, text='', font=('Times', '20')) # 字体
        self.facer.pack()
        
        def filefound(): # 定义获取图片路径的函数
            filepath= askopenfilename() # 获取文件路径
            pic_name=filepath
            self.pic_path2 = pic_name # 赋值给图像2
            pic_img=cv2.imread(self.pic_path2)
            pshow('所选人像图片',pic_img) # 显示所选图片
            pic_xz = pic_img.shape # 计算图像大小
            pic_h=pic_xz[0] # 得出图片高度
            pic_w=pic_xz[1] # 得出图片宽度
            turn_w=pic_w*500/pic_h # 限制最大高度为580 以防窗口过小不完全显示 等比例转换宽度
            turn_w=int(turn_w)
            print('人像图像大小（高 宽）：',pic_h,pic_w)
            print ('路径：',filepath)
            # 在tk窗口中显示所选图片
            self.pilImage = Image.open(self.pic_path2)            
            self.photo = self.pilImage.resize((turn_w,500)) # 限制最大高度为580 等比缩放显示
            self.tkImage = ImageTk.PhotoImage(image=self.photo)
            self.image_ctl = tk.Label(frame0, image=self.tkImage)
            self.image_ctl.pack()
            #e.delete(0, END)  # 将输入框里面的内容清空
            #e.insert(0, filepath)
        
        #button2=Button(frame1,text="button2",command=filefound).grid(row=0,column=3)
        # 按钮1 调用filefound函数 获取选择图片的路径 并赋值给self.pic_path2 输出图像
        self.face_button1 = ttk.Button(frame1, text="1. 选择人像图片", width=15, command=filefound)
        self.face_button1.pack(side=TOP)        
        # 按钮2 调用摄像头函数
        self.url_face_button = ttk.Button(frame1, text="2. 使用相机识别", width=15, command=self.cv_face)
        self.url_face_button.pack(side=TOP)
        #self.file_pic_button = ttk.Button(frame1, text="本地文件识别", width=15, command=self.file_pic)
        #self.file_pic_button.pack(side=TOP)
 
        self.pack(fill=tk.BOTH, expand=tk.YES, padx="10", pady="10")
 
    #使弹出的窗体处于屏幕的中间位置
    def center_window(self):
        screenwidth = log.winfo_screenwidth()	# 获取屏幕分辨率宽
        screenheight = log.winfo_screenheight()	# 获取屏幕分辨率高
        log.update()	# 更新窗口
        width = log.winfo_width()	# 重新赋值
        height = log.winfo_height()
        size = '+%d+%d' % ((screenwidth - width)/2, (screenheight - height)/2)
        # 重新赋值大小 大小为屏幕大小/2
        log.geometry(size) 	# 以新大小定义窗口
 
#    def file1(self):
#        self.pic_path = askopenfilename(title="选择识别图片", filetypes=[("jpg图片", "*.jpg"), ("png图片", "*.png")])
 
    def cv_face(self):   # 调用摄像头函数
        if self.thread_run:
            if self.camera.isOpened(): # 如果已经打开则关闭
                self.camera.release()
                print("关闭摄像头")
                self.camera = None
                self.thread_run = False
            return
        if self.camera is None: # 如果没有摄像头则尝试打开
            self.camera = cv2.VideoCapture(1) # 利用OpenCV调用外摄像头
            if not self.camera.isOpened(): # 如果没有打开 则调用内摄像头
                self.camera = None
                print("没有外置摄像头")
                self.camera = cv2.VideoCapture(0) # 用OpenCV调用内摄像头
                if not self.camera.isOpened(): # 如果没有打开 则打开失败
                    print("没有内置摄像头")
                    tkinter.messagebox.showinfo('警告', '摄像头打开失败！')
                    self.camera = None
                    return
                else:
                    print("打开内置摄像头")
            else:
                print("打开外置摄像头")
        self.thread = threading.Thread(target=self.video_thread) # 多线程函数执行摄像头运行函数
        self.thread.setDaemon(True)
        self.thread.start()
        self.thread_run = True
 
    def video_thread(self): # 开始摄像头运行
        self.thread_run = True # 多线程1开启
        self.thread2 = threading.Thread(target=self.video_pic)
        self.thread2.setDaemon(True)
        self.thread2.start()
        self.thread_run2 = True
        while self.thread_run: # 循环一直调用摄像头
            _, img_bgr = self.camera.read() # 以bgr格式读取摄像头内的截图 
            gray = cv2.cvtColor(img_bgr,cv2.COLOR_BGR2GRAY) # 灰度转换
            # 在CV官方机器学习库内加载人脸识别分类器                
            # Python\Python38-32\Lib\site-packages\cv2\data  这个目录下也有
            classifier = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
            color = (0,255,0) # 绿色线
            # 识别器进行识别
            faceRects = classifier.detectMultiScale(gray,scaleFactor=1.2,minNeighbors=3,minSize=(32, 32))
            # 识别器返回一个列表, 里面是每个识别出的人脸的区域, 左上和右下定点的坐标
            # print(faceRects)  #[[113  42  60  60]]    前两个值是左上定点的xy坐标,第三个是width 宽度对应y的变化, 另一个就是x的

            # 判断识别结果集合长度
            if len(faceRects):
                for faceRect in faceRects:
                    x,y,w,h = faceRect
                    # 用矩形框选出人脸   最后一个参数2是框线宽度
                    cv2.rectangle(img_bgr,(x, y), (x + h, y + w), color, 2)                 
            img = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2RGB) # 颜色转换
            im = Image.fromarray(img)
            w, h = im.size
            pil_image_resized = self.resize(w, h, im) # 调整大小函数
            self.imgtk = ImageTk.PhotoImage(image=pil_image_resized)
            self.image_ctl.configure(image=self.imgtk)
        print("结束运行")
 
    def video_pic(self): # 视频截图保存及框选函数
        self.thread_run2 = True     # 开启多线程
        predict_time = time.time() # 获得系统时间
        while self.thread_run2: # 循环读取
            if time.time() - predict_time > 2: #每2s读取一次摄像头截图
                print("正在识别中")
                _, img_bgr = self.camera.read() # 重新读取摄像头图像
                cv2.imwrite("tmp/test.jpg", img_bgr) #利用cv写入到tmp/test.jpg路径下
                test_pic=cv2.imread('tmp/test.jpg') # 重新读取截图
                pshow('识别截图',test_pic) # 显示截图
                
                # 图像路径 我用的相对路径
                face_mark = 'tmp/test.jpg'
                # 读取截图
                faceImg = cv2.imread(face_mark)
                # 转换灰色
                gray = cv2.cvtColor(faceImg,cv2.COLOR_RGB2GRAY) # 由于tmp/test.jpg路径下的已经转换成RGB保存 所以不用再进行BGR转换

                # 在CV官方机器学习库内加载人脸识别分类器                
                # Python\Python38-32\Lib\site-packages\cv2\data  这个目录下也有
                classifier = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
                color = (0,255,0) # 绿色线

                # 识别器进行识别
                faceRects = classifier.detectMultiScale(gray,scaleFactor=1.2,minNeighbors=3,minSize=(32, 32))
                # 识别器返回一个列表, 里面是每个识别出的人脸的区域, 左上和右下定点的坐标
                # print(faceRects)  #[[113  42  60  60]]    前两个值是左上定点的xy坐标,第三个是width 宽度对应y的变化, 另一个就是x的

                # 判断识别结果集合长度
                if len(faceRects):
                    for faceRect in faceRects:
                        x,y,w,h = faceRect
                        # 用矩形框选出人脸   最后一个参数2是框线宽度
                        cv2.rectangle(faceImg,(x, y), (x + h, y + w), color, 2)
        
                
                pshow('识别结果',faceImg)    # 输出框选结果图像并显示
                cv2.imwrite("tmp/test2.jpg", faceImg)
                self.pic_path = "tmp/test.jpg" # 重新读取摄像头截图
#                self.pilImage = Image.open(self.pic_path)
#                self.tkImage = ImageTk.PhotoImage(image=self.pilImage)
#                self.image_ctl = tk.Label(frame0, image=self.tkImage)
#                self.image_ctl.pack()
                try:
                    self.file_pic() #执行识别函数
                except:
                    pass
                predict_time = time.time()      # 读取时间          
                print("识别结束")
                
                # 看门狗程序（调试用）
                # 防止程序关闭时进入死循环跑飞
                #print('请输入任意值以继续，否则请关闭窗口以终止程序：')
                #a=input()
                #print(a)
        pass
 
    def file_pic(self): #识别函数
        # self.pic_path2在按钮1中被赋值  self.pic_path为调用摄像头的图像
        facestr, result = api_face.facef(self.pic_path, self.pic_path2) # 调用api_face库的人脸识别函数
        self.facer.configure(text=str(facestr))
        #self.pic() # 对摄像头图像进行尺度变换
        if result > 80: #识别结果大于80
            tkinter.messagebox.showinfo('提示', '人脸匹配成功！') # tk窗口提示
            print('人像图片路径：'+self.pic_path2) # 输出人像文件路径
            try:
                f=open("识别记录.txt","r")
                fi=open("识别记录.txt","a")
                txt=time.ctime()
                fi.write(txt+'   人像图片路径：   '+self.pic_path2+"     人脸匹配成功！ \n")
                f.close()
                fi.close() # 将识别成功的记录保存在txt文件下
            except:
                f=open("识别记录.txt","w")
                txt=time.ctime()
                f.write(txt+'   人像图片路径：   '+self.pic_path2+"     人脸匹配成功！ \n")
                f.close()
                
            
            
            # close_window()
            # os.system("python3 ./main.py")
        #if result < 20:
        #    tkinter.messagebox.showinfo('提示', '未检测到人脸！')
        else: # 小于80失败
            tkinter.messagebox.showinfo('提示', '人脸匹配失败！')
        
 
#    def pic(self): # 对摄像头图像进行尺度变换
#        self.pilImage3 = Image.open(self.pic_path) # 用pillow读取摄像头图像
#        w, h = self.pilImage3.size # 计算大小赋值给宽 高
#        pil_image_resized = self.resize(w, h, self.pilImage3) # 调整大小函数
#        self.tkImage3 = ImageTk.PhotoImage(image=pil_image_resized) 
#        self.image_ctl.configure(image=self.tkImage3) # 输出结果
 
    def resize(self, w, h, pil_image): # 调整大小函数
        w_box = 1000 # 定义最大宽度
        h_box = 500 # 最大高度
        f1 = 1.0*w_box/w # 最大值/真实值
        f2 = 1.0*h_box/h
        factor = min([f1, f2]) # 取最小值
        width = int(w*factor) # 用最小值*对应值 调整到最大定义值 等比调整另一个值
        height = int(h*factor)
        return pil_image.resize((width, height), Image.ANTIALIAS) # 输出调整
 
 
def close_window():
    print("已关闭人脸识别")
    if Login.thread_run:
        Login.thread_run = False
        Login.thread.join(2.0)
    log.destroy()
    

    
if __name__ == '__main__':
    log = tk.Tk()
 
    login = Login(log)
    # close,退出输出destroy
    log.protocol('清除窗口', close_window)
    # 进入消息循环
    log.mainloop()
    
    

附录：列表的赋值类型和py打包

列表赋值

BUG复现

闲来无事写了个小程序 代码如下：

# -*- coding: utf-8 -*-
"""
Created on Fri Nov 19 19:47:01 2021

@author: 16016
"""

a_list = ['0','1','2','3','4','5','6','7','8','9','10','11','12','13','14','15']
#print(len(a_list))
#b_list = ['','','','','','','','','','','','','','','','']
c_list = [[],[],[],[],[],[],[],[],[],[],[],[],[],[],[],[]]
#for i in range(16):
if len(a_list):
    for j in range(16):
        a_list[j]=str(a_list[j])+'_'+str(j)
        print("序号:",j)
        print('a_list:\n',a_list)
        
        
        c_list[j]=a_list
        print('c_list[0]:\n',c_list[0])
        print('\n')
#        b_list[j]=a_list[7],a_list[8]
#        print(b_list[j])
        # 写入到Excel：
#print(c_list,'\n')    

我在程序中 做了一个16次的for循环 把列表a的每个值后面依次加上"_"和循环序号
比如循环第x次 就是把第x位加上_x 这一位变成x_x 我在输出测试中 列表a的每一次输出也是对的
循环16次后列表a应该变成[‘0_0’, ‘1_1’, ‘2_2’, ‘3_3’, ‘4_4’, ‘5_5’, ‘6_6’, ‘7_7’, ‘8_8’, ‘9_9’, ‘10_10’, ‘11_11’, ‘12_12’, ‘13_13’, ‘14_14’, ‘15_15’] 这也是对的

同时 我将每一次循环时列表a的值 写入到空列表c中 比如第x次循环 就是把更改以后的列表a的值 写入到列表c的第x位
第0次循环后 c[0]的值应该是[‘0_0’, ‘1’, ‘2’, ‘3’, ‘4’, ‘5’, ‘6’, ‘7’, ‘8’, ‘9’, ‘10’, ‘11’, ‘12’, ‘13’, ‘14’, ‘15’] 这也是对的
但是在第1次循环以后 c[0]的值就一直在变 变成了c[x]的值
相当于把c_list[0]变成了c_list[1]…以此类推 最后得出的列表c的值也是每一项完全一样
我不明白这是怎么回事
我的c[0]只在第0次循环时被赋值了 但是后面它的值跟着在改变

如图：

第一次老出bug 赋值以后 每次循环都改变c[0]的值 搞了半天都没搞出来
无论是用appen函数添加 还是用二维数组定义 或者增加第三个空数组来过渡 都无法解决

代码改进

后来在我华科同学的指导下 突然想到赋值可以赋的是个地址 地址里面的值一直变化 导致赋值也一直变化 于是用第二张图的循环套循环深度复制实现了

代码如下：

# -*- coding: utf-8 -*-
"""
Created on Fri Nov 19 19:47:01 2021

@author: 16016
"""

a_list = ['0','1','2','3','4','5','6','7','8','9','10','11','12','13','14','15']
#print(len(a_list))
#b_list = ['','','','','','','','','','','','','','','','']
c_list = [[],[],[],[],[],[],[],[],[],[],[],[],[],[],[],[]]
#for i in range(16):
if len(a_list):
    for j in range(16):
        a_list[j]=str(a_list[j])+'_'+str(j)
        print("序号:",j)
        print('a_list:\n',a_list)
        
        
        for i in range(16):
            c_list[j].append(a_list[i])
        print('c_list[0]:\n',c_list[0])
        print('\n')
#        b_list[j]=a_list[7],a_list[8]
#        print(b_list[j])
        # 写入到Excel：
print(c_list,'\n')    

解决了问题

优化

第三次是请教了老师 用copy函数来赋真值

代码如下：

# -*- coding: utf-8 -*-
"""
Created on Fri Nov 19 19:47:01 2021

@author: 16016
"""

a_list = ['0','1','2','3','4','5','6','7','8','9','10','11','12','13','14','15']
#print(len(a_list))
#b_list = ['','','','','','','','','','','','','','','','']
c_list = [[],[],[],[],[],[],[],[],[],[],[],[],[],[],[],[]]
#for i in range(16):
if len(a_list):
    for j in range(16):
        a_list[j]=str(a_list[j])+'_'+str(j)
        print("序号:",j)
        print('a_list:\n',a_list)
        
        
        c_list[j]=a_list.copy()
        print('c_list[0]:\n',c_list[0])
        print('\n')
#        b_list[j]=a_list[7],a_list[8]
#        print(b_list[j])
        # 写入到Excel：
#print(c_list,'\n')    

同样能解决问题

最后得出问题 就是指针惹的祸！

a_list指向的是个地址 而不是值 a_list[i]指向的才是单个的值 copy()函数也是复制值而不是地址

如果这个用C语言来写 就直观一些了 难怪C语言是基础 光学Python不学C 遇到这样的问题就解决不了

C语言yyds Python是什么垃圾弱智语言

总结

由于Python无法单独定义一个值为指针或者独立的值 所以只能用列表来传送
只要赋值是指向一个列表整体的 那么就是指向的一个指针内存地址 解决方法只有一个 那就是将每个值深度复制赋值（子列表内的元素提取出来重新依次连接） 或者用copy函数单独赋值

如图测试：





部分代码：

# -*- coding: utf-8 -*-
"""
Created on Sat Nov 20 16:45:48 2021

@author: 16016
"""

def text1():
    A=[1,2,3]
    B=[[],[],[]]
    for i in range(len(A)):
        A[i]=A[i]+i
        B[i]=A
        print(B)

def text2():
    A=[1,2,3]
    B=[[],[],[]]
    
    A[0]=A[0]+0
    B[0]=A
    print(B)
    A[1]=A[1]+1
    B[1]=A
    print(B)
    A[2]=A[2]+2
    B[2]=A
    print(B)
    
if __name__ == '__main__':
    text1()
    print('\n')
    text2()

py打包

Pyinstaller打包exe（包括打包资源文件 绝不出错版）

依赖包及其对应的版本号

PyQt5 5.10.1
PyQt5-Qt5 5.15.2
PyQt5-sip 12.9.0

pyinstaller 4.5.1
pyinstaller-hooks-contrib 2021.3

Pyinstaller -F setup.py 打包exe

Pyinstaller -F -w setup.py 不带控制台的打包

Pyinstaller -F -i xx.ico setup.py 打包指定exe图标打包

打包exe参数说明：

-F：打包后只生成单个exe格式文件；

-D：默认选项，创建一个目录，包含exe文件以及大量依赖文件；

-c：默认选项，使用控制台(就是类似cmd的黑框)；

-w：不使用控制台；

-p：添加搜索路径，让其找到对应的库；

-i：改变生成程序的icon图标。

如果要打包资源文件
则需要对代码中的路径进行转换处理
另外要注意的是 如果要打包资源文件 则py程序里面的路径要从./xxx/yy换成xxx/yy 并且进行路径转换
但如果不打包资源文件的话 最好路径还是用作./xxx/yy 并且不进行路径转换

def get_resource_path(relative_path):
    if hasattr(sys, '_MEIPASS'):
        return os.path.join(sys._MEIPASS, relative_path)
    return os.path.join(os.path.abspath("."), relative_path)

而后再spec文件中的datas部分加入目录
如：

a = Analysis(['cxk.py'],
             pathex=['D:\\Python Test\\cxk'],
             binaries=[],
             datas=[('root','root')],
             hiddenimports=[],
             hookspath=[],
             hooksconfig={},
             runtime_hooks=[],
             excludes=[],
             win_no_prefer_redirects=False,
             win_private_assemblies=False,
             cipher=block_cipher,
             noarchive=False)

而后直接Pyinstaller -F setup.spec即可

如果打包的文件过大则更改spec文件中的excludes 把不需要的库写进去（但是已经在环境中安装了的）就行

这些不要了的库在上一次编译时的shell里面输出
比如：

然后用pyinstaller --clean -F 某某.spec