Python+dilb 简单实现人脸检测（附代码）_opencv(4.7.0) d:\a\opencv-python\opencv-python\ope

如果dilb和face_recognition第三方包安装失败，请移步到Python 解决dilb和face_recognition第三方包安装失败_水w的博客-CSDN博客

目录

一、环境配置

二、前期知识

1 读取图片

2 灰度转换

解决报错cv2.error: OpenCV(4.7.0) D:\a\opencv-python\opencv-python\opencv\modules\imgproc\src\color.cpp:182: error: (-215:Assertion failed) !_src.empty() in function 'cv::cvtColor'

3 修改尺寸

4 绘制矩形

5 人脸检测

---

一、环境配置

pycharm中，如果要安装cv2，就需要安装opencv-python库，这个库并不是自带的，所以我们要pip一下。注意不要写成opencv！它还会自己安装另一个依赖库，

pip install opencv-python

注意：import时就不是opencv-python或者opencv了，要用cv2了！

import cv2

 

二、前期知识

dlib支持检测人脸特征关键点，官方提供了68维度和5维度的人脸关键店检测预训练模型提供下载使用。

相关数据与模型文件下载地址：Index of /files

1 读取图片

想要处理图片，就得先要读取图片，光读取不行，还得把图片显示出来。

整个代码如下： 

# 导入cv模块
import cv2 as cv
 
# 读取图片
img = cv.imread('face4.jpg')
# 显示图片
cv.imshow('read_img', img)
# 为了防止自动退出（pycharm可能会发生），所以可以在代码后面加入：等待
cv.waitKey(0)
# 释放内存
cv.destroyAllWindows()

效果如下： 

2 灰度转换

在图像预处理中，图像的灰度变换是图像增强的重要手段，灰度变换可以使图像对比度扩展，图像清晰，特征明显，灰度变换主要利用点运算来修正像素灰度，由输入像素点的灰度值确定相应输出点的灰度值，是一种基于图像变换的操作。

在数字图像中，像素是基本的表示单位，各个像素的亮安程度用灰度值来标识，只含亮度信息，不含色彩信息的图像称为灰度图像，对于单色图像，它的每个像素的灰度值用【0,255】区间的整数表示，即图像分为256个灰度等级，对于彩色图像，他的每个像素由R,G,B三个单色调配而成，如果每个像素的R,G,B完全相同，也就是R=G=B=D，该图像就是灰度图像，其中D被称为各个像素的灰度值。

整个代码如下： 

# 导入cv模块
import cv2 as cv
 
# 读取图片
img = cv.imread('face1.jpg')
# 灰度转换
gray_img = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
# 显示灰度图片
cv.imshow('gray', gray_img)
# 保存灰度图片
cv.imwrite('gray_face11.jpg', gray_img)
# 显示图片
cv.imshow('read_img', img)
# 等待
cv.waitKey(0)
# 释放内存
cv.destroyAllWindows()

解决报错cv2.error: OpenCV(4.7.0) D:\a\opencv-python\opencv-python\opencv\modules\imgproc\src\color.cpp:182: error: (-215:Assertion failed) !_src.empty() in function 'cv::cvtColor'

报错：

我发现代码报错，代码检查过，没有问题，这是怎么回事？ 

原因：这可能是因为你的路径中有中文，opencv的致命弱点：路径不能有中文！

解决方法：

（1）重新新建路径中没有中文的新文件夹，重新运行代码，但是还是报错了。

（2）已经修改了路径中没有中文，但是还是显示不出来。

这就比较少见，可能是因为图片格式比较冷门，或者是错误的，所以无法显示。--》换一张图片

成功了，效果如下： 

 

3 修改尺寸

整个代码如下： 

# 导入cv模块
import cv2 as cv
 
# 读取图片
img = cv.imread('face4.jpg')
# 修改尺寸
resize_img = cv.resize(img, dsize=(200, 200))
# 显示原图
cv.imshow('img', img)
# 显示修改后的
cv.imshow('resize_img', resize_img)
# 打印原图尺寸大小
print('未修改：', img.shape)
# 打印修改后的大小
print('修改后：', resize_img.shape)
# 等待
while True:
    if ord('q') == cv.waitKey(0):
        break
# 释放内存
cv.destroyAllWindows()

效果如下： 

 

4 绘制矩形

整个代码如下： 

# 导入cv模块
import cv2 as cv
 
# 读取图片
img = cv.imread('face4.jpg')
# 坐标
x, y, w, h = 100, 100, 100, 100
# 绘制矩形
cv.rectangle(img, (x, y, x + w, y + h), color=(0, 0, 255), thickness=1)
# 绘制圆形
cv.circle(img, center=(x + w, y + h), radius=100, color=(255, 0, 0), thickness=5)
# 显示
cv.imshow('re_img', img)
while True:
    if ord('q') == cv.waitKey(0):
        break
# 释放内存
cv.destroyAllWindows()

效果如下： 

 

5 人脸检测

（1）首先，需要找到我们需要用到的haarcascade_frontalface_alt2.xml，位置是在Python的环境/虚拟环境下的lib/site-packages/的cv2/data/下。

此处我的路径是D:/my/python-pycharm/python-envs/venv-deep/Lib/site-packages/cv2/data/haarcascade_frontalface_alt2.xml

整个代码如下： 

# 导入cv模块
import cv2 as cv
 
# 检测函数
def face_detect_demo():
    gary = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
    face_detect = cv.CascadeClassifier('D:/my/python-pycharm/python-envs/venv-deep/Lib/site-packages/cv2/data/haarcascade_frontalface_alt2.xml')
    face = face_detect.detectMultiScale(gary, 1.01, 5, 0, (100, 100), (300, 300))
    for x, y, w, h in face:
        cv.rectangle(img, (x, y), (x + w, y + h), color=(0, 0, 255), thickness=2)
    cv.imshow('result', img)
 
 
# 读取图像
img = cv.imread('face4.jpg')
# 检测函数
face_detect_demo()
# 等待
while True:
    if ord('q') == cv.waitKey(0):
        break
# 释放内存
cv.destroyAllWindows()

效果如下：