使用 OpenCV 从图像中裁剪人脸 – Python

Opencv 是一个Python库，主要用于图像处理和计算机视觉。在本文中，我们首先检测人脸，然后从图像中裁剪人脸。人脸检测是图像处理的一个分支，用于检测人脸。

我们将使用预训练的 Haar Cascade 模型从图像中检测人脸。 haar 级联是用于从图像中检测对象的对象检测方法。该算法由大量图像训练。您可以单击此处下载 face haar 级联文件。

让我们分步实施：

步骤1：在这一步中，我们将读取图像并将其转换为灰度。

Python3

import cv2
  
# Read the input image
img = cv2.imread('mpw.jpeg')
  
# Convert into grayscale
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

说明：在这段代码中，我们首先使用 import cv2 导入我们的 opencv 库。 cv2.imread() 方法从给定的路径加载图像（例如：mpw.jpeg 或 filepath/mpw.jpeg）加载图像后，我们使用 COLOR_BGR2GRAY 将图像转换为灰度图像。

步骤 2：使用 Haar Cascade 模型从图像中检测人脸。

蟒蛇3

face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_alt2.xml')
  
# Detect faces
faces = face_cascade.detectMultiScale(gray, 1.1, 4)

说明：我们使用 cv2.CascadeClassifier 在 face_cascade 中加载 haarcascade 文件。用于检测人脸的detectMultiScale()函数。它需要3个参数：

• 灰色：输入图像（灰度图像）
• 1.1：比例因子，它指定图像尺寸随着每个比例缩小多少。它改进了检测。
• 4：MinNeighbours，指定每个候选矩形应该保留多少邻居。

第 3 步：在图像中找到人脸。

蟒蛇3

for (x, y, w, h) in faces:
    cv2.rectangle(img, (x, y), (x+w, y+h), 
                  (0, 0, 255), 2)
      
    faces = img[y:y + h, x:x + w]
    cv2.imshow("face",faces)
    cv2.imwrite('face.jpg', faces)
  
cv2.imshow('img', img)
cv2.waitKey()

说明： x,y 是人脸的像素位置，w,h 是人脸的宽度和高度。 cv2.rectangle()函数用于在检测到的物体上绘制矩形，img 是输入图像，(x,y),(x+w, y+h) 是矩形的位置，(0,0,255) 是矩形的颜色此参数作为 BGR 的元组传递，我们将 (0,0,255) 用于红色，2 是矩形的厚度。

下面是完整的实现：

使用的图像 –

输入图像

蟒蛇3

import cv2
  
# Read the input image
img = cv2.imread('mpw.jpeg')
  
# Convert into grayscale
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
  
# Load the cascade
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_alt2.xml')
  
# Detect faces
faces = face_cascade.detectMultiScale(gray, 1.1, 4)
  
# Draw rectangle around the faces and crop the faces
for (x, y, w, h) in faces:
    cv2.rectangle(img, (x, y), (x+w, y+h), (0, 0, 255), 2)
    faces = img[y:y + h, x:x + w]
    cv2.imshow("face",faces)
    cv2.imwrite('face.jpg', faces)
      
# Display the output
cv2.imwrite('detcted.jpg', img)
cv2.imshow('img', img)
cv2.waitKey()

输出：

检测到的人脸

裁剪图像