opencv图片分类+特征图片截取

前面讲到了图片识别的模型训练，下面为将识别的区域进行剪切保存，作为后续的数据处理

---使用opencv+PIL配合截取
import cv2
from PIL import Image

# multiple cascades: https://github.com/Itseez/opencv/tree/master/data/haarcascades
faceCascade = cv2.CascadeClassifier('Cascades/cascade_test8.xml')
img = cv2.imread("213.jpg")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
faces = faceCascade.detectMultiScale(
        gray,
        scaleFactor=1.38,
        minNeighbors=4,#minNeighbors控制着误检测，默认值为3表明至少有3次重叠检测，我们才认为人脸确实存
        minSize=(20,20),#寻找人脸的最小区域。设置这个参数过大，会以丢失小物体为代价减少计算量。
        flags = cv2.IMREAD_GRAYSCALE
    )
box1=()#设置剪切区域
for (x, y, w, h) in faces:
    cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)
    box1 = (x, y, x+w, y+h)  # 设置图像裁剪区域
cv2.imwrite("test.jpg",img)#保存图片
pilImgage=Image.open("test.jpg")#使用PIL来编辑图片
image2 = pilImgage.crop(box1)  # 图像裁剪--根据识别出的特征坐标剪切
Image._show(image2)

---直接在opencv中使用numpy的数组截取
import cv2
import os
import numpy as np

faceCascade = cv2.CascadeClassifier('Cascades/cascade_test8.xml')
img = cv2.imread("213.jpg")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
faces = faceCascade.detectMultiScale(
        gray,
        scaleFactor=1.38,
        minNeighbors=4,#minNeighbors控制着误检测，默认值为3表明至少有3次重叠检测，我们才认为人脸确实存
        minSize=(20,20)#寻找人脸的最小区域。设置这个参数过大，会以丢失小物体为代价减少计算量。
    )
for (x, y, w, h) in faces:
    cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)
    im = img[y:y+h,x: x+w, :]#图片截取
    cv2.imshow("image", im)