import sys import importlib import cv2 #注意python2中,直接调用reload(sys),但python3中要import importlib importlib.reload(sys) # 待检测的图片路径 imagepath = r'./heat.jpg' # 获取训练好的人脸的参数数据,这里直接从GitHub上使用默认值,注意该xml文档要放在执行目录下 face_cascade = cv2.CascadeClassifier(r'./haarcascade_frontalface_default.xml') # 读取图片 image = cv2.imread(imagepath) #把图像转为灰度图,查了一下原因,是这么说的: # 减少数据量(比如RGB模式,可以减少到原图片的1/3),同时可 以去掉一些噪声信号。 # 先将图片转化为灰度图,然后将这个灰度图的对比度增高,这样可以使得图片本来暗的地方更暗,亮的地方更亮一些。 # 这样处理以后,图片就 更容易被算法设别出来了。 gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 探测图片中的人脸 faces = face_cascade.detectMultiScale( image, scaleFactor=1.15, minNeighbors=5, minSize=(5, 5), flags=cv2.IMREAD_GRAYSCALE) print "发现{0}个人脸!".format(len(faces)) #faces中的四个量分别为左上角的横坐标、纵坐标、宽度、长度 #circle for (x, y, w, h) in faces: # cv2.rectangle(image,(x,y),(x+w,y+w),(0,255,0),2) print(x,y,w,h) cv2.circle(image, ((x + x + w) // 2, (y + y + h) // 2),(w // 2), (0, 255, 0),2) cv2.imshow("Find Faces!", image) cv2.waitKey(0)
https://blog.csdn.net/qq_30310799/article/details/80829930 本文章有circle函数的介绍