OpenCV级联分类器在QT里的基本使用

     级联分类器是一种在图像中检测特定对象（如人脸、眼睛、车辆等）的算法。OpenCV库提供了一个强大的级联分类器实现。

     级联分类器的工作原理是将多个简单的分类器（通常是决策树）组合成一个级联结构，每个分类器都会对图像进行评估，并且只有当图像通过这个分类器的测试时，才会继续进行下一个分类器的测试。如果图像在任何阶段失败，那么它就被认为是负样本，不会进行进一步的测试。

如何在QT中使用OpenCV级联分类器呢？在OpenCV中，级联分类器是通过CascadeClassifier类实现的。以下是如何在OpenCV中使用级联分类器查找人脸的基本步骤：

1.创建对象

根据模型创建对象

CascadeClassifier classifier("..../install/etc/haarcascades/haarcascade_frontalface_alt2.xml");

   （.xml文件是人脸数据模型文件，通过这个文件可以识别到人脸）

2.在图片中查找人脸

detectMultiScale 是 OpenCV 中 CascadeClassifier 类的一个方法，用于在图像中检测不同大小的对象。

void CascadeClassifier::detectMultiScale(
    InputArray image,
    std::vector<Rect>& objects,
    double scaleFactor = 1.1,
    int minNeighbors = 3,
    int flags = 0,
    Size minSize = Size(),
    Size maxSize = Size()
)

参数说明：

• image: 输入的图像，可以是灰度图像或者与加载的级联分类器相匹配的彩色图像。
• objects: 检测到的对象的矩形框列表，每个矩形框用 cv::Rect 表示。（用来存查到的人脸）
• scaleFactor: 图像缩放的比例，用于对图像进行多尺度检测。典型的值是 1.1，这意味着每次迭代图像大小都会增加 10%。
• minNeighbors: 检测到的对象矩形框要被认为是真正的对象，有多少个重叠的检测标记才被认为有效数字越大识别准确率越高
• flags: 这个参数通常设置为 0 或者 CASCADE_SCALE_IMAGE，后者表示图像在每次迭代时都会被缩放。
• minSize: 检测窗口的最小大小。如果检测对象非常小，可以设置这个参数来排除太小的对象。
• maxSize: 检测窗口的最大大小。如果检测对象非常大，可以设置这个参数来排除太大的对象。

使用 detectMultiScale 方法时，通常需要对图像进行预处理，例如转换为灰度图像，因为大多数预训练的级联分类器都是在灰度图像上训练的。

以下是一个简单的示例，展示如何使用在图片中查找人脸

Mat src = imread("D:/farsight/opencv/testres/head2.jpg"); //打开有人脸的图片
Mat gray;
cvtColor(src, gray, CV_BGR2GRAY);   //转灰度图
vector<Rect> faces;   //vector容器，用来存储查找到的人脸

CascadeClassifier classifier("D:/opencv/opencv3.4install/install/etc
/haarcascades/haarcascade_frontalface_alt2.xml");    //打开人脸数据模型

classifier.detectMultiScale(gray,faces);   //这里只用了两个参数
for(int i = 0;i < faces.size();i++)
{
rectangle(src, faces[i], Scalar(0, 0, 255));  //rectangle为矩形类，给识别到的人脸画一个矩形框
       //src为输出图像  faces[i]为输入图像   scalar()为矩形框的颜色
}
imshow("src", src);  //展示识别到人脸的图片

3.在摄像头中查找人脸

3.1打开摄像头

VideoCapture 是 OpenCV 库中用于从视频文件、图像序列或摄像头捕获视频流的类。使用 VideoCapture 类，你可以轻松地读取视频帧并进行处理。以下是如何在 OpenCV 中使用 VideoCapture 类的基本步骤：

3.11 创建 VideoCapture 对象

     cv::VideoCapture capture;

3.12 打开视频文件或摄像头

// 打开视频文件
capture.open("path/to/your/video/file.mp4");

// 或者打开摄像头，0 通常代表默认摄像头
capture.open(0);

3.13检查视频是否成功打开

if (!capture.isOpened()) {
    std::cerr << "Error opening video stream or file" << std::endl;
    return -1;
}

3.14 读取视频帧

cv::Mat frame;
while (capture.read(frame)) {      // 处理每一帧

    cv::imshow("Video Frame", frame);    // 显示帧

    if (cv::waitKey(30) == 'q') {    // 按 'q' 键退出循环
        break;
    }
}

3.2在摄像头查找人脸并画上矩形框，并用QT的label将摄像头的视频显示出来。

     首先把读取到的摄像头图像给frame，然后frame转灰度图gray去识别人脸，识别到的人脸存储在faces容器中，之后在摄像头图像frame画出人脸框，并在label中显示。

（需要提前在UI文件上创建一个label）

cv::VideoCapture capture;
// 打开打开摄像头
capture.open(0);
if (!capture.isOpened()) {
    std::cerr << "Error opening video stream or file" << std::endl;
    return -1;
}
cv::Mat frame;  
vector<Rect> faces;   //vector容器，用来存储查找到的人脸
CascadeClassifier classifier("D:/opencv/opencv3.4install/install/etc
    /haarcascades/haarcascade_frontalface_alt2.xml");    //打开人脸数据模型
while (capture.read(frame)) {      // 摄像头图像加载到frame，每次加载一帧
    Mat grey
    cvtColor(frame,grey,CV_BGR2GRAY); //转灰度图去识别人脸
    //识别人脸
    classifier.detectMultiScale(gray,faces,       
    1.1,3,0,
    Size(100,100),
    Size(200,200));

    cvtColor(frame,frame,CV_BGR2RGB);   //OpenCV色彩空间转QT色彩空间
    for(int i = 0 ; i < faces.size(); i++)
    {
        rectangle(frame,faces[i],Scalar(255,0,0));
    }
    QImage img(frame.data,frame.cols,frame.rows,
    frame.cols*frame.channels(),
    QImage::Format_RGB888);
    ui->label->resize(QSize(frame.cols,frame.rows)); //label大小要和frame大小一样

    if (cv::waitKey(30) == 'q') {    // 按 'q' 键退出循环
        break;
    }
}

这里需要把OpenCV（BGR）Mat图片转换成qt（RGB）QImage 图片，不了解的可以看我之前发的Mat在QT的基本使用的文章。然后就能查到人脸并用QT的label将摄像头的视频显示出来。

最后的最后，非常感谢大家的观看，请大家点点赞，点点关注，后续会出OpenCV人脸识别器，

谢谢！