使用 OpenCV 来检测图像数据集中的人脸和眼睛

检测图像数据集中的人脸和眼睛，用矩形框绘制检测到的人脸和眼睛区域

1.使用cv2.CascadeClassifier 类加载检测人脸和眼睛的分类器，有三种不同的方法：

a. 普通加载

face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
eye_cascade = cv2.CascadeClassifier('haarcascade_eye.xml')

b.输入绝对路径进行查找分类器文件，这个不容易报错，首先要在你的电脑里面查找到分类器的地址

face_cascade = cv2.CascadeClassifier('C:/path/to/haarcascade_frontalface_default.xml')
eye_cascade = cv2.CascadeClassifier('C:/path/to/haarcascade_eye.xml')

下面我用到的是第三种加载分类器文件方式

import cv2
import os
import numpy as np

# 定义一个函数
def detect_faces_eyes(image_path,save_path):
    # 加载人脸检测器 和 眼睛检测器 的级联分类器
    face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
    eye_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_eye.xml')
    # 读取图像
    image = cv2.imdecode(np.fromfile(image_path, dtype=np.uint8), 1)
    # 图像转成灰度图，以便更好的检测人脸和眼睛
    gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
    # 检测人脸
    faces = face_cascade.detectMultiScale(gray,scaleFactor=1.1,minNeighbors=5,minSize=(30,30))

    for (x,y,w,h) in faces:
        # 在检测到的人脸区域绘制矩形框
        cv2.rectangle(image,(x,y),(x+w,y+h),(0,255,0),2)
        roi_gray = gray[y:y+h,x:x+w]
        roi_color = image[y:y+h,x:x+w]
        # 在人脸区域检测眼睛
        eyes = eye_cascade.detectMultiScale(roi_gray)
        for (ex,ey,ew,eh) in eyes:
            # 在检测到的眼睛区域绘制矩形框
            cv2.rectangle(roi_color,(ex,ey),(ex+ew,ey+eh),(0,0,255),2)

    # 保存图像
    cv2.imencode(save_path, image)[1].tofile(save_path)

a = r'图片数据集目录'
b = r'保存图片目录'

for file in os.listdir(a):
    image_path = os.path.join(a, file)
    save_path = os.path.join(b, file)
    detect_faces_eyes(image_path, save_path)

在上述代码中，我们首先加载了人脸检测器和眼睛检测器的级联分类器。这些级联分类器包含训练好的模型，可以用于检测人脸和眼睛。

然后，我们读取图像并将其转换为灰度图像，以便更好地进行人脸和眼睛检测。

我们使用os.listdir()函数遍历图像文件目录中的每个文件。对于每个文件，我们构建图像路径和保存路径，并调用detect_faces_eyes()函数进行人脸和眼睛检测。

希望本文能帮助你了解如何使用Python和OpenCV进行人脸和眼睛检测。如果你有任何问题，请随时提问。