步骤
- 加载haarcascade_frontalcatface.xml
- 读取图片,获取图片灰度
- 使用detectMultiScale函数得到猫脸坐标
- 绘制猫脸框,并给出“Cat”和“Not Cat”的结果
代码
# -*- coding=utf-8 -*-
import cv2
# 加载猫脸检测器
catPath = "haarcascade_frontalcatface.xml"
faceCascade = cv2.CascadeClassifier(catPath)
# faceCascade.load('D://MyProject//OpenCV2//venv//Lib//site-packages//cv2//data//haarcascade_frontalface_default.xml')
# print(cv2.__path__)
# print(type(cv2.__path__))
# 优化为相对路径,不用配置
faceCascade.load(cv2.__path__[0] + '\\data\\haarcascade_frontalface_default.xml')
# 读取图片并灰度化
target = "cat1.png"
# target = "cat0.jpg"
# target = "dog0.jpg"
img = cv2.imread(target)
# img = cv2.imread("dog0.jpg")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 猫脸检测
faces = faceCascade.detectMultiScale(
gray,
scaleFactor=1.02,
minNeighbors=3,
minSize=(150, 150),
flags=cv2.CASCADE_SCALE_IMAGE
)
print(faces)
print(type(faces))
# 没有狗脸检测库
# 框出猫脸并加上文字说明
for (x, y, w, h) in faces:
cv2.rectangle(img, (x, y), (x+w, y+h), (0, 0, 255), 2)
cv2.putText(img, 'Cat', (x, y-7), 3, 1.2, (0, 255, 0), 2, cv2.LINE_AA)
# 如果没有猫,给出文字提示
if 0 == len(faces):
cv2.putText(img, 'Not Cat', (200, 200), 3, 1.2, (0, 0, 255), 2, cv2.LINE_AA)
# 显示图片并保存
cv2.imshow('CatDetection', img)
c = cv2.waitKey(0)
# 待优化
# 1.可调节参数
# 2.使用机器学习或者深度学习
# 3.理解detectMultiScale原理