10.python-opencv边缘检测与人脸检测应用

第一章 python-opencv-图片导入和显示
第二章 python-opencv图像简单处理
第三章 python-opencv图像mask掩膜处理
第四章 python-opencv图像马赛克
第五章 python-opencv人脸马赛克
第六章 python-opencv人脸检测
第七章 python-opencv图像张贴
第八章 python-opencv轮廓绘制
第九章 python-opencv边缘检测

文章目录

• 10.python-opencv边缘检测与人脸检测应用
• 前言
• 一、完整代码
• 二、部分代码说明
• • 图片处理部分
  • 轮廓检测部分
  • 人脸检测及处理部分
• 结果展示

前言

本章主要介绍如何在人脸区域张贴图像，主要思路为：首先检测到人脸区域，对于要张贴的图像进行轮廓检测，检测到轮廓后在人脸区域绘制轮廓，并将洛阔中的图像张贴到人脸区域。

一、完整代码

import cv2
import numpy as np

if __name__ == '__main__':
    # 加载图片
    img = cv2.imread('./tong.jpg')
    img2 = cv2.imread('./dog.png')
    # 加载人脸检测器
    face_detector = cv2.CascadeClassifier('./haarcascade_frontalface_alt.xml')
    # 见图片转化为灰度图片
    img_gray = cv2.cvtColor(img, code = cv2.COLOR_BGR2GRAY)
    img2_gray = cv2.cvtColor(img2, code = cv2.COLOR_BGR2GRAY)
    # 图像二值化，binary二进制图片（黑白图），其中，threshold为阀值，阀值以下变为0，阀值以上变为255
    threshold, binary = cv2.threshold(img2_gray, 180, 255, cv2.THRESH_OTSU)  
    # 边缘检测，contours为轮廓 hierarchy为层次结构
    contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)  

    areas = []  # 建立空列表记录轮廓
    for contour in contours:
        areas.append(cv2.contourArea(contour))  #计算轮廓面积并记录
    areas = np.array(areas)
    index = areas.argsort()  #将面积从小到大排列，倒数第二个为内轮廓

    # 创建像素值全部为0的图片
    mask = np.zeros_like(img2_gray, dtype = np.uint8)
    # 在mask中绘制倒数第二个轮廓（内轮廓）, thicknesss为-1会将轮廓中的部分全部变成白色
    mask = cv2.drawContours(mask, contours, index[-2],
                            (255,255,255),
                            thickness = -1)  

    faces = face_detector.detectMultiScale(img_gray)  #图像img_gray检测到的人脸
    for x,y,w,h in faces: #遍历检测到的人脸
        mask1 = cv2.resize(mask, (w,h))  #定义一个新图片，并调整为人脸大小，用以方img2
        img3 = cv2.resize(img2, (w,h))  #同样把img2调整为人脸大小
        for i in range(h):
            for j in range(w):
                if (mask1[i,j]==255).all():
                    img[i+y, j+x] = img3[i,j]

    cv2.imshow('face', img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

二、部分代码说明

图片处理部分

图片处理部分主要包括图片灰度处理和二值化处理，代码如下：

img2_gray = cv2.cvtColor(img2, code = cv2.COLOR_BGR2GRAY)
# 图像二值化，binary二进制图片（黑白图），其中，threshold为阀值，阀值以下变为0，阀值以上变为255
threshold, binary = cv2.threshold(img2_gray, 180, 255, cv2.THRESH_OTSU)  

处理结果：

全部轮廓为：

轮廓检测部分

轮廓检测部分主要包括轮廓的检测和轮廓的提取

由于图片轮廓检测后由多个轮廓，我们选择内轮廓进行处理，如何提取到内轮廓呢？

首先将检测到的所有轮廓放入一个列表中，计算每个轮廓的面积并升序排列，那么倒数第二个即内轮廓。

代码如下：

# 边缘检测，contours为轮廓 hierarchy为层次结构
    contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)  

    areas = []  # 建立空列表记录轮廓
    for contour in contours:
        areas.append(cv2.contourArea(contour))  #计算轮廓面积并记录
    areas = np.array(areas)
    index = areas.argsort()  #将面积从小到大排列，倒数第二个为内轮廓

    # 创建像素值全部为0的图片
    mask = np.zeros_like(img2_gray, dtype = np.uint8)
    # 在mask中绘制倒数第二个轮廓（内轮廓）, thicknesss为-1会将轮廓中的部分全部变成白色
    mask = cv2.drawContours(mask, contours, index[-2],
                            (255,255,255),
                            thickness = -1)  

处理结果：
全部轮廓面积为：

导数第二个轮廓：

人脸检测及处理部分

这部分主要为检测人脸区域，并将轮廓和要张贴的图片全部变为人脸区域大小，然后根据轮廓将要张贴的图片张贴到原始图片中，主要代码：

faces = face_detector.detectMultiScale(img_gray)  #图像img_gray检测到的人脸
    for x,y,w,h in faces: #遍历检测到的人脸
        mask1 = cv2.resize(mask, (w,h))  #定义一个新图片，并调整为人脸大小，用以方img2
        img3 = cv2.resize(img2, (w,h))  #同样把img2调整为人脸大小
        for i in range(h):
            for j in range(w):
                if (mask1[i,j]==255).all():
                    img[i+y, j+x] = img3[i,j]

处理结果

检测到的人脸（x，y，width，high）：

结果展示