theme: scrolls-light

一起用代码吸猫！本文正在参与【喵星人征文活动】。

彭于晏又酷帅又积极向上，讨人喜欢，猫咪很粘人很可爱，也很讨人喜欢，那么强行发问，现在有一张彭于晏的帅照，我们怎么让机器知道这张照片描述是是猫还是人呢？本文借助于计算机视觉库，识别图片描述的内容是人还是猫？

一、前言

为了快速识别图片的内容，我们借助于Python的两个库，分别是opencv和Pillow。

1.1 OpenCV

OpenCV全称是Open Source Computer Vision Library，是一个跨平台的计算机视觉库。

OpenCV可用于解决如下领域的问题：

增强现实
人脸识别
手势识别
人机交互
动作识别
运动跟踪
物体识别
图像分割
机器人

OpenCV已经包含脸部，眼睛，微笑等许多预先训练的分类器，这些XML文件存储在GitHub仓库上。

cat face
二选一即可 - haarcascadefrontalcatfaceextended.xml - haarcascade_frontalcatface.xml

human face

haarcascadefrontalfacedefault.xml

下载两个文件到工程目录，cat face 文件重命名为catfacedetector.xml；human face 文件重命名为humanfacedetector.xml。

1.2 Pillow

Python Imaging Library 是一个免费的开源附加库，可以支持打开、操作和保存多种不同的图像文件格式,刚开始名为PIL，但在2011年停止了开发，后面一个名为Pillow的项目基于PIL分支继续支持了图像的相关操作，并且支持了Python 3。

1.3 环境安装

在一个安装了Python 3环境的机器执行以下命令安装对应的库。 python pip install opencv-python pillow

1.4 图片准备

为了验证编写程序的准确性，我们下载两张图片，分别是彭于晏和猫咪。彭于晏这张照片命名为test1.jpg。

猫咪这张照片命名为test2.jpg。

二、代码实践

2.1 代码分解

首先我们创建一个python的文件cv.py,文件先声明导入Python环境下我们要使用到的两个库。

python import cv2 from PIL import Image

然后加载工程目录下得脸部特征模型文件到程序。

```python catfacecascade = cv2.CascadeClassifier('catfacedetector.xml') humanfacecascade = cv2.CascadeClassifier('humanfacedetector.xml')

```

接下来首先让我们调整图像大小，以便它们的大小相同。接下来，我们将它们转换为灰度，我们的模型使用灰度图像更快。最后，让我们将编辑的准备图像导入我们的程序，以便我们可以运行猫面和人脸检测模型

```python newsize = (600, 600) imgr1 = Image.open("test1.jpg") imgr1 = imgr1.resize(newsize) imgr1.save("resized1.jpg")

imgr2 = Image.open("test2.jpg") imgr2 = imgr2.resize(newsize) imgr2.save("resized2.jpg")

imgr1 = imgr1.convert('L') imgr1.save('ready1.jpg')

imgr2 = imgr2.convert('L') imgr2.save("ready2.jpg")

Read the input image

img1 = cv2.imread('ready1.jpg') img2 = cv2.imread('ready2.jpg') ```

现在是时候探测面孔了。我们将运行两行代码。第一个检测图像中的人面。第二行是检测图像中的猫面。

python human_faces = humanface_cascade.detectMultiScale(img1, scaleFactor=1.3, minNeighbors=5, minSize=(75, 75)) cat_faces = catface_cascade.detectMultiScale(img2, scaleFactor=1.3, minNeighbors=5, minSize=(75, 75))

接下来我们将在检测到的面上绘制矩形。这些矩形可以是不同的颜色，并且它们的厚度水平也是可调的。

```python for (i, (x, y, w, h)) in enumerate(humanfaces): cv2.rectangle(img1, (x, y), (x+w, y+h), (220, 90, 230), 3) cv2.putText(img1, "Human Face - #{}".format(i + 1), (x, y - 10), cv2.FONTHERSHEY_SIMPLEX, 0.55, (220, 90, 230), 2)

for (i, (x, y, w, h)) in enumerate(catfaces): cv2.rectangle(img2, (x, y), (x+w, y+h), (0,255, 0), 3) cv2.putText(img2, "Cat Faces - #{}".format(i + 1), (x, y - 10), cv2.FONTHERSHEY_SIMPLEX, 0.55, (0, 0, 255), 2) ``` 最后，我们将使用检测的面部保存图像。

```python cv2.imwrite("faces_detected1.png", img1)

cv2.imwrite("faces_detected2.png", img2) ```

总的来说我们的工程目录结构如下。