OpenCV检测篇（一）：猫脸检测
原创
OpenCV
OpenCV是时下最流行的基于C++的开源计算机视觉库，它功能丰富，函数众多，从最基本的读写图片，到简单的图像处理（比如降噪滤波、边缘检测、图像变换、特征提取等），再到更加高级的行人检测、人脸识别、文本识别等，尽皆包含。在OpenCV提供的函数的基础上，我们可以很方便地开发自己的应用，实现自己的算法。总的来说，就是OpenCV非常强大。具体有多强大？那得用了才知道。
很多要做人脸识别，要用到SIFT特征的人都问过的一个问题是，为什么配置好opencv之后，却找不到人脸识别的头文件，找不到SIFT在哪？这是因为OpenCV3.0之后，把一些还在最新的，但不是很稳定的，还在测试阶段的东西放在了contrib模块里面。而且官方默认不带contrib模块。不幸的是，我们最想用的人脸识别和SIFT特征都在contrib里面。如果需要用的话，那就需要自己编译了。opencv在Visual Studio上的配置和编译contrib的方法可以参考我之前的博客。今天的内容仍然是用Python语言，最近用Python用着比较顺手。
OpenCV的Python环境配置
显然，跟众多基于C++的库一样， OpenCV也是有Python接口的。Python下配置OpenCV可以用下面两种方法：
- 官网下载并安装OpenCV之后，在目录
\opencv\build\python\2.7\x64之下有一个cv2.pyd文件，把它拷贝到python安装目录下的\Lib\site-packages文件夹下面即可。需要注意的是版本要对应，比如这里就要对应64位的Python2.7。而且目前官方自带的只有Python2.7版本的包。如果想要其他版本怎么办？ - 那就要说到一个神奇的网站了：Unofficial Windows Binaries for Python Extension Packages，这里面包含了几乎所有的能用到的Python库的安装包，比如我们需要的OpenCV，这里可以找到下面这么多版本，可以适应不同的需求，还有编译的contrib版本的，简直是惊喜。
按照自己的环境下载相应的版本，然后还是用pip安装，命令如下：
pip install *.whl
请把星号换成对应的名字。
我这里用的是Python3.6包含contrib的64位的包。
猫脸检测
喵星人真的是要统治世界了。不然为什么OpenCV自带的检测器中除了人脸检测、行人检测这些意料之中就应该存在的检测器之外，还悄悄多出了猫脸检测器呢。
今天我们就来试一下这个猫脸检测到底 是什么样的？基于OpenCV的猫脸检测十分简单。用Python的话只有区区20行代码。其中20行代码中发挥主要作用的只有一个函数：
detectMultiScale()
此函数的作用是，在输入图像中检测不同尺寸的对象，返回包含对象的矩形框。它接收的参数：
1.image——输入图像
2.scaleFactor——表示每轮检测图像齿轮减少的比例
3.minNeighbors——指明对象要至少被检测到几次才能判定对象确实存在
4.minSize——检测对象的最小尺寸
5.maxSize——检测对象的最大尺寸
代码
按照惯例，注释齐全，无需多说。
# -*- coding=utf-8 -*-
import cv2
# 加载猫脸检测器
catPath = "haarcascade_frontalcatface.xml"
faceCascade = cv2.CascadeClassifier(catPath)
# 读取图片并灰度化
img = cv2.imread("cat1.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
)
# 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)
# 显示图片并保存
cv2.imshow('Cat?', img)
cv2.imwrite("cat.jpg",img)
c = cv2.waitKey(0)
效果
运行Python脚本后效果如下：
举一反三
本文虽然只是在说猫脸检测，但是在OpenCV下，人脸检测、行人检测、人眼检测等都是同样的道理，同样的流程。只需要把最开始相应的检测器换掉，然后按照实际情况调节detectMultiScale()的参数即可。比如以下是人脸检测的效果：
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。