超简单人脸识别系统完整代码（人脸提取）

本文链接：https://blog.youkuaiyun.com/sifhes/article/details/139068549

运行结果

导入我们需要的包

from tkinter import filedialog
import cv2
from PIL import Image, ImageTk
from tkinter import messagebox
import subprocess

实例化窗口定义大小名字

win = tk.Tk()
win.title("人脸提取")
win.geometry("1500x800")

创建标签来显示图像

跟之前一样，我们依然创建两个标签，这里抓取的人脸显示标签我们需要一个滚动条，因为一张图像可能会有多张人脸

# 原始图片的标签
image_label_original = tk.Label(win)
image_label_original.pack(side=tk.LEFT, padx=10, pady=80)

# 检测到的人脸的标签
image_label_detected = tk.Label(win)
image_label_detected.pack(side=tk.LEFT, padx=10, pady=80)

# 滚动条和Canvas控件用于显示所有检测到的人脸
scrollbar = tk.Scrollbar(win)
scrollbar.pack(side=tk.RIGHT, fill=tk.Y)

canvas = tk.Canvas(win, yscrollcommand=scrollbar.set)
canvas.pack(side=tk.BOTTOM, expand=True)
scrollbar.config(command=canvas.yview)

我们还要定义一个空的列表用来保存人脸部的图像

# 用于存储所有人脸图像的列表
face_images = []

创建图像中的按钮位置自己定义

# 创建选择图片和识别人脸的按钮
button_select = tk.Button(win, text="选择图片", font=my_font, command=select_image, fg='red')
button_select.place(x=333, y=12)

button_extract = tk.Button(win, text="提取人脸", font=my_font, command=extract_faces, fg='red')
button_extract.place(x=666, y=12)

esc = tk.Button(win, text='退出系统', font=30, command=Esc, fg='red')
esc.place(x=10, y=10)

t = tk.Button(win, text='返回系统', font=30, command=one, fg='red')
t.place(x=900, y=10)

创建函数

选择图片的函数和之前的一样这里直接写代码

def select_image():
    global selected_image_path
    selected_image_path = filedialog.askopenfilename()

    # 显示原始图片
    original_img = cv2.imread(selected_image_path)
    original_img_rgb = cv2.cvtColor(original_img, cv2.COLOR_BGR2RGB)
    original_img_resized = cv2.resize(original_img_rgb, (600, 400))  # 将原始图片缩放到400x400大小
    original_img_tk = ImageTk.PhotoImage(Image.fromarray(original_img_resized))

    image_label_original.config(image=original_img_tk)
    image_label_original.image = original_img_tk

提取人脸函数和人脸识别的区别是，我们在检测到人脸后需要把人脸区域裁剪下来显示到标签上，我们用列表来保存裁剪下来的人脸图片

def extract_faces():
    if selected_image_path:
        # 使用OpenCV加载图片
        img = cv2.imread(selected_image_path)
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
        # 加载预训练模型Hra来检测人脸
        face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades +
                                             'haarcascade_frontalface_default.xml')
        faces = face_cascade.detectMultiScale(gray, 1.1,
                                              4)

        # 创建一个空列表来存储所有的人脸图像
        face_imgs = []

        # 如果检测到人脸，裁剪并添加到列表
        for (x, y, w, h) in faces:
            face_img = img[y:y+h, x:x+w]
            face_img_resized = cv2.resize(face_img, (100, 100))
            face_imgs.append(face_img_resized)

            # 转换为PIL图像并添加到Face_images列表中
            face_img = cv2.cvtColor(face_img, cv2.COLOR_BGR2RGB)
            face_img = Image.fromarray(face_img)
            face_img = ImageTk.PhotoImage(face_img)
            face_images.append(face_img)

        # 更新图像列表显示
        canvas.delete("all")
        for i, face_img in enumerate(face_images):
            canvas.create_image(0, i*100, anchor=tk.NW, image=face_img)

        # 调整滚动条和Canvas大小
        canvas.config(scrollregion=canvas.bbox("all"))
        canvas.config(height=len(face_images)*100)

        # 更新滚动条位置
        canvas.yview_moveto(0)

        # 如果没有人脸，显示警告信息
        if not face_images:
            messagebox.showinfo("信息", "没有检测到人脸")
    else:
        messagebox.showwarning("警告", "请先选择一张图片")

加上窗口刷新人脸提取的代码就完成了