使用OpenCV清洗数据

最新推荐文章于 2023-06-15 17:04:25 发布

原创最新推荐文章于 2023-06-15 17:04:25 发布 · 684 阅读

5 ·

CC 4.0 BY-SA版权

文章标签：

#opencv #python

OpenCV 专栏收录该内容

2 篇文章

订阅专栏

本文介绍了一种使用OpenCV进行人脸检测的方法，以清理无人脸数据。通过加载预训练的Haar级联分类器，对图片进行灰度处理后检测人脸。当检测到人脸时，代码会在图片上画出矩形框，并保存处理后的图像。若需处理多张图片，可将代码放入循环中。调整detectMultiScale的参数可以改变检测的灵敏度。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

最近需要清洗大量无人脸数据，于是想到了使用OpenCV来进行清理，原理是：首先扫描全部图片数据再使用OpenCV的人脸检测框，如果有大于0的话说明有人脸就对该图片进行操作。

原理说完开始上代码

首先导入包

import cv2
import numpy as np
import sys, os, glob, numpy
from skimage import io

再对照片进行处理

path = '*/图片地址'
# 指定图片的人脸识别然后存储
img = cv2.imread(path)
# 画框颜色
color = (0, 255, 0)
grey = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
classfier = cv2.CascadeClassifier(
    r'C:\ProgramData\Anaconda3\envs\pytorch2\Lib\site-packages\cv2\data\haarcascade_frontalface_alt2.xml')
# scaleFactor表示每次图像尺寸减小的比例,minNeighbors表示每一个目标至少要被检测到9次才算是真的目标,
# minSize为目标的最小尺寸,minSize为目标的最大尺寸
faceRects = classfier.detectMultiScale(grey, scaleFactor=1.02, minNeighbors=9, minSize=(71, 71), maxSize=(800, 800))
if len(faceRects) > 0:  # 大于0则检测到人脸
    for faceRect in faceRects:  # 单独框出每一张人脸
        x, y, w, h = faceRect
        cv2.rectangle(img, (x - 10, y - 10), (x + w + 10, y + h + 10), color, 2)  # 2控制绿色框的粗细

    # 写入图像
    cv2.imwrite('image', img)
    #展示图片效果
    cv2.imshow("image", img)
    cv2.waitKey(0)

代码中的XML文件是需要填写自己电脑中的路径的

我们可以根据自己的需求对detectMultiScale的参数进行修改

scaleFactor表示每次图像尺寸减小的比例
minNeighbors表示每一个目标至少要被检测到n次才算是真的目标，例如文中的检测9次
minSize为目标的最小尺寸
maxSize为目标的最大尺寸

文中代码是检测一张图片的，如果需要检测多张的话可以写一个循环