theme: scrolls-light

一起用代碼吸貓！本文正在參與【喵星人征文活動】，

彭于晏又酷帥又積極向上，討人喜歡，貓咪很粘人很可愛，也很討人喜歡，那么強行發問，現在有一張彭于晏的帥照，我們怎么讓機器知道這張照片描述是是貓還是人呢？本文借助于計算機視覺庫，識別圖片描述的內容是人還是貓？

一、前言

為了快速識別圖片的內容，我們借助于Python的兩個庫，分別是opencv和Pillow，

1.1 OpenCV

OpenCV全稱是Open Source Computer Vision Library，是一個跨平臺的計算機視覺庫，

OpenCV可用于解決如下領域的問題：

增強現實
人臉識別
手勢識別
人機互動
動作識別
運動跟蹤
物體識別
影像分割
機器人

OpenCV已經包含臉部，眼睛，微笑等許多預先訓練的分類器，這些XML檔案存盤在GitHub倉庫上，

cat face
二選一即可 - haarcascadefrontalcatfaceextended.xml - haarcascade_frontalcatface.xml

human face

haarcascadefrontalfacedefault.xml

下載兩個檔案到工程目錄，cat face 檔案重命名為catfacedetector.xml；human face 檔案重命名為humanfacedetector.xml，

1.2 Pillow

Python Imaging Library 是一個免費的開源附加庫，可以支持打開、操作和保存多種不同的影像檔案格式,剛開始名為PIL，但在2011年停止了開發，后面一個名為Pillow的專案基于PIL分支繼續支持了影像的相關操作，并且支持了Python 3，

1.3 環境安裝

在一個安裝了Python 3環境的機器執行以下命令安裝對應的庫， python pip install opencv-python pillow

1.4 圖片準備

為了驗證撰寫程式的準確性，我們下載兩張圖片，分別是彭于晏和貓咪，彭于晏這張照片命名為test1.jpg，

貓咪這張照片命名為test2.jpg，

二、代碼實踐

2.1 代碼分解

首先我們創建一個python的檔案cv.py,檔案先宣告匯入Python環境下我們要使用到的兩個庫，

python import cv2 from PIL import Image

然后加載工程目錄下得臉部特征模型檔案到程式，

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

```

接下來首先讓我們調整影像大小，以便它們的大小相同，接下來，我們將它們轉換為灰度，我們的模型使用灰度影像更快，最后，讓我們將編輯的準備影像匯入我們的程式，以便我們可以運行貓面和人臉檢測模型

```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') ```

現在是時候探測面孔了，我們將運行兩行代碼，第一個檢測影像中的人面，第二行是檢測影像中的貓面，

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))

接下來我們將在檢測到的面上繪制矩形，這些矩形可以是不同的顏色，并且它們的厚度水平也是可調的，

```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，我們將使用檢測的面部保存影像，

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

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

總的來說我們的工程目錄結構如下，