使用opencv批量人脸识别+裁图+设置分辨率（Python代码分享）-Toy模板网

这篇具有很好参考价值的文章主要介绍了使用opencv批量人脸识别+裁图+设置分辨率（Python代码分享）。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

最近做LoRA模型训练时需要对一批图片进行人脸识别，并进行裁剪，然后设置特定的分辨率。
首先要导入cv库import cv2
如果没有opencv库的话要用pip先安装一个pip install opencv-python
1、识别出图片面部，并截取原图片靠近面部的最大正方形部位，同时将截取的图片分辨率改为512*512

import numpy as np
import cv2
import os

def crop_face(input_folder_path, output_folder_path):
    # 加载面部识别模型
    face_detector = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
    images = os.listdir(input_folder_path)
    for image in images:
        image_path = os.path.join(input_folder_path, image)
        img = cv2.imread(image_path)
        height, width, channels = img.shape
        # 将图像转换为灰度图像
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
        # 检测面部
        faces = face_detector.detectMultiScale(gray, scaleFactor=1.3, minNeighbors=5, minSize=(30, 30))

        
        # 无法识别面部的图片
        if len(faces)==0:
            print(f"No face found in {image_path}")
            return
    
        if len(faces) > 0:
            # 取第一个脸部位置，这里假设一张图片只有一个脸部特征
            # x、y 为人脸的像素位置，w、h 为人脸的宽度和高度。
            x, y, w, h = faces[0]
            # 确定最大正方形的位置
            # 原图片竖方向长，截取正方形长度为原图横方向长，square_size截取正方形的长度
            if height>width:
                square_size = width
                x1=0
                x2=square_size
                # 原图面部靠上
                if y<square_size/2:
                    y1=0
                    y2 =square_size
                # 原图面部靠下
                else:
                    y1=int(square_size/2)
                    y2 =height
           # 原图片是横方向长，截取正方形长度为原图竖方向长度      
            else:
                square_size =  height
                y1=0
                y2=square_size
                # 原图面部靠右
                if x<square_size/2:
                    x1=0
                    x2 =square_size
                # 原图面部靠左
                else:
                    x1=int(square_size/2)
                    x2 =square_size
                
                
            # 根据最大正方形位置裁剪图片并保存
            cropped_img = img[y1:y2, x1:x2] 
            # 调整图像大小为512x512
            resized = cv2.resize(cropped_img, (512, 512), interpolation=cv2.INTER_AREA)
            output_path = os.path.join(output_folder_path,image)
            cv2.imwrite(output_path, resized)


if __name__ == "__main__":
    input_folder = r"输入图片所在文件夹路径" 
    output_folder = r"输出图片所在文件夹路径"  
    # 创建输出目录
    if not os.path.exists(output_folder):
        os.makedirs(output_folder)
    crop_face(input_folder, output_folder)
    print('Done!')

opencv实现多人脸识别,自动化办公,opencv,python,计算机视觉

可以看到a1(7)这张图片，模型无法识别，大家做的时候根据实际情况，调整这个位置的参数，以提高识别的准确度。

faces = face_detector.detectMultiScale(gray, scaleFactor=1.3, minNeighbors=5, minSize=(30, 30))

scaleFactor：表示在前后两次相继的扫描中，搜索窗口的比例系数。默认为1.1即每次搜索窗口依次扩大10%。可以根据图像的像素值来设置此参数，像素大缩小的速度就可以快一点，通常在1~1.5之间。

minNeighbors：表示构成检测目标的相邻矩形的最小个数(默认为3个)。是在人脸附近进行指定次数的检测，获取最准确的范围，设置越高，误检率越低，但是对于迷糊图片，设置越高，越不易检测出来，要适当降低。

2、以面部为中心，截取的最大正方形

import numpy as np
import cv2
import os


def crop_face(input_folder_path, output_folder_path):
    face_detector = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
    images = os.listdir(input_folder_path)
    for image in images:
        image_path = os.path.join(input_folder_path, image)
        img = cv2.imread(image_path)
        height, width, channels = img.shape
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
        faces = face_detector.detectMultiScale(gray, scaleFactor=1.3, minNeighbors=5, minSize=(30, 30))
        
        # 无法识别面部的图片
        if len(faces)==0:
            print(f"No face found in {image_path}")
            return
        
        if len(faces) > 0:
            # 取第一个脸部位置，这里假设一张图片只有一个脸部特征
            x, y, w, h = faces[0]
            # 确定最大正方形的位置
            square_size=min(width-x,x,y,height-y)
           
                
            # 根据最大正方形位置裁剪图片并保存
            cropped_img = img[y-square_size:y+h+square_size, x-square_size:x+w+square_size] #img[y1:y2, x1:x2]
            # 调整图像大小为512x512
            resized = cv2.resize(cropped_img, (512, 512), interpolation=cv2.INTER_AREA)
            output_path = os.path.join(output_folder_path, image)
            cv2.imwrite(output_path, resized)


if __name__ == "__main__":
    input_folder = r"输入图片所在文件夹路径"  
    output_folder = r"输出图片所在文件夹路径" 
    # 创建输出目录
    if not os.path.exists(output_folder):
        os.makedirs(output_folder)
    crop_face(input_folder, output_folder)
    print('Done!')

opencv实现多人脸识别,自动化办公,opencv,python,计算机视觉
3、只截取人脸部分

import numpy as np
import cv2
import os


def crop_face(input_folder_path, output_folder_path):
    face_detector = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
    images = os.listdir(input_folder_path)
    for image in images:
        image_path = os.path.join(input_folder_path, image)
        img = cv2.imread(image_path)
        height, width, channels = img.shape
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
        faces = face_detector.detectMultiScale(gray, scaleFactor=1.3, minNeighbors=7, minSize=(30, 30))
        
        # 无法识别面部的图片
        if len(faces)==0:
            print(f"No face found in {image_path}")
            return
        
        for (x,y,w,h) in faces:
            cropped_img = img[y:y+h, x:x+w]  
            # 调整图像大小为512x512
            resized = cv2.resize(cropped_img, (512, 512), interpolation=cv2.INTER_AREA)
            # 将图像保存到输出目录
            output_path = os.path.join(output_folder_path, image)
            cv2.imwrite(output_path, resized)
            
if __name__ == "__main__":
    input_folder = r"输入图片所在文件夹路径"  
    output_folder = r"输出图片所在文件夹路径"  
    # 创建输出目录
    if not os.path.exists(output_folder):
        os.makedirs(output_folder)
    crop_face(input_folder, output_folder)
    print('Done!')