选择图像后，让我们重命名它们。确保图像文件位于你正在处理的同一文件夹中。在保存它们之后，现在我们将对图像做一些修饰。图像处理在这一步中，我们将对图像做一些小的修饰，以便更好地进行处理，我也发表了一篇关于常用图像处理技术的文章。做这些修整确实有助于我们的机器处理，并提供更好的结果。我们先调整图片的大小，接下来，我们将它们转换成灰度，我们的模型处理灰度图像的速度更快。Python中的图像处理常用图像处理技术的分步指南网址：https：／／towardsdatascience．com／image－manipulation－in－python－cbb86a61cf0为了使用这些图像编辑技术，我们将使用我们在文章开头导入的图像模块。调整大小newsize ＝ （600， 600） ＃First image retouchesimgr1 ＝ Image．open（＂test1．jpg＂） imgr1 ＝ imgr．resize（newsize） imgr1．save（＂resized1．jpg＂）＃Second image retouchesimgr2 ＝ Image．open（＂test2．jpg＂） imgr2 ＝ imgr．resize（newsize） imgr2．save（＂resized2．jpg＂）灰度imgr1 ＝ imgr1．convert（＇L＇） imgr1．save（＇ready1．jpg＇） imgr2 ＝ imgr2．convert（＇L＇） imgr2．save（＂ready2．jpg＂）导入编辑的图像最后，我们将编辑好的图像导入到我们的程序中，这样我们就可以运行猫脸和人脸检测模型了。我们正在使用Opencv库导入图像。＃ Read the input image img1 ＝ cv2．imread（＇ready1．jpg＇）
img2 ＝ cv2．imread（＇ready2．jpg＇）人脸检测级联是时候检测人脸了，我们将运行两行代码。首先在图像中检测人脸，第二步是在图像中检测猫的脸。如前所述，我们正在请求opencv分类器。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））绘制矩形在这一步中，我们将围绕检测到的面部进行绘制矩形。这些矩形可以有不同的颜色，其线框的厚度也可以调整。for （i， （x， y， w， h）） in enumerate（human＿faces）： 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．FONT＿HERSHEY＿SIMPLEX， 0．55， （220， 90， 230）， 2）for （i， （x， y， w， h）） in enumerate（cat＿faces）： 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．FONT＿HERSHEY＿SIMPLEX， 0．55， （0， 0， 255）， 2）（220，90，230）和（0255，0）是我们要绘制的矩形颜色，你可以和它们一起玩，看看颜色是怎么变化的。（3） 是线条的粗细，你可以更改该值并查看其外观。保存结果最后，我们将保存检测到的人脸图像。要查看工作的最终结果，最好的方法是保存并检查，确保正确传递变量名。在运行这最后一段代码之前，如果一切正常的话，我建议你继续检查整个代码。＃Saving the images using imwrite methodcv2．imwrite（＂faces＿detected1．png＂， img1）cv2．imwrite（＂faces＿detected2．png＂， img2）结果这是我的工作成果。第一种是人脸检测，第二种是猫脸检测结果。如你所见，我们的机器知道哪一个是人类，哪一个是猫脸。我还测试了这个程序，将两个图像合并在一个图像中，我收到的结果可以在下面找到。faces＿detected1．png
faces＿detected2．png
其他与其逐个测试每个图像，不如让我们看看将两个图像合并为一个并运行代码时会发生什么。我们可以看到，我们的机器现在能够理解和区分猫和人的脸。result
恭喜！ ！你已经创建了一个程序，可以在图像中检测猫和人的脸。现在，你已经知道如何教机器同时为你做两件事了。希望你喜欢这篇教程，并在今天学到一些新东西。计算机视觉是一个伟大的领域，你可以做的事情是无限的。你可以在不同的图像上测试代码，看看它是如何工作的。它可能不是对所有的图像都有效，因为预测依赖于训练过的数据。
