使用 OpenCV 進行臉部檢測的 Python 程式解析

本文展示如何使用 OpenCV 的 Haar 紋波檢測器進行臉部檢測，並在檢測到的臉部區域繪製綠色矩形框。

程式碼範例與註解

# 匯入 OpenCV 模組
import cv2

# 加載 Haar 紋波檢測器
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_alt2.xml')

# 讀取圖片並轉換為灰階
image = cv2.imread('demo.jpeg')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 檢測臉部
# 第一個參數是灰階圖像，第二個參數是縮放因子（每次檢測時圖像尺寸縮小的比例），第三個參數是最小鄰近數
faces = face_cascade.detectMultiScale(gray, 1.05, 20)

# 遍歷所有檢測到的臉部區域，並繪製綠色矩形框
for (x, y, w, h) in faces:
    image = cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 3)

# 創建可調整大小的視窗，並顯示結果
cv2.namedWindow('video', cv2.WINDOW_NORMAL)
cv2.imshow('video', image)

# 等待用戶按下任意鍵關閉視窗
cv2.waitKey(0)
cv2.destroyAllWindows()

程式解析

加載 Haar 紋波檢測器： cv2.CascadeClassifier 加載了 OpenCV 提供的預訓練模型，適用於臉部檢測。
讀取圖片與轉換灰階： 使用 cv2.imread 加載圖片，並使用 cv2.cvtColor 將其轉換為灰階圖像，因為 Haar 檢測器僅接受灰階輸入。
臉部檢測： detectMultiScale 是主要的臉部檢測函數，其參數解釋如下：
- gray：灰階圖像。
- 1.05：縮放因子，值越小檢測越精細但速度變慢。
- 20：最小鄰近數，用於濾除錯誤檢測。
繪製矩形框： 對於檢測到的每個臉部區域，使用 cv2.rectangle 繪製綠色矩形框，參數指定了矩形的位置、顏色和線條厚度。
顯示結果： cv2.namedWindow 創建了一個可調整大小的視窗，cv2.imshow 用於顯示圖像。
鍵盤事件： cv2.waitKey(0) 等待用戶按鍵後關閉視窗，釋放資源。