如何使用 OpenCV Python 模糊图像中的脸部?

opencvpythonserver side programmingprogramming

要模糊图像中的脸部，首先我们使用 haar 级联分类器检测脸部。OpenCV 为我们提供了不同类型的经过训练的 haarcascades 用于对象检测。我们使用 haarcascade_frontalface_alt.xml 作为 haarcascade xml 文件。为了模糊面部区域，我们应用了cv2.GaussianBlur()。

如何下载 Haarcascade?
您可以在 GitHub 网站地址后找到不同的 haarcascades −
https://github.com/opencv/opencv/tree/master/data/haarcascades
要下载用于面部检测的 haarcascade，请单击 haarcascade_frontalface_alt.xml 文件。以原始格式打开它，右键单击并保存。

步骤

您可以按照以下步骤模糊图像中的脸部 -

导入所需的库。在以下所有示例中，所需的 Python 库都是 OpenCV。确保您已经安装了它。
使用 cv2.imread() 读取输入图像。指定完整的图像路径。
启动 Haar 级联分类器进行人脸检测，即 face_cascade = cv2.CascadeClassifier()。 提供 haar 级联 xml 文件的完整路径。您可以使用 haarcascade_frontalface_alt.xml 来检测图像中的脸部。
使用 face_cascade.detectMultiScale() 检测输入图像中的脸部。它以 (x,y,w,h) 格式返回检测到的脸部的坐标。
将检测到的脸部的 roi 定义为 image[y:y+h, x:x+w]，并对 roi 应用高斯模糊。将模糊的脸部添加到原始图像以获得最终图像。
打印带有模糊脸部的图像。

让我们看一些例子以便更清楚地理解。

注意:在正确的文件夹中拥有"haar 级联 XML 文件"非常重要。这里我们将 XML 文件放在名为"haarcascades"的文件夹中。

示例

在此示例中，我们对输入图像中检测到的脸部进行模糊处理。

# import required libraries
import cv2

# Read the input image
image = cv2.imread('man3.jpg')

# define haar cascade for face detection
face_cascade =
cv2.CascadeClassifier('haarcascades/haarcascade_frontalface_alt.xml')
faces = face_cascade.detectMultiScale(image, 1.3, 5)
print("Face detected in the image:", len(faces))

# Loop over all the detected faces in the image
for (x, y, w, h) in faces:
   roi = image[y:y+h, x:x+w]
 
   # apply gaussian blur to face rectangle
   roi = cv2.GaussianBlur(roi, (17, 17), 30)
 
   # add blurred face on original image to get final image
   image[y:y+roi.shape[0], x:x+roi.shape[1]] = roi

# Display the output
cv2.imshow('Blur Face', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

输入图像

将以下图像视为上例中使用的输入图像"man3.jpg"。

输出

执行时，将产生以下输出 −

Face detected in the image: 1

我们得到下面的窗口，显示图像中的模糊脸部-

示例

下面的 Python 程序演示了如何模糊输入图像中的面部。

# import required libraries
import cv2

# Read the input image
image = cv2.imread('faces.jpg')

# define haar cascade for face detection
face_cascade =
cv2.CascadeClassifier('haarcascades/haarcascade_frontalface_alt.xml')
faces = face_cascade.detectMultiScale(image, 1.1, 2)
print("Face detected in the image:", len(faces))

# Loop over all the detected faces in the image
for (x, y, w, h) in faces:
   roi = image[y:y+h, x:x+w]
   
   # apply gaussian blur to face rectangle
   roi = cv2.GaussianBlur(roi, (15, 15), 30)
 
   # add blurred face on original image to get final image
   image[y:y+roi.shape[0], x:x+roi.shape[1]] = roi

# Display the output
cv2.imshow('Blur Face', image)
cv2.waitKey(0)
cv2.destroyAllWindows()