使用Python和SciPy进行图像处理

Question

我正在尝试使用Python进行图像处理。 我的目标是识别人脸或检测圆形（基本上是人脸），而我手头有一张带有人类的图片。 到目前为止，我已经完成了以下事情:

1. 使用Sobel边缘检测对图像进行了边缘检测。 2. 然后将图像转换为二进制图像，保存二进制图像并打印出图像的数组，它是0或255（黑白）。 3. 现在我很困惑，在这之后，我该怎么做才能检测图像中的圆形，并打印出图像中的人数。 4. 我正在使用静态图片，因此我正在为图像提供输入。

我使用的工具包括Python、PIL、NumPy和SciPy。我不想使用OpenCV来检测人脸，并计算图像中的人数并打印出人数。

import numpy
import scipy
from scipy import ndimage

im = scipy.misc.imread('test5.jpg')
im = im.astype('int32')
dx = ndimage.sobel(im, 0)  # horizontal derivative
dy = ndimage.sobel(im, 1)  # vertical derivative
mag = numpy.hypot(dx, dy)  # magnitude
mag *= 255.0 / numpy.max(mag)  # normalize (Q&D)
scipy.misc.imsave('sobel.jpg', mag)

上面的代码不是我写的，我从网上找到的。

我也在其他论坛上问过这个问题。这里

- user2096230

---

你会后悔的，如果不使用OpenCV这个好工具的话 ;) - berak

我不能使用OpenCV，因为我的老师严格告诉我不要使用，所以没有选择。 :( @berak - user2096230

你的数据集是什么样子的？你需要在人群中识别一个脸，还是需要在画面中识别一个脸？ - David Marx

你更有可能错过所有的人脸而检测到大量的非人脸。我真的不认为这种方法会有什么好处，你有任何证据（论文、可工作的代码等）证明它能行吗？ - mmgp

没有，我没有这样的东西，我的老师告诉我要尝试这种方式，我只知道一些基本的numpy和其他库，而且我也没有太多时间去深入学习 :( @mmgp - user2096230

Answer 1

你想要做的事情可以通过使用scipy、numpy和sklearn来实现。

首先，你需要收集大量的人脸数据以及许多不是人脸的随机数据。

例如，你有2000张人脸图像和10000张非人脸图像。然后，你需要加载它们，并对它们的大小和强度进行归一化处理，然后将它们传递给SVM进行分类。人脸照片的标签应该为1，非人脸的标签应该为0。

images = [image1, image2, image3... imagen]
labels = [0 1 1 ... 0]

当你完成以上步骤后，需要将其传递给一个支持向量机（svm）：

faceclassifier = SVC()
faceclassifier.fit(images, labels) 

请点击这里了解更多。

然后，在每个新的查询图像中，使用滑动窗口获取所有块，并将每个块通过 SVM 进行处理。

如果 SVM 的结果很高，则将其分类为代表人脸的块；否则，它不是一个人脸。

总的来说，您无法仅使用图像处理技术构建准确的人脸检测器，您应该使用计算机视觉和机器学习技术。

- entropiece

Answer 2

你应该研究一下Viola Jones算法。OpenCV库本身有一个不错的实现。这是目前最好的用于检测图像中面部的算法之一。虽然在构建深度架构时还有更好的算法。

- iec2011007

Answer 3

我同意entropiece的观点。在解决这类问题时，使用计算机视觉和机器学习是常规方法。

然而，如果你仍然想尝试使用圆形检测来实现此目的，你可以尝试看看圆形霍夫变换。它很容易进行编码，甚至可以从头开始编写代码，而不必使用其他任何库。

- mattbv