人眼检测(单张图像)
生产资料私有化，是阻碍社会发展(包括学习)的一大阻力。希望更多学习资料公出供学习。
目录
实验原理
示例代码
运行结果
注意事项：
在OpenCV中使用C++对中可以读取图像文件，检测图像中的人脸和眼睛，并在检测到的眼睛位置绘制矩形框。
实验原理
在OpenCV中使用C++对图片中的人眼进行检测通常涉及以下几个步骤：
1. 加载图像：读取输入图像。
2. 灰度转换：将彩色图像转换为灰度图像，简化后续处理。
3. 人脸检测：使用预训练的人脸检测模型检测图像中的人脸区域。
4. 眼睛检测：在检测到的人脸区域内使用预训练的眼睛检测模型检测眼睛。
5. 绘制结果：在原图像上绘制检测到的眼睛的矩形框。
示例代码
#include <opencv2/opencv.hpp>
#include <iostream>int main(int argc, char** argv)
{//if (argc != 2)//{// std::cout << "Usage: ./eye_detection [image_path]" << std::endl;// return -1;//}// 加载图像cv::Mat image = cv::imread("4.jpg");if (image.empty()){std::cout << "Error: Could not open or find the image!" << std::endl;return -1;}// 加载人脸检测模型cv::CascadeClassifier face_cascade;if (!face_cascade.load("haarcascade_frontalface_alt.xml")){std::cout << "Error: Could not load face cascade!" << std::endl;return -1;}// 加载眼睛检测模型cv::CascadeClassifier eye_cascade;if (!eye_cascade.load("haarcascade_eye.xml")){std::cout << "Error: Could not load eye cascade!" << std::endl;return -1;}// 转换为灰度图像cv::Mat gray;cv::cvtColor(image, gray, cv::COLOR_BGR2GRAY);// 检测人脸std::vector<cv::Rect> faces;face_cascade.detectMultiScale(gray, faces, 1.1, 3, 0 | cv::CASCADE_SCALE_IMAGE, cv::Size(30, 30));// 检测每张脸中的眼睛for (const auto& face : faces){cv::Mat faceROI = gray(face);std::vector<cv::Rect> eyes;eye_cascade.detectMultiScale(faceROI, eyes, 1.1, 3, 0 | cv::CASCADE_SCALE_IMAGE, cv::Size(30, 30));// 在原图上绘制眼睛的矩形框for (const auto& eye : eyes){cv::Rect eyeRect(face.x + eye.x, face.y + eye.y, eye.width, eye.height);cv::rectangle(image, eyeRect, cv::Scalar(255, 0, 0), 2);}}// 显示结果cv::namedWindow("Eye Detection", cv::WINDOW_NORMAL);cv::imshow("Eye Detection", image);cv::waitKey(0);return 0;
}
运行结果
注意事项：
1. 模型文件：haarcascade_frontalface_alt.xml 和 haarcascade_eye.xml 是人脸和眼睛检测的预训练模型文件，确保这些文件存在于你的项目目录中，或者在load函数中提供正确的路径。
2. 编译环境：确保你的编译环境已经正确配置了OpenCV库，否则你可能需要添加额外的编译和链接指令。
3. 性能优化：在实际应用中，你可能需要调整detectMultiScale函数的参数，以平衡检测精度和性能。
4. 实时处理：如果你打算处理实时视频流，可能需要考虑更高效的处理方法，例如使用更小的检测窗口或调整视频分辨率。