如何使用OpenCV Python在图像中模糊人脸

要在图像中模糊人脸，首先我们使用haar级联分类器检测人脸。OpenCV为我们提供了不同类型的训练好的haar级联用于目标检测。我们使用 haarcascade_frontalface_alt.xml 作为haar级联的xml文件。为了模糊人脸区域，我们应用 cv2.GaussianBlur() 。

如何下载Haarcascade

您可以在GitHub网址上找到不同的haarcascades – https://github.com/opencv/opencv/tree/master/data/haarcascades。

要下载用于人脸检测的 haarcascade ，点击 haarcascade_frontalface_alt.xml 文件。以原始格式打开它，右键点击并保存。

步骤

您可以按照以下步骤在图像中模糊人脸：

导入所需的库。在以下所有示例中需要的Python库是 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。
初始化一个用于人脸检测的Haar级联分类器，如 face_cascade = cv2.CascadeClassifier() 。给出haar级联xml文件的完整路径。您可以使用 haarcascade_frontalface_alt.xml 来检测图像中的人脸。
使用 face_cascade.detectMultiScale() 检测输入图像中的人脸。它以 (x,y,w,h) 格式返回检测到的人脸的坐标。
将检测到的人脸定义为 roi = image[y:y+h, x:x+w] ，然后对roi应用高斯模糊。将模糊的人脸添加到原始图像以获得最终图像。
打印带有模糊人脸的图像。

让我们来看一些更加清晰的示例。

注意： 非常重要的一点是您在正确的文件夹中拥有“haar级联XML文件”。在这里，我们将XML文件放在名为“haarcascades”的文件夹中。

示例

在这个示例中，我们模糊输入图像中检测到的人脸。

# 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

将下面的图像作为输入图像，在上面的示例中使用。 man3.jpg

如何使用OpenCV Python在图像中模糊人脸

输出

执行后，将产生以下输出 −

Face detected in the image: 1

然后我们会看到下面的窗口，显示图像中的模糊人脸：

如何使用OpenCV Python在图像中模糊人脸

示例

下面的Python程序演示了如何在输入图像中模糊人脸。

# 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()