这两种算法在它们可以检测到的和不能检测到的方面都有其起伏。
OpenCV 是用 C 在后端进行编程的，并作为一个机器学习包，来分析 Python 中的图像模式。
Skimage 也称为 Scikit-Image ，是一个机器学习软件包，用于图像预处理以发现隐藏模式。
两者的最佳平台
OpenCV 建议在基于服务器的 notebook 上完成，比如 google colab，或者 google cloud、Azure cloud 甚至 IBM 中的 notebook 扩展。
而对于 Skimage 来说，即使是 Jupyter Lab/Notebooks 也能很好地工作，因为它在处理上没有 OpenCV 那么复杂。
使用 Skimage 分析面部数据的 Python 代码
代码语言：javascript复制from skimage import data
from skimage.feature import Cascade
import matplotlib.pyplot as plt
from matplotlib import patches
# Load the trained file from the module root.
trained_file = data.lbp_frontal_face_cascade_filename()
# Initialize the detector cascade.
detector = Cascade(trained_file)
img = data.astronaut()
detected = detector.detect_multi_scale(img=img,
scale_factor=1.2,
step_ratio=1,
min_size=(60, 60),
max_size=(90, 500))
plt.imshow(img)
img_desc = plt.gca()
plt.set_cmap('gray')
for patch in detected:
img_desc.add_patch(
patches.Rectangle(
(patch['c'], patch['r']),
patch['width'],
patch['height'],
fill=False,
color='r',
linewidth=2
)
)
plt.show()
# We have detected a face using Skimage in python
# Obtain the segmentation with default 100 regions
segments = slic(img)
# Obtain segmented image using label2rgb
segmented_image = label2rgb(segments, img, kind=’avg’)
# Detect the faces with multi scale method
detected = detector.detect_multi_scale(img=segmented_image,
scale_factor=1.2,
step_ratio=1,
min_size=(10, 10), max_size=(1000, 1000))
# Show the detected faces
show_detected_face(segmented_image, detected)
因此我们在这里看到了如何使用 python 中的 Skimage 检测人脸和推断图像。
使用 OpenCV 分析数据的 Python 代码
代码语言：javascript复制from google.colab import drive
drive.mount('/content/drive')
image = cv2.imread(r'/content/drive/MyDrive/12-14-2020-tout.jpg')
# check properties of the image
image.shape
# This image has 1333 pxl width, 2000 pxl height and 3 channels(red, green, blue)
from google.colab.patches import cv2_imshow
cv2_imshow(image)这里我们使用OpenCV上传了一张图片：
eye_detector = cv2.CascadeClassifier('/content/drive/MyDrive/haarcascade_frontalcatface.xml')
eye_detections = eye_detector.detectMultiScale(image)
eye_detections
# detect face with eyes on one of the faces
eye_detections = eye_detector.detectMultiScale(image)
for (x,y,w,h) in eye_detections:
cv2.rectangle(image, (x,y), (x w, y h), (0,300,0), 2)
cv2_imshow(image)
