1 图片爬虫
这里的代码转载自：http://t.csdnimg.cn/T4R4F
# 获取图片数据
import os.path
import fake_useragent
import requests
from lxml import etree# UA伪装
head = {"User-Agent": fake_useragent.UserAgent().random}pic_name = 0
def request_pic(url):# 发送请求response = requests.get(url, headers=head)# 获取想要的数据res_text = response.text# 数据解析tree = etree.HTML(res_text)li_list = tree.xpath("//div[@class='slist']/ul/li")for li in li_list:# 图片的urlimg_url = "https://pic.netbian.com" + "".join(li.xpath("./a/img/@src"))# 发送请求img_response = requests.get(img_url, headers=head)# 获取想要的数据img_content = img_response.contentglobal pic_namewith open(f"./picLib/{pic_name}.jpg", "wb") as fp:fp.write(img_content)pic_name += 1if __name__ == '__main__':# 创建存放照片的文件夹if not os.path.exists("./picLib"):os.mkdir("./picLib")# 网站的urlurl = "https://pic.netbian.com/4kdongman/"request_pic(url)for i in range(1,10):next_url = f"https://pic.netbian.com/4kmeinv/index_{i}.html"request_pic(next_url)
结果如图1-1所示：
图 1-1
2 基于opencv自带分类器的人脸检测
import cv2
import os
import matplotlib.pyplot as plt # 定义人脸检测器的路径
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml') # 设置图片文件夹路径
folder_path = 'picLib' # 设置要显示的图像数量
num_to_display = 5 # 例如，只显示前4张图像 # 创建一个图形和子图
fig, axs = plt.subplots(1, num_to_display, figsize=(15, 5)) # 遍历文件夹中的前几张图片
for i in range(num_to_display): file_name = f'{i}.jpg' image_path = os.path.join(folder_path, file_name) # 读取图片 img = cv2.imread(image_path) if img is None: print(f"Error loading image {file_name}") continue # 转换为灰度图 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 检测人脸 faces = face_cascade.detectMultiScale(gray, 1.3, 5) # 在原图上绘制矩形框 for (x, y, w, h) in faces: cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 0), 2) # 注意：OpenCV 图像是BGR，而Matplotlib 期望的是RGB，因此我们需要转换颜色通道 img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # 显示图像 axs[i].imshow(img_rgb) axs[i].axis('off') # 关闭坐标轴 # 显示图形
plt.show()
运行结果如图2-1所示：
图 2-1
从这里可以清晰看到有1/3的图像没有成功检测到，后面我试试用Faster R-CNN模型，不过需要标注，数据量也大，这里先试着玩玩呗。
