import cv2
from make_imge import get_file_name
from train_ph import Model
import os
IMAGE_SIZE = 128
if __name__=="__main__":
name = get_file_name("E:\gender_image")
model = Model()
model.load()
facecas = cv2.CascadeClassifier("C:\myword\haarcascade_frontalface_default.xml")
cap = cv2.VideoCapture(0)
while cap.isOpened():
ret,frame = cap.read()
if not ret:
break
gray = cv2.cvtColor(frame,cv2.COLOR_RGB2GRAY)
faces = facecas.detectMultiScale(gray,scaleFactor=1.1,minNeighbors=3,minSize=(32,32))
if len(faces)>0:
for face in faces:
x,y,w,h = face
cv2.rectangle(frame,(x-10,y-10),(x+w-10,y+h-10),(0,0,255),2)
img =frame[x-10:x+w-10,y-10:y+h-10]
cv2.imwrite("E:\photo\"+str(i)+".jpg",img)
cv2.imshow("face_photo",frame)
k = cv2.waitKey(10)
if k == ord("q"):
break
cap.release()
cv2.destroyAllWindows()
思路整理：
写一个截取图片的代码为：
1、创建一个识别人脸的对象
2、创建一个摄像头的对象
3、使用while语句，表示可以读取很多张图片
4、判断摄像头是否初始化正确，利用read函数返回的ret布尔值进行判断
5、这里将图片变为灰度值
6、判断正确，通过detectMuitleScale函数把人脸的信息取下来。使用的是灰度值的图片
7、判断是否截取到图片
8、截取到图片，就将图片的位置信息读取出来。图片是数字信息，每个图片信息都放在列表中
9、可以在人脸的地方画一个矩形，根据知道矩形的对角点就可以画图像。（这里的图象是原图，没有进行灰度值转化的）
10、因为我想要将人脸的这一部分图像截取下来，因此这里我通过人脸坐标截取人脸
11、然后我将每一帧的图片显示出来
12、如果我不想再显示图像的时候，我可以按q结束
13、结束之后，我们就将摄像头对象释放然后销毁所有的窗口
其中每个参数代表的含义：
cv2.CascadeClassifier看参数、用法
Cv2级联分类器：用于检测数字图像的特征
参数：用一个xm文件说明要检测图像特征的某一个部分，用xml文件的地址为参数。检测人脸比较好的参数有：haarcascade_frontalface_alt.xml
cv2.VideoCapture看参数、用法、表示的意义、返回值
视频捕获器：是opencv的一个类、利用摄像头捕获图像
参数：可以是：相机的索引值（0：表示打开本地摄像机、1：标售打开别的摄像机）；也可以是视频文件的地址
用法：调用摄像头的时候
返回值：布尔值
注意Cap是cv2.VideoCapture返回的类
Cap.isOpen():表示是否已经初始化摄像头
Cap.read()：用法、意义、返回值
返回值：返回两个值：1、ret（布尔值，用来表示读取帧是否成功）2、frame一个三维矩阵（图像的数字信息）
用法：ret可以用来判断图片是否读取成功，frame每一帧图片的矩阵
Face_casade.detectMultilScal()：参数的意义、用法、返回值
detectMultilScal为人脸识别器：单单识别人脸
参数：gray，也就是说图片是灰度的，这样比较快速
scaleFacetor:默认值为1.1
minNeighbors:默认值为3.表示联集最小为3，至少有3次重叠检测，我们才认为人脸确实存
Minsize：最小区域
返回值：得到以人脸特征的数字矩阵的列表
能打开摄像头的函数为：cv2.imshow():参数、意义、用法
1、图像宽的名字和每一帧的名字（注意单独的他是不能把摄像头调用出来的，因为它显示的是每一帧的图片，只是因为读取一帧的速度很快而已，速度给了我们错觉）
Cv2.waitkey(delay)函数：参数、作用
作用：不断刷新图像，频率时间为delay，单位为ms
参数：当参数为整数并且大于零是，表示停留多长时间.但参数为0是，表示只显示一帧