保护女神林志玲，给脸打马赛克pythonopencv实现

　　1 说明：
　　=====
　　1.1 python+opencv实现人脸定位、马赛克采用2种方法：dlib法和cv2自带xml法。
　　1.2 cv2自带xml法：加载人脸模型haarcascade_frontalface_default.xml
　　1.3 图片来源：来自今日头条正版免费图库，向女神致敬，仅供学习。
　　pic1：林志玲
　　pic2：林志玲等3人
　　2 加载opencv的xml模型法：有bug，此处省略。https://github.com/opencv/opencv/blob/master/data/haarcascades/haarcascade_frontalface_default.xml #下载
　　3 dlib法：
　　======
　　3.1 安装dlib：pip install dlib
　　3.2 效果图：
　　4 代码：
　　python的代码简洁，清晰，规范化的步骤
　　===============================
　　4.1 第1步：模块导入# 导入模块 import dlib import cv2
　　4.2 第2步：函数定义# 获得人脸矩形的坐标信息 def rect_to_fb(face):     x = face.left()     y = face.top()     w = face.right() - x     h = face.bottom() - y     return (x, y, w, h)  # 将待检测的image进行resize，调整大小 def resize(image, width=1200):       r = width * 1.0 / image.shape[1]     dim = (width, int(image.shape[0] * r))     resized = cv2.resize(image, dim, interpolation=cv2.INTER_AREA)     return resized  # 定义人脸马赛克=face_mosaic函数： def face_mosaic(image, x, y, w, h, m1w=9):    ＂＂＂   :param img: opencv img   :param int x : 马赛克左顶点   :param int y: 马赛克右顶点   :param int w: 马赛克宽   :param int h: 马赛克高   :param int m1w: 马赛克每一块的宽:mosaic 1 w   ＂＂＂   # 获取读取图片的高和宽   img_h, img_w = image.shape[0], image.shape[1]   # 当判断超过边界，返回   if (y + h > img_h) or (x + w > img_w):     return    # h==高：关键点0 减去m1w防止溢出   for i in range(0, h - m1w, m1w):      # w==宽：关键点0 减去m1w防止溢出     for j in range(0, w - m1w, m1w):       # 获得人脸矩形的坐标信息       rect = [j + x, i + y, m1w, m1w]       # numpy中ndarray文件转为list       color = image[i + y][j + x].tolist() # 关键点1 tolist       # 获取对角线       left_up = (rect[0], rect[1])       # 关键点2 减去一个像素       right_down = (rect[0] + m1w - 1, rect[1] + m1w - 1)        # 确定对角线 来画矩形的       # 比如：       # cv2.rectangle(img, (bbox.left, bbox.top), (bbox.right, bbox.bottom), (0,0,255), 2)       # 注意上面是2=小绿色框，1=部分小绿色宽，-1=无色马赛克，不显示绿色框       cv2.rectangle(image, left_up, right_down, color, -1)
　　4.3 第3步：main主函数# 人脸侦测，定位，打马赛克 def main():     # 读取原始图片     image_file = ＂/home/xgj/Desktop/masaike/pic2.jpeg＂     image = cv2.imread(image_file)     # 调用函数，调整图片大小     image = resize(image, width=1200)          # 调用dlib的函数获取人脸模型     detector = dlib.get_frontal_face_detector()     # 获取人脸数据     faces = detector(image, 1)      for (i, face) in enumerate(faces):         (x, y, w, h) = rect_to_fb(face)         # 人脸定位并加绿色矩形框         cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)         # cv2.putText(I,＂there 0 error(s):＂,(50,150),cv2.FONT_HERSHEY_COMPLEX,6,(0,0,255),25)         # 各参数依次是：照片/添加的文字/左上角坐标/字体/字体大小/颜色/字体粗细         cv2.putText(image, ＂Face:{}＂.format(i+1), (x - 10, y - 10),cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)         # 调用马赛克函数，打马赛克         face_mosaic(image, x, y, w, h)          # 显示效果图片     cv2.imshow(＂Output＂, image)     cv2.waitKey(0) #永不自动关闭
　　4.4 第4步：结尾if __name__ == ＂__main__＂:     main()
　　5 小结：
　　=====
　　5.1 dlib法基本无bug，显示了dlib库在人脸识别和定位上的强大。
　　5.2 同时在使用OpenCV的自带人脸识别模型xml时出现上述2张照片bug，所以放弃使用，希望OpenCV这个强大的库能改进。 当然OpenCV还是一个很强大，很热门的计算机视觉库。
　　5.3 python代码规范的问题：要不要结尾if __name__ == ＂__main__＂:问题，好像python3中也不重要了，自己可以感受一下。
　　5.4 以上是个人心得，分享出来。