先上个效果图

相关库的下载

例程中用到一个库叫做emgucv,是opencv\的net封装
编译打包好的稳定版,在这:https://sourceforge.net/projects/emgucv/files/emgucv/
如果要最新代码,在这里获取:https://github.com/emgucv/emgucv

建立工程

首先建立一个C#控制台工程.添加引用:Emgu.CV.World.dll
然后添加这2个文件到工程(在emgucv的压缩包里有的,搜索下文件吧~):
注意:其中的dll文件需要根据要编译的程序是32位还是64位选不同文件

记得把"复制到输出目录"设为"较新则复制"
另外准备一张要识别的图片,放到编译输出目录.
接下来就是编辑代码了,后面所有代码都在main里

配置OpenCV使用显卡运算(如果支持的话)

使用显卡处理图像数据效率会高很多,如果你的设备支持,最好打开,使用CvInvoke.HaveOpenCLCompatibleGpuDevice能返回是否支持.
配置CvInvoke.UseOpenCL能让OpenCV 启用或者停用 GPU运算

CvInvoke.UseOpenCL = CvInvoke.HaveOpenCLCompatibleGpuDevice;

构建级联分类器对象

emgu包里已经有训练好的数据了,文件名叫做"haarcascade_frontalface_alt.xml",就是上面添加的文件之一

var face = new CascadeClassifier("haarcascade_frontalface_alt.xml");

加载图像并作简单处理

在OpenCV中,大部分函数是处理灰度图的,包括这个识别物体,所以需要转成灰度图,然后再调整下亮度

//加载要识别的图片
var img = new Image<Bgr, byte>("0.png");
var img2 = new Image<Gray, byte>(img.ToBitmap());
//把图片从彩色转灰度
CvInvoke.CvtColor(img, img2, Emgu.CV.CvEnum.ColorConversion.Bgr2Gray);
//亮度增强
CvInvoke.EqualizeHist(img2, img2);

检测人脸

其实这一步反而最简单,返回的是rectangle[]格式,因为图中可能有多个人脸,所以返回的是数组.

//在这一步就已经识别出来了,返回的是人脸所在的位置和大小
var facesDetected = face.DetectMultiScale(img2, 1.1, 10, new Size(50, 50));

剪切并保存

因为是多个人脸所以需要循环剪切并保存,(→_→)这一块的代码量竟然反而比上面那堆多

//循环把人脸部分切出来并保存
int count = 0;
var b = img.ToBitmap();
foreach (var item in facesDetected)
{
	count++;
	var bmpOut = new Bitmap(item.Width, item.Height, System.Drawing.Imaging.PixelFormat.Format24bppRgb);
	var g = Graphics.FromImage(bmpOut);
	g.DrawImage(b, new Rectangle(0, 0, item.Width, item.Height), new Rectangle(item.X, item.Y, item.Width, item.Height), GraphicsUnit.Pixel);
	g.Dispose();
	bmpOut.Save(#34;{count}.png", System.Drawing.Imaging.ImageFormat.Png);
	bmpOut.Dispose();
}

释放资源退出

//释放资源退出
b.Dispose();
img.Dispose();
img2.Dispose();
face.Dispose();

全代码和测试图片:

static void Main(string[] args)
{
	//如果支持用显卡,则用显卡运算
	CvInvoke.UseOpenCL = CvInvoke.HaveOpenCLCompatibleGpuDevice;

	//构建级联分类器,利用已经训练好的数据,识别人脸
	var face = new CascadeClassifier("haarcascade_frontalface_alt.xml");

	//加载要识别的图片
	var img = new Image<Bgr, byte>("0.png");
	var img2 = new Image<Gray, byte>(img.ToBitmap());

	//把图片从彩色转灰度
	CvInvoke.CvtColor(img, img2, Emgu.CV.CvEnum.ColorConversion.Bgr2Gray);

	//亮度增强
	CvInvoke.EqualizeHist(img2, img2);

	//在这一步就已经识别出来了,返回的是人脸所在的位置和大小
	var facesDetected = face.DetectMultiScale(img2, 1.1, 10, new Size(50, 50));

	//循环把人脸部分切出来并保存
	int count = 0;
	var b = img.ToBitmap();
	foreach (var item in facesDetected)
	{
		count++;
		var bmpOut = new Bitmap(item.Width, item.Height, System.Drawing.Imaging.PixelFormat.Format24bppRgb);
		var g = Graphics.FromImage(bmpOut);
		g.DrawImage(b, new Rectangle(0, 0, item.Width, item.Height), new Rectangle(item.X, item.Y, item.Width, item.Height), GraphicsUnit.Pixel);
		g.Dispose();
		bmpOut.Save(#34;{count}.png", System.Drawing.Imaging.ImageFormat.Png);
		bmpOut.Dispose();
	}

	//释放资源退出
	b.Dispose();
	img.Dispose();
	img2.Dispose();
	face.Dispose();

	return;

}

运行效果

编译后运行可以看到目录多了两个图片文件:

打开看看: