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url
        img_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.content
        global pic_name
        with open(f"./picLib/{pic_name}.jpg", "wb") as fp:
            fp.write(img_content)
        pic_name += 1

if __name__ == '__main__':
    # 创建存放照片的文件夹
    if not os.path.exists("./picLib"):
        os.mkdir("./picLib")
    # 网站的url
    url = "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。