第三节 又一个EmguCV程序：人脸识别
对于用惯了halcon的玩家，对emguCV其实应该是各种不习惯的，特别是数据类型，我本来准备了一个例子，结果最后一个方法的地方因为数据类型的问题，搞了半天没成功，如果绕开那个方法，整个例子又少了一大亮点，所以我干脆不讲那个例子了。。。这一节我们可以学习下emguCV某些厉害的地方。比如人脸识别。用halcon做人脸识别貌似是比较麻烦的，用emguCV就方便很多了，因为我们可以踩在前人的肩膀上：OpenCV的人脸识别已经有现成的库了，虽然不是很好用。这一节我们就学习下用emguCV调用OpenCV这些库(分类器)做下人脸识别。
首先我们进入下面(4-3-1)这个文件夹：
图 4-3-1
不出意外你应该只有上面两个XML文件，看字面意思应该分别是用来检测眼睛，前脸，嘴巴，鼻子的。下面的两个XML文件可以自己去网上找，也可以来我们的QQ群文件下载。下面首先，在上一节的工程解决方案上右键-->添加-->新建项目，如下图(4-3-2)：
图 4-3-2
然后继续选择Windows窗体应用程序，命名为facesDetect。然后按照上一节的方法添加emguCV的四个dll引用，在工具栏右键选择项-->浏览-->添加Emgu.CV.UI.dll。接着在form里面添加两个imagebox控件，两个button控件，如下图(4-3-3)：
图 4-3-3
然后进入编程页面，继续添加using……，然后编写用第一个button(读取图片)，来打开一张图片的方法。这个上一节已经有讲解。直接贴图代码吧(4-3-4)：
图 4-3-4
聪明的朋友肯定会有一个问题：为什么我直接把打开图片的地址给mat变量然后显示，却非要重新声明一个image<>变量来读取图片呢？因为经过多次测试，发现直接用mat来读取图片，有的会显示不了，所以我改成了这个。机智如我~(那么Mat和Image之间具体怎么转换呢？详见本节TIPS 1)好啦，敲完这么多，先调试一下！你肯定记得，要先在项目属性里面把平台目标设置为x64的；再聪明的还会记得要把cvextern.dll库复制到debug文件下。然后运行，发现竟然跑的是上一节的程序。。对的，因为你千算万算，还是棋差一招(4-3-5)：
图 4-3-5
如上图(4-3-5)，在你新建项目(facesDetect)上右键，选择"设为启动项"。这样就可以了！这时候再运行下，打开几张图片试试，一切ok后，我们进行下一步：人脸检测：
图 4-3-6
图 4-3-7
还是粗鲁的先上了代码，而且一上上两页，完全不考虑客户能不能接受。定睛一看，其实也就三个关键代码而已，只不过我无耻的"重复"了四次。
第一个关键代码是，声明并实例化一个 CascadeClassifier类的变量，并且该类的实例化是带参数的，也就是开头介绍的那个XML文件的地址。我重复了四次，因为我要检测四个部位：脸，眼，鼻，嘴。分别对应四个XML文件。有了这个变量，就可以调用一个方法，
也就是第二个关键代码：DetectMultiScale方法。这个方法有点小难，我们F12进去看看(4-3-8)：
图 4-3-8
拿人脸来举例，这个意思就是找到可能是人脸的地方，然后求出最小外接矩形。然后返回这个矩形。在我看来，这个方法的逻辑是：用一个小框框在输入的图片上走一遍(遍历)，找到人脸后，就求出人脸的最小外接矩形；然后再吧小框框放大一点点，再走一遍，再放大再走一遍……所以这个方法的参数就好理解很多了：第一个参数就是输入的图像了；第二个参数是缩放因子，就是上面说的小框框走完一遍要放大一点，具体放大多少就是这个参数了，如果你填1.1就意味着每次放大10%。第三个参数我的理解是每个人脸总共需要被检测到的次数，负责任的告诉你，这个理解是不准确的，但是这个理解跟正确的意思是正相关的。所以这么理解简单方便且不会影响你的使用；第四个参数就是小框框的最小的尺寸了；第五个参数是小框框最大尺寸。这个算子返回的是矩形变量，所以我们要声明矩形变量作为这个方法的返回值，但是因为一张图中我们是要找出所有的人脸，所以矩形框可能就不止一个，所以其实返回的是一个成员类型为矩形的数组。就像上图中我的代码一样。然后我又重复了四次，毕竟找了四个特征嘛。那么接下来，就是显示了：
第三个关键算子： CvInvoke.Rectangle()是在图片上画一个矩形。第一个参数就是要画图的原图，第二个参数是要画的矩形，第三个参数是矩形的颜色，第四个参数画笔的宽度。本例中用的颜色是 MCvScalar 类，其实跟.net自带的颜色类也是差不多的，三个参数分别代表蓝，绿，红的色度。然后用到一个foreach循环(这是一个C#知识点，不了解的朋友可以看看本节 TIPS 2)。循环完所有的矩形也就都画完了，同样重复四次。
这下就是真的大功告成了！赶快找一张图片试一下吧。不过效果不一定好，因为我们用的图片大小不一样，而我代码里面第二个关键算子的参数都是按照我的图片来选的，还有就是这个库通用性本来就不是那么好。。。建议同学们先找一张自拍慢慢调参数测试看看。合影离得远，就不清晰了，的确容易误判。下图(4-3-9)是我的测试结果，找脸还是蛮准的(蓝色)，其次是嘴巴(红色)，眼睛(绿色)和鼻子(黄色)就不敢恭维了。。。。
图 4-3-9
本节TIPS：
1) Mat与Image之间的互相转换如下(4-3-10)：
图 4-3-10
由Mat转为Image是一个方法，而由Image转为Mat，却只是Image的一个属性。
2)foreach其实是对广义上数组的一个遍历。本例中就是对每一个含有矩形框的数组进行遍历，大白话就是挨个挑出来，然后画到图片上。它的语法结构是：
foreach( 类型 a in A ){ }
其中，大A就是要遍历的数组，小a就是表示A里面每个成员的变量了，所以a的类型就是A里面每个成员的类型，且你要在括号里面写上a的类型。比如本例每个a面前我都加了Rectangele。然后在大括号里面你就可以对每个成员尽情蹂躏了。
感觉自己没说清楚啊，，，举个例子吧，看下图(4-3-11)：
图 4-3-11
这是一个控制台应用程序：声明了一个double类型的数组A，里面四个成员，foreach里面的小a就是遍历了这个A的每个成员，每挑出来一个，就加给sum，所以这个算法相当于是把数组A里面的所有成员加一起求和了。我们来看看运行结果(4-3-12)：
图4-3-12
13.2！对不对呢？不用一点点心算加一起验证的，因为我给的四个数字都是1.1的倍数，所以所有的数加一起也是1.1的倍数，我们忽略小数点，会发现所有跟11相乘的两位数都有一个特点，如下图(4-3-13)：
图 4-3-13
我们用mn表示两位数，那这个特点就是当m+n<10，也就是不产生进位的时候，首尾两个数相加就等于中间那个数。这样就可以一眼辨别输出结果是不是正确了，比如本例的13.2。1+2=3，直接看出结果。其实很多计算也会很有用，比如13 x 22=26 x 11=286 啦啦啦~~~有没有很快？