Criando e ativando variaveis de ambiente

python -m venv venv venv\Scripts\activate

============================================================================================

Detecção de Rostos com OpenCV

Este projeto utiliza a biblioteca OpenCV para detectar rostos em uma imagem e exibi-los com um retângulo ao redor. O código também salva a imagem processada.

Explicação do Código

1. Importação das bibliotecas

import cv2
import numpy as np
import matplotlib.pyplot as plt

• cv2: Biblioteca OpenCV para processamento de imagens.
• numpy: Biblioteca para manipulação de arrays.
• matplotlib.pyplot: Usada para exibição da imagem.

2. Leitura da Imagem

img = cv2.imread('imagem.jpg')

Carrega a imagem chamada "imagem.jpg".

3. Exibição da Imagem

plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))

• O OpenCV carrega imagens no formato BGR, enquanto o Matplotlib usa RGB.
• A função cv2.cvtColor(img, cv2.COLOR_BGR2RGB) faz essa conversão antes de exibir a imagem.

4. Ajuste do Tamanho da Figura

plt.rcParams['figure.figsize'] =(224,224)

Define o tamanho da imagem exibida para 224x224 pixels.

5. Carregamento do Classificador de Rostos

face_cascade = cv2.CascadeClassifier('app/haarcascade_frontalface_default.xml')

• Usa o modelo Haar Cascade treinado para detectar rostos.
• O arquivo 'haarcascade_frontalface_default.xml' contém as regras para identificar faces.

6. Conversão para Escala de Cinza

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

A detecção de rostos funciona melhor em imagens monocromáticas, pois reduz a complexidade.

7. Detecção de Rostos

faces = face_cascade.detectMultiScale(
    gray,
    scaleFactor=1.1,
    minNeighbors=5,
    minSize=(30, 30)
)

• scaleFactor=1.1: Reduz o tamanho da imagem em 10% a cada escala, ajudando a detectar rostos de diferentes tamanhos.
• minNeighbors=5: Evita falsos positivos ao exigir pelo menos 5 vizinhos para validar uma detecção.
• minSize=(30, 30): Define o tamanho mínimo do rosto detectado.

8. Desenhando Retângulos nos Rostos Detectados

count = 0
for (x, y, w, h) in faces:
    img = cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 0), 2)

• Percorre cada rosto detectado e desenha um retângulo azul (255,0,0) ao redor.
• (x, y): Coordenadas do canto superior esquerdo do rosto.
• (x + w, y + h): Coordenadas do canto inferior direito.
• 2: Espessura da linha do retângulo.

9. Recorte das Regiões do Rosto

    roi_gray = gray[y:y+h, x:x+w]
    roi_color = img[y:y+h, x:x+w]

• roi_gray: Recorta a região do rosto na imagem em escala de cinza.
• roi_color: Recorta a região do rosto na imagem colorida.

10. Salvando a Imagem Processada

    cv2.imwrite('aragorn.png', img)

Salva a imagem com os rostos detectados e os retângulos desenhados com o nome "aragorn.png".

11. Exibição da Imagem Processada

    plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
    plt.show()

• Converte a imagem para RGB novamente.
• Exibe a imagem processada com os rostos detectados.

Resultado Esperado

A imagem carregada terá um retângulo azul ao redor de cada rosto detectado e será salva como "aragorn.png".

Observação

Caso a imagem não contenha rostos ou o classificador não esteja bem treinado para a imagem fornecida, pode ser necessário ajustar os parâmetros scaleFactor e minNeighbors para melhorar a detecção.