前言

在图像处理过程中，三个通道的数据比较复杂，那就可以先将图像进行灰度化处理，灰度化的过程就是将每个像素点的RGB值统一成同一个值。灰度化后的图像将由三通道变为单通道，单通道的数据处理起来就会简单许多。

首先我们都了解图片的所有颜色都调节RGB的值来达到不同的效果。彩色图像有R，G，B三个分量，分别掌管红绿蓝三种基础色彩，灰度化就是使彩色的R，G，B分量相等的过程。灰度值大的像素点比较亮，反之比较暗这个过程就是指灰度化。灰度处理也有很多方法，本文采用直接调用函数cv2.cvtColor() 图像颜色空间转换。

我们尝试一下，先找个美女

上代码！

import dlib
import cv2
import matplotlib.pyplot as plt
img = cv2.imread('1.png')
gray_image = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
# detector = dlib.get_frontal_face_detector()
detector = dlib.cnn_face_detection_model_v1('mmod_human_face_detector.dat')

dets = detector(gray_image, 1)
print (len(dets))

for i, d in enumerate(dets):
    x1 = d.rect.top() if d.rect.top() > 0 else 0
    y1 = d.rect.bottom() if d.rect.bottom() > 0 else 0
    x2 = d.rect.left() if d.rect.left() > 0 else 0
    y2 = d.rect.right() if d.rect.right() > 0 else 0

    face = gray_image[x1:y1,x2:y2]
    
    # 调整图片的对比度与亮度， 对比度与亮度值都取随机数，这样能增加样本的多样性
#     face = relight(face, random.uniform(0.5, 1.5), random.randint(-50, 50))
    cv2.rectangle(gray_image, (x2, x1), (y2, y1), (0, 255, 0), 2)  # 画出人脸
    face = cv2.resize(face, (580,580))

plt.imshow(face)

 输出结果：

plt.imshow(gray_image)

结果： 

 很不错昂!