import pandas as pdimport numpy as npfrom PIL import Imagetrain=pd.read_csv(‘train.csv‘)for ind,row in train.iloc[1:10].iterrows():    #第一行是label    i=row[0]    arr=np.array(row[1:],dtype=np.uint8)    arr.resize((28,28))    im=Image.fromarray(arr)    #ind是第几幅图像，i表示这个图像是几    #如果没有‘train_pics’这个文件夹会报错    im.save(‘./train_pics/%s-%s.png‘ % (ind,i))

################# 摄像头的输入，输出 ##################def onm ouse(event, x, y, flags, param):    # Event:    # CV_EVENT_MOUSEMOVE 0                   滑动    # CV_EVENT_LBUTTONDOWN 1           左键点击    # CV_EVENT_RBUTTONDOWN 2           右键点击    # CV_EVENT_MBUTTONDOWN 3           中键点击    # CV_EVENT_LBUTTONUP 4                 左键放开    # CV_EVENT_RBUTTONUP 5                 右键放开    # CV_EVENT_MBUTTONUP 6                 中键放开    # CV_EVENT_LBUTTONDBLCLK 7         左键双击    # CV_EVENT_RBUTTONDBLCLK 8         右键双击    # CV_EVENT_MBUTTONDBLCLK 9         中键双击    # x,y为鼠标点击位置    # flags:    # CV_EVENT_FLAG_LBUTTON 1           左键拖曳    # CV_EVENT_FLAG_RBUTTON 2           右键拖曳    # CV_EVENT_FLAG_MBUTTON 4           中键拖曳    # CV_EVENT_FLAG_CTRLKEY 8     (8~15)按Ctrl不放事件    # CV_EVENT_FLAG_SHIFTKEY 16   (16~31)按Shift不放事件    # CV_EVENT_FLAG_ALTKEY 32       (32~39)按Alt不放事件        # param: 自定义编号    global clicked    if event == cv2.cv.CV_EVENT_LBUTTONUP:        clicked = Trueclicked = False#读取摄像头输入cameraCapture = cv2.VideoCapture(0)cv2.namedWindow(‘MyCamera‘)#绑定鼠标callbackcv2.setMouseCallback(‘MyCamera‘, onm ouse)print u‘点击窗口或者按任意键退出.‘success, frame = cameraCapture.read()while cv2.waitKey(1) == -1 and not clicked:    if frame is not None:        cv2.imshow(‘MyCamera‘, frame)    success, frame = cameraCapture.read()cv2.destroyWindow(‘MyCamera‘)

# -*- coding: utf-8 -*-# comment by heibankeimport cv2#实例化分类器#实例化的函数的参数是xml文件，这个文件里边是训练奶好了的强分类器face_cascade = cv2.CascadeClassifier(‘./xml/haarcascade_frontalface.xml‘)eye_cascade = cv2.CascadeClassifier(‘./xml/haarcascade_eye.xml‘)#打开图像img = cv2.imread(‘./pics/test_faces.jpg‘)gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)#gray = cv2.imread(‘test1.jpg‘, cv2.CV_LOAD_IMAGE_GRAYSCALE)# detectMultiScale参数解释# gray, 用于检测的灰度图像# 1.2: scale_factor 在前后两次相继的扫描中，搜索窗口的比例系数。——就是说搜索的时候不断把窗口按比例放大#       例如1.1指将搜索窗口依次扩大10%。# 2: min_neighbors 构成检测目标的相邻矩形的最小个数(缺省－1)。——只有判断相邻的矩形都有的时候才会判断为人脸，如果稍微缩小一下就不是了，那么它就不会当做人脸#       如果组成检测目标的小矩形的个数和小于min_neighbors-1 都会被排除。#       如果min_neighbors 为 0, 则函数不做任何操作就返回所有的被检候选矩形框。——我们选择2，是选择所有相邻的矩形都是脸的那个矩形 faces = face_cascade.detectMultiScale(gray, 1.2, 2)for (x,y,w,h) in faces:    # cv2.rectangle参数解释    #(x,y)是矩形左上角    #(x+w,y+h)是矩形右下角    #(255,0,0)是矩形的RGB颜色, 为红色    #2, 是绘制矩形的线宽    cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)    roi_gray = gray[y:y+h, x:x+w]    roi_color = img[y:y+h, x:x+w]    #在人脸检测的基础上检测眼睛    eyes = eye_cascade.detectMultiScale(roi_gray)    for (ex,ey,ew,eh) in eyes:        cv2.rectangle(roi_color,(ex,ey),(ex+ew,ey+eh),(0,255,0),2)cv2.imshow(‘img‘,img)k=cv2.waitKey(0)if k==27:    cv2.destroyWindow(‘test‘)