import cv2
# Yüz tanıma için hazır bir model yükledim.
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
if face_cascade.empty():
raise IOError("Yüz tanıma modeli yüklenemedi. Lütfen dosyanın doğru olduğunu kontrol edin.")
# Daha spesifik bir göz tanıma modeli yükledim.
eye_cascade = cv2.CascadeClassifier('haarcascade_eye_tree_eyeglasses.xml')
if eye_cascade.empty():
raise IOError("Göz tanıma modeli yüklenemedi. Lütfen dosyanın doğru olduğunu kontrol edin.")
# Göz rahatsızlıklarını tespit etmek için bir fonksiyon tanımladım.
def detect_eye_diseases(image_paths):
for path in image_paths:
# Bir resmi oku
image = cv2.imread(path)
if image is None:
raise IOError(f"{path}: Resim yüklenemedi. Dosyanın doğru olduğunu kontrol edin.")
# Görüntüyü gri tonlamaya dönüştür
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# Görüntüdeki yüzleri tanımla
faces = face_cascade.detectMultiScale(gray, 1.3, 5)
# Her bir yüz için
for (x, y, w, h) in faces:
# Yüzü dikdörtgen içine al
cv2.rectangle(image, (x, y), (x+w, y+h), (255, 0, 0), 2)
# Yüzün gri tonlamalı bölgesini al
roi_gray = gray[y:y+h, x:x+w]
# Yüzün renkli bölgesini al
roi_color = image[y:y+h, x:x+w]
# Yüz bölgesindeki gözleri tanımla
eyes = eye_cascade.detectMultiScale(roi_gray)
# Her bir göz için
for (ex, ey, ew, eh) in eyes:
# Gözü dikdörtgen içine al
cv2.rectangle(roi_color, (ex, ey), (ex+ew, ey+eh), (0, 255, 0), 2)
# Gözün renkli bölgesini işlemlere devam etmek için al
eye_color = roi_color[ey:ey+eh, ex:ex+ew]
# Göz rengini değerlendirmek ve bilgi vermek için buraya ek işlemler ekle
eye_color_center_avg = cv2.mean(eye_color)
h, _, _ = eye_color_center_avg[0], eye_color_center_avg[1], eye_color_center_avg[2]
if h < 10 or h > 170:
print(f"{path}: Gözde kırmızılık var. Konjonktivit veya alerji olabilir.")
elif 10 < h < 30:
print(f"{path}: Göz rengi sararmış. Katarakt olabilir.")
elif 30 < h < 90:
print(f"{path}: Göz rengi yeşillenmiş. Glokom olabilir.")
else:
print(f"{path}: Göz renginde anormal bir değişiklik yok.")
# Göz en-boy oranını değerlendir
if eh != 0: # Sıfıra bölme hatası kontrolü
eye_aspect_ratio = ew / eh
if eye_aspect_ratio < 0.5:
print(f"{path}: Göz çok dar. Tiroid hastalığı olabilir.")
elif eye_aspect_ratio > 1.5:
print(f"{path}: Göz çok geniş. Diyabet olabilir.")
else:
print(f"{path}: Göz şekli veya büyüklüğünde anormal bir değişiklik yok.")
# İşlenmiş resimleri gösterme kısmını devre dışı bıraktım, dilerseniz aktif edebilirsiniz
# cv2.imshow('image', image)
# cv2.waitKey(0)
# cv2.destroyAllWindows()
# Birden çok resmi işleme ekleyerek fonksiyonu çağır
image_paths = ['eye1.jpg', 'eye2.jpg', 'eye3.jpg']
detect_eye_diseases(image_paths)
#Yazan Rıdvan Kaya
Bu kod, yüz ve göz tanıma için hazır modeller kullanarak, verilen resimlerdeki göz rahatsızlıklarını tespit etmeye çalışan bir Python programıdır. Kodun açıklaması şöyledir:
- İlk olarak, cv2 kütüphanesini içe aktarır. Bu kütüphane, görüntü işleme ve bilgisayarlı görü işlevleri sağlayan bir kütüphanedir.
- Sonra, yüz tanıma için hazır bir model yükler. Bu model, haarcascade_frontalface_default.xml dosyasından alınır. Bu dosya, yüzleri tanımlamak için önceden eğitilmiş bir sınıflandırıcıdır. Eğer dosya yüklenemezse, bir hata mesajı verir.
- Daha sonra, daha spesifik bir göz tanıma modeli yükler. Bu model, haarcascade_eye_tree_eyeglasses.xml dosyasından alınır. Bu dosya, gözlük takan veya takmayan gözleri tanımlamak için önceden eğitilmiş bir sınıflandırıcıdır. Eğer dosya yüklenemezse, bir hata mesajı verir.
- Daha sonra, göz rahatsızlıklarını tespit etmek için bir fonksiyon tanımlar. Bu fonksiyon, bir resim yolu listesi alır ve her bir resim için aşağıdaki işlemleri yapar:
- Resmi okur. Eğer resim yüklenemezse, bir hata mesajı verir.
- Resmi gri tonlamaya dönüştürür. Bu, görüntü işlemede yaygın bir adımdır, çünkü renkli resimler daha fazla bilgi içerir ve daha fazla hesaplama gerektirir.
- Resimdeki yüzleri tanımlar. Bu, yüz tanıma modelini kullanarak yapılır. Model, resimdeki yüzlerin konumunu ve boyutunu döndürür.
- Her bir yüz için, yüzü dikdörtgen içine alır ve yüzün gri tonlamalı ve renkli bölgesini alır. Bu, yüz bölgesindeki gözleri tanımlamak için kullanılacaktır.
- Yüz bölgesindeki gözleri tanımlar. Bu, göz tanıma modelini kullanarak yapılır. Model, yüz bölgesindeki gözlerin konumunu ve boyutunu döndürür.
- Her bir göz için, gözü dikdörtgen içine alır ve gözün renkli bölgesini alır. Bu, göz rengini ve şeklini değerlendirmek için kullanılacaktır.
- Göz rengini değerlendirir ve bilgi verir. Bu, göz renginin ortalamasını alarak ve renk uzayında hangi aralığa girdiğine bakarak yapılır. Örneğin, kırmızı renk, konjonktivit veya alerji; sarı renk, katarakt; yeşil renk, glokom gibi göz hastalıklarının belirtisi olabilir. Eğer göz renginde anormal bir değişiklik yoksa, bunu da belirtir.
- Göz en-boy oranını değerlendirir. Bu, gözün genişliğinin yüksekliğine oranını alarak yapılır. Örneğin, göz çok dar ise, tiroid hastalığı; göz çok geniş ise, diyabet gibi göz şekli veya büyüklüğünü etkileyen hastalıkların belirtisi olabilir. Eğer göz şekli veya büyüklüğünde anormal bir değişiklik yoksa, bunu da belirtir.
- Son olarak, birden çok resmi işleme ekleyerek fonksiyonu çağırır. Bu, image_paths listesindeki resim yollarını fonksiyona vererek yapılır. Fonksiyon, her bir resim için göz rahatsızlıklarını tespit eder ve ekrana yazdırır. Ayrıca, işlenmiş resimleri göstermek için bir kısım vardır, ancak bu kısım devre dışı bırakılmıştır. Bu kısmı aktif etmek için, yorum satırı işaretlerini (#) kaldırmak gerekir.
Kodun haarcascade_frontalface_default.xml Dosyasına Ait Python Kodu:
Haarcascade_frontalface_default.xml dosyası, yüz tanıma için önceden eğitilmiş bir sınıflandırıcıdır. Bu dosyayı kullanarak, bir resimdeki yüzleri tespit edebilir ve dikdörtgen içine alabilirsiniz. Bunun için Python’da OpenCV kütüphanesini kullanmanız gerekir. Aşağıda, bu dosyayı kullanan basit bir Python kodu örneği verilmiştir:
import cv2
# Yüz tanıma modelini yükle
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
# Resmi oku
img = cv2.imread('yuzler.jpg')
# Gri tonlamaya dönüştür
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# Yüzleri tespit et
faces = face_cascade.detectMultiScale(gray, 1.3, 5)
# Her bir yüz için
for i, (x, y, w, h) in enumerate(faces):
# Yüzü dikdörtgen içine al ve numaralandır
cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 0), 2)
cv2.putText(img, f'Yüz {i+1}', (x, y-10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (255, 0, 0), 2)
# Kaç tane yüz bulunduğunu yazdır
print(f'Tespit edilen toplam yüz sayısı: {len(faces)}')
# İşlenmiş resmi göster
cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
#Yazan Rıdvan Kaya
Bu ikinci kod, yüz tanıma için bir programdır. Kodun yaptığı işlemler şunlardır:
cv2 adlı bir kütüphaneyi içe aktarır. Bu kütüphane, bilgisayarlı görü ile ilgili fonksiyonlar sağlar.
face_cascade adlı bir değişkene, haarcascade_frontalface_default.xml adlı bir dosyadan yüz tanıma modelini yükler. Bu model, ön yüzleri tespit etmek için kullanılır.
img adlı bir değişkene, yuzler.jpg adlı bir resmi okur. Bu resimde birden fazla yüz olabilir.
gray adlı bir değişkene, img resmini gri tonlamaya dönüştürür. Bu işlem, yüz tanıma için resmi hazırlar.
faces adlı bir değişkene, face_cascade modelini kullanarak gray resmindeki yüzleri tespit eder. Bu işlem, her bir yüz için bir koordinat (x, y) ve bir boyut (w, h) döndürür.
faces değişkenindeki her bir yüz için bir döngü başlatır. Bu döngüde, şu işlemler yapılır:
img resminde, yüzün koordinat ve boyutuna göre bir dikdörtgen çizer ve mavi renk ile işaretler.
img resminde, yüzün üstüne bir numara yazar ve mavi renk ile gösterir.
print fonksiyonu ile, tespit edilen toplam yüz sayısını yazdırır.
cv2.imshow fonksiyonu ile, işlenmiş resmi gösterir.
cv2.waitKey fonksiyonu ile, bir tuşa basılana kadar resmi ekranda tutar.
cv2.destroyAllWindows fonksiyonu ile, resmi kapatarak programı sonlandırır.
haarcascade_eye_tree_eyeglasses.xml Dosyasına Ait Kod
Haarcascade_eye_tree_eyeglasses.xml dosyası, gözlük takan veya takmayan gözleri tanımlamak için önceden eğitilmiş bir sınıflandırıcıdır. Bu dosyayı kullanarak, bir resimdeki gözleri tespit edebilir ve dikdörtgen içine alabilirsiniz. Bunun için Python'da OpenCV kütüphanesini kullanmanız gerekir. Aşağıda, bu dosyayı kullanan basit bir Python kodu örneği verilmiştir:
# Öncelikle OpenCV kütüphanesini içe aktardım.
import cv2
# Sonra, yüz tanıma modelini yükledim.
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
# Daha sonra, göz tanıma modelini yükledim.
eye_cascade = cv2.CascadeClassifier('haarcascade_eye_tree_eyeglasses.xml')
# Daha sonra, bir resim dosyasını okudum.
img = cv2.imread('yuzler.jpg')
# Resmi gri tonlamaya dönüştürdüm.
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# Resimdeki yüzleri tespit ettim.
faces = face_cascade.detectMultiScale(gray, 1.3, 5)
# Her bir yüz için
for (x, y, w, h) in faces:
# Yüzü dikdörtgen içine aldım.
cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 0), 2)
# Yüzün gri tonlamalı bölgesini aldım.
roi_gray = gray[y:y+h, x:x+w]
# Yüzün renkli bölgesini aldım.
roi_color = img[y:y+h, x:x+w]
# Yüz bölgesindeki gözleri tespit ettim.
eyes = eye_cascade.detectMultiScale(roi_gray)
# Her bir göz için
for (ex, ey, ew, eh) in eyes:
# Gözü dikdörtgen içine aldım.
cv2.rectangle(roi_color, (ex, ey), (ex+ew, ey+eh), (0, 255, 0), 2)
# İşlenmiş resmi gösterdim.
cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
#Yazan Rıdvan Kaya
Bu üçüncü kod, yuzler.jpg dosyasındaki yüzleri mavi renkli, gözleri ise yeşil renkli dikdörtgenlerle çerçeve içine alır.
# Yüz tanıma için hazır bir model yükledim.
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
if face_cascade.empty():
raise IOError("Yüz tanıma modeli yüklenemedi. Lütfen dosyanın doğru olduğunu kontrol edin.")
# Daha spesifik bir göz tanıma modeli yükledim.
eye_cascade = cv2.CascadeClassifier('haarcascade_eye_tree_eyeglasses.xml')
if eye_cascade.empty():
raise IOError("Göz tanıma modeli yüklenemedi. Lütfen dosyanın doğru olduğunu kontrol edin.")
# Göz rahatsızlıklarını tespit etmek için bir fonksiyon tanımladım.
def detect_eye_diseases(image_paths):
for path in image_paths:
# Bir resmi oku
image = cv2.imread(path)
if image is None:
raise IOError(f"{path}: Resim yüklenemedi. Dosyanın doğru olduğunu kontrol edin.")
# Görüntüyü gri tonlamaya dönüştür
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# Görüntüdeki yüzleri tanımla
faces = face_cascade.detectMultiScale(gray, 1.3, 5)
# Her bir yüz için
for (x, y, w, h) in faces:
# Yüzü dikdörtgen içine al
cv2.rectangle(image, (x, y), (x+w, y+h), (255, 0, 0), 2)
# Yüzün gri tonlamalı bölgesini al
roi_gray = gray[y:y+h, x:x+w]
# Yüzün renkli bölgesini al
roi_color = image[y:y+h, x:x+w]
# Yüz bölgesindeki gözleri tanımla
eyes = eye_cascade.detectMultiScale(roi_gray)
# Her bir göz için
for (ex, ey, ew, eh) in eyes:
# Gözü dikdörtgen içine al
cv2.rectangle(roi_color, (ex, ey), (ex+ew, ey+eh), (0, 255, 0), 2)
# Gözün renkli bölgesini işlemlere devam etmek için al
eye_color = roi_color[ey:ey+eh, ex:ex+ew]
# Göz rengini değerlendirmek ve bilgi vermek için buraya ek işlemler ekle
eye_color_center_avg = cv2.mean(eye_color)
h, _, _ = eye_color_center_avg[0], eye_color_center_avg[1], eye_color_center_avg[2]
if h < 10 or h > 170:
print(f"{path}: Gözde kırmızılık var. Konjonktivit veya alerji olabilir.")
elif 10 < h < 30:
print(f"{path}: Göz rengi sararmış. Katarakt olabilir.")
elif 30 < h < 90:
print(f"{path}: Göz rengi yeşillenmiş. Glokom olabilir.")
else:
print(f"{path}: Göz renginde anormal bir değişiklik yok.")
# Göz en-boy oranını değerlendir
if eh != 0: # Sıfıra bölme hatası kontrolü
eye_aspect_ratio = ew / eh
if eye_aspect_ratio < 0.5:
print(f"{path}: Göz çok dar. Tiroid hastalığı olabilir.")
elif eye_aspect_ratio > 1.5:
print(f"{path}: Göz çok geniş. Diyabet olabilir.")
else:
print(f"{path}: Göz şekli veya büyüklüğünde anormal bir değişiklik yok.")
# İşlenmiş resimleri gösterme kısmını devre dışı bıraktım, dilerseniz aktif edebilirsiniz
# cv2.imshow('image', image)
# cv2.waitKey(0)
# cv2.destroyAllWindows()
# Birden çok resmi işleme ekleyerek fonksiyonu çağır
image_paths = ['eye1.jpg', 'eye2.jpg', 'eye3.jpg']
detect_eye_diseases(image_paths)
#Yazan Rıdvan Kaya
Bu kod, yüz ve göz tanıma için hazır modeller kullanarak, verilen resimlerdeki göz rahatsızlıklarını tespit etmeye çalışan bir Python programıdır. Kodun açıklaması şöyledir:
- İlk olarak, cv2 kütüphanesini içe aktarır. Bu kütüphane, görüntü işleme ve bilgisayarlı görü işlevleri sağlayan bir kütüphanedir.
- Sonra, yüz tanıma için hazır bir model yükler. Bu model, haarcascade_frontalface_default.xml dosyasından alınır. Bu dosya, yüzleri tanımlamak için önceden eğitilmiş bir sınıflandırıcıdır. Eğer dosya yüklenemezse, bir hata mesajı verir.
- Daha sonra, daha spesifik bir göz tanıma modeli yükler. Bu model, haarcascade_eye_tree_eyeglasses.xml dosyasından alınır. Bu dosya, gözlük takan veya takmayan gözleri tanımlamak için önceden eğitilmiş bir sınıflandırıcıdır. Eğer dosya yüklenemezse, bir hata mesajı verir.
- Daha sonra, göz rahatsızlıklarını tespit etmek için bir fonksiyon tanımlar. Bu fonksiyon, bir resim yolu listesi alır ve her bir resim için aşağıdaki işlemleri yapar:
- Resmi okur. Eğer resim yüklenemezse, bir hata mesajı verir.
- Resmi gri tonlamaya dönüştürür. Bu, görüntü işlemede yaygın bir adımdır, çünkü renkli resimler daha fazla bilgi içerir ve daha fazla hesaplama gerektirir.
- Resimdeki yüzleri tanımlar. Bu, yüz tanıma modelini kullanarak yapılır. Model, resimdeki yüzlerin konumunu ve boyutunu döndürür.
- Her bir yüz için, yüzü dikdörtgen içine alır ve yüzün gri tonlamalı ve renkli bölgesini alır. Bu, yüz bölgesindeki gözleri tanımlamak için kullanılacaktır.
- Yüz bölgesindeki gözleri tanımlar. Bu, göz tanıma modelini kullanarak yapılır. Model, yüz bölgesindeki gözlerin konumunu ve boyutunu döndürür.
- Her bir göz için, gözü dikdörtgen içine alır ve gözün renkli bölgesini alır. Bu, göz rengini ve şeklini değerlendirmek için kullanılacaktır.
- Göz rengini değerlendirir ve bilgi verir. Bu, göz renginin ortalamasını alarak ve renk uzayında hangi aralığa girdiğine bakarak yapılır. Örneğin, kırmızı renk, konjonktivit veya alerji; sarı renk, katarakt; yeşil renk, glokom gibi göz hastalıklarının belirtisi olabilir. Eğer göz renginde anormal bir değişiklik yoksa, bunu da belirtir.
- Göz en-boy oranını değerlendirir. Bu, gözün genişliğinin yüksekliğine oranını alarak yapılır. Örneğin, göz çok dar ise, tiroid hastalığı; göz çok geniş ise, diyabet gibi göz şekli veya büyüklüğünü etkileyen hastalıkların belirtisi olabilir. Eğer göz şekli veya büyüklüğünde anormal bir değişiklik yoksa, bunu da belirtir.
- Son olarak, birden çok resmi işleme ekleyerek fonksiyonu çağırır. Bu, image_paths listesindeki resim yollarını fonksiyona vererek yapılır. Fonksiyon, her bir resim için göz rahatsızlıklarını tespit eder ve ekrana yazdırır. Ayrıca, işlenmiş resimleri göstermek için bir kısım vardır, ancak bu kısım devre dışı bırakılmıştır. Bu kısmı aktif etmek için, yorum satırı işaretlerini (#) kaldırmak gerekir.
Kodun haarcascade_frontalface_default.xml Dosyasına Ait Python Kodu:
Haarcascade_frontalface_default.xml dosyası, yüz tanıma için önceden eğitilmiş bir sınıflandırıcıdır. Bu dosyayı kullanarak, bir resimdeki yüzleri tespit edebilir ve dikdörtgen içine alabilirsiniz. Bunun için Python’da OpenCV kütüphanesini kullanmanız gerekir. Aşağıda, bu dosyayı kullanan basit bir Python kodu örneği verilmiştir:
import cv2
# Yüz tanıma modelini yükle
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
# Resmi oku
img = cv2.imread('yuzler.jpg')
# Gri tonlamaya dönüştür
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# Yüzleri tespit et
faces = face_cascade.detectMultiScale(gray, 1.3, 5)
# Her bir yüz için
for i, (x, y, w, h) in enumerate(faces):
# Yüzü dikdörtgen içine al ve numaralandır
cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 0), 2)
cv2.putText(img, f'Yüz {i+1}', (x, y-10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (255, 0, 0), 2)
# Kaç tane yüz bulunduğunu yazdır
print(f'Tespit edilen toplam yüz sayısı: {len(faces)}')
# İşlenmiş resmi göster
cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
#Yazan Rıdvan Kaya
Bu ikinci kod, yüz tanıma için bir programdır. Kodun yaptığı işlemler şunlardır:
cv2 adlı bir kütüphaneyi içe aktarır. Bu kütüphane, bilgisayarlı görü ile ilgili fonksiyonlar sağlar.
face_cascade adlı bir değişkene, haarcascade_frontalface_default.xml adlı bir dosyadan yüz tanıma modelini yükler. Bu model, ön yüzleri tespit etmek için kullanılır.
img adlı bir değişkene, yuzler.jpg adlı bir resmi okur. Bu resimde birden fazla yüz olabilir.
gray adlı bir değişkene, img resmini gri tonlamaya dönüştürür. Bu işlem, yüz tanıma için resmi hazırlar.
faces adlı bir değişkene, face_cascade modelini kullanarak gray resmindeki yüzleri tespit eder. Bu işlem, her bir yüz için bir koordinat (x, y) ve bir boyut (w, h) döndürür.
faces değişkenindeki her bir yüz için bir döngü başlatır. Bu döngüde, şu işlemler yapılır:
img resminde, yüzün koordinat ve boyutuna göre bir dikdörtgen çizer ve mavi renk ile işaretler.
img resminde, yüzün üstüne bir numara yazar ve mavi renk ile gösterir.
print fonksiyonu ile, tespit edilen toplam yüz sayısını yazdırır.
cv2.imshow fonksiyonu ile, işlenmiş resmi gösterir.
cv2.waitKey fonksiyonu ile, bir tuşa basılana kadar resmi ekranda tutar.
cv2.destroyAllWindows fonksiyonu ile, resmi kapatarak programı sonlandırır.
haarcascade_eye_tree_eyeglasses.xml Dosyasına Ait Kod
Haarcascade_eye_tree_eyeglasses.xml dosyası, gözlük takan veya takmayan gözleri tanımlamak için önceden eğitilmiş bir sınıflandırıcıdır. Bu dosyayı kullanarak, bir resimdeki gözleri tespit edebilir ve dikdörtgen içine alabilirsiniz. Bunun için Python'da OpenCV kütüphanesini kullanmanız gerekir. Aşağıda, bu dosyayı kullanan basit bir Python kodu örneği verilmiştir:
# Öncelikle OpenCV kütüphanesini içe aktardım.
import cv2
# Sonra, yüz tanıma modelini yükledim.
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
# Daha sonra, göz tanıma modelini yükledim.
eye_cascade = cv2.CascadeClassifier('haarcascade_eye_tree_eyeglasses.xml')
# Daha sonra, bir resim dosyasını okudum.
img = cv2.imread('yuzler.jpg')
# Resmi gri tonlamaya dönüştürdüm.
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# Resimdeki yüzleri tespit ettim.
faces = face_cascade.detectMultiScale(gray, 1.3, 5)
# Her bir yüz için
for (x, y, w, h) in faces:
# Yüzü dikdörtgen içine aldım.
cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 0), 2)
# Yüzün gri tonlamalı bölgesini aldım.
roi_gray = gray[y:y+h, x:x+w]
# Yüzün renkli bölgesini aldım.
roi_color = img[y:y+h, x:x+w]
# Yüz bölgesindeki gözleri tespit ettim.
eyes = eye_cascade.detectMultiScale(roi_gray)
# Her bir göz için
for (ex, ey, ew, eh) in eyes:
# Gözü dikdörtgen içine aldım.
cv2.rectangle(roi_color, (ex, ey), (ex+ew, ey+eh), (0, 255, 0), 2)
# İşlenmiş resmi gösterdim.
cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
#Yazan Rıdvan Kaya
Bu üçüncü kod, yuzler.jpg dosyasındaki yüzleri mavi renkli, gözleri ise yeşil renkli dikdörtgenlerle çerçeve içine alır.
