基于HaarCascade人脸检测：仅保留Bounding Box区域的实现方法问询

当然可以实现这个需求！其实思路很简单：我们先创建一张和原图尺寸、通道数完全一致的全黑背景图，然后把检测到的每一块人脸ROI区域，原封不动地复制到黑背景的对应位置上即可。我已经帮你修改了原代码，直接就能运行：

import cv2
import numpy as np  # 需要导入numpy库来创建全黑图像

cascPath = "haarcascade_frontalface_default.xml"
imagePath = "你的图片路径.jpg"  # 记得替换成你的实际图片路径
image = cv2.imread(imagePath)
faceCascade = cv2.CascadeClassifier(cascPath)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

faces = faceCascade.detectMultiScale(
    gray,
    scaleFactor=1.1,
    minNeighbors=5,
    minSize=(30, 30),
    flags = cv2.CASCADE_SCALE_IMAGE
)

print("Found {0} faces!".format(len(faces)))

# 创建和原图完全一样的全黑图像
black_image = np.zeros_like(image)

# 遍历每一个检测到的人脸，将原图中的人脸区域复制到黑图像对应位置
for (x, y, w, h) in faces:
    # 把原图的人脸ROI复制到黑图像的相同坐标区域
    black_image[y:y+h, x:x+w] = image[y:y+h, x:x+w]
    # 如果需要在保留的人脸区域上画Bounding Box，可以加上下面这行
    # cv2.rectangle(black_image, (x, y), (x+w, y+h), (0, 255, 0), 2)

# 显示处理后的图像
cv2.imshow("Only Faces", black_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 也可以保存处理后的图像
# cv2.imwrite("only_faces.jpg", black_image)

关键步骤说明： #

• np.zeros_like(image)：快速创建和原图形状、数据类型一致的全黑图像，确保尺寸和通道数完全匹配，避免复制ROI时出现形状不兼容的问题。
• black_image[y:y+h, x:x+w] = image[y:y+h, x:x+w]：利用OpenCV的数组切片特性，直接将原图中人脸区域的像素值覆盖到黑图像的对应位置，这一步是实现需求的核心。

如果还有其他调整需求，比如调整人脸区域的边缘、添加模糊效果之类的，都可以在复制ROI的步骤前后进行修改哦~

内容的提问来源于stack exchange，提问作者Bugsbunny