如何显示并高亮Haar-Cascade检测到的人脸特征

你现有代码已经完成了检测框的基础绘制，可通过两类方案实现特征高亮展示：

方案1：强化检测结果的视觉高亮 #

适合业务场景下突出检测到的人脸、人眼目标，在现有描边基础上增加半透明填充、标签标注即可，不会遮挡原始画面内容：

• 半透明填充：通过图层混合实现检测区域的淡色高亮
• 标签标注：在检测框旁标记目标类型，辨识度更高
• 可选：添加检测框中心点标记，方便坐标定位

核心修改代码片段：

# 人脸绘制部分修改
for (x,y,w,h) in faces:
    # 新建叠加层做半透明效果
    overlay = frame.copy()
    # 绘制实心填充矩形
    cv2.rectangle(overlay, (x,y), (x + w, y + h), (255,0,0), -1)
    # 按权重混合图层，0.3为填充透明度，可自行调整
    cv2.addWeighted(overlay, 0.3, frame, 0.7, 0, frame)
    # 绘制描边与标签
    cv2.rectangle(frame, (x,y), (x + w, y + h), (255,0,0), 2)
    cv2.putText(frame, "Face", (x, y-10), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (255,0,0), 2)
    
    roi_gray = gray[y:y + h, x:x + w]
    roi_color = frame[y:y + h, x:x + w]
    eyes = eye_cascade.detectMultiScale(roi_gray, 1.1, 18)

    # 人眼绘制部分修改
    for (ex, ey, ew, eh) in eyes:
        eye_overlay = roi_color.copy()
        cv2.rectangle(eye_overlay, (ex, ey), (ex + ew, ey + eh), (0,255,0), -1)
        cv2.addWeighted(eye_overlay, 0.3, roi_color, 0.7, 0, roi_color)
        cv2.rectangle(roi_color, (ex, ey), (ex + ew, ey + eh), (0, 255, 0), 2)
        cv2.putText(roi_color, "Eye", (ex, ey-5), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0,255,0), 1)

另外记得在循环结束、释放摄像头后加cv2.destroyAllWindows()，避免窗口残留卡死。

方案2：可视化Haar分类器本身的匹配特征 #

如果你需要展示Haar算法实际用于匹配判断的底层特征（即明暗块、边缘类特征模板），可以通过CascadeClassifier的getFeatures()接口读取训练好的分类器内存储的所有特征，按检测窗口的缩放比例映射到实际检测到的人脸区域上绘制即可。
需要注意：默认的人脸Haar分类器检测基准窗口为24*24像素，所有特征坐标都是基于这个基准窗口存储的，绘制时需要按当前检测到的人脸宽高做等比缩放，才能对应到实际画面的正确位置。

修改后的完整可运行代码如下：

import cv2

# 加载级联分类器
face_cascade = cv2.CascadeClassifier("models/haarcascade_frontalface_default.xml")
eye_cascade = cv2.CascadeClassifier("models/haarcascade_eye.xml")
cap = cv2.VideoCapture(0, cv2.CAP_DSHOW)

# 读取人脸分类器的所有Haar特征（可选，用于底层特征可视化）
face_features = face_cascade.getFeatures()
face_window_size = face_cascade.getOriginalWindowSize()

while True:
    ret, frame = cap.read()
    if not ret:
        break
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    faces = face_cascade.detectMultiScale(gray,1.3,5)

    for (x,y,w,h) in faces:
        # 半透明高亮
        overlay = frame.copy()
        cv2.rectangle(overlay, (x,y), (x + w, y + h), (255,0,0), -1)
        cv2.addWeighted(overlay, 0.3, frame, 0.7, 0, frame)
        cv2.rectangle(frame, (x,y), (x + w, y + h), (255,0,0), 2)
        cv2.putText(frame, "Face", (x, y-10), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (255,0,0), 2)
        
        roi_gray = gray[y:y + h, x:x + w]
        roi_color = frame[y:y + h, x:x + w]

        # --- 可选：绘制Haar底层特征，不需要可以注释掉 ---
        # 计算缩放比例
        scale_x = w / face_window_size[0]
        scale_y = h / face_window_size[1]
        # 取前20个强特征绘制，避免画面太乱
        for feat in face_features[:20]:
            for rect in feat:
                # 特征矩形坐标映射到实际ROI
                rx = int(x + rect.x * scale_x)
                ry = int(y + rect.y * scale_y)
                rw = int(rect.width * scale_x)
                rh = int(rect.height * scale_y)
                # 权重为正画白色，为负画黑色，对应Haar特征的明暗块
                color = (255,255,255) if rect.weight > 0 else (0,0,0)
                cv2.rectangle(frame, (rx, ry), (rx+rw, ry+rh), color, 1)
        # --- 底层特征绘制结束 ---

        eyes = eye_cascade.detectMultiScale(roi_gray, 1.1, 18)
        for (ex, ey, ew, eh) in eyes:
            eye_overlay = roi_color.copy()
            cv2.rectangle(eye_overlay, (ex, ey), (ex + ew, ey + eh), (0,255,0), -1)
            cv2.addWeighted(eye_overlay, 0.3, roi_color, 0.7, 0, roi_color)
            cv2.rectangle(roi_color, (ex, ey), (ex + ew, ey + eh), (0, 255, 0), 2)
            cv2.putText(roi_color, "Eye", (ex, ey-5), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0,255,0), 1)

    cv2.imshow("Webcam Stream", frame)
    key = cv2.waitKey(1) & 0xff
    if key == 27:
        break

cap.release()
cv2.destroyAllWindows()

如果不需要看底层Haar特征，直接把对应绘制的代码段注释掉即可，半透明高亮的效果已经能满足绝大多数场景的高亮需求。

内容的提问来源于stack exchange，提问作者john minty