这两种算法在它们可以检测到什么和不能检测到什么方面都有起伏。

OpenCV在后台用C++编程，作为一个机器学习包，用来分析python中的图像模式。

Skimage也被称为Scikit-Image，是一个机器学习包，用于图像预处理以发现隐藏模式。

这两个平台都是最好的吗？

建议在基于服务器的笔记本上使用OpenCV，比如Google CoLab，或者Google云、Azure云甚至IBM中的笔记本扩展。

而对于Skimage来说，即使是Jupyter Lab/Notebook也工作得很好，因为它在处理方面没有OpenCV那么重。

使用Skimage分析面部数据的Python代码

from skimage import data
from skimage.feature import Cascade

import matplotlib.pyplot as plt
from matplotlib import patches

# Load the trained file from the module root.
trained_file = data.lbp_frontal_face_cascade_filename()

# Initialize the detector cascade.
detector = Cascade(trained_file)

img = data.astronaut()

detected = detector.detect_multi_scale(img=img,
                                       scale_factor=1.2,
                                       step_ratio=1,
                                       min_size=(60, 60),
                                       max_size=(90, 500))

plt.imshow(img)
img_desc = plt.gca()
plt.set_cmap('gray')

for patch in detected:

    img_desc.add_patch(
        patches.Rectangle(
            (patch['c'], patch['r']),
            patch['width'],
            patch['height'],
            fill=False,
            color='r',
            linewidth=2
        )
    )

plt.show()

# We have detected a face using Skimage in python

因此，我们在这里看到了如何在python中使用Skimage检测人脸和推断图像。

使用OpenCV分析数据的Python代码

from google.colab import drive

在这里，我们使用OpenCV上传了一张图片

eye_detector = cv2.CascadeClassifier('/content/drive/MyDrive/haarcascade_frontalcatface.xml')

在这里，我们使用OpenCV中的Hascade参数技术来检测其中一个人脸，该参数可以调整为检测所有人脸。