脸部检测是基于图像的明暗变化模式进行判断，需要将图像先进行灰度化处理
马赛克处理需先将图像缩小然后夸大回原尺寸。
保存训练好的算法用joblib
进行以下操作时已经使用cv2.cvtColor()完成了灰度化
图像平滑化（模糊处理）：cv2中的函数
cv2.blur()
cv2.medianBlur()
cv2.bilateralFilter()
cv2.GaussianBlur()
#cv2.GaussianBlur()的格式为
img=cv2.GaussianBlur(img,(ax,ay),sigma_x)
(ax,ay)为以像素为单位指定平滑化对象点的邻近范围大小，数值必须是奇数。sigma
_x是横向的标准偏差值，如果为0，则自动根据核的尺寸（即前面的ax，ay）进行计算
图像二值化（阈值处理）：
ret，img = cv2.threshold(img,thresh,maxval,type)
img为灰度化后的图像，thresh指定阈值，maxval指定的是超出阈值时所赋予的值，第四个参数设置如何进行阈值处理，指定为THRESH_BINARY_INV时，大于阈值设为0，其他均设为maxval设定的数值。
轮廓检测函数
contours，hierachy = cv2.findContours(img,mode,method)
第一项参数是输入的图像，第二项参数是提取模式，第三项参数是指定轮廓近似方法，返回值是轮廓列表和层次信息。第二项参数具体数值如下：
| 常量 | 含义 |
|---|---|
| cv2.RETR_LIST | 简单检测轮廓 |
| cv2.RETR_EXTERNAL | 检测最外层 |
| cv2.RETR_CCOMP | 根据层次检测出第二级轮廓 |
| cv2.RETR_TREE | 检测所有轮廓，并保留层次 |
第三项参数的选择：
| 常量 | 含义 |
|---|---|
| cv2.CHAIN_APPROX_NONE | 保留轮廓上所有点 |
| cv2.CHAIN_APPROX_SIMPLE | 去除冗余点后再返回 |