本这主题的目标：
（1）了解数据采集的方式的多样性（微信数据采集）。
（2）了解简单的人工智能处理技术称为未来开发技术的常态应用技术。
（3）了解数据可视化也是Python的强项之一。

---

一、程序结构

1. 程序功能

  我们的目标简单实现，登录到微信，下载所有好友头像，并进行头像的人脸识别，把产生的统计数据可视化出来。
  核心功能就是：
   |-好友头像下载（downloadFriendsFaces）
   |-好友头像人脸识别（recognize）
   |-好友头像识别统计数据可视化（visualPie）

2. 程序的核心对象与类

  我们可以把这三个核心的功能，交给三个对象去完成。
   |-微信数据采集模块（DataFromWebchat）
   |-图像几何人工智能识别模块（AiR）
   |-数据可视化模块（VisualData）

3. 对象的责任分配

  简单分析下上述三个模块之间的数据关系，可以实现如下程序结构：
  （1）DataFromWebchat模块

#coding=utf-8
import matplotlib
class DataFromWebchat:
    def __init__(self,facedir):
        #初始化存放目录
        pass
    def downloadFriendsFaces(self):
        pass
        print("download")
        #login
        #获取好友列表
        #下载好友头像

  （2）AiR模块

class AiR:
    def __init__(self,facedir):
        #分类器初始化
        #图像目录
        pass
    def recognize(self):
        sum=0
        isface=0
        print("recognize")
        return (sum,isface)

  （3）VisualData模块

class VisualData:
    def __init__(self):
        pass
        #初始化绘制环境
    def visualPie(self,data):
        pass
        print("Pie")

  （4）三个模块最终实现的业务逻辑关系的AnalysisApp模块

FACEDIR="./faces"
class AnalysisApp:
    data=DataFromWebchat(FACEDIR)
    ai = AiR(FACEDIR)
    visual=VisualData()

    def analysis(self):
        print("analysis")
        self.data.downloadFriendsFaces()
        sum,isfaces=self.ai.recognize()
        self.visual.visualPie((isfaces,sum-isfaces))

  （5）启动系统

app=AnalysisApp()
app.analysis()

二、程序实现

1、引用的模块

import cv2
import matplotlib.pyplot as plt
import matplotlib.font_manager
import itchat
import os
import sys

2. 用Python程序获取所有微信好友；

  （1）构造器与数据

    def __init__(self,facedir):
        #初始化存放目录
        self.facedir=facedir

  （1）登录

        #登录
        print("开始登录.....")
        itchat.auto_login(hotReload=True)

  （2）获取好友列表

        #获取好友列表
        print("开始获取好友列表.....")
        friends=itchat.get_friends()

  （3）了解好友的信息结构
  好友信息是一个list列表，使用for... in可以实现遍历。每个用户是一个字典，字典很多字段，其中有一个是userName，这个可以用来获取用户头像。其他信息都可以直接在指点获取，微信头像的图像是单独存放的，所以获取方式需要单独的API。

        for friend in  friends:
            username=friend['UserName']

3. 获取微信好友头像等信息；

  （1）获取头像

            faceData = itchat.get_head_img(userName=username)

  （2）保存头像
  头像文件名使用流水编号（采用5位数字来格式化文件名），文件读写采用二进制字节读写模式。

        for friend in  friends:
            username=friend['UserName']
            #获取图像并保存
            filename=self.facedir+"face%05d.png"%(counter)
            with open(filename,"wb") as fd:
                faceData = itchat.get_head_img(userName=username)
                fd.write(faceData)
            counter+=1

  （3）完整的微信用户头像数据采集模块如下：

class DataFromWebchat:
    def __init__(self,facedir):
        #初始化存放目录
        self.facedir=facedir
        pass
    def downloadFriendsFaces(self):
        #登录
        print("开始登录.....")
        itchat.auto_login(hotReload=True)
        #获取好友列表
        print("开始获取好友列表.....")
        friends=itchat.get_friends()
        #下载好友头像
        counter=0
        print("开始下载好友头像.....")
        for friend in  friends:
            print(".",end="")
            if (counter+1)%60==0:
                print()
            sys.stdout.flush()
            username=friend['UserName']
            #获取图像并保存
            filename=self.facedir+"face%05d.png"%(counter)
            with open(filename,"wb") as fd:
                faceData = itchat.get_head_img(userName=username)
                fd.write(faceData)
            counter+=1
            #下面是为了提高测试速度，正是运行可以注释掉
            #if counter>=50:
            #    break
        print("")
        print("好友头像下载完毕！")

4、使用Python对微信好友头像识别分类；

  （1）构建一个人脸分类器

      self.classfier=cv2.CascadeClassifier(
            "haarcascade_frontalface_alt2.xml")

  （2）循环识别头像图像中的人脸

    def recognize(self):
        files=os.listdir(self.facesdir)
        for file in files:
            file=self.facesdir+file
            if os.path.splitext(file)[1]==".png":
                #开始识别
                img=cv2.imread(file)
                faces=self.classfier.detectMultiScale(img,scaleFactor=1.1,minNeighbors=5)
                if len(faces)>0:
                    print(file)
                    self.isfaces+=1
                self.sum+=1
        return (self.sum,self.isfaces)

  （3）完整的头像人脸识别分析模块代码如下:

class AiR:
    def __init__(self,facedir):
        #分类器初始化
        self.classfier=cv2.CascadeClassifier("haarcascade_frontalface_alt2.xml")
        #图像目录
        self.facedir=facedir
    def recognize(self):
        sum=0
        isface=0
        #遍历图像目录逐个识别
        print("开始识别好友头像是否是人脸.....")
        files=os.listdir(self.facedir)
        for file in files:

            if (sum+1)%60==0:
                print()
            file=self.facedir + file
            if os.path.splitext(file)[1] == ".png":
                img=cv2.imread(file)
                faces=self.classfier.detectMultiScale(image=img,scaleFactor=1.2,minNeighbors=5)
                if len(faces)>0:
                    isface+=1
                    print("\033[32m.\033[0m", end="")
                else:
                    print("\033[31mx\033[0m", end="")
                sys.stdout.flush()
                sum+=1
        print()
        print("头像识别完毕！")
        return (sum,isface)

5、微信分析结果可视化；

  （1）可视化的初始化与汉字字体处理

    def __init__(self):
        #环境设置
        plt.figure(figsize=(8,5),dpi=80)
        plt.axes(aspect=1)

  （2）可视化参数设置

    def visualPie(self,data):
        sum=data[0]
        isfaces=data[1]
        pie=plt.pie((100.0*isfaces/sum,100.0*(sum-isfaces)/sum),
                    labels=("is face","not face"),
                    colors=("red","gray"),
                    labeldistance=1.1,
                    autopct="%5.2f%%",
                    shadow=False,
                    startangle=0,
                    pctdistance=0.6)
        plt.title("webchat faces analysis")
        plt.show()

  （3）完整的可视化模块代码如下：

class VisualData:
    def __init__(self):
        #初始化绘制环境
        self.font = matplotlib.font_manager.FontProperties(fname="msyh.ttf")
        plt.figure(figsize=(8, 5), dpi=80)
        plt.axes(aspect=1)

    def visualPie(self,data):
        sum=data[0]
        isfaces=data[1]
        print("数据分析可视化!")
        pie=plt.pie((100.0*isfaces/sum,100.0*(sum-isfaces)/sum),   #绘制数据
                labels=("使用人脸做头像","不使用人脸做头像"),  # 性别展示标签
                colors=("red","gray"),  # 饼图区域配色
                labeldistance=1.1,  # 标签距离圆点距离
                autopct='%5.2f%%',  # 饼图区域文本格式
                shadow=False,  # 饼图是否显示阴影
                startangle=0,  # 饼图起始角度
                pctdistance=0.6,  # 饼图区域文本距离圆点距离
            )
        for item in pie[1]:
            item.set_fontproperties(self.font)
        plt.title('微信好友使用人脸头像情况(总数=%d)'%data[0],fontproperties=self.font)
        plt.show()

6. 运行结构

  （1）终端输出

微信图像采集与识别输出

  （2）可视化结果

微信好友头像使用人像的分析结果

  （3）下载的微信好友头像

微信好友头像下载目录列表

---

资源

 1. 本主题的代码下载：
   |-文件名："webchat_ana_1.py"
   |-下载地址：https://github.com/QiangAI/PythonProject