Python OpenCV 人脸识别：理解 face.shape 为 (1, 100, 100) 的原因

在提供的代码中，你对检测到的人脸进行了以下处理：

1. 裁剪 (Crop): 使用 gray[y:y + w, x:x + h] 从原始图像中提取人脸区域。
2. 缩放 (Resize): 使用 cv2.resize(face, (100, 100)) 将人脸区域缩放至 100x100 像素。
3. 数值转换 (Type Casting): 将像素值转换为浮点数并除以 255，将像素值归一化至 0-1 之间。
4. 维度扩展 (Expand Dimensions): 使用 np.expand_dims(face, axis=0) 将人脸数据扩展为四维张量，以便用于深度学习模型。扩展后的维度为 (batch_size, channels, height, width)。

由于你的代码中 batch_size=1（处理单个图像）、channels=1（灰度图像）、height=100 以及 width=100，因此 face.shape 的结果为 (1, 1, 100, 100)。

简而言之，face.shape 的结果是根据你对人脸图像进行的预处理操作决定的，它反映了最终用于深度学习模型的人脸特征的维度。