用提供的人脸库(位置在S:\cv\renlianku，里面有按ORL001，ORL002...排序的人脸图片)做人脸检索的GUI界面，提供的人脸库做人脸检索的GUI界面，要求选择人脸库里面的任意一张图片，检索出除了这张图片之外与它相似的所有图片，用opencv做，写出GUI.py

创建一个基于OpenCV的人脸检索GUI界面需要以下几个步骤：

1. **导入必要的库**：

import cv2
import os
import numpy as np
from tkinter import Tk, filedialog, Label, Button
from PIL import Image, ImageTk

2. **加载人脸检测器和特征提取器**：

face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
feature_extractor = cv2.face.LBPHFaceRecognizer_create()
recognizer = face_cascade

3. **读取人脸库并存储特征向量**：

def load_face_dataset(directory):
    images, labels = [], []
    for folder in os.listdir(directory):
        if not folder.isdigit():
            continue
        sub_folder_path = os.path.join(directory, folder)
        for img_name in os.listdir(sub_folder_path):
            img_path = os.path.join(sub_folder_path, img_name)
            img = cv2.imread(img_path)
            gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
            faces = face_cascade.detectMultiScale(gray_img)
            if len(faces) > 0:
                images.append(gray_img[faces[0][1]:faces[0][1]+faces[0][3], faces[0][0]:faces[0][0]+faces[0][2]])
                labels.append(int(folder))  # 使用整数表示每个类别
    return np.array(images), np.array(labels)

dataset_dir = "S:\\cv\\renlianku"
images, labels = load_face_dataset(dataset_dir)
feature_extractor.train(images, labels)

4. **构建GUI**：

class FaceSearchGUI(Tk):
    def __init__(self):
        super().__init__()
        self.title("人脸检索")
        self.selected_image_label = Label(self, width=600, height=400)
        self.show_selected_button = Button(self, text="选择图片", command=self.select_image)
        self.compare_button = Button(self, text="比较并检索", command=self.compare_and_search)
        self.init_ui()

    def init_ui(self):
        self.selected_image_label.pack(pady=20)
        self.show_selected_button.pack(pady=10)
        self.compare_button.pack(pady=10)

    def select_image(self):
        selected_file = filedialog.askopenfilename(initialdir=os.getcwd(), title="选择图片", filetypes=(("jpg files", "*.jpg"), ("png files", "*.png")))
        if selected_file:
            img = cv2.imread(selected_file)
            img_resized = cv2.resize(img, (480, 480))
            pil_img = Image.fromarray(img_resized)
            tk_img = ImageTk.PhotoImage(image=pil_img)
            self.selected_image_label.config(image=tk_img)
            self.selected_image_label.image = tk_img

    def compare_and_search(self):
        # 这里需要将用户选择的图像转换成灰度并提取特征，然后在已有的数据库中进行检索
        user_img_gray = cv2.cvtColor(self.selected_image_label.img, cv2.COLOR_BGR2GRAY)
        user_features = feature_extractor.predict(user_img_gray)
        
        # 在dataset中找到所有相似的图片，这通常会涉及到计算余弦相似度或其他相似度度量
        similar_images = [dataset[np.where(labels == user_features[0])[0]]]  # 示例代码，实际实现可能更复杂
        
        # 显示结果
        # ...（显示相似图片部分）

if __name__ == "__main__":
    gui = FaceSearchGUI()
    gui.mainloop()

5. **完成 GUI 的相似图片展示**：
- 将`similar_images`列表中的图片数据转化为 OpenCV 可处理的格式，并显示在新的标签或者其他UI组件上。

注意：这个示例简化了代码，实际应用中可能需要处理更多细节，比如错误处理、相似度阈值设定以及可视化搜索结果等。在比较阶段，可以使用如特征匹配（Brute Force Search）或更高级的算法（如FLANN或BFMatcher）来找到最相似的图片。