编写一个程序，将给定图像lena的人脸部分复制到另一幅图像doc内。，使用cv2库，不使用haar 1（1）图像路径：超星/课程资料/实验实训1资料/素材1； 1（2）参考结果：图像result。

为了编写一个Python程序，使用OpenCV（cv2）库将 Lena 图像的人脸部分复制到 DOC 图像中，首先你需要安装必要的库，如`opencv-python` 和 `numpy`。如果没有安装，可以使用下面的命令：

pip install opencv-python numpy

然后，你可以按照以下步骤操作：

1. 导入所需的库：

import cv2
import numpy as np
from imutils import face_utils

2. 加载两幅图像：

img_lena = cv2.imread('超星/课程资料/实验实训1资料/素材1/lena.jpg')
img_doc = cv2.imread('超星/课程资料/实验实训1资料/素材1/doc.jpg', cv2.IMREAD_UNCHANGED)

3. 使用面部检测技术（这里我们假设你知道人脸的位置，如果没有，可以使用Haarcascade分类器或其他方法找到人脸位置）。这里我们使用预加载的脸部特征点模型（LBP），它不是Haar级联分类器：

# 人脸识别模块（使用LBP特征）
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')

# 检测lena图像中的人脸
gray_lena = cv2.cvtColor(img_lena, cv2.COLOR_BGR2GRAY)
faces_lena = face_cascade.detectMultiScale(gray_lena, scaleFactor=1.1, minNeighbors=5)

# 如果检测到了人脸，选择第一个
if faces_lena is not None and len(faces_lena) > 0:
    (x, y, w, h) = faces_lena[0]
else:
    print("No face detected in Lena image.")
    exit()

4. 创建人脸区域并将其从 Lena 中提取出来：

face_lena = img_lena[y:y+h, x:x+w]

5. 将人脸区域复制到 DOC 图像对应的位置上：

# 获取DOC图片的宽度和高度
height, width, _ = img_doc.shape

# 调整人脸大小以适应DOC图像
face_lena_resized = cv2.resize(face_lena, (width, height))

# 将人脸区域粘贴到DOC图像
img_doc[y:y+h, x:x+w] = face_lena_resized

6. 保存结果：

result = 'result.jpg'
cv2.imwrite(result, img_doc)
print("Face copied to result image saved at:", result)

注意：如果你不知道人脸的具体位置，那么你需要使用人脸检测算法先确定它们。