不将cv2.imread转换为PIL兼容的图片加载方式，依旧使用cv2

如果你不想将`cv2.imread`读取的图像转换成PIL格式，可以直接在Tkinter中使用`cv2`提供的`imshow`函数展示图像，但这会有一些限制。由于Tkinter默认使用`tkinter.PhotoImage`来处理图像，而`cv2.imshow`返回的是一个整数缓冲区，而不是可以直接在Tkinter中使用的图像对象。

在这种情况下，你需要在每次Tkinter事件（如`button click`或`image update`）发生时，暂停主线程（`app.update()`），然后再在另一个线程中利用OpenCV显示图像。这可以避免阻塞Tkinter事件循环，并允许你在Tkinter界面上控制图像的显示。

下面是简化的示例，展示了如何在Tkinter的回调函数中异步显示OpenCV图像：

import cv2
import tkinter as tk
import threading

# 人脸检测模型
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')

# 线程锁
event_lock = threading.Lock()

def show_frame(event=None):
    # 获取锁
    with event_lock:
        # 从OpenCV的窗口获取当前帧
        frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
        image = Image.fromarray(frame)
        # 使用Tkinter PhotoImage展示图像
        imgtk = ImageTk.PhotoImage(image)
        label.config(image=imgtk)
        label.image = imgtk

# 主窗口
root = tk.Tk()

label = tk.Label(root)
label.pack()

# 读取摄像头并设置回调函数
cap = cv2.VideoCapture(0)
cap.set(cv2.CAP_PROP_FPS, 30)
cv2.createWindowTrackbar('FPS', '', 30, 60, show_frame)

while True:
    _, frame = cap.read()
    show_frame()

    root.update_idletasks()
    root.update()

cap.release()
cv2.destroyAllWindows()

尽管这种方法能工作，但它并不优雅，因为它涉及到线程同步（通过锁）。如果你频繁更新图像，可能会导致UI响应变慢。如果可能的话，还是推荐使用PIL将OpenCV图像转换为Tkinter能够处理的形式。