Python給你的頭像加上圣誕帽
引言
隨著圣誕的到來，大家紛紛@官方微信給自己的頭像加上一頂圣誕帽。當(dāng)然這種事情用很多P圖軟件都可以做到。但是作為一個學(xué)習(xí)圖像處理的技術(shù)人，還是覺得我們有必要寫一個程序來做這件事情。而且這完全可以作為一個練手的小項目，工作量不大，而且很有意思。
用到的工具
OpenCV（畢竟我們主要的內(nèi)容就是OpenCV…）
dlib（前一篇文章剛說過，dlib的人臉檢測比OpenCV更好用，而且dlib有OpenCV沒有的關(guān)鍵點檢測。）
用到的語言為Python。但是完全可以改成C++版本，時間有限，就不寫了。有興趣的小伙伴可以拿來練手。
流程一、素材準(zhǔn)備
首先我們需要準(zhǔn)備一個圣誕帽的素材，格式最好為PNG，因為PNG的話我們可以直接用Alpha通道作為掩膜使用。我們用到的圣誕帽如下圖：
我們通過通道分離可以得到圣誕帽圖像的alpha通道。代碼如下：
r,g,b,a = cv2.split(hat_img)
rgb_hat = cv2.merge((r,g,b))
cv2.imwrite("hat_alpha.jpg",a)
為了能夠與rgb通道的頭像圖片進(jìn)行運算，我們把rgb三通道合成一張rgb的彩色帽子圖。Alpha通道的圖像如下圖所示。
二、人臉檢測與人臉關(guān)鍵點檢測
我們用下面這張圖作為我們的測試圖片。
下面我們用dlib的正臉檢測器進(jìn)行人臉檢測，用dlib提供的模型提取人臉的五個關(guān)鍵點。代碼如下：
# dlib人臉關(guān)鍵點檢測器
predictor_path = "shape_predictor_5_face_landmarks.dat"
predictor = dlib.shape_predictor(predictor_path)
# dlib正臉檢測器
detector = dlib.get_frontal_face_detector()
# 正臉檢測
dets = detector(img, 1)
# 如果檢測到人臉
if len(dets)>0:
for d in dets:
x,y,w,h = d.left(),d.top(), d.right()-d.left(), d.bottom()-d.top()
# x,y,w,h = faceRect
cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2,8,0)
# 關(guān)鍵點檢測，5個關(guān)鍵點
shape = predictor(img, d)
for point in shape.parts():
cv2.circle(img,(point.x,point.y),3,color=(0,255,0))
cv2.imshow("image",img)
cv2.waitKey()
這部分效果如下圖：
三、調(diào)整帽子大小
我們選取兩個眼角的點，求中心作為放置帽子的x方向的參考坐標(biāo)，y方向的坐標(biāo)用人臉框上線的y坐標(biāo)表示。然后我們根據(jù)人臉檢測得到的人臉的大小調(diào)整帽子的大小，使得帽子大小合適。
# 選取左右眼眼角的點
point1 = shape.part(0)
point2 = shape.part(2)
# 求兩點中心
eyes_center = ((point1.x+point2.x)//2,(point1.y+point2.y)//2)
# cv2.circle(img,eyes_center,3,color=(0,255,0))
# cv2.imshow("image",img)
# cv2.waitKey()
# 根據(jù)人臉大小調(diào)整帽子大小
factor = 1.5
resized_hat_h = int(round(rgb_hat.shape[0]*w/rgb_hat.shape[1]*factor))
resized_hat_w = int(round(rgb_hat.shape[1]*w/rgb_hat.shape[1]*factor))
if resized_hat_h > y:
resized_hat_h = y-1
# 根據(jù)人臉大小調(diào)整帽子大小
resized_hat = cv2.resize(rgb_hat,(resized_hat_w,resized_hat_h))
四、提取帽子和需要添加帽子的區(qū)域
按照之前所述，去Alpha通道作為mask。并求反。這兩個mask一個用于把帽子圖中的帽子區(qū)域取出來，一個用于把人物圖中需要填帽子的區(qū)域空出來。后面你將會看到。
# 用alpha通道作為mask mask = cv2.resize(a,(resized_hat_w,resized_hat_h)) mask_inv = cv2.bitwise_not(mask)
從原圖中取出需要添加帽子的區(qū)域，這里我們用的是位運算操作。
# 帽子相對與人臉框上線的偏移量
dh = 0
dw = 0
# 原圖ROI
# bg_roi = img[y+dh-resized_hat_h:y+dh, x+dw:x+dw+resized_hat_w]
bg_roi = img[y+dh-resized_hat_h:y+dh,(eyes_center[0]-resized_hat_w//3):(eyes_center[0]+resized_hat_w//3*2)]
# 原圖ROI中提取放帽子的區(qū)域
bg_roi = bg_roi.astype(float)
mask_inv = cv2.merge((mask_inv,mask_inv,mask_inv))
alpha = mask_inv.astype(float)/255
# 相乘之前保證兩者大小一致（可能會由于四舍五入原因不一致）
alpha = cv2.resize(alpha,(bg_roi.shape[1],bg_roi.shape[0]))
# print("alpha size: ",alpha.shape)
# print("bg_roi size: ",bg_roi.shape)
bg = cv2.multiply(alpha, bg_roi)
bg = bg.astype('uint8')
這是的背景區(qū)域（bg）如下圖所示?？梢钥吹剑瑒偤檬切枰畛涿弊拥膮^(qū)域缺失了。
然后我們提取帽子區(qū)域。
# 提取帽子區(qū)域 hat = cv2.bitwise_and(resized_hat,resized_hat,mask = mask)
提取得到的帽子區(qū)域如下圖。帽子區(qū)域正好與上一個背景區(qū)域互補。
五、添加圣誕帽
最后我們把兩個區(qū)域相加。再放回到原圖中去，就可以得到我們想要的圣誕帽圖了。這里需要注意的就是，相加之前resize一下保證兩者大小一致，因為可能會由于四舍五入原因不一致。
# 相加之前保證兩者大小一致（可能會由于四舍五入原因不一致）
hat = cv2.resize(hat,(bg_roi.shape[1],bg_roi.shape[0]))
# 兩個ROI區(qū)域相加
add_hat = cv2.add(bg,hat)
# cv2.imshow("add_hat",add_hat)
# 把添加好帽子的區(qū)域放回原圖
img[y+dh-resized_hat_h:y+dh,(eyes_center[0]-resized_hat_w//3):(eyes_center[0]+resized_hat_w//3*2)] = add_hat
最后我們得到的效果圖如下所示。
下載：完整代碼。
以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。
相關(guān)文章
Python實現(xiàn)登錄人人網(wǎng)并抓取新鮮事的方法
這篇文章主要介紹了Python實現(xiàn)登錄人人網(wǎng)并抓取新鮮事的方法,可實現(xiàn)Python模擬登陸并抓取新鮮事的功能,需要的朋友可以參考下2015-05-05
這篇文章主要介紹了使用pth文件添加Python環(huán)境變量方式，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-05-05
詳解win10下pytorch-gpu安裝以及CUDA詳細(xì)安裝過程
這篇文章主要介紹了win10下pytorch-gpu安裝以及CUDA詳細(xì)安裝過程,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2021-01-01
pathlib是跨平臺的、面向?qū)ο蟮穆窂讲僮髂K,可適用于不同的操作系統(tǒng),其操作對象是各種操作系統(tǒng)中使用的路徑,下面這篇文章主要給大家介紹了關(guān)于Python文件路徑處理模塊pathlib的相關(guān)資料,需要的朋友可以參考下2023-04-04
django 按時間范圍查詢數(shù)據(jù)庫實例代碼
Python中判斷語句入門指南(if?elif?else語句)
django 文件上傳功能的相關(guān)實例代碼(簡單易懂)
Django Form設(shè)置文本框為readonly操作