用Python就可以给你的头像戴上圣诞帽，别@微信团队了！

本文授权转自微信公众号CVPy（ID：x-cvpy）作者 | 冰不语

引言

随着圣诞的到来，大家纷纷@官方微信给自己的头像加上一顶圣诞帽。当然这种事情用很多P图软件都可以做到。但是作为一个学习图像处理的技术人，还是觉得我们有必要写一个程序来做这件事情。而且这完全可以作为一个练手的小项目，工作量不大，而且很有意思。

用到的工具

OpenCV（毕竟我们主要的内容就是OpenCV...）
dlib（前一篇文章刚说过，dlib的人脸检测比OpenCV更好用，而且dlib有OpenCV没有的关键点检测。）

用到的语言为Python。但是完全可以改成C++版本，时间有限，就不写了。有兴趣的小伙伴可以拿来练手。

流程

一、素材准备

首先我们需要准备一个圣诞帽的素材，格式最好为PNG，因为PNG的话我们可以直接用Alpha通道作为掩膜使用。我们用到的圣诞帽如下图：



我们通过通道分离可以得到圣诞帽图像的alpha通道。代码如下：

r,g,b,a = cv2.split(hat_img)   rgb_hat = cv2.merge((r,g,b))    cv2.imwrite("hat_alpha.jpg",a)
为了能够与rgb通道的头像图片进行运算，我们把rgb三通道合成一张rgb的彩色帽子图。Alpha通道的图像如下图所示。

二、人脸检测与人脸关键点检测

我们用下面这张图作为我们的测试图片。



下面我们用dlib的正脸检测器进行人脸检测，用dlib提供的模型提取人脸的五个关键点。代码如下：

 # dlib人脸关键点检测器      predictor_path = "shape_predictor_5_face_landmarks.dat"      predictor = dlib.shape_predictor(predictor_path)          # dlib正脸检测器      detector = dlib.get_frontal_face_detector()        # 正脸检测      dets = detector(img, 1)        # 如果检测到人脸      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)                # 关键点检测，5个关键点              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()  
这部分效果如下图：

三、调整帽子大小

我们选取两个眼角的点，求中心作为放置帽子的x方向的参考坐标，y方向的坐标用人脸框上线的y坐标表示。然后我们根据人脸检测得到的人脸的大小调整帽子的大小，使得帽子大小合适。

 # 选取左右眼眼角的点              point1 = shape.part(0)              point2 = shape.part(2)                # 求两点中心              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()                #  根据人脸大小调整帽子大小              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                # 根据人脸大小调整帽子大小              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区域

按照之前所述，去Alpha通道作为mask。并求反。这两个mask一个用于把帽子图中的帽子区域取出来，一个用于把人物图中需要填帽子的区域空出来。后面你将会看到。

# 用alpha通道作为mask
              mask = cv2.resize(a,(resized_hat_w,resized_hat_h))
              mask_inv =  cv2.bitwise_not(mask)

从原图中取出需要添加帽子的区域，这里我们用的是位运算操作。
 # 帽子相对与人脸框上线的偏移量
              dh = 0
              dw = 0
              # 原图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)]
  
              # 原图ROI中提取放帽子的区域
              bg_roi = bg_roi.astype(float)
              mask_inv = cv2.merge((mask_inv,mask_inv,mask_inv))
              alpha = mask_inv.astype(float)/255
  
              # 相乘之前保证两者大小一致（可能会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')

这是的背景区域（bg）如下图所示。可以看到，刚好是需要填充帽子的区域缺失了。



然后我们提取帽子区域。
 # 提取帽子区域   hat = cv2.bitwise_and(resized_hat,resized_hat,mask = mask)
提取得到的帽子区域如下图。帽子区域正好与上一个背景区域互补。

五、添加圣诞帽

最后我们把两个区域相加。再放回到原图中去，就可以得到我们想要的圣诞帽图了。这里需要注意的就是，相加之前resize一下保证两者大小一致，因为可能会由于四舍五入原因不一致。

 # 相加之前保证两者大小一致（可能会由于四舍五入原因不一致）              hat = cv2.resize(hat,(bg_roi.shape[1],bg_roi.shape[0]))              # 两个ROI区域相加              add_hat = cv2.add(bg,hat)              # cv2.imshow("add_hat",add_hat)                 # 把添加好帽子的区域放回原图              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
最后我们得到的效果图如下所示。



源码地址：https://github.com/LiuXiaolong19920720/Add-Christmas-Hat，或者点击“阅读原文”查看源码

热文精选
不用数学也能讲清贝叶斯理论的马尔可夫链蒙特卡洛方法？这篇文章做到了盘点深度学习一年来在文本、语音和视觉等方向的进展，看强化学习如何无往而不利论文解析 | Google如何用CNN检查乳腺癌？这三个普通程序员，几个月就成功转型AI，他们的经验是...干货 | AI 工程师必读，从实践的角度解析一名合格的AI工程师是怎样炼成的AI校招程序员最高薪酬曝光！腾讯80万年薪领跑，还送北京户口算法还是算力？周志华微博引爆深度学习的“鸡生蛋，蛋生鸡”问题详解 | 如何用Python实现机器学习算法经验 | 如何高效学Python？如何成为一名全栈语音识别工程师？Twitter大牛写给你的机器学习进阶手册