用Python给头像加上圣诞帽

1、用到的工具：

①Python2.7

②OpenCV

③dlib（dlib的人脸检测比OpenCV更好用，而且dlib有OpenCV没有的关键点检测。）

2、工具安装

①Pytho和OpenCV就不多介绍了

②cv2模块的安装

OpenCV-->build-->python-->cv2文件拷贝到python-->Lib-->site-packages目录下

③dlib模块的安装

需要下载相应的whl文件，pip install xxx.whl    下载地址

3、素材准备





4、素材处理

我们已经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上图所示。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。



5、人脸检测与人脸关键点检测

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：

注：

predictor 关键点检测器

detector  正脸检测器

注意检测的5个点的顺序

#coding:utf-8
import dlib
import numpy as np
import cv2
#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
img=cv2.imread("test.jpg")
dets = detector(img, 1)
#如果检测到人脸,可以有多张脸
if len(dets)>0:
for d in dets:
x,y,w,h = d.left(),d.top(), d.right()-d.left(), d.bottom()-d.top()
#把检测出来的正脸，画出来(原图，左上角点，右下角点，颜色，粗细，线条类型，小数点位数)
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)
radius=1
for point in shape.parts():
cv2.circle(img,(point.x,point.y),radius,color=(0,255,0))
radius+=3
cv2.imshow("image",img)
cv2.waitKey()

6、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)
#根据人脸大小确定帽子的宽和高
factor = 1.5
'''
round是是四舍五入，但还是double类型
shape是获取图像的宽和高
宽变为脸宽的1.5倍，高根据宽的变化而变化
'''
resized_hat_h = int(round(rgb_hat.shape[0]*w/rgb_hat.shape[1]*factor))
resized_hat_w = int(round(w*factor))
if resized_hat_h
9250
> y:
resized_hat_h = y-1
#调整帽子大小
resized_hat = cv2.resize(rgb_hat,(resized_hat_w,resized_hat_h))

7、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
#修改了帽子图的尺寸，同时修改alpha通道图的尺寸
mask = cv2.resize(a,(resized_hat_w,resized_hat_h))
#按位取反
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(在原图上确定帽子放在的位置)
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
#astype函数实现数据类型转换
bg_roi = bg_roi.astype(float)
#mask_inv由单通道变为三通道
mask_inv = cv2.merge((mask_inv,mask_inv,mask_inv))
#255操作，去除误差，都变为黑色
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]))
#乘运算，帽子的位置为0，非帽子的位置为1
bg = cv2.multiply(alpha, bg_roi)
bg = bg.astype('uint8')

然后我们提取帽子区域。

#提取帽子区域，方法很多，这里用到了dst = src & src
hat = cv2.bitwise_and(resized_hat,resized_hat,mask = mask)
cv2.imwrite("hat.jpg",hat)

提取得到的帽子区域如上图。帽子区域正好与上一个背景区域互补。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)

8、添加圣诞帽

把相加之后的效果放回到原图中去，就可以得到我们想要的圣诞帽图了。

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

9、总结

①帽子图处理，提取rgb重新合成彩色帽子图，Alpha通道的图像用于标记

②正脸检测

③关键点检测

④确定并修改帽子图的大小，以及标记图的大小

⑤(原图提取同等大小的矩形框)与 (帽子的标记图的反 ) 相乘

⑥帽子图提取标记的区域

⑦上两步合并覆盖原图

10、源码

#coding:utf-8
import numpy as np
import dlib
import cv2
def add_hat(img,hat_img):
r,g,b,a = cv2.split(hat_img)
rgb_hat = cv2.merge((r,g,b))
cv2.imwrite("hat_alpha.jpg",a)
predictor_path = "shape_predictor_5_face_landmarks.dat"
predictor = dlib.shape_predictor(predictor_path)
detector = dlib.get_frontal_face_detector()
dets = detector(img, 1)
if len(dets)>0:
for d in dets:
x,y,w,h = d.left(),d.top(), d.right()-d.left(), d.bottom()-d.top()
shape = predictor(img, d)
point1 = shape.part(0)
point2 = shape.part(2)
eyes_center = ((point1.x+point2.x)/2,(point1.y+point2.y)/2)
factor = 1.5
resized_hat_h = int(round(rgb_hat.shape[0]*w/rgb_hat.shape[1]*factor))
resized_hat_w = int(round(w*factor))
if resized_hat_h > y:
resized_hat_h = y-1
resized_hat = cv2.resize(rgb_hat,(resized_hat_w,resized_hat_h))
mask = cv2.resize(a,(resized_hat_w,resized_hat_h))
mask_inv =  cv2.bitwise_not(mask)
dh = 0
dw = 0
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)]
bg_roi = bg_roi.astype(float)
mask_inv = cv2.merge((mask_inv,mask_inv,mask_inv))
alpha = mask_inv.astype(float)/255
alpha = cv2.resize(alpha,(bg_roi.shape[1],bg_roi.shape[0]))
bg = cv2.multiply(alpha, bg_roi)
bg = bg.astype('uint8')
cv2.imwrite("bg.jpg",bg)
hat = cv2.bitwise_and(resized_hat,resized_hat,mask = mask)
cv2.imwrite("hat.jpg",hat)
hat = cv2.resize(hat,(bg_roi.shape[1],bg_roi.shape[0]))
add_hat = cv2.add(bg,hat)
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
return img
if __name__=="__main__":
hat_img = cv2.imread("hat2.png",-1)
cv2.imshow("hate",hat_img);
cv2.waitKey(0);
img = cv2.imread("test.jpg")
output = add_hat(img,hat_img)
cv2.imshow("output",output )
cv2.waitKey(0)
cv2.imwrite("output.jpg",output)
cv2.destroyAllWindows()  

全部资料               原文链接