亲宝软件园·资讯

展开

Python头像加圣诞帽 Python给你的头像加上圣诞帽

冰不语 人气:0
想了解Python给你的头像加上圣诞帽的相关内容吗,冰不语在本文为您仔细讲解Python头像加圣诞帽的相关知识和一些Code实例,欢迎阅读和指正,我们先划重点:Python头像加圣诞帽,Python给头像加上圣诞帽,Python人脸检测,下面大家一起来学习吧。

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。

下载:完整代码

加载全部内容

相关教程
猜你喜欢
用户评论