使用Python給頭像戴上圣誕帽的圖像操作過程解析

更新時(shí)間：2019年09月20日 10:15:48 作者：小橙序之家

這篇文章主要介紹了使用Python給頭像戴上圣誕帽的過程解析,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(jià)值,需要的朋友可以參考下

前言

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(gè)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(gè)程序來做這件事情。而且這完全可以作為一個(gè)練手的小項(xiàng)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（dlib的人臉檢測比OpenCV更好用，而且dlib有OpenCV沒有的關(guān)鍵點(diǎn)檢測。）

用到的語言為Python。但是完全可以改成C++版本，時(shí)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(gè)圣誕帽的素材，格式最好為PNG，因?yàn)镻NG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(yùn)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(diǎn)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(gè)關(guān)鍵點(diǎn)。代碼如下：

# dlib人臉關(guān)鍵點(diǎn)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(diǎn)檢測，5個(gè)關(guān)鍵點(diǎn)
     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(gè)眼角的點(diǎn)，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(diǎn) point1 = shape.part(0) point2 = shape.part(2)
     # 求兩點(diǎn)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(gè)mask一個(gè)用于把帽子圖中的帽子區(qū)域取出來，一個(gè)用于把人物圖中需要填帽子的區(qū)域空出來。后面你將會(huì)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(yùn)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(huì)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?，剛好是需要填充帽子的區(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(gè)背景區(qū)域互補(bǔ)。

五、添加圣誕帽

最后我們把兩個(gè)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?yàn)榭赡軙?huì)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(huì)由于四舍五入原因不一致） hat = cv2.resize(hat,(bg_roi.shape1,bg_roi.shape[0])) # 兩個(gè)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。