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(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（前一篇文章剛說過，dlib的人臉檢測(cè)比OpenCV更好用，而且dlib有OpenCV沒有的關(guān)鍵點(diǎn)檢測(cè)。）
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：
|
1
2
3
4
|
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(cè)與人臉關(guān)鍵點(diǎn)檢測(cè)
我們用下面這張圖作為我們的測(cè)試圖片。
下面我們用dlib的正臉檢測(cè)器進(jìn)行人臉檢測(cè)，用dlib提供的模型提取人臉的五個(gè)關(guān)鍵點(diǎn)。代碼如下：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
|
# dlib人臉關(guān)鍵點(diǎn)檢測(cè)器predictor_path = "shape_predictor_5_face_landmarks.dat"predictor = dlib.shape_predictor(predictor_path) # dlib正臉檢測(cè)器detector = dlib.get_frontal_face_detector()# 正臉檢測(cè)dets = detector(img, 1)# 如果檢測(cè)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(cè)，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(cè)得到的人臉的大小調(diào)整帽子的大小，使得帽子大小合適。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
# 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。
|
1
2
3
|
# 用alpha通道作為maskmask = 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。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
# 帽子相對(duì)與人臉框上線的偏移量dh = 0dw = 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。可以看到，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。
|
1
2
|
# 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。
|
1
2
3
4
5
6
7
8
|
# 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.shape[1],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。
下載：完整代碼。
以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持服務(wù)器之家。
原文鏈接：http://blog.csdn.net/xingchenbingbuyu/article/details/78880931
