python dlib学习（七）：人脸特征点对齐

前言

前面的博客介绍过人脸特征点标定：python dlib学习（二）：人脸特征点标定。这次试着使用这些人脸特征点来对人脸进行对齐。
完整工程链接附在文章最后。

程序

上代码，程序中使用了python-opencv，事先要配置好环境。
我们在程序中会导入识别人脸特征点的模型，官方例程给出的模型的链接：
http://dlib.net/files/shape_predictor_5_face_landmarks.dat.bz2（5个特征点）
我使用的跟前面博客（python dlib学习（二）：人脸特征点标定）中的一样，是检测人脸68个特征点的模型。
下载链接：http://pan.baidu.com/s/1i46vPu1。

程序中已有注释，不做赘述。

# coding: utf-8
import cv2
import dlib
import sys
import numpy as np
import os

# 获取当前路径
current_path = os.getcwd()
# 指定你存放的模型的路径，我使用的是检测68个特征点的那个模型，
# predicter_path = current_path + '/model/shape_predictor_5_face_landmarks.dat'# 检测人脸特征点的模型放在当前文件夹中
predicter_path = current_path + '/model/shape_predictor_68_face_landmarks.dat'
face_file_path = current_path + '/faces/inesta.jpg'# 要使用的图片，图片放在当前文件夹中
print predicter_path
print face_file_path

# 导入人脸检测模型
detector = dlib.get_frontal_face_detector()
# 导入检测人脸特征点的模型
sp = dlib.shape_predictor(predicter_path)

# 读入图片
bgr_img = cv2.imread(face_file_path)
if bgr_img is None:
    print("Sorry, we could not load '{}' as an image".format(face_file_path))
    exit()

# opencv的颜色空间是BGR，需要转为RGB才能用在dlib中
rgb_img = cv2.cvtColor(bgr_img, cv2.COLOR_BGR2RGB)
# 检测图片中的人脸
dets = detector(rgb_img, 1)
# 检测到的人脸数量
num_faces = len(dets)
if num_faces == 0:
    print("Sorry, there were no faces found in '{}'".format(face_file_path))
    exit()

# 识别人脸特征点，并保存下来
faces = dlib.full_object_detections()
for det in dets:
    faces.append(sp(rgb_img, det))

# 人脸对齐
images = dlib.get_face_chips(rgb_img, faces, size=320)
# 显示计数，按照这个计数创建窗口
image_cnt = 0
# 显示对齐结果
for image in images:
    image_cnt += 1
    cv_rgb_image = np.array(image).astype(np.uint8)# 先转换为numpy数组
    cv_bgr_image = cv2.cvtColor(cv_rgb_image, cv2.COLOR_RGB2BGR)# opencv下颜色空间为bgr，所以从rgb转换为bgr
    cv2.imshow('%s'%(image_cnt), cv_bgr_image)

cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果

原图：

完整工程下载链接：
http://download.csdn.net/download/hongbin_xu/10115082