作者 | Leauky,北理工硕士在读,非CS专业的Python爱好者。
朋友圈里@微信官方要求戴圣诞帽的活动曾经火爆一时,有些会玩的小伙伴都悄咪咪地用美图秀秀一类的 app 给自己头像 p 一顶,然后可高兴地表示“哎呀好神奇hhhh”,呆萌的小伙伴当然就一直等啊等... ...作为一名坚信“用技术解决需求”的萌新,在一个无聊的周末尝试用python来搞一波事情。
主要思路
准备两张图:一张头像,一张帽子。先用人脸识别定位头像中的人脸,给出人脸像素坐标;再根据这个坐标确定帽子放置的坐标;最后将两张图片拼接后输出。(需要注意的是,帽子是不规则图像,除了主体外背景应该是透明的,因此必须是四通道png格式)。gakki 酱亲自演示如下:
示意图
问题展开
1. 人脸识别怎么搞定?(重新造轮子?不存在的,这辈子都不可能造轮子的)。Github上一个开源的python人脸识别库face_recognition双手奉
https://github.com/ageitgey/face_recognition#face-recognition
据说识别率99.38%(顶瓜瓜啊!)。通过安装这个库就可以调用人脸检测器。
2. 确定了帽子的放置位置,怎么拼接图层?这个属于基本的图像操作,python提供了PIL(Python Image Lib)这么一个库来进行图像处理,具体操作请看后面的代码。
库的安装
我的环境是Ubuntu 16.04+Python2.7.12。使用Window,Mac OS和Python3的同学也可以参考,都是类似的。face_recognition这个库比较事儿,安装前需要依次安装boost(boost_python),cmake,dlib这几个依赖和库,中间出现任何问题都可以通过Google解决(懒得写 -.. -)。安装完所有的依赖后,使用命令:
1pip install face_recognition
2pip install pillow #PIL库
完成后就可以在你的python脚本里import face_recognition和PIL了。
代码分析
Talk is cheap, show me the code。直接上代码:
1from PIL import Image
2import face_recognition
3img_path = raw_input("image path:")
4image = face_recognition.load_image_file(img_path)
5face_locations = face_recognition.face_locations(image)
6print("Found {} face(s) in this photograph.".format(len(face_locations)))
第1、2行导入PIL库中的Image模块和face_recognition库。第3行,等待用户输入头像图片的路径。第4行,把路径所指的图像数据读入image中。第5行,调用face_locations处理image中的图像数据,对图片中的人脸进行识别定位,定位后的得到的像素坐标数据放在face_locations里。第6行在shell里输出图片里识别到的人脸的个数。
7human_img = Image.open(img_path)
8human_img = human_img.convert("RGBA")
9hat_img = Image.open("./hat.png")
10hat_img = hat_img.convert("RGBA")
第7、8行,把路径所指的图像数据读入human_img中,并转换为四通道RGBA模式。9、10行读入帽子图像并做相同处理。
11for face_location in face_locations:
12 top, right, bottom, left = face_location
13 top -= 10
14 print("A face is located at pixel location Top: {}, Left: {}, Bottom: {}, Right: {}".format(top, left, bottom, right))
15 head_h = bottom-top#hight of head
16 head_l = right-left#length of head
17 hat_img = hat_img.resize( (head_l,head_h) )#convert size of hat
18 hat_region = hat_img
19 human_region = ( left, top-head_h, right, top )
20 human_img.paste(hat_region, human_region,mask=hat_img)
21human_img.show()
如果一张图里有多张人脸,face_recognition.face_locations(image)会返回每张人脸的位置信息,存放在一个list里。因此第11行是遍历face_locations里的每张人脸的数据。第12行解包一个人脸像素坐标数据,得到top,right,bottom,left分别为示意图中的y1,x2,y2,x1。第13行,为啥y1要减10个像素?因为人脸识别得到的y1最多到你额头的位置,所以再把这个坐标往上提一提帽子才戴得更自然。第14行输出坐标数据方便调试。第15、16行计算人脸的高度和宽度。第17行使用resize()根据人脸的大小调整帽子的大小,因为图像中的人脸有大有小,调整后看起来更和谐。第18行,将帽子图像作为顶部图层图像。第19行,确定底部图层(头像图片)被覆盖的区域(就是帽子放置区域)。第20行,把顶部图层与底部图层拼接(不太明白的看下图)。然后一个循环结束,亦即完成图片中一个人的戴帽操作,接着进行下个人的戴帽,直到所有人都戴上了帽子。最后21行,完成输出~
更新
更多人脸:
源码链接(提取密码:3979)
https://pan.baidu.com/share/init?surl=i53rGH3
(*本文为作者投稿文章,转载请联系原作者)
公众号后台回复:2018Python,获取2018Python开源项目Top100整理资料!或扫码添加小助手微信,回复:1,入群获取。
推荐阅读:
如何用Python实现iPhone的人脸解锁功能?
用Python画一只小猪佩奇送给你!
Python 2.7退休倒计时,Python 3必须学起来了(附入门学习资源)
频频霸榜的Python,竟遭开发者嫌弃!