python︱利用dlib和opencv实现简单换脸、人脸对齐、关键点定位与画图
python︱利用dlib和opencv实现简单换脸、人脸对齐、关键点定位与画图
悟乙己
发布于 2018-01-02 17:02:29
发布于 2018-01-02 17:02:29
这是一个利用dlib进行关键点定位 + opencv处理的人脸对齐、换脸、关键点识别的小demo。原文来自于《Switching Eds: Face swapping with Python, dlib, and OpenCV》 该博文的github地址中有所有的code。这边我将我抽取的code放在自己的github之中，可以来这下载: https://github.com/mattzheng/Face_Swapping
有人将其进行中文翻译也有将其进行一定改编有以下两个案例：
变脸贴图：
从这几张：
这里写图片描述
这里写图片描述
这里写图片描述
组合变成这几张：
这里写图片描述
这里写图片描述
这里写图片描述
因为原文里面内容丰富，我觉得可以提取出很多有用的小模块，于是乎： .
提取一：关键点定位与画图
import cv2
import dlib
import numpy
import sys
import matplotlib.pyplot as plt
SCALE_FACTOR = 1 # 图像的放缩比
def read_im_and_landmarks(fname):
im = cv2.imread(fname, cv2.IMREAD_COLOR)
im = cv2.resize(im, (im.shape[1] * SCALE_FACTOR,
im.shape[0] * SCALE_FACTOR))
s = get_landmarks(im)
return im, s
def annotate_landmarks(im, landmarks):
'''
人脸关键点，画图函数
'''
im = im.copy()
for idx, point in enumerate(landmarks):
pos = (point[0, 0], point[0, 1])
cv2.putText(im, str(idx), pos,
fontFace=cv2.FONT_HERSHEY_SCRIPT_SIMPLEX,
fontScale=0.4,
color=(0, 0, 255))
cv2.circle(im, pos, 3, color=(0, 255, 255))
return im然后实践就是载入原图：
im1, landmarks1 = read_im_and_landmarks('02.jpg') # 底图
im1 = annotate_landmarks(im1, landmarks1)
%matplotlib inline
plt.subplot(111)
plt.imshow(im1).
提取二：人脸对齐
需要一张模板图来作为靠拢的对象图。
# 人脸对齐函数
def face_Align(Base_path,cover_path):
im1, landmarks1 = read_im_and_landmarks(Base_path) # 底图
im2, landmarks2 = read_im_and_landmarks(cover_path) # 贴上来的图
if len(landmarks1) == 0 & len(landmarks2) == 0 :
raise ImproperNumber("Faces detected is no face!")
if len(landmarks1) > 1 & len(landmarks2) > 1 :
raise ImproperNumber("Faces detected is more than 1!")
M = transformation_from_points(landmarks1[ALIGN_POINTS],
landmarks2[ALIGN_POINTS])
warped_im2 = warp_im(im2, M, im1.shape)
return warped_im2这里的步骤是：
- 提取模板图、对齐图的landmarks;
- 通过transformation_from_points计算对齐图向模板图的转移矩阵M，变换矩阵是根据以下公式计算出来的;
- warp_im，将 im2 的掩码进行变化，使之与 im1 相符
实践的话就是：
FEATHER_AMOUNT = 19 # 匹配的时候，特征数量，现在是以11个点为基准点 11 15 17
Base_path = '01.jpg'
cover_path = '02.jpg'
warped_mask = face_Align(Base_path,cover_path)
这里写图片描述
.
提取三：换脸
主要函数：
def Switch_face(Base_path,cover_path):
im1, landmarks1 = read_im_and_landmarks(Base_path) # 底图
im2, landmarks2 = read_im_and_landmarks(cover_path) # 贴上来的图
if len(landmarks1) == 0 & len(landmarks2) == 0 :
raise ImproperNumber("Faces detected is no face!")
if len(landmarks1) > 1 & len(landmarks2) > 1 :
raise ImproperNumber("Faces detected is more than 1!")
M = transformation_from_points(landmarks1[ALIGN_POINTS],
landmarks2[ALIGN_POINTS])
mask = get_face_mask(im2, landmarks2)
warped_mask = warp_im(mask, M, im1.shape)
combined_mask = numpy.max([get_face_mask(im1, landmarks1), warped_mask],
axis=0)
warped_im2 = warp_im(im2, M, im1.shape)
warped_corrected_im2 = correct_colours(im1, warped_im2, landmarks1)
output_im = im1 * (1.0 - combined_mask) + warped_corrected_im2 * combined_mask
return output_im主要步骤：
- 提取模板图、对齐图的landmarks;
- M，通过transformation_from_points计算对齐图向模板图的转移矩阵M;
matrix([[ 0.62876962, 0.20978991, -101.32973923],
[ -0.20978991, 0.62876962, 79.11235991],
[ 0. , 0. , 1. ]])- mask,得到基于对齐图的掩膜，get_face_mask函数，获取 im2 的面部掩码，mask长成这样：
这里写图片描述
- warped_mask ,warp_im函数，将 im2 的掩码进行变化，使之与 im1 相符,跟上面的mask张一样（一个鼻子）
- combined_mask ，将二者的掩码进行连通（跟warped_mask 长一样）
- warped_im2 ，warp_im函数，第二次，将第二幅图像调整到与第一幅图像相符（对齐图片,斜了点）
这里写图片描述
- warped_corrected_im2 ，correct_colours函数，将 im2 的皮肤颜色进行修正，使其和 im1 的颜色尽量协调（类似下图）
这里写图片描述
- output_im 组合图像，获得结果
实践：
FEATHER_AMOUNT = 23
Base_path = '03.jpg'
cover_path = '02.jpg'
output_im = Switch_face(Base_path,cover_path)本文参与 腾讯云自媒体分享计划，分享自作者个人站点/博客。
如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
目录