不用＠微信官方了，Python20行自动戴帽！

这两天被朋友圈里@微信官方要求戴帽的消息刷屏了，会玩的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，在这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。先祭出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：

问题展开

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双手奉上，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。

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：

pip install face_recognition

pip 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：

1. from PIL import Image

2. import face_recognition

3 img_path = raw_input("image path:")

4. image = face_recognition.load_image_file(img_path)

5. face_locations = face_recognition.face_locations(image)

6. print("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。

7. human_img = Image.open(img_path)

8. human_img = human_img.convert("RGBA")

9. hat_img = Image.open("./hat.png")

10. hat_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。

11. for 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)

21. human_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~

更多测试结果~

文 /刘俊奕

来源 / 知乎专栏