带你用 Python＋人脸识别自动裁剪头像

51CTO官微

技术资讯/行业精华/产品心得

内容转载自公众号：不二小段

作者：段晓晨

之前我们写了一篇制作人物关系图的文章，在这篇文章的最后，我们留下了一个需求：将剧照中的人物裁剪为圆形头像，美化关系图。

也就是把这种干巴巴的图变的图文并茂一点：

对于这个需求，大家的第一反应可能是 PS，但 PS 用来干这件事情我觉得太“重”了，有没有更轻便的办法来实现呢？

今天来介绍两个办法：一是 PPT 的图片编辑功能处理单张图片；二是利用 Python 实现人脸识别+图像处理批量裁剪。

PPT 的图片操作功能在很多时候是简单有效的，而且很多电脑上没有装 PS，PPT 则是都有的。如果想要裁剪圆形头像只需要三步：

1、插入图片

2、裁剪图片，根据需要裁剪头像范围，并设置横纵比例为1:1，

3、裁剪完成后再次选择裁剪图片-裁剪为形状-椭圆，即可完成圆形头像制作，最后另存为图片即可。

两步裁剪其实可以合成一步，大家实践一下就明白

用 PPT 来处理单张图片是可以的，但是假如我们这次要一次性处理十几个甚至上百个人物图片，那么每次都要人工确定一下头像的位置，然后进行裁剪，如此低效的重复劳动对程序员来说绝对不能忍的。接下来我们使用 Python 实现自动化人脸识别和图片裁剪功能。

利用 Python 实现裁剪圆形头像分为以下步骤：

1、利用人脸识别接口确定人脸在图片中的位置

2、计算出需要裁剪的区域

3、利用 PIL 库进行裁剪

人脸识别的提供功能很丰富，像我们之前使用到的颜值打分、年龄等。我们这次用到的其实是最基础的功能——人脸检测，即通过人工智能检测图片中是否有人脸，并标出其区域位置。

人脸检测的功能几乎所有的人脸识别接口都会提供，所以我们随便用一个就好。这次我们用微软的 API 来做测试，当然你也可以使用百度、Face ++等公司的 API，只需要替换掉请求接口的部分就可以了。

你可以下面的网址申请微软 API 试用：

https://azure.microsoft.com/zh-cn/services/cognitive-services/face/

接口的使用各家不同，一般来讲会提供一个 key ，在通过网络请求时作为身份鉴别的依据。官方文档一般都会给出详细介绍和示例，这里就不再赘述了，直接上代码。

importrequests

importjson

headers = {

'Content-Type':'application/json',

'Ocp-Apim-Subscription-Key':'修改为自己的 key',

}

params = {

'returnFaceId':'true',

'returnFaceLandmarks':'false',

# 'returnFaceAttributes': '',

'recognitionModel':'recognition_01',

'returnRecognitionModel':'false',

}

API_url ='https://westcentralus.api.cognitive.microsoft.com/face/v1.0/detect'

data = {

'url':'修改为图片 URL'

}

response = requests.post(API_url, data=data, headers=headers, params=params)

face = json.loads(response.text)

微软的图片接口支持网络图片地址和字节流两种方法，上面的代码是网络图片的地址的写法，使用时需要填入自己的 key 并修改图片 URL。

如果要使用本地图片，则需要修改为下面的代码。

importrequests

importjson

headers = {

'Content-Type':'application/octet-stream',

'Ocp-Apim-Subscription-Key':'修改为自己的 key',

}

params = {

'returnFaceId':'true',

'returnFaceLandmarks':'false',

# 'returnFaceAttributes': '',

'recognitionModel':'recognition_01',

'returnRecognitionModel':'false',

}

img_path ='修改为本地图片路径'

API_url ='https://westcentralus.api.cognitive.microsoft.com/face/v1.0/detect'

data = open(img_path,'rb').read()

response = requests.post(API_url, data=data, headers=headers, params=params)

face = json.loads(response.text)

这段代码会返回一个 JSON 格式的数据：

[

{

"faceId":"c5c24a82-6845-4031-9d5d-978df9175426",

"recognitionModel":"recognition_02",

"faceRectangle": {

"width":78,

"height":78,

"left":394,

"top":54

}}

]

如果检测到图片中有多个人脸，则会返回多组坐标数据。需要注意的一个问题是，微软的接口 URL 要请求 HTTPS，如果请求 HTTP 网址，则会返回 404 错误代码。

接下来我们需要计算出需要裁剪的区域，由于人脸检测主要是以五官为特征点，返回的坐标主要以脸部为主，不包含头发，人脸检测的区域大概如下图所示。

我这边估算后简单地将人脸检测的区域扩大一倍作为裁剪区域，可以满足需求，当然大家可以根据实际情况进行调整。

接下来我们使用 Python 中的 PIL 库进行裁剪。PIL只支持到 Python 2.7，之后版本应该选择安装 Pillow 库。如果安装的是 Anaconda，已经内置了 pillow，无需安装，否则需要 pip 安装。（假定我们已经通过上面的 API 获取到了人脸上下左右的坐标）

fromPILimportImage, ImageDraw

importnumpyasnp

faceRectangle = {

"width":78,

"height":78,

"left":394,

"top":54

}

# 计算需要裁剪的区域

crop_left = faceRectangle['left'] - faceRectangle['width']

crop_right = faceRectangle['left'] + faceRectangle['width'] *2

crop_top = faceRectangle['top'] - faceRectangle['height']

crop_bottom = faceRectangle['top'] + faceRectangle['height'] *2

img_path ='本地图片路径'

img = Image.open(img_path).convert("RGB")

cropped = img.crop((crop_left, crop_top, crop_right, crop_bottom))

npImage = np.array(cropped)

h, w = cropped.size

# 新建圆形遮罩图层

alpha = Image.new('L', cropped.size,)

draw = ImageDraw.Draw(alpha)

draw.pieslice([,, h, w],,360, fill=255)

npAlpha = np.array(alpha)

npImage = np.dstack((npImage, npAlpha))

# 保存图片结果

Image.fromarray(npImage).save('cut.png')

经过以上三个步骤，我们已经实现了使用 Python 自动裁剪圆形头像的功能，我们可以把上面的代码封装为一个函数，留下图片路径作为参数，就可以进行批量处理了。

importos

fromPILimportImage, ImageDraw

importrequests

importjson

importnumpyasnp

defcut_circle(path):

headers = {

'Content-Type':'application/octet-stream',

'Ocp-Apim-Subscription-Key':'your key',

}

params = {

'returnFaceId':'true',

'returnFaceLandmarks':'false',

# 'returnFaceAttributes': '',

'recognitionModel':'recognition_01',

'returnRecognitionModel':'false',

}

API_url ='https://westcentralus.api.cognitive.microsoft.com/face/v1.0/detect'

data = open(path,'rb').read()

response = requests.post(API_url, data=data, headers=headers, params=params)

faceRectangle = json.loads(response.text)[]['faceRectangle']

print(faceRectangle)

crop_left = faceRectangle['left'] - faceRectangle['width']

crop_right = faceRectangle['left'] + faceRectangle['width'] *2

crop_top = faceRectangle['top'] - faceRectangle['height']

crop_bottom = faceRectangle['top'] + faceRectangle['height'] *2

img = Image.open(path).convert("RGB")

cropped = img.crop((crop_left, crop_top, crop_right, crop_bottom))

npImage = np.array(cropped)

h, w = cropped.size

# 新建圆形遮罩图层

alpha = Image.new('L', cropped.size,)

draw = ImageDraw.Draw(alpha)

draw.pieslice([,, h, w],,360, fill=255)

npAlpha = np.array(alpha)

npImage = np.dstack((npImage, npAlpha))

# 保存图片结果

Image.fromarray(npImage).save(os.path.splitext(path)[] +'_circle.png')

if__name__ =='__main__':

files = os.listdir(r'存放图片的路径')

forfileinfiles:

file_path = os.path.join(r'存放图片的路径', file)

cut_circle(file_path)

小结：

在这篇文章中，我们介绍了使用 PPT 裁剪圆形头像的方法，并学习了如何通过 Python 自动化批量裁剪圆形头像。主要用到的知识点有：

1、微软人脸识别接口的调用

2、PIL 库实现裁剪功能

遗留问题：

1、裁剪区域的合理性：如果人脸在图片中的位置过于靠近边缘，就会导致我们计算的裁剪区域超出图片区域，裁剪结果中就会出现黑色部分，比如下面这张：

2、一张图片中如果有多个人脸，微软 API 就会返回多组值，可以遍历处理每个人脸。这次我为了方便，用的都是单人的图片。

这些留作作业，大家可以自行添加相应的逻辑来解决这些问题。