前方高能！不可描述的电影里主演竟是知名女星？告诉你怎么做到的

还记得吗？去年冬天，在国外 AI 圈有个事情闹得很火：知名论坛 Reddit 上忽然出现一个叫 deepfakes 的大神，借助神经网络实现了人脸替换，让一些好莱坞女星“出演”了 一部分不可描述的电影。

怎么样？是不是被这种换脸效果惊呆了，其实这种事情借用Python也可以做到。

下面就来看看这种“换脸”技术是怎么实现的吧！

在本文，我们会介绍如何通过一段简短的 Python 脚本（200行）将一张图片中面部特征自动替换为另外一张图片中的面部特征。也就是实现下面这样的效果：

具体过程分为四个步骤：

检测面部标志；

旋转、缩放和平移图 2 以适应图 1；

调整图 2 的白平衡以匹配图 1；

将图 2 的特征融合到图 1 中；

本脚本的完整代码地址见文末。

使用dlib提取面部标志

本脚本使用 dlib 的 Python bindings 来提取面部标志：

dlib 实现了 Vahid Kazemi 和 Josephine Sullivan 所著论文《One Millisecond Face Alignment with an Ensemble of Regression Tree》一文中描述的算法。算法本身非常复杂，但是通过 dlib的接口实现它非常简单：

get_landmarks() 函数 以 numpy 数组的形式接收图像，并返回一个 68x2 的元素矩阵。矩阵的每一行与输入图像中特定特征点的 x，y 坐标相对应。

特征提取器（predictor）需要一个大概的边界框作为算法的输入。这将由传统的面部检测器（detector）提供。该面部检测器会返回一个矩形列表，其中每一个矩形与图像中的一张人脸相对应。

生成 predictor 需要预先训练好的模型。该模型可在 dlib sourceforge repository 下载。

https://sourceforge.net/projects/dclib/files/dlib/v18.10/shape_predictor_68_face_landmarks.dat.bz2/download

用普氏分析法（Procrustes Analysis）实现人脸对齐

现在我们已经有两个面部标志矩阵，其中的每一行都含有某个面部特征的坐标（如第 30 行给出了鼻尖的坐标）。我们现在只要弄明白如何旋转、平移和缩放第一个向量的所有点，使其尽可能匹配第二个向量中的点。同理，同样的变换可用于将第二张图叠加在第一张图上。

为使其更加数学化，我们设 T，s 和 R，并求如下等式最小值：

其中，R 是一个 2x2 的正交矩阵，s 是一个标量，T 是一个二维向量，pi 和 qi 是之前计算出的面部标志矩阵行标和列标。

事实证明，这类问题用常规普氏分析法（Ordinary Procrustes Analysis）可以解决：

我们逐步分析一下代码：

将输入矩阵转换为浮点型。这也是后续步骤的必要条件。

将每一个点集减去它的矩心。一旦为这两个新的点集找到了一个最佳的缩放和旋转方法，这两个矩心c1和c2就可以用来找到完整的解决方案。

同样，将每一个点集除以它的标准偏差。这消除了缩放偏差。

使用奇异值分解（singular value decomposition）计算旋转部分。请参阅维基百科有关Orthogonal Procrustes Problem的文章，以了解它的具体工作原理。

将整个变换过程以仿射变换矩阵形式返回。

之后，返回结果可以插入 OpenCV 的 cv2.warpAffine 函数，将第二个图片映射到第一个图片上：

校正第二张图片的颜色

如果此时我们试图直接叠加面部特征，很快会发现一个问题：

这样肯定是没法儿看的...

两幅图像之间不同的肤色和光线造成了覆盖区域边缘的不连续。所以我们尝试修正它：

现在效果怎么样？我们瞅瞅：

这不是更奇怪了么...

此函数试图改变图 2 的颜色来匹配图 1，也就是用 im2 除以 im2 的高斯模糊，然后乘以 im1 的高斯模糊。在这里我们使用了颜色平衡（ RGB scaling colour-correction），但不是直接使用全图的常数比例因子，而是采用每个像素的局部比例因子。

通过这种方法也只能在某种程度上修正两图间的光线差异。比如说，如果图 1 的光线来自某一边，但图 2 的光线非常均匀，校色后图 2 也会出现有一边暗一些的情况。

也就是说，这是一个相当粗糙的解决方案，而且关键在于大小适当的高斯内核。如果太小，图 2 中会出现图 1 的面部特征。如果太大，内核会跑到被像素覆盖的面部区域之外，并变色。这里的内核大小为瞳距的 0.6 倍。

将图 2 的特征融合到图 1 中

用一个蒙版（mask）来选择图 2 和图 1 应被最终显示的部分：

值为 1 (白色)的地方为图 2 应显示的区域，值为 0 (黑色)的地方为图 1 应显示的区域。值在 0 和 1 之间的地方为图 1 图 2 的混合区域。

这是生成上述内容的代码：

我们来分析一下：

常规的 get_face_mask() 函数定义是：为一张图像和一个标志矩阵生成一个蒙版。蒙版会画出两个白色的凸多边形：一个是眼睛周围的区域，一个是鼻子和嘴部周围的区域。之后，蒙版的边缘区域向外羽化 11 个像素，这可以帮助消除剩下的不连续部分。

为图 1 图 2 生成面部蒙版。使用与步骤 2 中的转换，可以使图 2 的蒙版转换至图 1 的坐标空间。

之后，对所有元素取最大值操作，将这两个蒙版合二为一。这样做是为了保证图 1 的特征也能被覆盖的同时图 2 特征能显示出来。

最后，将蒙版应用于最终图像：

output_im = im1 * (1.0 - combined_mask) + warped_corrected_im2 * combined_mask