网络推广网站建设有限公司,wordpress微信授权登录界面,网站效果图设计思路,网站建设实训报告命名规范颜如玉颜如玉 —— python 人脸融合程序#xff0c;可实现类似天天P图疯狂换脸、face人脸融合效果项目描述最近随着各种技术的发展#xff0c;图像方面的人脸处理技术越来越广泛。各大相机软件都有美颜、贴图、换发型、变脸等功能。天天P图与Face也都推出人脸处理的 API…颜如玉颜如玉 —— python 人脸融合程序可实现类似天天P图疯狂换脸、face人脸融合效果项目描述最近随着各种技术的发展图像方面的人脸处理技术越来越广泛。各大相机软件都有美颜、贴图、换发型、变脸等功能。天天P图与Face也都推出人脸处理的 API不过价格方面就有点不亲民了。于是本人将之前研究完成的人脸融合算法开源出来。效果对比国际惯例我们看看颜如玉与天天P图、Face合成效果的对比注Face 为调用其官网 API 生成的效果天天P图则是直接使用该 APP 生成的效果使用安装 requirements.txt 所需库pip install -r requirements.txt运行 ModuleTest.py 的主函数python ModuleTest.py生成的结果图片 output.jpg 储存在 images 文件中算法详解零、融合函数先看看程序入口函数core.face_merge(src_imgimages/model.jpg,dst_imgimages/20171030175254.jpg,out_imgimages/output.jpg,face_area[50, 30, 500, 485],alpha0.75,blur_size(15, 10),mat_multiple0.95)参数含义src_img —— 模特图片dst_img —— 待融合的图片out_img —— 结果图片输出路径face_area —— 指定模板图中进行人脸融合的人脸框位置。四个正整数数组依次代表人脸框左上角纵坐标(top)左上角横坐标(left)人脸框宽度(width)人脸框高度(height)通过设定改参数可以减少结果的大范围变形把变形风险控制在人脸框区域alpha —— 融合比例范围 [0,1]。数字越大融合结果包含越多融合图 (dst_img) 特征。blur_size—— 模糊核大小用于模糊人脸融合边缘减少融合后的违和感mat_multiple —— 缩放获取到的人脸心型区域一、 检测及关键的定位人脸的检测以及关键点定位有多种实现方案使用开源 Dlib 库检测及定位(定位68个关键点)使用腾讯平台的人脸识别及定位API (定位90个关键点)使用Face平台的人脸识别定位API(定位106个关键点)本文采用的是Face的 api因为商用情况下 Face 定位的定数最多// 获取两张图片的人脸关键点(矩阵格式与数组格式)src_matrix, src_points, err core.face_points(src_img)dst_matrix, dst_points, err core.face_points(dst_img)二、对齐人脸角度在待融合图人像不是侧脸的情况下我们可以同过调整平面位置及角度让其与模特图的人脸重合// opencv 读取图片src_img cv2.imread(src_img, cv2.IMREAD_COLOR)dst_img cv2.imread(dst_img, cv2.IMREAD_COLOR)dst_img transformation_points(src_imgsrc_img, src_pointssrc_matrix[core.FACE_POINTS],dst_imgdst_img, dst_pointsdst_matrix[core.FACE_POINTS])注src_points 已经 dst_points 传入参数为第一步获取的人脸关键点矩阵对齐采用“常规 Procrustes 分析法”具体算法来源matthewearl 个人博客步骤2对齐结果三、再次取点后融合脸部对步骤二转换后的带融合图片再次取关键的然后与模特图的关键点一起做三角融合成新的图片dst_img morph_img(src_img, src_points, dst_img, dst_points, alpha)融合结果具体的三角融合算法解说参考这篇文章四、处理加工模特图片再次对上一步的结果图进行取点然后运用三角仿射将模特图片脸部轮廓、关键点变形成上一步得到的脸部关键点src_img tran_src(src_img, src_points, dst_points, face_area)处理结果五、将融合后的脸部贴到模特图上最后一步是将融合后的新图片脸部区域用泊松融合算法贴到模特图上。泊松融合可直接使用opencv提供的函数dst_img merge_img(src_img, dst_img, dst_matrix, dst_points, k_size, mat_multiple)def merge_img(src_img, dst_img, dst_matrix, dst_points, k_sizeNone, mat_multipleNone):face_mask np.zeros(src_img.shape, dtypesrc_img.dtype)for group in core.OVERLAY_POINTS:cv2.fillConvexPoly(face_mask, cv2.convexHull(dst_matrix[group]), (255, 255, 255))r cv2.boundingRect(np.float32([dst_points[:core.FACE_END]]))center (r[0] int(r[2] / 2), r[1] int(r[3] / 2))if mat_multiple:mat cv2.getRotationMatrix2D(center, 0, mat_multiple)face_mask cv2.warpAffine(face_mask, mat, (face_mask.shape[1], face_mask.shape[0]))if k_size:face_mask cv2.blur(face_mask, k_size, center)return cv2.seamlessClone(np.uint8(dst_img), src_img, face_mask, center, cv2.NORMAL_CLONE)函数示意图
