计算机视觉实战之歪头变正脸

在有的时候，我们需要正面的脸。但是经常拍到的图是有点侧面的，比如这样的：

头稍微有点歪，看一下预期效果：

右边的脸是不是有点扳正的感觉了。

代码如下：

import cv2
import matplotlib.pyplot as plt
import  dlib
import numpy as np
import time#读取图片
res="C:\\Users\Administrator\\Pictures\\Saved Pictures\\56565.jpg"
dis="C:\\Users\Administrator\\Pictures\\Saved Pictures\\"+str(time.time())+".png"
bgrImg=cv2.imread(res)
image = cv2.cvtColor(bgrImg, cv2.COLOR_BGR2RGB)#获取detector
detector=dlib.get_frontal_face_detector()
#加载模型文件
mode_path="E:\\BaiduNetdiskDownload\\shape_predictor_68_face_landmarks.dat"
shape_predictor = dlib.shape_predictor(mode_path)dets =detector(image , 1)#获取landmarks
for detection in dets:face_landmarks = [(item.x, item.y) for item in shape_predictor(image , detection).parts()]x= [i[0] for i in face_landmarks]
y=[i[1] for i in face_landmarks]#画带识别的原始图
plt.plot(x,y,'ro')
plt.imshow(image)
plt.show()

这里采用的是dlib，这里画出来的效果如下：

紧接着我们分别画出来看看

lm = np.array(face_landmarks)
lm_chin          = lm[0  : 17]  # 脸轮廓
lm_eyebrow_left  = lm[17 : 22]  # 左眉毛
lm_eyebrow_right = lm[22 : 27]  # 右眉毛
lm_nose          = lm[27 : 31]  # 鼻子主线
lm_nostrils      = lm[31 : 36]  # 鼻子下轮廓
lm_eye_left      = lm[36 : 42]  # 左眼
lm_eye_right     = lm[42 : 48]  # 右眼
lm_mouth_outer   = lm[48 : 60]  # 画嘴巴外轮廓def plot_part(part):plt.plot([i[0] for i in part],[i[1] for i in part],'ro')plt.imshow(image)plt.show()#画脸轮廓
plot_part(lm_chin)
#画左眉毛
plot_part(lm_eyebrow_left)
#画右眉毛
plot_part(lm_eyebrow_right)
#画鼻子主线
plot_part(lm_nose)
#画鼻子下轮廓
plot_part(lm_nostrils)
#画左眼
plot_part(lm_eye_left)
#画右眼
plot_part(lm_eye_right)
#画嘴巴外轮廓
plot_part(lm_mouth_outer)
#画嘴巴内轮廓
plot_part(lm_mouth_inner)

然后计算辅助的向量并画图看看

# 计算一些辅助向量
eye_left     = np.mean(lm_eye_left, axis=0)
eye_right    = np.mean(lm_eye_right, axis=0)
eye_avg      = (eye_left + eye_right) * 0.5
eye_to_eye   = eye_right - eye_left#瞳距
mouth_left   = lm_mouth_outer[0]
mouth_right  = lm_mouth_outer[6]
mouth_avg    = (mouth_left + mouth_right) * 0.5
eye_to_mouth = mouth_avg - eye_avg#眼睛到最的距离def plot_mean(part):plt.plot(part[0],part[1],'bo')plt.imshow(image)plt.show()plot_mean(eye_left)
plot_mean(eye_right)
plot_mean(eye_avg)
plot_mean(mouth_left)
plot_mean(mouth_right)
plot_mean(mouth_avg)

这里利用上面的辅助向量进行计算，这里注意的是需要重新读图，因为我用之前cv2读的图会错，也许是自己bug

import PIL.Image
img = PIL.Image.open(res).convert('RGBA').convert('RGB')# Shrink.
output_size=1024
shrink = int(np.floor(qsize / output_size * 0.5))
print(shrink)
if shrink > 1:rsize = (int(np.rint(float(img.size[0]) / shrink)), int(np.rint(float(img.size[1]) / shrink)))img = img.resize(rsize, PIL.Image.ANTIALIAS)quad /= shrinkqsize /= shrink# Crop.border = max(int(np.rint(qsize * 0.1)), 3)
crop = (int(np.floor(min(quad[:,0]))), int(np.floor(min(quad[:,1]))), int(np.ceil(max(quad[:,0]))), int(np.ceil(max(quad[:,1]))))
print(crop)
crop = (max(crop[0] - border, 0), max(crop[1] - border, 0), min(crop[2] + border, img.size[0]), min(crop[3] + border, img.size[1]))
if crop[2] - crop[0] < img.size[0] or crop[3] - crop[1] < img.size[1]:img = img.crop(crop)quad -= crop[0:2]
# Pad.
import scipy.ndimage
enable_padding=True
alpha=False
pad = (int(np.floor(min(quad[:,0]))), int(np.floor(min(quad[:,1]))), int(np.ceil(max(quad[:,0]))), int(np.ceil(max(quad[:,1]))))
pad = (max(-pad[0] + border, 0), max(-pad[1] + border, 0), max(pad[2] - img.size[0] + border, 0), max(pad[3] - img.size[1] + border, 0))
if enable_padding and max(pad) > border - 4:pad = np.maximum(pad, int(np.rint(qsize * 0.3)))img = np.pad(np.float32(img), ((pad[1], pad[3]), (pad[0], pad[2]), (0, 0)), 'reflect')h, w, _ = img.shapey, x, _ = np.ogrid[:h, :w, :1]mask = np.maximum(1.0 - np.minimum(np.float32(x) / pad[0], np.float32(w-1-x) / pad[2]), 1.0 - np.minimum(np.float32(y) / pad[1], np.float32(h-1-y) / pad[3]))blur = qsize * 0.02img += (scipy.ndimage.gaussian_filter(img, [blur, blur, 0]) - img) * np.clip(mask * 3.0 + 1.0, 0.0, 1.0)img += (np.median(img, axis=(0,1)) - img) * np.clip(mask, 0.0, 1.0)img = np.uint8(np.clip(np.rint(img), 0, 255))if alpha:mask = 1-np.clip(3.0 * mask, 0.0, 1.0)mask = np.uint8(np.clip(np.rint(mask*255), 0, 255))img = np.concatenate((img, mask), axis=2)img = PIL.Image.fromarray(img, 'RGBA')else:img = PIL.Image.fromarray(img, 'RGB')# Transform.
transform_size=4096
img = img.transform((transform_size, transform_size), PIL.Image.QUAD, (quad + 0.5).flatten(), PIL.Image.BILINEAR)
if output_size < transform_size:img = img.resize((output_size, output_size), PIL.Image.ANTIALIAS)img.save(dis, 'PNG')

小结：挨着代码拷贝执行，就会得到想要的歪头转成正脸

计算机视觉实战之歪头变正脸相关推荐

焊XT60需要注意电烙铁加热时间长了容易塑料融化里面的头变歪，导致无法插入其他头里面。
焊XT60需要注意电烙铁加热时间长了容易塑料融化里面的头变歪,导致无法插入其他头里面. 所以焊XT60的时候需要一些技巧,直接拿着焊我感觉容易出问题. 我是比如焊公头的时候,把公头和母头插上,再焊公头 ...
OpenCV计算机视觉实战 | 第5章图像梯度算子
本文为课程<OpenCV计算机视觉实战>的课程笔记. 本章节讲述了图像梯度的计算方法.图像的梯度表征每个像素点和周围像素点差异程度. 上:梯度值公式:下:梯度方向公式 1 Sobel算子 ...
OpenFace库(Tadas Baltrusaitis)中基于HOG进行正脸人脸检测的测试代码
Tadas Baltrusaitis的OpenFace是一个开源的面部行为分析工具,它的源码可以从https://github.com/TadasBaltrusaitis/OpenFace下载.Ope ...
Dlib库中实现正脸人脸关键点(landmark)检测的测试代码
Dlib库中提供了正脸人脸关键点检测的接口,这里参考dlib/examples/face_landmark_detection_ex.cpp中的代码,通过调用Dlib中的接口,实现正脸人脸关键点检测的 ...
Dlib库中实现正脸人脸检测的测试代码
Dlib库中提供了正脸人脸检测的接口,这里参考dlib/examples/face_detection_ex.cpp中的代码,通过调用Dlib中的接口,实现正脸人脸检测的测试代码,测试代码如下: #i ...
OpenCV计算机视觉实战(Python版)资源
疲劳检测 pan.baidu.com/s/1Ng_-utB8BSrXlgVelc8ovw #导入工具包 from scipy.spatial import distance as dist from ...
OpenCV计算机视觉实战(Python版)_002图像基本操作
OpenCV计算机视觉实战(Python版) https://www.bilibili.com/video/BV1ct411F7Te?p=2 数据读取-图像 cv2.IMREAD_COLOR:彩色图像 ...
tensorflow 语义slam_研究《视觉SLAM十四讲从理论到实践第2版》PDF代码+《OpenCV+TensorFlow深度学习与计算机视觉实战》PDF代码笔记...
我们知道随着人工神经网络和深度学习的发展,通过模拟视觉所构建的卷积神经网络模型在图像识别和分类上取得了非常好的效果,借助于深度学习技术的发展,使用人工智能去处理常规劳动,理解语音语义,帮助医学诊断和支 ...
关于举办“2021全国高校计算机视觉实战暑期教师研修班”的通知
近年来,我国在为人工智能培养人才和利用人工智能变革教育两方面都作了大量的探索.鼓励领先企业.行业服务机构与各级各类学校共建人工智能人才培养体系,协同搭建教师挂职锻炼.产学研合作等人工智能领域训练平台等 ...

计算机视觉实战之歪头变正脸

计算机视觉实战之歪头变正脸相关推荐

最新文章

热门文章