0. 引言

利用 Python 开发，借助 Dlib 库进行人脸检测 / face detection 和剪切；

将检测到的人脸剪切下来，依次排序平铺显示在新的图像上；

实现的效果如 图1 所示，将 图1 原图中的 6 张人脸检测出来，然后剪切下来，在图像窗口中依次输出显示人脸；

将检测到的人脸存储为单个人脸图像；

图 1 原图 和 crop_faces_show.py 处理后得到的平铺人脸图像窗口

图 2 crop_faces_save.py处理后得到的多个单张人脸图像文件

源码上传到了我的 Github;

1.开发环境

Python:　　3.6.3

Dlib:　　　 19.7

OpenCv, NumPy

import dlib #人脸检测的库 Dlib

import numpy as np 　　 #数据处理的库 numpy

import cv2 #图像处理的库 OpenCv

2. 实现过程

工作内容主要以下两大块：Dlib 人脸检测和处理检测到的人脸图像

2.1 Dlib 人脸检测

利用已经训练好的 Dlib 正向人脸检测器 detector = dlib.get_frontal_face_detector() 进行人脸检测；

可以得到人脸外接矩形的坐标，用来之后进行裁剪；

具体 Dlib 的使用，请参考我另一篇博客；

1 #Dlib 检测器

2 detector =dlib.get_frontal_face_detector()3

4 #读取图像

5 path = "/***/image_path/"

6 img = cv2.imread(path+"test_faces.jpg")7 #print("img/shape:", img.shape)

8

9 #Dlib 检测

10 faces = detector(img, 1)11

12 print("人脸数：", len(faces))

2.2 绘制新图像

如果你想让检测出来的人脸并排显示的话，需要遍历两次( for k, d in enumerate (faces) ):

第一次遍历：记录下我们需要生成的图像窗口的大小，因为需要将多张照片显示在一张图像上，所以需要知道每张人脸照片的大小；

第二次遍历：根据之前得到的图像尺寸新建空白图像，然后开始用人脸矩形填充图像；

2.2.1 确定空白图像尺寸

( 这部分首先要根据检测到的人脸数和人脸大小，来确定绘制图像所需要的尺寸)

第一次遍历：多张人脸要输出到一行，所以先进行一次人脸的遍历j记下每张人脸的大小，记每张人脸的尺寸为 [ 高度 height  * 宽度 width ](高度和宽度说明见 图 3 )：

图 3 图像尺寸说明

我取的生成空白图像的尺寸：height_max(最大高度)和 width_sum(宽度之和)，然后根据尺寸大小来新建空白图像：

img_blank = np.zeros((height_max, width_sum, 3), np.uint8)

图 4 图像尺寸 height_max 和 width_sum

2.2.2 图像填充

第二次遍历：多根据之前得到的图像尺寸新建空白图像，然后开始用人脸矩形填充图像，每次 width 方向从 blank_start 位置开始，每次填完一张之后记得更新起始位置：( blank_start += width )：

for i inrange(height): for j inrange(width): img_blank[i][blank_start + j] = img[d.top() + i][d.left() + j]

如果想访问图像的某点像素，可以利用 img [height] [width]：

存储像素其实是一个三维数组，先高度 height，然后宽度 width;

返回的是一个颜色数组( 0-255，0-255，0-255)，按照( B, G, R)的顺序；

比如 蓝色就是(255，0，0)，红色是(0，0，255);

3. 源码

3.1 crop_faces_show.py

#created at 2018-01-22#updated at 2018-09-29

#Author: coneypo#Blog: http://www.cnblogs.com/AdaminXie#GitHub: https://github.com/coneypo/Dlib_face_cut

import dlib #人脸识别的库dlib

import numpy as np #数据处理的库numpy

import cv2 #图像处理的库OpenCv

#Dlib 检测器

detector =dlib.get_frontal_face_detector()

predictor= dlib.shape_predictor('shape_predictor_68_face_landmarks.dat')#读取图像

path = "faces_for_test/"img= cv2.imread(path+"test_faces_1.jpg")#Dlib 检测

dets = detector(img, 1)print("人脸数：", len(dets), "\n")#记录人脸矩阵大小

height_max =0

width_sum=0#计算要生成的图像 img_blank 大小

for k, d inenumerate(dets):#计算矩形大小

#(x,y), (宽度width, 高度height)

pos_start =tuple([d.left(), d.top()])

pos_end=tuple([d.right(), d.bottom()])#计算矩形框大小

height = d.bottom()-d.top()

width= d.right()-d.left()#处理宽度

width_sum +=width#处理高度

if height >height_max:

height_max=heightelse:

height_max=height_max#绘制用来显示人脸的图像的大小

print("窗口大小：",'\n', "高度 / height:", height_max

,'\n', "宽度 / width:", width_sum)#生成用来显示的图像

img_blank = np.zeros((height_max, width_sum, 3), np.uint8)#记录每次开始写入人脸像素的宽度位置

blank_start =0#将人脸填充到img_blank

for k, d inenumerate(dets):

height= d.bottom()-d.top()

width= d.right()-d.left()#填充

for i inrange(height):for j inrange(width):

img_blank[i][blank_start+j] = img[d.top()+i][d.left()+j]#调整图像

blank_start +=width

cv2.namedWindow("img_faces")#, 2)

cv2.imshow("img_faces", img_blank)

cv2.waitKey(0

实现效果：

图 5 原图和处理后得到的图像窗口

3.2 crop_faces_save.py

如果你想将识别出来的人脸保存成单个的图像，方便之后处理用，只需将上述代码进行略微修改；

只需一次遍历，根据每次检测到的人脸尺寸，新建空白图像后写入，然后利用 cv2.imwrite 写入到本地：

crop_faces_save.py:

1 #created at 2018-01-22

2 #updated at 2018-09-29

3

4 #Author: coneypo

5 #Blog: http://www.cnblogs.com/AdaminXie

6 #GitHub: https://github.com/coneypo/Dlib_face_cut

7

8 import dlib #人脸识别的库dlib

9 import numpy as np #数据处理的库numpy

10 import cv2 #图像处理的库OpenCv

11 importos12

13 #读取图像的路径

14 path_read = "faces_for_test/"

15 img = cv2.imread(path_read+"test_faces_3.jpg")16

17 #用来存储生成的单张人脸的路径

18 path_save = "faces_separated/"

19

20

21 #Delete old images

22 defclear_images():23 imgs =os.listdir(path_save)24

25 for img inimgs:26 os.remove(path_save +img)27

28 print("clean finish", '\n')29

30

31 clear_images()32

33

34 #Dlib 预测器

35 detector =dlib.get_frontal_face_detector()36 predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat')37

38

39 #Dlib 检测

40 faces = detector(img, 1)41

42 print("人脸数：", len(faces), '\n')43

44 for k, d inenumerate(faces):45

46 #计算矩形大小

47 #(x,y), (宽度width, 高度height)

48 pos_start =tuple([d.left(), d.top()])49 pos_end =tuple([d.right(), d.bottom()])50

51 #计算矩形框大小

52 height = d.bottom()-d.top()53 width = d.right()-d.left()54

55 #根据人脸大小生成空的图像

56 img_blank = np.zeros((height, width, 3), np.uint8)57

58 for i inrange(height):59 for j inrange(width):60 img_blank[i][j] = img[d.top()+i][d.left()+j]61

62 #cv2.imshow("face_"+str(k+1), img_blank)

63

64 #存在本地

65 print("Save to:", path_save+"img_face_"+str(k+1)+".jpg")66 cv2.imwrite(path_save+"img_face_"+str(k+1)+".jpg", img_blank)

图 6 生成的单个人脸图像文件