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：

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。

import requests

import json

headers = {

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

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

}

params = {

'returnFaceId': 'true',

'returnFaceLandmarks': 'false',

# 'returnFaceAttributes': '{string}',

'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。

import requests

import json

headers = {

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

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

}

params = {

'returnFaceId': 'true',

'returnFaceLandmarks': 'false',

# 'returnFaceAttributes': '{string}',

'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)

from PIL import Image, ImageDraw

import numpy as np

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, 0)

draw = ImageDraw.Draw(alpha)

draw.pieslice([0, 0, h, w], 0, 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。

import os

from PIL import Image, ImageDraw

import requests

import json

import numpy as np

def cut_circle(path):

headers = {

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

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

}

params = {

'returnFaceId': 'true',

'returnFaceLandmarks': 'false',

# 'returnFaceAttributes': '{string}',

'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)[0]['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, 0)

draw = ImageDraw.Draw(alpha)

draw.pieslice([0, 0, h, w], 0, 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)[0] + '_circle.png')

if __name__ == '__main__':

files = os.listdir(r'存放图片的路径')

for file in files:

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

cut_circle(file_path)