随着圣诞的到来，大家纷纷@官方微信给自己的头像加上一顶圣诞帽。当然这种事情用很多P图软件都可以做到。但是作为一个学习图像处理的技术人，还是觉得我们有必要写一个程序来做这件事情。而且这完全可以作为一个练手的小项目，工作量不大，而且很有意思。

这里要注意：不管你是为了Python就业还是兴趣爱好，记住：项目开发经验永远是核心，如果你没有2020最新python入门到高级实战视频教程，可以去小编的Python交流.裙 ：七衣衣九七七巴而五(数字的谐音)转换下可以找到了，里面很多新python教程项目，还可以跟老司机交流讨教！

用到的工具

OpenCV(毕竟我们主要的内容就是OpenCV...)

dlib(前一篇文章刚说过，dlib的人脸检测比OpenCV更好用，而且dlib有OpenCV没有的关键点检测。)

用到的语言为Python。但是完全可以改成C++版本，时间有限，就不写了。有兴趣的小伙伴可以拿来练手。

流程

一、素材准备

首先我们需要准备一个圣诞帽的素材，格式最好为PNG，因为PNG的话我们可以直接用Alpha通道作为掩膜使用。我们用到的圣诞帽如下图：

我们通过通道分离可以得到圣诞帽图像的alpha通道。代码如下：

r,g,b,a =cv2.split(hat_img)

rgb_hat =cv2.merge((r,g,b))

cv2.imwrite("hat_alpha.jpg",a)

为了能够与rgb通道的头像图片进行运算，我们把rgb三通道合成一张rgb的彩色帽子图。Alpha通道的图像如下图所示。

二、人脸检测与人脸关键点检测

我们用下面这张图作为我们的测试图片。

下面我们用dlib的正脸检测器进行人脸检测，用dlib提供的模型提取人脸的五个关键点。代码如下：

# dlib人脸关键点检测器

predictor_path ="shape_predictor_5_face_landmarks.dat"

predictor =dlib.shape_predictor(predictor_path)

# dlib正脸检测器

detector =dlib.get_frontal_face_detector()

# 正脸检测

dets =detector(img,1)

# 如果检测到人脸

iflen(dets)>0:

ford indets:

x,y,w,h =d.left(),d.top(),d.right()-d.left(),d.bottom()-d.top()

# x,y,w,h = faceRect

cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2,8,0)

# 关键点检测，5个关键点

shape =predictor(img,d)

forpoint inshape.parts():

cv2.circle(img,(point.x,point.y),3,color=(0,255,0))

cv2.imshow("image",img)

cv2.waitKey()

这部分效果如下图：

三、调整帽子大小

我们选取两个眼角的点，求中心作为放置帽子的x方向的参考坐标，y方向的坐标用人脸框上线的y坐标表示。然后我们根据人脸检测得到的人脸的大小调整帽子的大小，使得帽子大小合适。

# 选取左右眼眼角的点

point1 =shape.part(0)

point2 =shape.part(2)

# 求两点中心

eyes_center =((point1.x+point2.x)//2,(point1.y+point2.y)//2)

# cv2.circle(img,eyes_center,3,color=(0,255,0))

# cv2.imshow("image",img)

# cv2.waitKey()

#  根据人脸大小调整帽子大小

factor =1.5

resized_hat_h =int(round(rgb_hat.shape[0]*w/rgb_hat.shape[1]*factor))

resized_hat_w =int(round(rgb_hat.shape[1]*w/rgb_hat.shape[1]*factor))

ifresized_hat_h >y:

resized_hat_h =y-1

# 根据人脸大小调整帽子大小

resized_hat =cv2.resize(rgb_hat,(resized_hat_w,resized_hat_h))

四、提取帽子和需要添加帽子的区域

按照之前所述，去Alpha通道作为mask。并求反。这两个mask一个用于把帽子图中的帽子区域取出来，一个用于把人物图中需要填帽子的区域空出来。后面你将会看到。

# 用alpha通道作为mask

mask =cv2.resize(a,(resized_hat_w,resized_hat_h))

mask_inv =cv2.bitwise_not(mask)

从原图中取出需要添加帽子的区域，这里我们用的是位运算操作。

# 帽子相对与人脸框上线的偏移量

dh =0

dw =0

# 原图ROI

# bg_roi = img[y+dh-resized_hat_h:y+dh, x+dw:x+dw+resized_hat_w]

bg_roi =img[y+dh-resized_hat_h:y+dh,(eyes_center[0]-resized_hat_w//3):(eyes_center[0]+resized_hat_w//3*2)]

# 原图ROI中提取放帽子的区域

bg_roi =bg_roi.astype(float)

mask_inv =cv2.merge((mask_inv,mask_inv,mask_inv))

alpha =mask_inv.astype(float)/255

# 相乘之前保证两者大小一致(可能会由于四舍五入原因不一致)

alpha =cv2.resize(alpha,(bg_roi.shape[1],bg_roi.shape[0]))

# print("alpha size: ",alpha.shape)

# print("bg_roi size: ",bg_roi.shape)

bg =cv2.multiply(alpha,bg_roi)

bg =bg.astype('uint8')

这是的背景区域(bg)如下图所示。可以看到，刚好是需要填充帽子的区域缺失了。

然后我们提取帽子区域。

# 提取帽子区域

hat =cv2.bitwise_and(resized_hat,resized_hat,mask =mask)

提取得到的帽子区域如下图。帽子区域正好与上一个背景区域互补。

五、添加圣诞帽

最后我们把两个区域相加。再放回到原图中去，就可以得到我们想要的圣诞帽图了。这里需要注意的就是，相加之前resize一下保证两者大小一致，因为可能会由于四舍五入原因不一致。

# 相加之前保证两者大小一致(可能会由于四舍五入原因不一致)

hat =cv2.resize(hat,(bg_roi.shape[1],bg_roi.shape[0]))

# 两个ROI区域相加

add_hat =cv2.add(bg,hat)

# cv2.imshow("add_hat",add_hat)

# 把添加好帽子的区域放回原图

img[y+dh-resized_hat_h:y+dh,(eyes_center[0]-resized_hat_w//3):(eyes_center[0]+resized_hat_w//3*2)]=add_hat

最后我们得到的效果图如下所示。

最后注意：不管你是为了Python就业还是兴趣爱好，记住：项目开发经验永远是核心，如果你没有2020最新python入门到高级实战视频教程，可以去小编的Python交流.裙 ：七衣衣九七七巴而五(数字的谐音)转换下可以找到了，里面很多新python教程项目，还可以跟老司机交流讨教！

本文的文字及图片来源于网络加上自己的想法,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。