python两张图片融合_两张脸融合在一起长啥样?Opencv-Python 来告诉你!
1,Image Morphing 介绍
图像融合简单来说,通过把图像设置为不同的透明度,把两张图像融合为一张图像(一般要求图像需要等尺寸),公式如下:
可以根据这个公式尝试实现一下融合技术,利用 OpenCV 的 cv2.addWeighted() 函数,代码如下:
import cv2
import numpy as np
file_path1 = "E:/data_ceshi/1.jpg"
file_path2 = "E:/data_ceshi/2.jpg"
img1 = cv2.imread(file_path1)
img2 = cv2.imread(file_path2)
morph_img = cv2.addWeighted(img1,0.5,img2,0.5,0)
save_img = np.hstack((img1,morph_img,img2))
cv2.imwrite("E:/data_ceshi/save.jpg",save_img)
cv2.imshow("morph_img",save_img)
cv2.waitKey(0)
这里 alpha 设置为 0.5, 最终结果如下图:
左右两边分别为融合之前的两张图片,中间为融合结果,看起来非常不好,图片中脸的部分的确融合了,但是给我们的感觉就是明显的失真效果,太假了
对于上面提到的融合想法,若想要达到不错的效果需要对人脸区域进行对齐操作,而这一步就需要用到之前介绍的技术:人脸68个特征点提取,Delaunay 三角剖分
2,特征点提取
在做人脸对齐时,不仅需要考虑人脸部分需要对齐,这里也需要考虑图片的整体性(例如头发、脖子、肩膀等部位),这里除去 dlib 提取 68 个特征点之外,又加入了12个特征点(人工标记)分别为图像四角、四边中点、肩膀处,右耳边缘、脖子等
3,Delaunay 三角剖分
三角剖分目的网格化图像脸部区域,方便寻找特征对应点,为后面使用仿射变换进行对齐操作:
从三角剖分图上来看,人脸区域轮廓是非常相似的,人脸融合时需要把脸部每一个对应的小三角区域事先一一对齐,然后利用设置的透明度参数来做最终的效果融合。这样结果就显得不那么失真。
4,Face Morph(脸部融合)
下面将脸部融合技术拆解为几部分:
1,脸部特长点提取、三角剖分(前面已经详细介绍了,这里就不再一一展开了),详情参考这篇文章:
2,对 1 中的三角剖分每个顶点做对应点衔接并记录下来,对应点记录的是三角形三顶点的索引数,如下图所示:
3,图片中对每一个三角剖分区域做放射变换,用到的函数:getAffineTransform() 得到仿射变换矩阵,warpAffine() 进行放射变换,最终得到两个变换图像,
4,对 3 中得到的两图像中像素值调整透明度参数,来进行图像融合
最终结果如下:
out_img1.jpg
out_img2.jpg
out_img3.jpg
结果来看,脸部区域能够取得不错的结果,但整体来看仍然有很大的瑕疵,但是我们可以通过手动选择更多特征对应点来改善这种效果,最后附上完整代码
import cv2
import numpy as np
import sys
#Read points from text file
def readPoints(path):
# Create an array of points
points = []
# Read points
with open(path) as file:
for line in file:
x,y = line.split()
points.append((int(x),int(y)))
return points
# Apply affine tranform calculated using srcTri and sdtTri to src and output an image of size
def applyAffineTransform(src,srcTri,dstTri,size):
#Given a pair of triangles,find the affine transform.
warpMat = cv2.getAffineTransform(np.float32(srcTri),np.float32(dstTri))
#Apply the Affine Transform just foundto the src image
dst = cv2.warpAffine(src,warpMat,(size[0],size[1]),None,flags=cv2.INTER_LINEAR,borderMode=cv2.BORDER_REFLECT_101)
return dst
# Warps and alpha blends triangular regions from img1 and img2 to img
def morphTriangle(img1,img2,img,t1,t2,t,alpha):
#Find bounding rectangle for each triangle
r1 = cv2.boundingRect(np.float32([t1]))
r2 = cv2.boundingRect(np.float32([t2]))
r = cv2.boundingRect(np.float32([t]))
# Offset points by left top corner of the respective rectangles
t1Rect = []
t2Rect = []
tRect = []
for i in range(0,3):
tRect.append(((t[i][0] - r[0]),(t[i][1]-r[1])))
t1Rect.append(((t1[i][0]-r1[0]),(t1[i][1]-r1[1])))
t2Rect.append(((t2[i][0] -r2[0]),(t2[i][1]-r2[1])))
# Get mask by filling triangles
mask = np.zeros((r[3],r[2],3),dtype = np.float32)
cv2.fillConvexPoly(mask,np.int32(tRect),(1.0,1.0,1.0),16,0)
# Apply warpImage to small rectangular patched
img1Rect = img1[r1[1]:r1[1]+r1[3],r1[0]:r1[0]+r1[2]]
img2Rect = img2[r2[1]:r2[1]+r2[3],r2[0]:r2[0]+r2[2]]
size = (r[2],r[3])
warpImage1 = applyAffineTransform(img1Rect,t1Rect,tRect,size)
warpImage2 = applyAffineTransform(img2Rect,t2Rect,tRect,size)
# Alpha blend rectangular patches
imgRect = (1.0-alpha) *warpImage1 +alpha*warpImage2
# Copy triangular region of rectangular patch to tje output image
print(r[1],r[3],r[0],r[2])
print(imgRect.shape)
img[r[1]:r[1]+r[3],r[0]:r[0]+r[2]] = img[r[1]:r[1]+r[3],r[0]:r[0]+r[2]]*(1-mask) +imgRect*mask
if __name__ =='__main__':
filename1 = "E:/data_ceshi/2.jpg"
filename2 = "E:/data_ceshi/3.jpg"
points_txt1 = "E:/data_ceshi/2.txt"
points_txt2 ="E:/data_ceshi/3.txt"
alpha = 0.5
# Read images
img1 = cv2.imread(filename1)
img2 = cv2.imread(filename2)
# Convertat to float data type
img1 = np.float32(img1)
img2 = np.float32(img2)
# Read array of corresponding points
points1 = readPoints(points_txt1)
points2 = readPoints(points_txt2)
points = []
# Compute weighted average point coordinate
for i in range(0,len(points1)):
x = (1-alpha) *points1[i][0] +alpha *points2[i][0]
y = (1-alpha)*points1[i][1] + alpha*points2[i][1]
points.append((x,y))
imgMorph = np.zeros(img1.shape,dtype = img1.dtype)
# Read triangles for tri.txt
with open("E:/data_ceshi/tri.txt") as file:
for line in file:
x,y,z = line.split()
x = int(x)
y = int(y)
z = int(z)
t1 = [points1[x],points1[y],points1[z]]
t2 = [points2[x],points2[y],points2[z]]
t = [points[x],points[y],points[z]]
# Morph one triangle at a time
morphTriangle(img1,img2,imgMorph,t1,t2,t,alpha)
# Display Results
out_img = np.hstack((img1,imgMorph,img2))
cv2.imwrite("E:/data_ceshi/out_img.jpg",out_img)
cv2.imshow("Morphed Face",np.uint8(imgMorph))
cv2.waitKey(0)
5,小总结
虽然本次面向对象是人脸,但相同技术原理也可以运用到其他物体上面,比如把苹果和橘子部分融合、人脸区域更换等功能,如果有更好的 idea 的话,可能会得到意想不到的结果,也可以在下方留言!
最后文章中完整源码和文件都已经打包到 Github 上去了,后台回复关键词 人脸融合 即可获取;下一篇 将 利用 OpenCV 进行换脸操作,感兴趣的小伙伴们可以提起关注一下。
python两张图片融合_两张脸融合在一起长啥样?Opencv-Python 来告诉你!相关推荐
- 如何将两张图片上下合成一张?
如何将两张图片上下合成一张?不知道大家有没有遇到过这样的情况,工作中需要将两张图片上传到某个网站上,但是网站只能允许上传一张图片,相信很多小伙伴都有过这样的经历吧.这个时候大家会怎么办呢?有什么方法可 ...
- python两张图片无缝合成一张_python如何将两张图片生成为全景图片
本文实例为大家分享了python将两张图片生成全景图片的具体代码,供大家参考,具体内容如下 1.全景图片的介绍 全景图通过广角的表现手段以及绘画.相片.视频.三维模型等形式,尽可能多表现出周围的环境. ...
- 用spss做多组两两相关性分析_两独立样本T检验及如何利用SPSS实现其操作
上一篇文章我们讲解了有关单样本T检验的相关内容(如何使用SPSS进行单样本检验),其实论文中除了常用到的单样本T检验以外,还有另外一种T检验的方法也是经常用到的统计方法,也就是两独立样本T检验 说到T ...
- 运维学python用不上_作为运维你还在想要不要学Python,看完这篇文章再说!
原标题:作为运维你还在想要不要学Python,看完这篇文章再说! 本文由马哥教育Python自动化实战班5期学员推荐,转载自简书,作者为Li.Yingjie,内容略经小编改编和加工,观点跟作者无关,最 ...
- python RTL自动生成_成为视频分析专家:自动生成集锦的方法(Python实现)
概述 以一种简单的方法在Python中生成视频集锦 不使用机器学习或深度学习,学习如何自动生成集锦 使用我们自己的方法,对一场完整的板球比赛自动生成集锦 介绍 我是个超级板球迷.从我记事起,我就迷上了 ...
- python条形堆积图_漂亮图表也可信手拈来,一文学会用Python绘制堆积折线图
今天咱们还是接着上次的话题,继续和大家聊聊关于Python绘图相关的东东哦,上次已经和大家讨论完了如何给自己所绘制的图表中添加装饰线以及修改装饰线密度的方法,今天呢,咱们再聊点的新的东东哦,还是和大家 ...
- python布尔测试对象_面试题十九期-测试开发面试题之python系列-这个中~
坚持梦想 就算所有人都不支持你.这条路会很曲折,你也会一度认为是不是自己选错了,但只要坚持,就算最后没有成功,但努力了就不会有遗憾. 测试开发python系列面试题 01 单选题 1.下列哪个语句在P ...
- python可以调试吗_调试-有什么好的方法可以使我的Python代码首次运行?
调试-有什么好的方法可以使我的Python代码首次运行? 我的代码中出现了很多错误. 因此,我希望能够在一开始就将它们最小化,或者在执行代码之前看到尽可能多的错误. 这可能吗,如果可以,我该怎么做? ...
- python商城源码_腾讯大佬用了12小时讲完的Python,整整400集,拿走不谢
Python在近几年越来越受追捧,很多童鞋或者职场小伙伴想要提升技能-学习Python. 这是非常好的事情,但问题在于很多人不知道学Python做什么,所以什么零碎细末.艰难晦 涩.长篇大论的都去看, ...
最新文章
- phpcms 添加memcache支持
- java_IO总结(1)
- Servlet 的常见错误总结
- Java异常类(Throwable)
- git初始化及关联远程仓库命令
- cobbler自动化安装Linux系统
- Core Data 编程指南
- mysql 读写分离 max_MaxScale实现MySQL读写分离和负载均衡
- spring-boot注解详解(四)
- QT [007] QT UI 的控件操控问题 - 如何操控多嵌套的UI控件
- Keras 中的循环神经网络 (RNN)
- 接口与interface关键字
- vuejs2.0从入门到放弃--入门实例(四)
- cr2格式缩略图不显示_cr2缩略图补丁 佳能相机RAW文件CR2原片格式缩略图显示补丁- 游侠下载站...
- 语音助手的涅槃关头,我们应该完全抛弃屏幕还是选择“语音+图形界面”?
- 时序数据获取 | Python实现时间序列数据集获取
- html透明背景字体不透明,css3背景透明,文字不透明
- shopee上架接口java_关于shopee平台接口(php)对接示例
- javascript实现单例模式
- 【AI简报20211203期】国产GPU全面开花!黑芝麻智能与RT-Thread达成战略合作
热门文章
- 山东首版次软件申报的好处
- 3.Go基础数据类型
- 【小5聊】C#模拟Http并发请求超时解决方法HttpWebRequest
- nbu备份db2数据库6号错误解决案例
- 12306火车票预定系统的需求分析
- c语言编写的贪吃蛇加空战游戏加俄罗斯方块(新手)
- web自动化如何在不同浏览器运行_测试冷知识科普:使用Selenium来计算自动化测试的投资回报率...
- SSH组合工程之-struts2hibernatespring(工程下载)
- 《深入理解JVM 第三版》 读书笔记
- Java热替换,不出现classcastException