用Python给头像加上圣诞帽，新手必学
引言
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 -
if len(dets)>0: -
for d in dets: -
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) -
for point in shape.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)) -
-
if resized_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。