這是一個關於如何使用OpenCV和DLIB在圖像上應用虛擬唇膏的快速教程。同樣的原理也可以推廣到其他面部特徵，比如某人的眼睛、鼻子、下巴……。為了獲得上圖所示的結果，我們需要執行以下一系列步驟：使用形態學操作增強掩碼，並使其模糊，以獲得更好的混合效果首先要做的是檢測人臉的面部標誌。庫Dlib提供了一種方便的方法來實現這一點；但是，請記住，被攝對象的面部需要面對攝影機。如果頭部姿勢不正確，檢測結果將不好。在這個例子中，我們只對嘴唇的點感興趣。下圖顯示了Dlib返回的面部標誌點的索引。如你所見，我們對48點到60點（嘴唇的外部「輪廓」）感興趣。利用這些點，我們可以製作一個掩碼，讓我們在不影響面部整體外觀的情況下處理嘴唇的顏色。但是，等一下。在開始操作這些顏色之前，我們需要改進掩碼。在這個例子中，一個帶有4x4矩形內核的形態學閉合操作就足夠了。注意下面的圖片，這個步驟填補了由cv2生成的原始多邊形右上角的一個空白。右：使用唇部創建的凸多邊形/左：關閉操作後的多邊形為了獲得自然的效果，我們還需要模糊掩碼。模糊掩碼將產生更好的混合效果。我們將cv2.GaussianBlur應用於掩碼。最後，我們反轉掩碼（我們需要兩個，一個用於嘴唇，一個用於面部）。我們將應用這些掩碼，方法是將它們從0–255（uint8）轉換為0–1（float）範圍，然後將它們與圖像相乘。右下方的圖像是原始圖像乘以反轉掩碼。左側的圖像是原始圖像上的顏色變換乘以掩碼的結果。顏色變換由cv2.applyColorMap(im, cv2.COLORMAP_INFERNO)給出。右：原始圖像和反向模糊掩碼的位與運算/左：顏色變換圖像和模糊掩碼的位與運算
importcv2importdlibimportfaceBlendCommonasfaceimportnumpyasnp#加載圖像im=cv2.imread("cv2/girl-no-makeup.jpg")#檢測人臉關鍵點PREDICTOR_PATH=r"C:\Users\felipe.cunha\Documents\venv\cv2\week1-pyton\data\models\shape_predictor_68_face_landmarks.dat"faceDetector=dlib.get_frontal_face_detector()landmarkDetector=dlib.shape_predictor(PREDICTOR_PATH)landmarks=face.getLandmarks(faceDetector,landmarkDetector,im)#為嘴唇製作一個掩碼lipsPoints=landmarks[48:60]mask=np.zeros((im.shape[0],im.shape[1],3),dtype=np.float32)cv2.fillConvexPoly(mask,np.int32(lipsPoints),(1.0,1.0,1.0))mask=255*np.uint8(mask)#應用閉合操作改善掩碼kernel=cv2.getStructuringElement(cv2.MORPH_RECT,(40,40))mask=cv2.morphologyEx(mask,cv2.MORPH_CLOSE,kernel,1)#模糊掩碼以獲得自然效果mask=cv2.GaussianBlur(mask,(15,15),cv2.BORDER_DEFAULT)#計算逆掩碼inverseMask=cv2.bitwise_not(mask)#將掩碼轉換為浮點以執行混合mask=mask.astype(float)/255inverseMask=inverseMask.astype(float)/255#為嘴唇應用顏色貼圖lips=cv2.applyColorMap(im,cv2.COLORMAP_INFERNO)#將嘴唇和人臉轉換為0-1範圍lips=lips.astype(float)/255ladyFace=im.astype(float)/255#用掩碼調整嘴唇和臉justLips=cv2.multiply(mask,lips)justFace=cv2.multiply(inverseMask,ladyFace)#加上臉和嘴唇result=justFace+justLips#顯示結果cv2.imshow("",result)cv2.waitKey(0)如果看到這裡，說明你喜歡這篇文章，請轉發、點讚。微信搜索「uncle_pn」，歡迎添加小編微信「 woshicver」，每日朋友圈更新一篇高質量博文。
鑽石舞台 發表在 痞客邦 留言(0) 人氣()
留言列表
留言列表