Python给你的头像加上圣诞帽

概述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

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。

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,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,h = faceRect       cv2.rectangle(img,(x,y),(x+w,y+h),(255,0),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,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maskmask = cv2.resize(a,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 *** 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[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。

下载：完整代码。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持编程小技巧。

总结

以上是内存溢出为你收集整理的Python给你的头像加上圣诞帽全部内容，希望文章能够帮你解决Python给你的头像加上圣诞帽所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。