Python實現(xiàn)視覺特效：一行命令給頭像自動戴上口罩的案例

小編給大家分享一下Python實現(xiàn)視覺特效：一行命令給頭像自動戴上口罩的案例，希望大家閱讀完這篇文章后大所收獲，下面讓我們一起去探討吧！

Python 實現(xiàn)視覺特效：秒變超級賽亞人

face-mask的命令行工具，能夠輕松的給圖片中的人像戴上口罩，而且口罩的方向和大小還能自適

應人臉。

安裝 face-mask

確保 Python 版本在 3.6 及以上

pip install face-mask

使用 face-mask

直接指定圖片路徑即可為圖片中的人像戴上口罩，并會生成一個新的圖片（額外有 -with-mask 后綴）：

face-mask /path/to/face/picture

通過指定 --show 選項，還可以使用默認圖片查看器打開新生成的圖片：

face-mask /path/to/face/picture --show

效果

給一個人戴上口罩

給多個人戴上口罩

給動漫人物戴上口罩

實現(xiàn)

思路

要想實現(xiàn)上面的效果，我們應該怎么做？不妨這么想：

首先是識別出人的鼻子(nose_bridge)和臉輪廓(chin)

通過臉輪廓確定出臉左點（chin_left_point）、臉底點（chin_bottom_point）和臉右點（chin_right_point）

由鼻子和臉底點確定口罩大小的高度、中心線

將口罩左右平均分為兩個部分

調(diào)整左口罩大小，寬度為臉左點到中心線的距離

調(diào)整右口罩大小，寬度為臉右點到中心線的距離

合并左右口罩為新口罩

旋轉新口罩，角度為中心線相對于 y 軸的旋轉角

將新口罩放在原圖適當位置

關于人臉識別，可以使用 face_recognition 庫進行識別。

關于圖像處理，可以使用 Pillow庫進行處理。

代碼

有了思路之后，實現(xiàn)就是件相對輕松的事情。不過對庫的熟悉和圖片的變換計算可能要花些時間。

詳細的代碼請閱讀 face-mask[4]。這里僅說明下最核心的步驟。

人臉識別

import face_recognition

face_image_np = face_recognition.load_image_file('/path/to/face/picture')
face_landmarks = face_recognition.face_landmarks(face_image_np)

借助 face_recognition 庫可以輕松的識別出人像，最終得到的 face_landmarks 是一個列表，里面的每個 face_landmark 都表示一個人

像數(shù)據(jù)。

face_landmark 是一個字典，其中的鍵表示人像特征，值表示該特征的點的列表。比如：

鍵 nose_bridge 表示鼻梁

鍵 chin 表示臉頰

我們需要根據(jù)每個 face_landmark，給對應的頭像戴上口罩。

獲得鼻子和臉頰的特征點

import numpy as np

nose_bridge = face_landmark['nose_bridge']
nose_point = nose_bridge[len(nose_bridge) * 1 // 4]
nose_v = np.array(nose_point)

chin = face_landmark['chin']
chin_len = len(chin)
chin_bottom_point = chin[chin_len // 2]
chin_bottom_v = np.array(chin_bottom_point)
chin_left_point = chin[chin_len // 8]
chin_right_point = chin[chin_len * 7 // 8]

通過上述代碼，我們獲得了：

表示上鼻梁的一個點 nose_point
表示臉左點 chin_left_point
表示臉右點 chin_right_point
表示臉底點 chin_bottom_point

拆分、縮放和合并口罩

from PIL import Image

_face_img = Image.fromarray(face_image_np)
_mask_img = Image.open('/path/to/mask/picture')

# split mask and resize
width = _mask_img.width
height = _mask_img.height
width_ratio = 1.2
new_height = int(np.linalg.norm(nose_v - chin_bottom_v))

# left
mask_left_img = _mask_img.crop((0, 0, width // 2, height))
mask_left_width = get_distance_from_point_to_line(chin_left_point, nose_point, chin_bottom_point)
mask_left_width = int(mask_left_width * width_ratio)
mask_left_img = mask_left_img.resize((mask_left_width, new_height))

# right
mask_right_img = _mask_img.crop((width // 2, 0, width, height))
mask_right_width = get_distance_from_point_to_line(chin_right_point, nose_point, chin_bottom_point)
mask_right_width = int(mask_right_width * width_ratio)
mask_right_img = mask_right_img.resize((mask_right_width, new_height))

# merge mask
size = (mask_left_img.width + mask_right_img.width, new_height)
mask_img = Image.new('RGBA', size)
mask_img.paste(mask_left_img, (0, 0), mask_left_img)
mask_img.paste(mask_right_img, (mask_left_img.width, 0), mask_right_img)

上述代碼主要做了如下內(nèi)容：

將口罩左右平均分為兩個部分

調(diào)整左口罩大小，寬度為臉左點到中心線的距離 * 寬度系數(shù) 1.2

調(diào)整右口罩大小，寬度為臉右點到中心線的距離 * 寬度系數(shù) 1.2

合并左右口罩為新口罩

get_distance_from_point_to_line 用來獲取一個點到一條線的距離，具體實現(xiàn)可看源代碼。

width_ratio 是寬度系數(shù)，用來適當擴大口罩。原因我們是根據(jù)臉頰的寬度計算口罩的寬度，但口罩是待在耳朵上的，真實寬度應該要更寬。

旋轉口罩、并放到原圖適當位置

# rotate mask
angle = np.arctan2(chin_bottom_point[1] - nose_point[1], chin_bottom_point[0] - nose_point[0])
rotated_mask_img = mask_img.rotate(angle, expand=True)

# calculate mask location
center_x = (nose_point[0] + chin_bottom_point[0]) // 2
center_y = (nose_point[1] + chin_bottom_point[1]) // 2

offset = mask_img.width // 2 - mask_left_img.width
radian = angle * np.pi / 180
box_x = center_x + int(offset * np.cos(radian)) - rotated_mask_img.width // 2
box_y = center_y + int(offset * np.sin(radian)) - rotated_mask_img.height // 2

# add mask
_face_img.paste(mask_img, (box_x, box_y), mask_img)

上述代碼主要做了如下內(nèi)容：

旋轉新口罩，角度為中心線相對于 y 軸的旋轉角計算口罩應該放置的坐標將新口罩放在原圖的計算出的坐標下

最后就是將新圖片保存到本地路徑，代碼不再展示。

看完了這篇文章，相信你對Python實現(xiàn)視覺特效：一行命令給頭像自動戴上口罩的案例有了一定的了解，想了解更多相關知識，歡迎關注億速云行業(yè)資訊頻道，感謝各位的閱讀！