小 200 行 Python 代码制作一个换脸程序

作者:python引路人 时间:2021-02-12 09:47:52 

小 200 行 Python 代码制作一个换脸程序

简介

在这篇文章中我将介绍如何写一个简短(200行)的 Python 脚本,来自动地将一幅图片的脸替换为另一幅图片的脸。

这个过程分四步:

  • 检测脸部标记。

  • 旋转、缩放、平移和第二张图片,以配合第一步。

  • 调整第二张图片的色彩平衡,以适配第一张图片。

  • 把第二张图像的特性混合在第一张图像中。

1.使用 dlib 提取面部标记

该脚本使用 dlib 的 Python 绑定来提取面部标记:

小 200 行 Python 代码制作一个换脸程序

Dlib 实现了 Vahid Kazemi 和 Josephine Sullivan 的《使用回归树一毫秒脸部对准》论文中的算法。算法本身非常复杂,但dlib接口使用起来非常简单:


PREDICTOR_PATH = "/home/matt/dlib-18.16/shape_predictor_68_face_landmarks.dat"
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor(PREDICTOR_PATH)
def get_landmarks(im):
 rects = detector(im, 1)
 if len(rects) > 1:
   raise TooManyFaces
 if len(rects) == 0:
   raise NoFaces
 return numpy.matrix([[p.x, p.y] for p in predictor(im, rects[0]).parts()])

get_landmarks()函数将一个图像转化成numpy数组,并返回一个68×2元素矩阵,输入图像的每个特征点对应每行的一个x,y坐标。

特征提取器(predictor)需要一个粗糙的边界框作为算法输入,由一个传统的能返回一个矩形列表的人脸检测器(detector)提供,其每个矩形列表在图像中对应一个脸。

2.用 Procrustes 分析调整脸部

现在我们已经有了两个标记矩阵,每行有一组坐标对应一个特定的面部特征(如第30行的坐标对应于鼻头)。我们现在要解决如何旋转、翻译和缩放第一个向量,使它们尽可能适配第二个向量的点。一个想法是可以用相同的变换在第一个图像上覆盖第二个图像。

将这个问题数学化,寻找T,s 和 R,使得下面这个表达式:

小 200 行 Python 代码制作一个换脸程序

结果最小,其中R是个2×2正交矩阵,s是标量,T是二维向量,pi和qi是上面标记矩阵的行。

事实证明,这类问题可以用“常规 Procrustes 分析法”解决:


def transformation_from_points(points1, points2):
 points1 = points1.astype(numpy.float64)
 points2 = points2.astype(numpy.float64)
 c1 = numpy.mean(points1, axis=0)
 c2 = numpy.mean(points2, axis=0)
 points1 -= c1
 points2 -= c
 s1 = numpy.std(points1)
 s2 = numpy.std(points2)
 points1 /= s1
 points2 /= s2
 U, S, Vt = numpy.linalg.svd(points1.T * points2)
 R = (U * Vt).T
 return numpy.vstack([numpy.hstack(((s2 / s1) * R,
                   c2.T - (s2 / s1) * R * c1.T)),
            numpy.matrix([0., 0., 1.])])

代码实现了这几步:

  • 将输入矩阵转换为浮点数。这是后续操作的基础。

  • 每一个点集减去它的矩心。一旦为点集找到了一个最佳的缩放和旋转方法,这两个矩心 c1 和 c2 就可以用来找到完整的解决方案。

  • 同样,每一个点集除以它的标准偏差。这会消除组件缩放偏差的问题。

  • 使用奇异值分解计算旋转部分。可以在 * 上看到关于解决正交 Procrustes 问题的细节。

  • 利用仿射变换矩阵返回完整的转化。

其结果可以插入 OpenCV 的 cv2.warpAffine 函数,将图像二映射到图像一:


def warp_im(im, M, dshape):
 output_im = numpy.zeros(dshape, dtype=im.dtype)
 cv2.warpAffine(im,
         M[:2],
         (dshape[1], dshape[0]),
         dst=output_im,
         borderMode=cv2.BORDER_TRANSPARENT,
         flags=cv2.WARP_INVERSE_MAP)
 return output_im

对齐结果如下:

小 200 行 Python 代码制作一个换脸程序

3.校正第二张图像的颜色

如果我们试图直接覆盖面部特征,很快会看到这个问题:

小 200 行 Python 代码制作一个换脸程序

这个问题是两幅图像之间不同的肤色和光线造成了覆盖区域的边缘不连续。我们试着修正:


COLOUR_CORRECT_BLUR_FRAC = 0.6
LEFT_EYE_POINTS = list(range(42, 48))
RIGHT_EYE_POINTS = list(range(36, 42))
def correct_colours(im1, im2, landmarks1):
 blur_amount = COLOUR_CORRECT_BLUR_FRAC * numpy.linalg.norm(
              numpy.mean(landmarks1[LEFT_EYE_POINTS], axis=0) -
              numpy.mean(landmarks1[RIGHT_EYE_POINTS], axis=0))
 blur_amount = int(blur_amount)
 if blur_amount % 2 == 0:
   blur_amount += 1
 im1_blur = cv2.GaussianBlur(im1, (blur_amount, blur_amount), 0)
 im2_blur = cv2.GaussianBlur(im2, (blur_amount, blur_amount), 0)
 # Avoid divide-by-zero errors.
 im2_blur += 128 * (im2_blur <= 1.0)
 return (im2.astype(numpy.float64) * im1_blur.astype(numpy.float64) /
                       im2_blur.astype(numpy.float64))

结果如下:

小 200 行 Python 代码制作一个换脸程序

此函数试图改变 im2 的颜色来适配 im1。它通过用 im2 除以 im2 的高斯模糊值,然后乘以im1的高斯模糊值。这里的想法是用RGB缩放校色,但并不是用所有图像的整体常数比例因子,每个像素都有自己的局部比例因子。

用这种方法两图像之间光线的差异只能在某种程度上被修正。例如,如果图像1是从一侧照亮,但图像2是被均匀照亮的,色彩校正后图像2也会出现未照亮一侧暗一些的问题。

也就是说,这是一个相当简陋的办法,而且解决问题的关键是一个适当的高斯核函数大小。如果太小,第一个图像的面部特征将显示在第二个图像中。过大,内核之外区域像素被覆盖,并发生变色。这里的内核用了一个0.6 *的瞳孔距离。

4.把第二张图像的特征混合在第一张图像中

用一个遮罩来选择图像2和图像1的哪些部分应该是最终显示的图像:

小 200 行 Python 代码制作一个换脸程序

值为1(显示为白色)的地方为图像2应该显示出的区域,值为0(显示为黑色)的地方为图像1应该显示出的区域。值在0和1之间为图像1和图像2的混合区域。

我们把上述过程分解:

  • get_face_mask()的定义是为一张图像和一个标记矩阵生成一个遮罩,它画出了两个白色的凸多边形:一个是眼睛周围的区域,一个是鼻子和嘴部周围的区域。之后它由11个像素向遮罩的边缘外部羽化扩展,可以帮助隐藏任何不连续的区域。

  • 这样一个遮罩同时为这两个图像生成,使用与步骤2中相同的转换,可以使图像2的遮罩转化为图像1的坐标空间。

  • 之后,通过一个element-wise最大值,这两个遮罩结合成一个。结合这两个遮罩是为了确保图像1被掩盖,而显现出图像2的特性。

最后,使用遮罩得到最终的图像:


output_im = im1 * (1.0 - combined_mask) + warped_corrected_im2 * combined_mask

小 200 行 Python 代码制作一个换脸程序

来源:http://developer.51cto.com/art/202005/616297.htm

标签:python,换脸程序
0
投稿

猜你喜欢

  • asp智能脏话过滤系统v1.0

    2011-04-14 11:00:00
  • 整理Python中常用的conda命令操作

    2022-07-17 16:53:33
  • AI经典书单 人工智能入门该读哪些书?

    2023-06-24 07:11:00
  • Python趣味挑战之实现简易版音乐播放器

    2021-06-25 15:13:43
  • Python深度学习理解pytorch神经网络批量归一化

    2021-09-26 06:38:53
  • django配置连接数据库及原生sql语句的使用方法

    2024-01-19 19:22:56
  • Oracle数据库的空间管理技巧

    2010-07-26 13:16:00
  • ElementUI 的 Tree 组件的基本使用实战教程

    2024-04-26 17:40:46
  • JS踩坑实战之19位数Number型精度丢失问题详析

    2024-04-10 10:44:23
  • Python换行与不换行的输出实例

    2022-01-15 13:10:10
  • Perl学习笔记之文件操作

    2022-04-01 21:48:18
  • 详解python--模拟轮盘抽奖游戏

    2023-07-25 15:35:14
  • 关于MySQL 优化的100个的建议

    2024-01-19 12:31:39
  • SQL Server与Oracle数据库在安全性上的异同

    2009-02-01 14:49:00
  • python实现简单遗传算法

    2022-12-14 00:33:21
  • Python Tornado核心及相关原理详解

    2023-04-21 23:29:40
  • sqlserver2005 安装图解教程以及SQL 2005 SP3补丁安装图文教程

    2024-01-15 12:05:13
  • vue.js 实现图片本地预览 裁剪 压缩 上传功能

    2024-05-11 09:11:06
  • 手把手带你走进Go语言之类型转换

    2024-02-14 23:25:05
  • Python编程给numpy矩阵添加一列方法示例

    2023-08-29 07:22:30
  • asp之家 网络编程 m.aspxhome.com