朋友圈里@微信官方要求戴圣誕帽的活動(dòng)曾經(jīng)火爆一時(shí)，有些會(huì)玩的小伙伴都悄咪咪地用美圖秀秀一類的 app 給自己頭像 p 一頂，然后可高興地表示“哎呀好神奇hhhh”，呆萌的小伙伴當(dāng)然就一直等啊等... ...作為一名堅(jiān)信“用技術(shù)解決需求”的萌新，在一個(gè)無(wú)聊的周末嘗試用python來(lái)搞一波事情。

主要思路

準(zhǔn)備兩張圖：一張頭像，一張帽子。先用人臉識(shí)別定位頭像中的人臉，給出人臉像素坐標(biāo)；再根據(jù)這個(gè)坐標(biāo)確定帽子放置的坐標(biāo)；最后將兩張圖片拼接后輸出。（需要注意的是，帽子是不規(guī)則圖像，除了主體外背景應(yīng)該是透明的，因此必須是四通道png格式）。gakki 醬親自演示如下：

示意圖

問(wèn)題展開(kāi)

1. 人臉識(shí)別怎么搞定？（重新造輪子？不存在的，這輩子都不可能造輪子的）。Github上一個(gè)開(kāi)源的python人臉識(shí)別庫(kù)face_recognition雙手奉

https://github.com/ageitgey/face_recognition#face-recognition

據(jù)說(shuō)識(shí)別率99.38%（頂瓜瓜啊！）。通過(guò)安裝這個(gè)庫(kù)就可以調(diào)用人臉檢測(cè)器。

2. 確定了帽子的放置位置，怎么拼接圖層？這個(gè)屬于基本的圖像操作，python提供了PIL（Python Image Lib）這么一個(gè)庫(kù)來(lái)進(jìn)行圖像處理，具體操作請(qǐng)看后面的代碼。

庫(kù)的安裝

我的環(huán)境是Ubuntu 16.04+Python2.7.12。使用Window，Mac OS和Python3的同學(xué)也可以參考，都是類似的。face_recognition這個(gè)庫(kù)比較事兒，安裝前需要依次安裝boost（boost_python），cmake，dlib這幾個(gè)依賴和庫(kù)，中間出現(xiàn)任何問(wèn)題都可以通過(guò)Google解決（懶得寫(xiě) -.. -）。安裝完所有的依賴后，使用命令：

1pipinstallface_recognition2pipinstallpillow#PIL庫(kù)

完成后就可以在你的python腳本里import face_recognition和PIL了。

代碼分析

Talk is cheap， show me the code。直接上代碼：

1fromPILimportImage 2importface_recognition 3img_path=raw_input("imagepath:") 4image=face_recognition.load_image_file(img_path) 5face_locations=face_recognition.face_locations(image) 6print("Found{}face(s)inthisphotograph.".format(len(face_locations)))

第1、2行導(dǎo)入PIL庫(kù)中的Image模塊和face_recognition庫(kù)。第3行，等待用戶輸入頭像圖片的路徑。第4行，把路徑所指的圖像數(shù)據(jù)讀入image中。第5行，調(diào)用face_locations處理image中的圖像數(shù)據(jù)，對(duì)圖片中的人臉進(jìn)行識(shí)別定位，定位后的得到的像素坐標(biāo)數(shù)據(jù)放在face_locations里。第6行在shell里輸出圖片里識(shí)別到的人臉的個(gè)數(shù)。

7human_img=Image.open(img_path) 8human_img=human_img.convert("RGBA") 9hat_img=Image.open("./hat.png")10hat_img=hat_img.convert("RGBA")

第7、8行，把路徑所指的圖像數(shù)據(jù)讀入human_img中，并轉(zhuǎn)換為四通道RGBA模式。9、10行讀入帽子圖像并做相同處理。

11forface_locationinface_locations:12top,right,bottom,left=face_location13top-=1014print("AfaceislocatedatpixellocationTop:{},Left:{},Bottom:{},Right:{}".format(top,left,bottom,right))15head_h=bottom-top#hightofhead16head_l=right-left#lengthofhead17hat_img=hat_img.resize((head_l,head_h))#convertsizeofhat18hat_region=hat_img19human_region=(left,top-head_h,right,top)20human_img.paste(hat_region,human_region,mask=hat_img)21human_img.show()

如果一張圖里有多張人臉，face_recognition.face_locations(image)會(huì)返回每張人臉的位置信息，存放在一個(gè)list里。因此第11行是遍歷face_locations里的每張人臉的數(shù)據(jù)。第12行解包一個(gè)人臉像素坐標(biāo)數(shù)據(jù)，得到top，right，bottom，left分別為示意圖中的y1，x2，y2，x1。第13行，為啥y1要減10個(gè)像素？

因?yàn)槿四樧R(shí)別得到的y1最多到你額頭的位置，所以再把這個(gè)坐標(biāo)往上提一提帽子才戴得更自然。第14行輸出坐標(biāo)數(shù)據(jù)方便調(diào)試。第15、16行計(jì)算人臉的高度和寬度。第17行使用resize()根據(jù)人臉的大小調(diào)整帽子的大小，因?yàn)閳D像中的人臉有大有小，調(diào)整后看起來(lái)更和諧。第18行，將帽子圖像作為頂部圖層圖像。第19行，確定底部圖層（頭像圖片）被覆蓋的區(qū)域（就是帽子放置區(qū)域）。

第20行，把頂部圖層與底部圖層拼接（不太明白的看下圖）。然后一個(gè)循環(huán)結(jié)束，亦即完成圖片中一個(gè)人的戴帽操作，接著進(jìn)行下個(gè)人的戴帽，直到所有人都戴上了帽子。最后21行，完成輸出~

更新

更多人臉：