|
|
|
|
移动端

寶馬會國際娛樂網址:厉害!小 200 行 Python 代码就可以做一个换脸程序

本文来源:http://www.ssb69.com/www_qiaoli_org/

菲律宾申博直营现金网,  长阳路1687号,曾经的中国纺织机械厂,如今这里成了创业园区“长阳谷”。  12月3日,证监会主席刘士余在中国证券投资基金业协会第二届会员代表大会上致辞,该致辞中关于“举牌”的部分内容给了外界太多的解读空间。该案直接促使财政部颁发了中国历史上第一个具体会计准则《企业会计准则—关联交易及其交易的披露》。  报告期内基金投资策略和运作分析  三季度医药板块走势较为强劲,申万医药指数在创业板下跌3.5%的情况下上涨6.27%,本基金三季度涨幅为4.28%。

2015年,中国轿车润滑油市场基本被外国品牌占据较大市场份额。在购房付款前要对所购楼房进行实际面积、、进行初步查验,以免被动。  见证上海工业时代的钢管,设计成码头灯柱得以保留,与陆家嘴隔江对望。行情12月07日【广西IT前线今日报道】惠普Pavilion14-AL131TX搭载第七代英特尔#174;酷睿i5-7200U处理器,采用KabyLake架构,运用成熟的14纳米工艺,功耗较第六代更低。

我当时很苦闷,员工也很没信心,不知道公司该往哪里走。这是众多中小股民反感和厌恶的操纵股价的一种手法。但可能国外部分国家在诚信、信用和数据真实性上会比国内更加严格,所以这里怎么突破是很重要的。而且,这些公司的注册、变更、高管、股东等信息中无不存在紫鑫药业及其关联方的影子,但并未在紫鑫药业的年报中充分披露。

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。

作者:python引路人来源:今日头条|2020-05-11 17:12

厉害!小 200 行 Python 代码就可以做一个换脸程序

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:

厉害!小 200 行 Python 代码就可以做一个换脸程序

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:

  1. PREDICTOR_PATH = "/home/matt/dlib-18.16/shape_predictor_68_face_landmarks.dat" 
  2.  
  3. detector = dlib.get_frontal_face_detector() 
  4.  
  5. predictor = dlib.shape_predictor(PREDICTOR_PATH) 
  6.  
  7. def get_landmarks(im): 
  8.  
  9.     rects = detector(im, 1) 
  10.  
  11.     if len(rects) > 1: 
  12.  
  13.         raise TooManyFaces 
  14.  
  15.     if len(rects) == 0: 
  16.  
  17.         raise NoFaces 
  18.  
  19.     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:

厉害!小 200 行 Python 代码就可以做一个换脸程序

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:

  1. def transformation_from_points(points1, points2): 
  2.  
  3.     points1 = points1.astype(numpy.float64) 
  4.  
  5.     points2 = points2.astype(numpy.float64) 
  6.  
  7.     c1 = numpy.mean(points1, axis=0) 
  8.  
  9.     c2 = numpy.mean(points2, axis=0) 
  10.  
  11.     points1 -= c1 
  12.  
  13.     points2 -= c 
  14.   
  15.  
  16.     s1 = numpy.std(points1) 
  17.  
  18.     s2 = numpy.std(points2) 
  19.  
  20.     points1 /= s1 
  21.  
  22.     points2 /= s2 
  23.  
  24.   
  25.  
  26.     U, S, Vt = numpy.linalg.svd(points1.T * points2) 
  27.  
  28.     R = (U * Vt).T 
  29.  
  30.   
  31.  
  32.     return numpy.vstack([numpy.hstack(((s2 / s1) * R, 
  33.  
  34.                                        c2.T - (s2 / s1) * R * c1.T)), 
  35.  
  36.                          numpy.matrix([0., 0., 1.])]) 

代码实现了这几步:

  1. 将输入矩阵转换为浮点数。这是后续操作的基础。
  2. 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。
  3. 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。
  4. 使用奇异值分解计算旋转部分。可以在维基百科上看到关于解决正交 Procrustes 问题的细节。
  5. 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:

  1. def warp_im(im, M, dshape): 
  2.  
  3.     output_im = numpy.zeros(dshape, dtype=im.dtype) 
  4.  
  5.     cv2.warpAffine(im, 
  6.  
  7.                    M[:2], 
  8.  
  9.                    (dshape[1], dshape[0]), 
  10.  
  11.                    dst=output_im, 
  12.  
  13.                    borderMode=cv2.BORDER_TRANSPARENT, 
  14.  
  15.                    flags=cv2.WARP_INVERSE_MAP) 
  16.  
  17.     return output_im 

对齐结果如下:

厉害!小 200 行 Python 代码就可以做一个换脸程序

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:

厉害!小 200 行 Python 代码就可以做一个换脸程序

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:

  1. COLOUR_CORRECT_BLUR_FRAC = 0.6 
  2.  
  3. LEFT_EYE_POINTS = list(range(42, 48)) 
  4.  
  5. RIGHT_EYE_POINTS = list(range(36, 42)) 
  6.  
  7. def correct_colours(im1, im2, landmarks1): 
  8.  
  9.     blur_amount = COLOUR_CORRECT_BLUR_FRAC * numpy.linalg.norm( 
  10.  
  11.                               numpy.mean(landmarks1[LEFT_EYE_POINTS], axis=0) - 
  12.  
  13.                               numpy.mean(landmarks1[RIGHT_EYE_POINTS], axis=0)) 
  14.  
  15.     blur_amount = int(blur_amount) 
  16.  
  17.     if blur_amount % 2 == 0: 
  18.  
  19.         blur_amount += 1 
  20.  
  21.     im1_blur = cv2.GaussianBlur(im1, (blur_amount, blur_amount), 0) 
  22.  
  23.     im2_blur = cv2.GaussianBlur(im2, (blur_amount, blur_amount), 0) 
  24.  
  25.     # Avoid divide-by-zero errors. 
  26.  
  27.     im2_blur += 128 * (im2_blur <= 1.0) 
  28.  
  29.     return (im2.astype(numpy.float64) * im1_blur.astype(numpy.float64) / 
  30.  
  31.                                                 im2_blur.astype(numpy.float64)) 

结果如下:

厉害!小 200 行 Python 代码就可以做一个换脸程序

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:

厉害!小 200 行 Python 代码就可以做一个换脸程序

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:

  1. output_im = im1 * (1.0 - combined_mask) + warped_corrected_im2 * combined_mask 
厉害!小 200 行 Python 代码就可以做一个换脸程序

【编辑推荐】

  1. 菲律宾申博直营现金网适合初学者的Python装饰器的简易教程
  2. 菲律宾申博直营现金网在Python寻找彩蛋:从“Hello World”的玄机到Python之禅
  3. Python中的基本函数及其常用用法简析
  4. Pdf转Word用Python轻松搞定!
  5. 五年Python三大秘诀!日常生活不可或缺的秘密武器
【责任编辑:未丽燕 TEL:(010)68476606】

点赞 0
分享:
大家都在看
猜你喜欢

订阅专栏+更多

从头解锁Python运维

从头解锁Python运维

多维度详解
共19章 | 叱诧少帅

264人订阅学习

Active Directory 架构规划实战

Active Directory 架构规划实战

4类AD架构规划
共15章 | wx5918591c0084b

320人订阅学习

庖丁解牛Ceph分布式存储

庖丁解牛Ceph分布式存储

云计算存储的基石
共5章 | Happy云实验室

189人订阅学习

订阅51CTO邮刊

点击这里查看样刊

订阅51CTO邮刊

51CTO服务号

51CTO官微

申博桌面安装版手机网页版 申博手机版下载网址 申博娱乐手机登入网址 菲律宾申博游戏登入 申博网上娱乐登入 www.3158msc.com
申博游戏中心直营网 申博管理网直营 申博138游戏直营网 申博游戏吧直营网 菲律宾申博电子游戏直营网 申博官网
777老虎机支付宝充值 申博娱乐 太阳城在线注册登入 菲律宾申博太阳城登入 www.88sbc.com www.88psb.com