[面向對象編程]女神電腦留存前男友帥照,我用python輕松化解!

一個春風沉醉的夜晚,女神說電腦比較卡,讓我幫她清理一下。這種小問題對于我來說當然是小菜一碟,所以我說你去洗澡吧,剩下的事情交給我了。

我先打開360殺毒全盤掃描一下,看有沒有病毒在運行。接著打開磁盤工具,清理一下電腦的磁盤碎片。

一頓猛如虎的操作之后,我再看看 C 盤的剩余空間,發現 C 盤快滿了,這可能是卡頓的重要原因。

于是我開始掃描 C 盤文件,看看有沒有什么大文件可以刪的。

在掃描時,我發現她的某個文件夾下面有好多照片,懷著好奇的心理,我打開文件夾下的圖片,發現竟然是她前男友的照片,文件命名都是“寶寶”開頭,突然一陣醋意翻涌而起,流遍全身。

圖片來源于網絡

我有種刪掉這個文件夾的沖動,但是轉念一想,這樣做的后果可能是待會的一場激烈爭吵。這樣做解決不了問題,反而會使我倆關系惡化。

也許她是忘了刪呢?不管怎樣,我不允許她的電腦里面還有殘留的影像。

不能刪照片,要保留照片,又要消除我心中的醋意,怎么辦呢?

突然靈機一閃,我要妖魔化這些照片,讓他們變丑,惡心一下人,嘻嘻!

女神進去洗澡有一會了,必須得抓緊時間,肯定不能一張一張處理,得想辦法批量處理。

突然想起來了以前做過人臉融合,借助人臉識別接口 API 可以搞定。

最丑的人

我打算找一張最丑的照片,然后用人臉融合的方式將圖片的頭部丑化。我在百度圖片,搜索關鍵詞“世界上最丑的男人”,找到了一張圖片:


最丑的男人

思路

我這里使用的是 Face++(曠視科技)的人工智能平臺 API 接口,他們的官方網站是:

https://console.faceplusplus.com.cn/

如果之前沒有用過的話,需要注冊一下,注冊完了之后進入首頁的“應用管理”功能,創建一個應用,獲取到API KeyAPI Secret,然后才能使用他們的接口。

我們要實現兩張圖片的人臉融合,第一步是識別圖片中的人臉,獲取到人臉的特征數據,對應的人臉檢測 API 文檔說明在這里:

https://console.faceplusplus.com.cn/documents/4888373

檢測到人臉之后,第二步對不同圖片提取出來的人臉進行融合,對應的人臉融合 API 接口文檔說明在這里:

https://console.faceplusplus.com.cn/documents/20813963

代碼實現

根據上面的思路,第一步識別人臉的代碼如下:


def find_face(imgpath):
    http_url = 'https://api-cn.faceplusplus.com/facepp/v3/detect'
    data = {"api_key": api_key,
            "api_secret": api_secret,
            "image_url": imgpath,
            "return_landmark": 1  # 是否檢測并返回人臉關鍵點
            }
    files = {"image_file": open(imgpath, "rb")}
    response = requests.post(http_url, data=data, files=files)
    req_con = response.content.decode('utf-8')
    req_dict = json.JSONDecoder().decode(req_con)
    this_json = simplejson.dumps(req_dict)
    this_json2 = simplejson.loads(this_json)
    faces = this_json2['faces']
    list0 = faces[0]
    rectangle = list0['face_rectangle']
    return rectangle

第二步換臉的代碼如下:


def merge_face(image_url1, image_url2, image_url, number):
    ff1 = find_face(image_url1)
    ff2 = find_face(image_url2)

    rectangle1 = str(str(ff1['top']) + "," + str(ff1['left']) + "," + str(ff1['width']) + "," + str(ff1['height']))
    rectangle2 = str(ff2['top']) + "," + str(ff2['left']) + "," + str(ff2['width']) + "," + str(ff2['height'])

    url_add = "https://api-cn.faceplusplus.com/imagepp/v1/mergeface"
    f1 = open(image_url1, 'rb')
    f1_64 = base64.b64encode(f1.read())
    f1.close()
    f2 = open(image_url2, 'rb')
    f2_64 = base64.b64encode(f2.read())
    f2.close()

    data = {"api_key": api_key,
            "api_secret": api_secret,
            "template_base64": f1_64,
            "template_rectangle": rectangle1,
            "merge_base64": f2_64,
            "merge_rectangle": rectangle2,
            "merge_rate": number
            }
    response = requests.post(url_add, data=data)
    req_con1 = response.content.decode('utf-8')
    req_dict = json.JSONDecoder().decode(req_con1)
    result = req_dict['result']
    imgdata = base64.b64decode(result)
    file = open(image_url, 'wb')
    file.write(imgdata)
    file.close()

主函數處理代碼:

# 帥圖
image1 = r"C:\Users\cxhuan\Downloads\tmp\pic/1.jpg"
# 丑圖
image2 = r"C:\Users\cxhuan\Downloads\tmp\pic/2.jpg"
# 不可描述圖
image = r"C:\Users\cxhuan\Downloads\tmp\pic/3.jpg"

merge_face(image1, image2, image, 90)

女神的前男友長這樣,我承認比我帥那么一點點(燃燒的眼睛):

帥照

運行上面的程序(注意將api_key和api_secret替換成你自己的),融合后的圖像是這樣的:

不可描述照

驚魂一刻

我寫了個循環掃描那個文件夾下面圖片的方法,然后針對每一張圖片,都做了同樣的處理,處理結果直接覆蓋原來的圖片。

在女神吹完頭發的那一剎那,我運行完程序,立馬關掉 IDE,關掉文件夾,平復一下心情,匯報我對電腦的優化工作。

女神夸我:寶寶,你真棒,電腦不卡了!

我內心閃過一絲惆悵:寶寶???

但是,想著哪一天她偷偷打開那個文件夾,看到圖片的那種場景,是不是氣得馬上刪圖呢?也許會懷疑電腦中毒了吧!

?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 230,362評論 6 544
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 99,577評論 3 429
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事?!?“怎么了?”我有些...
    開封第一講書人閱讀 178,486評論 0 383
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 63,852評論 1 317
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 72,600評論 6 412
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 55,944評論 1 328
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,944評論 3 447
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 43,108評論 0 290
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 49,652評論 1 336
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 41,385評論 3 358
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 43,616評論 1 374
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 39,111評論 5 364
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,798評論 3 350
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 35,205評論 0 28
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 36,537評論 1 295
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 52,334評論 3 400
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 48,570評論 2 379

推薦閱讀更多精彩內容