原文來源：https://zhuanlan.zhihu.com/p/32283641
Github上的python代碼及素材庫： https://github.com/LiuXiaolong19920720/Add-Christmas-Hat

偶然在知乎上看到有人用python代碼實現給頭像加上圣誕帽， 遂跟著教程嘗試之。

實驗環境及文章中用到的庫：

OpenCV

是一個跨平臺計算機視覺庫，OpenCV可用于開發實時的圖像處理、計算機視覺以及模式識別程序。OpenCV有兩個Python接口，老版本的cv模塊使用OpenCV內置的數據類型，新版本的cv2模塊使用NumPy數組。

Dlib

Dlib是一個機器學習的C++庫，包含了許多機器學習常用的算法。作者使用它是由于dlib的人臉識別能力強于OpenCV中的人臉識別（并包含人臉的關鍵點檢驗）

環境

我依然使用的是windows系統下的Anaconda并用jupyter notebook完成編譯

準備工作：

下載openCV庫
在windows powershell中鍵入 conda install -c menpo cv2
下載dlib庫
在windows powershell中鍵入 conda install -c conda-forge dlib 或者conda install -c menpo dlib
實驗中用到的素材可在作者的github上下載：https://github.com/LiuXiaolong19920720/Add-Christmas-Hat

（1）圣誕帽素材

hat.jpg

hat2.png

注：關于這兩圖的差別在于用hat.png的shape是三維（R,G,B）層而hat2.png的shape是四維（R,G,B,α）層，這一點可以通過img.shape查詢：

hat_img = cv2.imread("hat.png")
print hat_img.shape
hat2_img = cv2.imread("hat2.png",-1)
print hat2_img.shape

輸出結果如下：
(579, 717, 3)
(702, 880, 4)
前兩個數字代表圖像的大小，由第三個數字可得hat2.png是4維， cv2.imread中的第二個參數-1是提取alpha通道， 至于hat.png存在的意義...我還在問作者...
在這里順便介紹一下shape提取的四個維度是什么吧...
前三個維度R,G,B分別是紅色通道，綠色通道，藍色通道， 你可以將之理解為一副圖我們分別在三個通道上著色，覆蓋混合在一起生成的新的顏色就是我們最后在圖像上看到的顏色。α（阿爾法）通道（也就是我們提取的-1，最后一個通道）指的是特別的通道，意思是“非彩色”通道，主要是用來保存選區和編輯選區，用來描述圖片的透明與半透明度。值得一提的是, png圖像具有α通道而jpg圖像沒有。
(2) 頭像素材
這個就自己隨便在網上選啦， 最好選擇含人物正臉的圖像（用到的是dlib中的get_frontal_face_detector）， 由于我們用的dlib的數據庫的學習對象大都是人物頭像， 好像萌寵與二次元人物的人臉是無法識別的目前。 我充滿惡意的用了這一張：

test.jpg

（3）人臉識別數據庫
依然見作者的github， 文件名是shape_predictor_5_face_landmarks.dat

代碼部分

首先依然是導入我們需要的庫：剛剛下載好的dlib,cv2還有用作計算的NumPy.

import dlib
import cv2
import numpy as np

把加帽子寫成一個完整的函數啦
這一段實現的分別是：
<1>將帽子素材圖分離為r,g,b,α通道
<2> 將帽子圖的r,g,b三通道合成在一起
<3>將α通道圖層保存，將帽子圖的

def add_hat(img,hat_img):
    # 分離rgba通道，合成rgb三通道帽子圖，a通道后面做mask用
    r,g,b,a = cv2.split(hat_img) 
    rgb_hat = cv2.merge((r,g,b))

    cv2.imwrite("hat_alpha.jpg",a)

保存成功的alpha通道帽子圖如下：

hat_alpha.jpg

下面這一段是用我們剛剛提到的從作者github上下載的人臉識別數據庫進行人臉識別以及正臉檢測

    # dlib人臉關鍵點檢測器
    predictor_path = "shape_predictor_5_face_landmarks.dat"
    predictor = dlib.shape_predictor(predictor_path)  

    # dlib正臉檢測器
    detector = dlib.get_frontal_face_detector()

    # 正臉檢測
    dets = detector(img, 1)

檢測到人臉后的處理過程，細節解釋見代碼中#后的注釋部分，#中的非文字說明部分為原作者的測試代碼。

    # 如果檢測到人臉
    # x,y,w,h 分別為檢測到的正臉裁剪出的正方形圖塊對應的坐標點
    # 正臉正方形圖塊左上角坐標為（x,y）， 右下角坐標為(x+w, y+h）
    if len(dets)>0:  
        for d in dets:
            x,y,w,h = d.left(),d.top(), d.right()-d.left(), d.bottom()-d.top()


            # 關鍵點檢測，5個關鍵點
            shape = predictor(img, d)
            # for point in shape.parts():
            #     cv2.circle(img,(point.x,point.y),3,color=(0,255,0))

            # cv2.imshow("image",img)
            # cv2.waitKey()  

            # 選取左右眼眼角的點
            point1 = shape.part(0)
            point2 = shape.part(2)

            # 求兩點中心
            eyes_center = ((point1.x+point2.x)//2,(point1.y+point2.y)//2)

            # cv2.circle(img,eyes_center,3,color=(0,255,0))  
            # cv2.imshow("image",img)
            # cv2.waitKey()

            #  根據人臉大小調整帽子大小
            factor = 1.5
            resized_hat_h = int(round(rgb_hat.shape[0]*w/rgb_hat.shape[1]*factor))
            resized_hat_w = int(round(rgb_hat.shape[1]*w/rgb_hat.shape[1]*factor))

            if resized_hat_h > y:
                resized_hat_h = y-1
                 # 根據人臉大小調整帽子大小
            resized_hat = cv2.resize(rgb_hat,(resized_hat_w,resized_hat_h))

            # 用alpha通道作為mask
            mask = cv2.resize(a,(resized_hat_w,resized_hat_h))
            mask_inv =  cv2.bitwise_not(mask)

            # 帽子相對與人臉框上線的偏移量
            dh = 0
            dw = 0
            # 原圖ROI
            # bg_roi = img[y+dh-resized_hat_h:y+dh, x+dw:x+dw+resized_hat_w]
            bg_roi = img[y+dh-resized_hat_h:y+dh,(eyes_center[0]-resized_hat_w//3):(eyes_center[0]+resized_hat_w//3*2)]

            # 原圖ROI中提取放帽子的區域
            bg_roi = bg_roi.astype(float)
            mask_inv = cv2.merge((mask_inv,mask_inv,mask_inv))
            alpha = mask_inv.astype(float)/255

            # 相乘之前保證兩者大小一致（可能會由于四舍五入原因不一致）
            alpha = cv2.resize(alpha,(bg_roi.shape[1],bg_roi.shape[0]))
            # print("alpha size: ",alpha.shape)
            # print("bg_roi size: ",bg_roi.shape)
            bg = cv2.multiply(alpha, bg_roi)
            bg = bg.astype('uint8')

            cv2.imwrite("bg.jpg",bg)
            # cv2.imshow("image",img)
            # cv2.waitKey()

            # 提取帽子區域
            hat = cv2.bitwise_and(resized_hat,resized_hat,mask = mask)
            cv2.imwrite("hat.jpg",hat)
            
            # cv2.imshow("hat",hat)  
            # cv2.imshow("bg",bg)

            # print("bg size: ",bg.shape)
            # print("hat size: ",hat.shape)

            # 相加之前保證兩者大小一致（可能會由于四舍五入原因不一致）
            hat = cv2.resize(hat,(bg_roi.shape[1],bg_roi.shape[0]))
            # 兩個ROI區域相加
            add_hat = cv2.add(bg,hat)
            # cv2.imshow("add_hat",add_hat) 

            # 把添加好帽子的區域放回原圖
            img[y+dh-resized_hat_h:y+dh,(eyes_center[0]-resized_hat_w//3) (eyes_center[0]+resized_hat_w//3*2)] = add_hat

            # 展示效果
            # cv2.imshow("img",img )  
            # cv2.waitKey(0)  

            return img

調用函數

# 讀取帽子圖，第二個參數-1表示讀取為rgba通道，否則為rgb通道
hat_img = cv2.imread("hat2.png",-1)

# 讀取頭像圖
img = cv2.imread("test.jpg")
output = add_hat(img,hat_img)

# 展示效果
cv2.imshow("output",output )  
cv2.waitKey(0)  
cv2.imwrite("output.jpg",output)

最后我得到的頭像效果還可以，如下：

output.jpg

圣誕是來不及了，大家新年快樂！

以上