摘要： 随着圣诞的到来，大家纷纷@官方微信给自己的头像加上一顶圣诞帽。当然这种事情用很多P图软件都可以做到。但是作为一个学习图像处理的技术人，还是觉得我们有必要写一个程序来做这件事情。而且这完全可以作为一个练手的小项目，工作量不大，而且很有意思。
用到的工具:
OpenCV
dlib（dlib的人脸检测比OpenCV更好用，而且dlib有OpenCV没有的关键点检测。）
用到的语言为Python。
流程
一、素材准备
首先我们需要准备一个圣诞帽的素材，格式最好为PNG，因为PNG的话我们可以直接用Alpha通道作为掩膜使用。我们用到的圣诞帽如下图：
我们通过通道分离可以得到圣诞帽图像的alpha通道。代码如下：
为了能够与rgb通道的头像图片进行运算，我们把rgb三通道合成一张rgb的彩色帽子图。Alpha通道的图像如下图所示。
整个代码流程如下：
- 人脸检测与人脸关键点检测
- 调整帽子大小
- 提取帽子和需要添加帽子的区域
- 添加圣诞帽
我们用下面这张图作为我们的测试图片。
import cv2
import dlib
# 给img中的人头像加上圣诞帽，人脸最好为正脸
def add_hat(img, hat_img):
# 分离rgba通道，合成rgb三通道帽子图，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)
# dlib人脸关键点检测器
predictor_path = "shape_predictor_5_face_landmarks.dat"
predictor = dlib.shape_predictor(predictor_path)
# dlib正脸检测器
detector = dlib.get_frontal_face_detector()
# 正脸检测
dets = detector(img, 1)
# 如果检测到人脸
if len(dets) > 0:
for d in dets:
x, y, w, h = d.left(), d.top(), d.right() - d.left(), d.bottom() - d.top()
# x,y,w,h = faceRect
# cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2,8,0)
# 关键点检测，5个关键点
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()
# 选取左右眼眼角的点
point1 = shape.part(0)
point2 = shape.part(2)
# 求两点中心
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()
# 根据人脸大小调整帽子大小
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
# 根据人脸大小调整帽子大小
resized_hat = cv2.resize(rgb_hat, (resized_hat_w, resized_hat_h))
# 用alpha通道作为mask
mask = cv2.resize(a, (resized_hat_w, resized_hat_h))
mask_inv = cv2.bitwise_not(mask)
# 帽子相对与人脸框上线的偏移量
dh = 0
dw = 0
# 原图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)]
# 原图ROI中提取放帽子的区域
bg_roi = bg_roi.astype(float)
mask_inv = cv2.merge((mask_inv, mask_inv, mask_inv))
alpha = mask_inv.astype(float) / 255
# 相乘之前保证两者大小一致（可能会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()
# 提取帽子区域
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)
# 相加之前保证两者大小一致（可能会由于四舍五入原因不一致）
hat = cv2.resize(hat, (bg_roi.shape[1], bg_roi.shape[0]))
# 两个ROI区域相加
add_hat = cv2.add(bg, hat)
# cv2.imshow("add_hat",add_hat)
# 把添加好帽子的区域放回原图
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
# 读取帽子图，第二个参数-1表示读取为rgba通道，否则为rgb通道
hat_img = cv2.imread("hat2.png", -1)
# 读取头像图
img = cv2.imread("IMG_9891.JPG")
output = add_hat(img, hat_img)
# 展示效果
cv2.imshow("output", output)
cv2.waitKey(0)
cv2.imwrite("output1.jpg", output)
# import glob as gb
# img_path = gb.glob("./images/*.jpg")
# for path in img_path:
# img = cv2.imread(path)
# # 添加帽子
# output = add_hat(img,hat_img)
# # 展示效果
# cv2.imshow("output",output )
# cv2.waitKey(0)
cv2.destroyAllWindows()展示效果如下：
完整代码的Github地址：