【图像处理】换脸技术哪家强？Python来挑战，一键换脸，毫无破绽~

前言：

今天，小编要给大家分享一个让你的Level蹭蹭的往上涨好几档一个技能，用两百行Python代码实现PS的换脸神技，用代码直接碾压以前用PS技术在你面前炫耀的小伙伴。

光说不练假把式，话不多说，请大家仔细看清以下步骤，细细研究，加油。

正文：

这个过程可分为四步：

• 检测面部标记。
• 旋转、缩放和转换第二张图像，使之与第一张图像相适应。
• 调整第二张图像的色彩平衡，使之与第一个相匹配。
• 把第二张图像的特性混合在第一张图像中。

使用图片：

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：

该脚本使用dlib的Python绑定来提取面部标记：

用Dlib实现了论文One Millisecond Face Alignment with an Ensemble of Regression Trees中的算法。算法本身非常复杂，但dlib接口使用起来非常简单：

PREDICTOR_PATH = "/home/matt/dlib-18.16/shape_predictor_68_face_landmarks.dat"

detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor(PREDICTOR_PATH)

def get_landmarks(im):
rects = detector(im, 1)

if len(rects) > 1:
raise TooManyFaces
if len(rects) == 0:
raise NoFaces

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 x2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）要一个粗糙的边界框作为算法输入，由传统的能返回一个矩形列表的人脸检测