机器视觉python-openCV实验—— 实验三人脸装饰物添加

最新推荐文章于 2023-06-23 16:25:24 发布

星羽空间

最新推荐文章于 2023-06-23 16:25:24 发布

阅读量1.3k

点赞数

分类专栏：机器视觉openCV 文章标签： opencv python 计算机视觉

本文链接：https://blog.csdn.net/qq_25662827/article/details/124985240

版权

机器视觉openCV 专栏收录该内容

3 篇文章 2 订阅

订阅专栏

一、实验目的

用Python-OpenCV编写一个程序能检测出给定图像中的人脸，并能给人脸添加一些装饰特效，比如给人脸加上戴眼镜或带口罩或戴帽子等装饰物。

二、实验要求

1. 用OpenCV编写一个程序能检测出给定图像中的人脸，并能给人脸添加一些装饰特效，比如给人脸加上戴眼镜或带口罩或戴帽子等装饰物，要求首先能检测出图像中的人脸，进而给人脸的一些部位添加装饰特效，并要求添加的装饰物位置准确，大小合适。

2. 认真撰写实验报告，要求说明实验原理，对实验过程叙述清楚，关键代码给出注释，对实验结果给出合理解释，实验分析部分则需要指出实验结果优劣的原因以及如何进一步提高实验性能的方法或手段。

三、实验代码及结果

3.1 实验代码

# ———————— 实验三 ——————————————
import cv2
# 覆盖图像
def overlay_img(img, img_over, img_over_x, img_over_y):
    """
    覆盖图像
    :param img: 背景图像
    :param img_over: 覆盖的图像
    :param img_over_x: 覆盖图像在背景图像上的横坐标
    :param img_over_y: 覆盖图像在背景图像上的纵坐标
    :return: 两张图像合并之后的图像
    """
    img_h, img_w, img_p = img.shape  # 背景图像宽、高、通道数
    img_over_h, img_over_w, img_over_c = img_over.shape  # 覆盖图像高、宽、通道数
    if img_over_c == 3:  # 通道数小于等于3
        img_over = cv2.cvtColor(img_over, cv2.COLOR_BGR2BGRA)  # 转换成4通道图像
    for w in range(0, img_over_w):  # 遍历列
        for h in range(0, img_over_h):  # 遍历行
            if img_over[h, w, 3] != 0:  # 如果不是全透明的像素
                for c in range(0, 3):  # 遍历三个通道
                    x = img_over_x + w  # 覆盖像素的横坐标
                    y = img_over_y + h  # 覆盖像素的纵坐标
                    if x >= img_w or y >= img_h:  # 如果坐标超出最大宽高
                        break  # 不做操作
                    img[y, x, c] = img_over[h, w, c]  # 覆盖像素
    return img  # 完成覆盖的图像

face_img = cv2.imread(r".\test3.jpeg",cv2.IMREAD_REDUCED_COLOR_2)  # 读取人脸图像
cv2.imshow("no_sunglasses_face", face_img)  # 显示未带墨镜的人脸的效果
glass_img = cv2.imread(r".\glass.png", cv2.IMREAD_UNCHANGED)  # 读取眼镜图像，保留图像类型
height, width, channel = glass_img.shape  # 获取眼镜图像高、宽、通道数
# 加载识别正面人脸的级联分类器
face_cascade = cv2.CascadeClassifier(r".\haarcascade_frontalface_default.xml")
garyframe = cv2.cvtColor(face_img, cv2.COLOR_BGR2GRAY)  # 转为黑白图像
faces = face_cascade.detectMultiScale(garyframe, 1.3, 5)  # 识别人脸
for (x, y, w, h) in faces:  # 遍历所有人脸的区域
    gw = w  # 眼镜缩放之后的宽度
    gh = int(height * w / width)  # 眼镜缩放之后的高度度
    glass_img = cv2.resize(glass_img, (gw, gh))  # 按照人脸大小缩放眼镜
    overlay_img(face_img, glass_img, x, y + int(h * 1 / 3))  # 将眼镜绘制到人脸上

cv2.imshow("sunglasses_face", face_img)  # 显示最终处理的效果
cv2.waitKey()  # 按下任何键盘按键后
cv2.destroyAllWindows()  # 释放所有窗体