在我们引用mediapipe时,会用到face mesh获取关键点信息,但是mediapipe将list集成了自己的NormalizedLandmarkList,当我们想要取用里面的值做一些操作的时候,就很不方便。
它里面没有相关api会返回list类型,所以这里,我们将抓取NormalizedLandmarkList中每个数值,重新组建list或numpy.ndarray,便于使用。
数据重组(转换成像素点坐标):
for p in landmarks[0].landmark:
mlist.append([int(p.x * w) ,int(p.y * h),p.z])
以下是使用cv2对图片进行478关键点绘制的完整代码:
import cv2
import mediapipe as mp
import numpy as np
import matplotlib.pyplot as plt
img1 = cv2.imread(imgPath)
_img1 = cv2.cvtColor(img1, cv2.COLOR_BGR2RGB)
h,w,c = _img1.shape
mp_face_mesh = mp.solutions.face_mesh
face_mesh = mp_face_mesh.FaceMesh(static_image_mode=False,
max_num_faces=3,
refine_landmarks=True,
min_detection_confidence=0.5,
min_tracking_confidence=0.5)
results = face_mesh.process(_img1)
landmarks = results.multi_face_landmarks
mlist = []
for p in landmarks[0].landmark:
mlist.append([int(p.x * w) ,int(p.y * h),p.z])
narray = np.copy(mlist)
print(type(narray)) #<class 'numpy.ndarray'>
for p in narray:
imgCopy = cv2.circle(img1, (int(p[0]), int(p[1])), radius=1, color=(0, 0, 255), thickness=1)
plt.imshow(img1);
plt.show()