python Mediapipe 获取type：NormalizedLandmark 中数据，并使用cv2进行关键点绘制

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()