知道怎么用dlib就行了,再用cv2进行特征点标注。
读取原图,再进行灰度图转化,实际上是在灰度图上进行的特征点预测,保存好了特征点的位置后,再用cv2加在原图上。
dlib对于侧脸太拉跨了。。。。。。不想说什么
import cv2
import dlib
import mmcv
import numpy as np
import os
import imutils
img= cv2.imread('test_pic/00009.jpg')
img = imutils.resize(img, width = 500)#改变大小
img1= cv2.imread('test_pic/00009.jpg')
img1 = imutils.resize(img, width = 500)#改变大
gray=cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
detector = dlib.get_frontal_face_detector()
"""
人脸上圈出68个特征点
"""
faces = detector(gray, 1)
# 打印边界矩形的坐标
print(faces)
print("Number of faces detected: ", len(faces))
# 文件路径
p = "shape_predictor_68_face_landmarks.dat"
# 初始化dlib的预测器
predictor = dlib.shape_predictor(p)
for face in faces:
landmarks = predictor(gray, face)
for n in range(0,68):
x = landmarks.part(n).x
y = landmarks.part(n).y
img_landmark = cv2.circle(img, (x, y), 4, (0, 0, 255), -1)
#显示三张图
cv2.imshow("image with mask", img_landmark)
cv2.imshow('img',img1)
cv2.imshow('gray',gray)
# 为测试保存输出文件
outputNameofImage = "final_pic/fianl6.jpg"
print("Saving output image to", outputNameofImage)
cv2.imwrite(outputNameofImage, img_landmark)
cv2.waitKey(0)
cv2.destroyAllWindows()
结果图:
从左到右:原图、灰度图、加特征点的图