OpenCV趣味项目之戴帽子

20 篇文章 0 订阅

前言

最近在浏览知乎,发现一个有趣的项目https://zhuanlan.zhihu.com/p/32283641?utm_source=qq&utm_medium=social,受这篇文章的启发,我也想写一个关于这个戴帽子的程序。所以这两天那就在写这个程序,昨天晚上已经完成的差不多了,这篇博客和大家分享一下。欢迎大家讨论。

获取代码

程序的更新会在我的github上:https://github.com/myzcl/WearHat
可执行exe已经生成,在64位电脑上可行:
http://download.csdn.net/download/qq_36327203/10250982
大家也可在百度网盘下载:链接:https://pan.baidu.com/s/1jJdqjOi 密码:qw97

首先展示一下效果图:
这里写图片描述

帽子的张贴

帽子的张贴用到的知识就是掩码。在网上下载一些帽子的图片,如:
这里写图片描述
网上说png图像的第四通道可以用来做掩码,我也没弄懂怎么回事。我采用的是直接二值化,调整阈值,将二值化的图作为掩码。效果如下:
这里写图片描述
关于掩码的操作,可以参考下面的程序:

void add_logo(Mat &img, Mat &logo, int thresh, Point start)
{
    //二值化制作掩码
    Mat logo_gray;
    cvtColor(logo, logo_gray, COLOR_BGR2GRAY);
    mythreshold(logo_gray, thresh, false);
    imshow("gray", logo_gray);
    Mat mask = logo_gray;

    //与原图像融合的区域
    Rect r1(start.x, start.y, logo.cols, logo.rows);
    Mat img_show = img(r1);

    //通过掩码添加logo
    logo.copyTo(img_show, mask);
}

人脸的识别

人脸识别用的是OpenCV官方的程序,简单进行了一些修改。
程序如下:

//人脸检测
void detectAndDraw(Mat& img, CascadeClassifier& cascade,
    double scale, bool tryflip, Point &cen, int &rad)
{
    int i = 0;
    double t = 0;
    //建立用于存放人脸的向量容器
    vector<Rect> faces, faces2;
    //定义一些颜色,用来标示不同的人脸
    const static Scalar colors[] = { CV_RGB(0, 0, 255),
        CV_RGB(0, 128, 255),
        CV_RGB(0, 255, 255),
        CV_RGB(0, 255, 0),
        CV_RGB(255, 128, 0),
        CV_RGB(255, 255, 0),
        CV_RGB(255, 0, 0),
        CV_RGB(255, 0, 255) };
    //建立缩小的图片,加快检测速度
    //nt cvRound (double value) 对一个double型的数进行四舍五入,并返回一个整型数!
    Mat gray, smallImg(cvRound(img.rows / scale), cvRound(img.cols / scale), CV_8UC1);
    //转成灰度图像,Harr特征基于灰度图
    cvtColor(img, gray, CV_BGR2GRAY);
    //改变图像大小,使用双线性差值
    resize(gray, smallImg, smallImg.size(), 0, 0, INTER_LINEAR);
    //变换后的图像进行直方图均值化处理
    equalizeHist(smallImg, smallImg);

    //程序开始和结束插入此函数获取时间,经过计算求得算法执行时间
    t = (double)cvGetTickCount();
    //检测人脸
    //detectMultiScale函数中smallImg表示的是要检测的输入图像为smallImg,faces表示检测到的人脸目标序列,1.1表示
    //每次图像尺寸减小的比例为1.1,2表示每一个目标至少要被检测到3次才算是真的目标(因为周围的像素和不同的窗口大
    //小都可以检测到人脸),CV_HAAR_SCALE_IMAGE表示不是缩放分类器来检测,而是缩放图像,Size(30, 30)为目标的
    //最小最大尺寸
    cascade.detectMultiScale(smallImg, faces,
        1.1, 2, 0
        //|CV_HAAR_FIND_BIGGEST_OBJECT
        //|CV_HAAR_DO_ROUGH_SEARCH
        | CV_HAAR_SCALE_IMAGE
        ,
        Size(30, 30));
    //如果使能,翻转图像继续检测
    if (tryflip)
    {
        /*flipCode,翻转模式,flipCode == 0垂直翻转(沿X轴翻转),flipCode>0水平翻转(沿Y轴翻转),
            flipCode<0水平垂直翻转(先沿X轴翻转,再沿Y轴翻转,等价于旋转180°)*/
        flip(smallImg, smallImg, 1);
        cascade.detectMultiScale(smallImg, faces2,
            1.1, 2, 0
            //|CV_HAAR_FIND_BIGGEST_OBJECT
            //|CV_HAAR_DO_ROUGH_SEARCH
            | CV_HAAR_SCALE_IMAGE
            ,
            Size(30, 30));
        for (vector<Rect>::const_iterator r = faces2.begin(); r != faces2.end(); r++)
        {
            faces.push_back(Rect(smallImg.cols - r->x - r->width, r->y, r->width, r->height));
        }
    }
    t = (double)cvGetTickCount() - t;
    //   qDebug( "detection time = %g ms\n", t/((double)cvGetTickFrequency()*1000.) );
    for (vector<Rect>::const_iterator r = faces.begin(); r != faces.end(); r++, i++)
    {
        Mat smallImgROI;
        vector<Rect> nestedObjects;
        Point center;
        Scalar color = colors[i % 8];
        int radius;

        double aspect_ratio = (double)r->width / r->height;
        if (0.75 < aspect_ratio && aspect_ratio < 1.3)
        {
            //标示人脸时在缩小之前的图像上标示,所以这里根据缩放比例换算回去
            center.x = cvRound((r->x + r->width*0.5)*scale);
            center.y = cvRound((r->y + r->height*0.5)*scale);
            radius = cvRound((r->width + r->height)*0.25*scale);
            circle(img, center, radius, color, 3, 8, 0);

            cen = center;
            rad = radius;

        }
        else
            rectangle(img, cvPoint(cvRound(r->x*scale), cvRound(r->y*scale)),
            cvPoint(cvRound((r->x + r->width - 1)*scale), cvRound((r->y + r->height - 1)*scale)),
            color, 3, 8, 0);
        //if (nestedCascade.empty())
        //  continue;
        //smallImgROI = smallImg(*r);
        同样方法检测人眼
        //nestedCascade.detectMultiScale(smallImgROI, nestedObjects,
        //  1.1, 2, 0
        //  //|CV_HAAR_FIND_BIGGEST_OBJECT
        //  //|CV_HAAR_DO_ROUGH_SEARCH
        //  //|CV_HAAR_DO_CANNY_PRUNING
        //  | CV_HAAR_SCALE_IMAGE
        //  ,
        //  Size(30, 30));
        //for (vector<Rect>::const_iterator nr = nestedObjects.begin(); nr != nestedObjects.end(); nr++)
        //{
        //  cout << "eyes" << endl;
        //  center.x = cvRound((r->x + nr->x + nr->width*0.5)*scale);
        //  center.y = cvRound((r->y + nr->y + nr->height*0.5)*scale);
        //  radius = cvRound((nr->width + nr->height)*0.25*scale);
        //  circle(img, center, radius, color, 3, 8, 0);
        //}
    }
    imshow("result", img);
}

结合

在戴帽子的过程中,对帽子进行缩放,只是简单的缩放,比例系数用的是经验值,也就是试出来的。
其中一小段代码:

switch (hat_number)
{
case 1: hat = imread("hat1.png", -1); //载入带Alpha图像
    my_thresh = 90;     //根据经验选择不同的阈值
    resize(hat, hat, Size(hat.cols * radius / 180, hat.rows * radius / 180));   //对帽子进行缩放
    add_point = Point(center.x - (hat.cols >> 1), center.y - radius - (50 + 130 * radius / 180)); //起始点
    if (add_point.x < 0 || add_point.y < 0)     //防止超出显示范围
        add_point = Point(0, 0);
    break;
    。。。
}

效果

剩余两中帽子效果:
这里写图片描述
这里写图片描述

  • 1
    点赞
  • 26
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 5
    评论
OpenCV项目 这是一个个人在使用OpenCV过程中写的一些小项目,以及一些非常有用的OpenCV代码,有些代码是对某论文中的部分实现。 注意:代码是在Xcode里写的,如果要在win下测试,遇到问题自己修改。 opencv-rootsift-py 用python和OpenCV写的一个rootsift实现,其中RootSIFT部分的代码参照Implementing RootSIFT in Python and OpenCV这篇文章所写,通过这个你可以了解Three things everyone should know to improve object retrieval这篇文章中RootSIFT是怎么实现的。 sift(asift)-match-with-ransac-cpp 用C++和OpenCV写的一个图像匹配实现,里面包含了采用1NN匹配可视化、1NN匹配后经RANSAC剔除错配点可视化、1NN/2NN<0.8匹配可视化、1NN/2NN<0.8经 RANSAC剔除错配点可视化四个过程,其中1NN/2NN<0.8匹配过程是Lowe的Raw feature match,具体可以阅读Lowe的Distinctive image features from scale-invariant keypoints这篇文章。这个对图像检索重排非常有用。另外里面还有用OpenCV写的ASIFT,这部分来源于OPENCV ASIFT C++ IMPLEMENTATION,ASIFT还可以到官网页面下载,ASIFT提取的关键点 比SIFT要多得多,速度非常慢,不推荐在对要求实时性的应用中使用。 更多详细的分析可以阅读博文SIFT(ASIFT) Matching with RANSAC。 有用链接 OpenCV3.0文档 // 测试sparse unsigned int centersNum = 10; vector descrNums; descrNums.push_back(8); descrNums.push_back(12); //unsigned int T[] = {1, 2, 1, 3, 2, 5, 4, 3, 10, 5; 4, 2, 6, 5, 2, 5, 4, 6, 2, 4}; unsigned int T[] = {1, 2, 1, 3, 2, 5, 4, 3, 10, 5, 4, 2, 6, 5, 2, 5, 4, 6, 2, 4}; sp_mat Hist(descrNums.size(), centersNum); static long int count = 0; for (int i = 0; i < descrNums.size(); i++){ unsigned int* desrcElementsTmp = new unsigned int[descrNums[i]]; memcpy(desrcElementsTmp, T + count, descrNums[i] * sizeof(T[0])); //cout << desrcElementsTmp[0] << '\t' << desrcElementsTmp[1] << '\t' << desrcElementsTmp[2] << '\t' << desrcElementsTmp[3] << '\t' << desrcElementsTmp[4] << '\t' <<endl; //cout << desrcElementsTmp[5] << '\t' << desrcElementsTmp[6] << '\t' << desrcElementsTmp[7] << '\t' << desrcElementsTmp[8] << '\t' << desrcElementsTmp[9] << '\t' << desrcElementsTmp[10] << '\t' <<endl; //cout << endl; sp_mat X(1, centersNum); X.zeros(); for (int j = 0; j < descrNums[i]; j++){ X(0, desrcElementsTmp[j]-1) += 1; } X.print("X:"); X = X/norm(X, 2); Hist.row(i) = X; count = count + descrNums[i]; delete desrcElementsTmp; } //Hist.print("Hist:");
评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

chasentech

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值