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
该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:
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:
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:
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: