opencv换脸

#include <dlib/image_processing/frontal_face_detector.h>
#include <dlib/image_processing/render_face_detections.h>
#include <dlib/image_processing.h>
#include <dlib/gui_widgets.h>
#include <dlib/image_io.h>
#include <dlib/opencv.h>

#include <opencv2/highgui/highgui.hpp>
#include <opencv2/core/core.hpp>
#include <opencv2/opencv.hpp>
#include <opencv2/imgproc/imgproc.hpp>

#include <iostream>
#include <vector>
#include <ctime>

struct correspondens {
	std::vector<int> index;
};

//using namespace dlib;
using namespace std;
//using namespace cv;

/*获得人脸68个特征点*/
vector<cv::Point> getImportent68Point(cv::Mat &frame);

/*获得68点的凸包*/
vector<cv::Point> getHullPoint(vector<cv::Point> importent68Point);

/*三角仿射变换*/
void warpTriangle(cv::Mat &img1, cv::Mat &img2, std::vector<cv::Point2f> &t1, std::vector<cv::Point2f> &t2);
void applyAffineTransform(cv::Mat &warpImage, cv::Mat &src, std::vector<cv::Point2f> &srcTri, std::vector<cv::Point2f> &dstTri);



int main(int argc, char *argv[])
{
	cv::Mat dst = cv::imread("5.jpg");
	cv::Mat src = cv::imread("c.jpg");
	
	cv::imshow("1",dst);
	
	vector<cv::Point> src_importent68Point = getImportent68Point(src);
	vector<cv::Point> dst_importent68Point = getImportent68Point(dst);
	//cout << "src_importent68Point.size():" << src_importent68Point.size() << endl;
	/*for (int i = 0; i < src_importent68Point.size(); i++) {
		circle(src, src_importent68Point[i], 1, cv::Scalar(255, 255, 255), -1);
	}*/

	vector <cv::Point> hull_src = getHullPoint(src_importent68Point);
	vector <cv::Point> hull_dst = getHul
  • 2
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
Python和OpenCV是两个非常强大的工具,可以用来实现任务。下面我将用约300字的篇幅来回答这个问题。 首先,我们需要准备两张图片,一张是要的目标图片,另一张是要提取部特征的模板图片。然后,我们使用OpenCV库中的人检测器来检测出两张图片中的人位置。 接下来,我们使用人关键点检测器来标定出每个人的关键点位置,这些关键点包括眼睛、鼻子和嘴巴等特征点。可以使用OpenCV提供的已经训练好的人关键点检测器模型,如dlib模型。 然后,我们需要找到目标图片和模板图片中的人区域的仿射变矩阵,以实现对目标图片中的人进行仿射变。通过仿射变,我们可以将模板图片中的人特征与目标图片中的对应人区域进行对齐。 接着,在对齐后的目标图片上进行融合操作,将模板图片的人特征与目标图片中的人区域进行混合。可以使用OpenCV中的图像融合算法,如seamlessClone函数来实现融合操作。 最后,我们可以保存融合后的图片,以便展示或进一步处理。整个过程通过Python编写代码来实现,借助OpenCV库提供的丰富功能和高效算法来完成。 总之,Python和OpenCV组合可以实现任务,通过人检测、关键点检测、仿射变和图像融合等步骤来实现。这是一项非常有趣和有挑战性的任务,可以用于图像处理、娱乐等领域。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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
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