簡介

在這篇文章中我將介紹如何寫一個(gè)簡短(200行)的 Python 腳本，來自動(dòng)地將一幅圖片的臉替換為另一幅圖片的臉。

這個(gè)過程分四步：

• 檢測(cè)臉部標(biāo)記。
• 旋轉(zhuǎn)、縮放、平移和第二張圖片，以配合第一步。
• 調(diào)整第二張圖片的色彩平衡，以適配第一張圖片。
• 把第二張圖像的特性混合在第一張圖像中。

1.使用 dlib 提取面部標(biāo)記

該腳本使用 dlib 的 Python 綁定來提取面部標(biāo)記：

Dlib 實(shí)現(xiàn)了 Vahid Kazemi 和 Josephine Sullivan 的《使用回歸樹一毫秒臉部對(duì)準(zhǔn)》論文中的算法。算法本身非常復(fù)雜，但dlib接口使用起來非常簡單：

PREDICTOR_PATH = "/home/matt/dlib-18.16/shape_predictor_68_face_landmarks.dat" 
 
detector = dlib.get_frontal_face_detector() 
 
predictor = dlib.shape_predictor(PREDICTOR_PATH) 
 
def get_landmarks(im): 
 
    rects = detector(im, 1) 
 
    if len(rects) > 1: 
 
        raise TooManyFaces 
 
    if len(rects) == 0: 
 
        raise NoFaces 
 
    return numpy.matrix([[p.x, p.y] for p in predictor(im, rects[0]).parts()]) 

get_landmarks()函數(shù)將一個(gè)圖像轉(zhuǎn)化成numpy數(shù)組，并返回一個(gè)68×2元素矩陣，輸入圖像的每個(gè)特征點(diǎn)對(duì)應(yīng)每行的一個(gè)x，y坐標(biāo)。

特征提取器(predictor)需要一個(gè)粗糙的邊界框作為算法輸入，由一個(gè)傳統(tǒng)的能返回一個(gè)矩形列表的人臉檢測(cè)器(detector)提供，其每個(gè)矩形列表在圖像中對(duì)應(yīng)一個(gè)臉。

2.用 Procrustes 分析調(diào)整臉部

現(xiàn)在我們已經(jīng)有了兩個(gè)標(biāo)記矩陣，每行有一組坐標(biāo)對(duì)應(yīng)一個(gè)特定的面部特征(如第30行的坐標(biāo)對(duì)應(yīng)于鼻頭)。我們現(xiàn)在要解決如何旋轉(zhuǎn)、翻譯和縮放第一個(gè)向量，使它們盡可能適配第二個(gè)向量的點(diǎn)。一個(gè)想法是可以用相同的變換在第一個(gè)圖像上覆蓋第二個(gè)圖像。

將這個(gè)問題數(shù)學(xué)化，尋找T，s 和 R，使得下面這個(gè)表達(dá)式：

結(jié)果最小，其中R是個(gè)2×2正交矩陣，s是標(biāo)量，T是二維向量，pi和qi是上面標(biāo)記矩陣的行。

事實(shí)證明，這類問題可以用“常規(guī) Procrustes 分析法”解決：

def transformation_from_points(points1, points2): 
 
    points1 = points1.astype(numpy.float64) 
 
    points2 = points2.astype(numpy.float64) 
 
    c1 = numpy.mean(points1, axis=0) 
 
    c2 = numpy.mean(points2, axis=0) 
 
    points1 -= c1 
 
    points2 -= c 
  
 
    s1 = numpy.std(points1) 
 
    s2 = numpy.std(points2) 
 
    points1 /= s1 
 
    points2 /= s2 
 
  
 
    U, S, Vt = numpy.linalg.svd(points1.T * points2) 
 
    R = (U * Vt).T 
 
  
 
    return numpy.vstack([numpy.hstack(((s2 / s1) * R, 
 
                                       c2.T - (s2 / s1) * R * c1.T)), 
 
                         numpy.matrix([0., 0., 1.])]) 

代碼實(shí)現(xiàn)了這幾步：

1. 將輸入矩陣轉(zhuǎn)換為浮點(diǎn)數(shù)。這是后續(xù)操作的基礎(chǔ)。
2. 每一個(gè)點(diǎn)集減去它的矩心。一旦為點(diǎn)集找到了一個(gè)最佳的縮放和旋轉(zhuǎn)方法，這兩個(gè)矩心 c1 和 c2 就可以用來找到完整的解決方案。
3. 同樣，每一個(gè)點(diǎn)集除以它的標(biāo)準(zhǔn)偏差。這會(huì)消除組件縮放偏差的問題。
4. 使用奇異值分解計(jì)算旋轉(zhuǎn)部分。可以在維基百科上看到關(guān)于解決正交 Procrustes 問題的細(xì)節(jié)。
5. 利用仿射變換矩陣返回完整的轉(zhuǎn)化。

其結(jié)果可以插入 OpenCV 的 cv2.warpAffine 函數(shù)，將圖像二映射到圖像一：

def warp_im(im, M, dshape): 
 
    output_im = numpy.zeros(dshape, dtype=im.dtype) 
 
    cv2.warpAffine(im, 
 
                   M[:2], 
 
                   (dshape[1], dshape[0]), 
 
                   dst=output_im, 
 
                   borderMode=cv2.BORDER_TRANSPARENT, 
 
                   flags=cv2.WARP_INVERSE_MAP) 
 
    return output_im 

對(duì)齊結(jié)果如下：

3.校正第二張圖像的顏色

如果我們?cè)噲D直接覆蓋面部特征，很快會(huì)看到這個(gè)問題：

這個(gè)問題是兩幅圖像之間不同的膚色和光線造成了覆蓋區(qū)域的邊緣不連續(xù)。我們?cè)囍拚?/p>

COLOUR_CORRECT_BLUR_FRAC = 0.6 
 
LEFT_EYE_POINTS = list(range(42, 48)) 
 
RIGHT_EYE_POINTS = list(range(36, 42)) 
 
def correct_colours(im1, im2, landmarks1): 
 
    blur_amount = COLOUR_CORRECT_BLUR_FRAC * numpy.linalg.norm( 
 
                              numpy.mean(landmarks1[LEFT_EYE_POINTS], axis=0) - 
 
                              numpy.mean(landmarks1[RIGHT_EYE_POINTS], axis=0)) 
 
    blur_amount = int(blur_amount) 
 
    if blur_amount % 2 == 0: 
 
        blur_amount += 1 
 
    im1_blur = cv2.GaussianBlur(im1, (blur_amount, blur_amount), 0) 
 
    im2_blur = cv2.GaussianBlur(im2, (blur_amount, blur_amount), 0) 
 
    # Avoid divide-by-zero errors. 
 
    im2_blur += 128 * (im2_blur <= 1.0) 
 
    return (im2.astype(numpy.float64) * im1_blur.astype(numpy.float64) / 
 
                                                im2_blur.astype(numpy.float64)) 

結(jié)果如下：

此函數(shù)試圖改變 im2 的顏色來適配 im1。它通過用 im2 除以 im2 的高斯模糊值，然后乘以im1的高斯模糊值。這里的想法是用RGB縮放校色，但并不是用所有圖像的整體常數(shù)比例因子，每個(gè)像素都有自己的局部比例因子。

用這種方法兩圖像之間光線的差異只能在某種程度上被修正。例如，如果圖像1是從一側(cè)照亮，但圖像2是被均勻照亮的，色彩校正后圖像2也會(huì)出現(xiàn)未照亮一側(cè)暗一些的問題。

也就是說，這是一個(gè)相當(dāng)簡陋的辦法，而且解決問題的關(guān)鍵是一個(gè)適當(dāng)?shù)母咚购撕瘮?shù)大小。如果太小，第一個(gè)圖像的面部特征將顯示在第二個(gè)圖像中。過大，內(nèi)核之外區(qū)域像素被覆蓋，并發(fā)生變色。這里的內(nèi)核用了一個(gè)0.6 *的瞳孔距離。

4.把第二張圖像的特征混合在第一張圖像中

用一個(gè)遮罩來選擇圖像2和圖像1的哪些部分應(yīng)該是最終顯示的圖像：

值為1(顯示為白色)的地方為圖像2應(yīng)該顯示出的區(qū)域，值為0(顯示為黑色)的地方為圖像1應(yīng)該顯示出的區(qū)域。值在0和1之間為圖像1和圖像2的混合區(qū)域。

我們把上述過程分解：

• get_face_mask()的定義是為一張圖像和一個(gè)標(biāo)記矩陣生成一個(gè)遮罩，它畫出了兩個(gè)白色的凸多邊形：一個(gè)是眼睛周圍的區(qū)域，一個(gè)是鼻子和嘴部周圍的區(qū)域。之后它由11個(gè)像素向遮罩的邊緣外部羽化擴(kuò)展，可以幫助隱藏任何不連續(xù)的區(qū)域。
• 這樣一個(gè)遮罩同時(shí)為這兩個(gè)圖像生成，使用與步驟2中相同的轉(zhuǎn)換，可以使圖像2的遮罩轉(zhuǎn)化為圖像1的坐標(biāo)空間。
• 之后，通過一個(gè)element-wise最大值，這兩個(gè)遮罩結(jié)合成一個(gè)。結(jié)合這兩個(gè)遮罩是為了確保圖像1被掩蓋，而顯現(xiàn)出圖像2的特性。

最后，使用遮罩得到最終的圖像：

output_im = im1 * (1.0 - combined_mask) + warped_corrected_im2 * combined_mask