前面介绍了仅替换五官的方法,这里介绍整张脸的方法。
国际惯例,参考博客:
[图形算法]Delaunay三角剖分算法
维诺图(Voronoi Diagram)分析与实现
Delaunay Triangulation and Voronoi Diagram using OpenCV ( C++ / Python )
Face Swap using OpenCV ( C++ / Python )
learnopencv中的换脸源码
整脸替换的流程与仅替换五官的时候,稍微有点区别,步骤为:
seamlessclone
柏松融合算法进行贴图先加载必要的库
import cv2
import numpy as np
import matplotlib.pyplot as plt
跟上一篇仅人脸五官替换的文章一样,代码直接贴过来了
cas = cv2.CascadeClassifier('./model/haarcascade_frontalface_alt2.xml')
obj = cv2.face.createFacemarkLBF()
obj.loadModel('./model/lbfmodel.yaml')
# opencv检测关键点
def detect_facepoint(img):
img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
print(img_gray.shape)
print(cas.detectMultiScale(img_gray,2,3,0,(30,30)))
faces = cas.detectMultiScale(img_gray,2,3,0,(30,30))
landmarks = obj.fit(img_gray,faces)
assert landmarks[0],'no face detected'
if(len(landmarks[1])>1):
print('multi face detected,use the first')
return faces[0],np.squeeze(landmarks[1][0])
#绘制人脸关键点
def draw_kps(img,face_box,kps,kpssize=3):
img_show = img.copy()
cv2.rectangle(img_show,(face_box[0],face_box[1]),(face_box[0]+face_box[2],face_box[1]+face_box[3]),(0,255,0),3)
for i in range(kps.shape[0]):
cv2.circle(img_show,(kps[i,0],kps[i,1]),kpssize,(0,0,255),-1)
img_show = cv2.cvtColor(img_show,cv2.COLOR_BGR2RGB)
return img_show
根据人脸关键点,提取人脸三角网格,流程是先提取人脸区域的凸包,参考这里,接下来使用getTriangleList
函数提取人脸网格:
def get_triangle(img,facekpts):
convex_kps = cv2.convexHull(facekpts,returnPoints=True)
kps = np.squeeze(convex_kps)
rect = (0,0,img.shape[1],img.shape[0])
subdiv = cv2.Subdiv2D(rect)
for i in range(kps.shape[0]):
subdiv.insert((kps[i,0],kps[i,1]))
triangleList = subdiv.getTriangleList()
return triangleList
写一个画图函数,可视化三角网格
def draw_triangles(img,triangles):
for t in triangles:
pt1 = (t[0],t[1])
pt2 = (t[2],t[3])
pt3 = (t[4],t[5])
cv2.line(img,pt1,pt2,(0,255,0),2,cv2.LINE_AA)
cv2.line(img,pt1,pt3,(0,255,0),2,cv2.LINE_AA)
cv2.line(img,pt2,pt3,(0,255,0),2,cv2.LINE_AA)
img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
return img
可视化看看:
# 提取人脸关键点
img1 = cv2.imread('./images/hjh.jpg')
img2 = cv2.imread('./images/zly.jpg')
face_box1,face_kps1 = detect_facepoint(img1)
face_kps1=face_kps1.astype(int)
face_box2,face_kps2 = detect_facepoint(img2)
face_kps2=face_kps2.astype(int)
#获取三角网格
img_t1 = get_triangle(img1,face_kps1)
img_t2 = get_triangle(img2,face_kps2)
#可视化
plt.figure(figsize=(8,8))
plt.subplot(121)
plt.imshow(draw_triangles(img1.copy(),img_t1))
plt.axis('off')
plt.subplot(122)
plt.imshow(draw_triangles(img2.copy(),img_t2))
plt.axis('off')
目的是将第二个人脸分别用网格变形到第一个人脸对应的网格区域。
所以第二个人脸的网格没用,可以按照第一个人脸的网格分割第二个人脸。这两个人脸唯一对应的地方就是他们关键点的索引顺序相同,所以找到第一个网格每个顶点对应是哪个人脸关键点,就能用索引重新分割第二个人脸。
找第一个人脸的每个网格对应的人脸关键点
#找到三角网格对应的关键点索引
def get_nearest(img_t,face_kps):
triangle_idx=[]
for t in img_t:
idx1=np.argmin(np.sum(abs(face_kps-np.array([[t[0],t[1]]])),axis=1))
idx2=np.argmin(np.sum(abs(face_kps-np.array([[t[2],t[3]]])),axis=1))
idx3=np.argmin(np.sum(abs(face_kps-np.array([[t[4],t[5]]])),axis=1))
triangle_idx.append([idx1,idx2,idx3])
return triangle_idx
接下来提取第二个图像的每一块进行变形,举个例子,比如第二块网格。流程是提取三角网格的外接矩形,把它切出来,并且把举行里面对应的三个关键点的坐标重新计算一下:
# 提取第一张图的所有三角网格对应的人脸关键点索引
wrap_idx = get_nearest(img_t1,face_kps1)
i=2# 块索引
# 三角形的三个坐标
t1 = face_kps1[wrap_idx[i]]
t2 = face_kps2[wrap_idx[i]]
# 提取三角网格的外接矩形
patch_rect1 = cv2.boundingRect(t1)
patch_rect2 = cv2.boundingRect(t2)
# 重置关键点坐标
new_t1 = t1 - np.array([[ patch_rect1[0],patch_rect1[1] ]])
new_t2 = t2 - np.array([[ patch_rect2[0],patch_rect2[1] ]])
# 把第二张图像对应的图像块切分开
img_patch2 = img2[patch_rect2[1]:patch_rect2[1]+patch_rect2[3],
patch_rect2[0]:patch_rect2[0]+patch_rect2[2]]
可视化看看当前的图像切块和关键点是不是对应,因为opencv
里面经常出现坐标轴弄反的问题
#验证当前关键点是否正确
plt.figure(figsize=(8,8))
plt.subplot(131)
plt.imshow(cv2.cvtColor(img_patch2.copy(),cv2.COLOR_BGR2RGB))
plt.axis('off')
plt.subplot(132)
plt.imshow(draw_kps(img_patch2,(0,0,patch_rect2[2],patch_rect2[3]),new_t2))
plt.axis('off')
plt.subplot(133)
plt.imshow(draw_kps(img2.copy(),face_box2,t2,4))
plt.axis('off')
接下来将第二个图像的三角网格变形,使其能够贴到第一张图对应的三角区域,变形函数很简单难,就是利用opencv
的计算变形矩阵函数getAffineTransform
和应用变形函数warpAffine
,将两个区域变形对齐:
def applyAffineTransform(src, srcTri, dstTri, size) :
# 给定两个三角形,找到第一个到第二个的仿射变换矩阵
warpMat = cv2.getAffineTransform( np.float32(srcTri), np.float32(dstTri) )
# 将第一个做仿射变换
dst = cv2.warpAffine( src, warpMat, (size[0], size[1]), None, flags=cv2.INTER_LINEAR, borderMode=cv2.BORDER_REFLECT_101 )
return dst
调用上面的函数,利用两个三角形的仿射变换矩阵,将图二的块变形
patch_affine2=applyAffineTransform(img_patch2,new_t2,new_t1,(patch_rect1[2],patch_rect1[3]))
可视化看看呗
plt.imshow(cv2.cvtColor(patch_affine2.copy(),cv2.COLOR_BGR2RGB))
plt.axis('off')
我们只需要将三角网格部分贴过去,而非贴上面的这个矩形区域,所以利用掩膜去贴三角区域
mask = np.zeros((patch_rect1[3],patch_rect1[2],3),dtype=np.uint8)
mask = cv2.fillConvexPoly(mask,new_t1,(1,1,1),16,0)
mask_img = patch_affine2*mask
img1[patch_rect1[1]:patch_rect1[1]+patch_rect1[3],patch_rect1[0]:patch_rect1[0]+patch_rect1[2]] = \
img1[patch_rect1[1]:patch_rect1[1]+patch_rect1[3],patch_rect1[0]:patch_rect1[0]+patch_rect1[2]]*(1-mask)
img1[patch_rect1[1]:patch_rect1[1]+patch_rect1[3],patch_rect1[0]:patch_rect1[0]+patch_rect1[2]] = \
img1[patch_rect1[1]:patch_rect1[1]+patch_rect1[3],patch_rect1[0]:patch_rect1[0]+patch_rect1[2]]+mask_img
可视化看看
plt.imshow(cv2.cvtColor(img1.copy(),cv2.COLOR_BGR2RGB))
plt.axis('off')
仔细看,下嘴唇下面有一道印,那个地方就是第2块三角网格的贴图结果。
这一块的整体函数是:
def warp_triangle(dst_img,src_img,img_tri1,kps1,kps2):
# 提取第一张图的所有三角网格对应的人脸关键点索引
wrap_idx = get_nearest(img_tri1,kps1)
for i in range(len(wrap_idx)): #将第二个图的每个网格变形贴到第一张图的对应位置
t1 = kps1[wrap_idx[i]]
t2 = kps2[wrap_idx[i]]
patch_rect1 = cv2.boundingRect(t1)
patch_rect2 = cv2.boundingRect(t2)
new_t1 = t1 - np.array([[ patch_rect1[0],patch_rect1[1] ]])
new_t2 = t2 - np.array([[ patch_rect2[0],patch_rect2[1] ]])
img_patch2 = src_img[patch_rect2[1]:patch_rect2[1]+patch_rect2[3],
patch_rect2[0]:patch_rect2[0]+patch_rect2[2]]# 提取第二张图的网格图像
patch_affine2=applyAffineTransform(img_patch2,new_t2,new_t1,(patch_rect1[2],patch_rect1[3])) #变形
#将第二张图网格变形后贴到第一张图对应地方
mask = np.zeros((patch_rect1[3],patch_rect1[2],3),dtype=np.uint8)
mask = cv2.fillConvexPoly(mask,new_t1,(1,1,1),16,0)
mask_img = patch_affine2*mask
dst_img[patch_rect1[1]:patch_rect1[1]+patch_rect1[3],patch_rect1[0]:patch_rect1[0]+patch_rect1[2]] = \
dst_img[patch_rect1[1]:patch_rect1[1]+patch_rect1[3],patch_rect1[0]:patch_rect1[0]+patch_rect1[2]]*(1-mask)
dst_img[patch_rect1[1]:patch_rect1[1]+patch_rect1[3],patch_rect1[0]:patch_rect1[0]+patch_rect1[2]] = \
dst_img[patch_rect1[1]:patch_rect1[1]+patch_rect1[3],patch_rect1[0]:patch_rect1[0]+patch_rect1[2]]+mask_img
return dst_img
所有的网格都变形以后的结果图:
# 对人脸网格进行变形
wrap_img = warp_triangle(img1.copy(),img2.copy(),img_t1,face_kps1,face_kps2)
可视化结果:
plt.imshow(cv2.cvtColor(wrap_img,cv2.COLOR_BGR2RGB))
plt.axis('off')
很明显遇到了颜色不一致问题,导致贴图痕迹明显。
上一章节我们引用的是一种高斯校正的方法,这里我们直接用opencv
的seamlessClone()
方法,使用泊松融合的方法矫正贴图痕迹过于明显的问题。
流程就是重新提取一次面部掩膜,利用此掩膜调用opencv
函数贴图
# 对人脸进行重新贴图
convex1 = cv2.convexHull(face_kps1,returnPoints=True)
mask = np.zeros_like(img1)
mask = cv2.fillConvexPoly(mask,convex1,(255,255,255))
r=cv2.boundingRect(convex1)
center = ((r[0]+int(r[2]/2)),r[1]+int(r[3]/2))
result_img = cv2.seamlessClone(wrap_img,img1,mask,center,cv2.NORMAL_CLONE)
可视化结果
plt.figure(figsize=(18,18))
plt.subplot(131)
plt.imshow(mask.astype(np.uint8))
plt.axis('off')
plt.subplot(132)
plt.imshow(cv2.cvtColor(wrap_img,cv2.COLOR_BGR2RGB))
plt.axis('off')
plt.subplot(133)
plt.imshow(cv2.cvtColor(result_img,cv2.COLOR_BGR2RGB))
plt.axis('off')
这个脸的方向看起来很怪,所以我们尽量让换脸的两个人的图面部朝向保持一致。用女神俞飞鸿和赵丽颖的图像做替换,效果如下:
好吧,反正我是看不出来左下角图片是赵丽颖。不要慌,算法多多,后面再想其他算法。
本文是上一片只替换五官换脸方法的更进一步的替换方法,替换整张面部。后面会继续更新其他换脸算法,有兴趣可持续关注公众号。
文章所有代码都会在公众号简介的github或者csdn账号中找到。
联系客服