偶像刘德华，我爱你30年，我要和你用python换个脸

　　1 说明：
　　=====
　　1.1 首先：刘德华是我的偶像，一直很喜欢他，向他致敬，无意冒犯，仅供学习。
　　1.2 技术要点：python+OpenCV（cv2）+dlib+numpy，代码详细，简单通俗，小白秒懂。
　　1.3 图片来源：今日头条免费正版图库。
　　偶像刘德华：ldh.jpeg
　　来自网络，假设是我：me.jpeg
　　换脸后的效果，小bug，可能与光线有关
　　2 准备：
　　=====
　　2.1 参看文章来源：#https://github.com/Mister5ive/changeFaceImg  #下载，提取shape_predictor_68_face_landmarks.dat #上面github下载的代码多，弃用。 #https://blog.csdn.net/ugly_scarecrow/article/details/77449576  #代码来源，并对代码进行修改，注释和删减
　　2.2 环境：
　　python3.8+OpenCV4.2.0+dlib19.19+微软编辑器vscode+深度操作系统deepin-linux。
　　3 代码分析：
　　=========
　　3.1 第1步：导入模块import cv2 import dlib import sys import numpy as np
　　3.2 第2步：参数设定SCALE_FACTOR = 1  FEATHER_AMOUNT = 11 # 代表各个区域的关键点标号 FACE_POINTS = list(range(17, 68)) MOUTH_POINTS = list(range(48, 61)) RIGHT_BROW_POINTS = list(range(17, 22)) LEFT_BROW_POINTS = list(range(22, 27)) RIGHT_EYE_POINTS = list(range(36, 42)) LEFT_EYE_POINTS = list(range(42, 48)) NOSE_POINTS = list(range(27, 35)) JAW_POINTS = list(range(0, 17))  # pupillary distance. 瞳孔距离 COLOUR_CORRECT_BLUR_FRAC = 0.6
　　3.3 第3步：加载模型，注意路径。模型需要在dlib包或者上面提到的github中获取。PREDICTOR_PATH = ＂/home/xgj/Desktop/change-face/model/shape_predictor_68_face_landmarks.dat＂ detector = dlib.get_frontal_face_detector() predictor = dlib.shape_predictor(PREDICTOR_PATH)
　　3.4 第4步：函数定义# 获取关键点坐标位置，只获取一张人脸 # input：代表一张图片的numpy array # output：68*2的关键点坐标位置matrix def get_landmarks(im):     rects = detector(im, 1)     return np.matrix([[p.x, p.y] for p in predictor(im, rects[0]).parts()])  def read_im_and_landmarks(fname):     im = cv2.imread(fname, cv2.IMREAD_COLOR)     im = cv2.resize(im, (im.shape[1] * SCALE_FACTOR, im.shape[0] * SCALE_FACTOR))     s = get_landmarks(im)     return im, s  def draw_convex_hull(im, points, color):     points = cv2.convexHull(points)  # 检测凸包函数     cv2.fillConvexPoly(im, points, color=color)  # 绘制好多边形后并填充     点的顺序不同绘制出来的凸包也不同   def get_face_mask(im, landmarks):     im = np.zeros(im.shape[:2], dtype=np.float64)     draw_convex_hull(im,landmarks,color=1)     im = np.array([im, im, im]).transpose((1, 2, 0))  # 得到一个类似于3通道的图片      return im   # 用普氏分析(Procrustes analysis)调整脸部 def transformation_from_points(points1, points2):     points1 = points1.astype(np.float64)     points2 = points2.astype(np.float64)     c1 = np.mean(points1, axis=0)     c2 = np.mean(points2, axis=0)     points1 -= c1     points2 -= c2     # 计算标准差     s1 = np.std(points1)     s2 = np.std(points2)     points1 /= s1     points2 /= s2     # 通过奇异值分解求得旋转矩阵R     U, S, Vt = np.linalg.svd(points1.T * points2)       R = (U * Vt).T   # 维度:2*2     # 仿射变换矩阵3*3 #  numpy.hstack用来在第1个维度上拼接tup  numpy.vstack在第0个维度上拼接tup     return np.vstack([np.hstack(((s2 / s1) * R,                                        c2.T - (s2 / s1) * R * c1.T)),                          np.matrix([0., 0., 1.])])   def warp_im(im, M, dshape):     output_im = np.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   # 颜色校正 def correct_colours(im1, im2, landmarks1):     blur_amount = COLOUR_CORRECT_BLUR_FRAC * np.linalg.norm(np.mean(landmarks1[LEFT_EYE_POINTS], axis=0)-np.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 pide-by-zero errors.     im2_blur += (128 * (im2_blur <= 1.0)).astype(im2_blur.dtype)     return (im2.astype(np.float64) * im1_blur.astype(np.float64)/im2_blur.astype(np.float64))
　　3.5 第5步：加载图片和开始换脸im1, landmarks1 = read_im_and_landmarks(＂/home/xgj/Desktop/change-face/me.jpeg＂)  #需要换脸：me的脸 im2, landmarks2 = read_im_and_landmarks(＂/home/xgj/Desktop/change-face/ldh.jpeg＂)  #偶像的脸：ldh的脸  #换脸点 M = transformation_from_points(landmarks1,landmarks2)   # get_face_mask()的定义是为一张图像和一个标记矩阵生成一个掩膜 mask = get_face_mask(im2, landmarks2) warped_mask = warp_im(mask, M, im1.shape) # 33. 用min函数取掩膜区域效果更好 combined_mask = np.min([get_face_mask(im1, landmarks1), warped_mask],axis=0)  # 将图像2的掩膜转换到图像1的坐标空间 warped_im2 = warp_im(im2, M, im1.shape) warped_corrected_im2 = correct_colours(im1, warped_im2, landmarks1) output_im = im1 * (1.0 - combined_mask) + warped_corrected_im2 * combined_mask #保存换脸后的图片 #cv2.imwrite(＂/home/xgj/Desktop/change-face/output.jpg＂, output_im) output_im = output_im.astype(np.uint8) #展示图片 cv2.imshow(＂outputface＂, output_im)  cv2.waitKey()
　　4 操作和效果：
　　华仔，爱你一万年。