點選有驚喜

0.引言

　　　利用python開發，藉助Dlib庫進行人臉檢測/face detection；

　　　1. dlib_cut_faces.py : 

　　　　將檢測到的人臉剪下下來，依次排序顯示在新的影象上；

　　　　實現的效果如圖1所示，將圖1原圖中的6張人臉檢測出來，然後剪下下來，在影象視窗中依次輸出顯示人臉；

　　　2. dlib_cut_faces_save.py:

　將檢測到的人臉生成單個jpg，儲存到本地路徑；

　　　（實現比較簡單，程式碼量也比較少，適合入門或者興趣學習。）

　　　　圖1 原圖和dlib_cut_faces.py處理後得到的影象視窗

　　　　圖2 dlib_cut_faces_save.py處理後得到單個人臉影象們

1.開發環境

　　python:　　3.6.3

　　dlib:　　　 19.7

　　OpenCv, numpy

1 import dlib         # 人臉識別的庫dlib
2 import numpy as np  # 資料處理的庫numpy
3 import cv2          # 影象處理的庫OpenCv

2.設計流程

工作內容主要以下兩大塊：dlib人臉檢測 和 繪製新影象

　　2.1 dlib人臉檢測

　　　　dlib的使用，在我之前另一篇部落格裡面介紹過

 1 # dlib檢測器
 2 detector = dlib.get_frontal_face_detector()
 3 predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat')
 4 
 5 # 讀取影象
 6 path = "F:/***/pic/"
 7 img = cv2.imread(path+"test_faces_6.jpg")
 8 #print("img/shape:", img.shape)
 9 
10 # dlib檢測
11 dets = detector(img, 1)
12 
13
 
 print("人臉數：", len(dets))

　　　　 接下來需要得到人臉的座標，用來計算人臉矩形的高度和寬度。

　　2.2 繪製新影象

　　　　 如果你想讓人臉並排顯示的話，稍微麻煩一點，需要遍歷兩次dets（for k, d in enumerate (dets)）:

　　 第一次遍歷：記錄下我們需要生成的影象視窗的大小，因為需要將多張照片顯示在一張影象上，所以需要知道每張人臉照片的大小；

　　 第二次遍歷：根據之前得到的影象尺寸新建空白影象，然後開始用人臉矩形填充影象；

　　2.2.1 確定空白影象尺寸

　　（這部分首先要根據檢測到的人臉數和人臉大小，來確定繪製圖像所需要的尺寸）　　

第一次遍歷：多張人臉要輸出到一行，所以先進行一次人臉的遍歷j記下每張人臉的大小，記每張人臉的尺寸為 高度height  *寬度width（高度和寬度說明見圖3）：

　　　　圖3 影象尺寸說明

我取的生成空白影象的尺寸：height_max（最大高度）和width_sum（寬度之和），然後根據尺寸大小來新建空白影象：

1 img_blank = np.zeros((height_max, width_sum, 3), np.uint8)

　　　　圖4 影象尺寸height_max和width_sum

　　2.2.2 影象填充

　　第二次遍歷：多根據之前得到的影象尺寸新建空白影象，然後開始用人臉矩形填充影象，每次width方向從blank_start位置開始，每次填完一張之後記得更新起始位置：（blank_start += width）：

1 for i in range(height):
2     for j in range(width):
3         img_blank[i][blank_start + j] = img[d.top() + i][d.left() + j]

　　如果想訪問影象的某點畫素，可以利用img[height][width]：

　　　　儲存畫素其實是一個三維陣列，先高度height，然後寬度width;

　　　　返回的是一個顏色陣列（0-255，0-255，0-255），按照（B, G, R）的順序；

　　　　比如 藍色就是（255，0，0），紅色是（0，0，255）;

3.原始碼

3.1 dlib_cut_faces.py

 1 # 2018-01-22
 2 # By TimeStamp
 3 # #cnblogs: http://www.cnblogs.com/AdaminXie/
 4 
 5 import dlib         # 人臉識別的庫dlib
 6 import numpy as np  # 資料處理的庫numpy
 7 import cv2          # 影象處理的庫OpenCv
 8 
 9 # dlib預測器
10 detector = dlib.get_frontal_face_detector()
11 predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat')
12 
13 # 讀取影象
14 path = "F:/code/python/***/pic/"
15 img = cv2.imread(path+"test.jpg")
16 #print("img/shape:", img.shape)
17 
18 # dlib檢測
19 dets = detector(img, 1)
20 
21 print("人臉數：", len(dets))
22 
23 # 記錄人臉矩陣大小
24 height_max = 0
25 width_sum = 0
26 
27 # 計算要生成的影象img_blank大小
28 for k, d in enumerate(dets):
29 
30     # 計算矩形大小
31     # (x,y), (寬度width, 高度height)
32     pos_start = tuple([d.left(), d.top()])
33     pos_end = tuple([d.right(), d.bottom()])
34 
35     # 計算矩形框大小
36     height = d.bottom()-d.top()
37     width = d.right()-d.left()
38 
39     # 處理寬度
40     width_sum += width
41 
42     # 處理高度
43     if height > height_max:
44         height_max = height
45     else:
46         height_max = height_max
47 
48 # 繪製用來顯示人臉的影象的大小
49 print("img_blank的大小：")
50 print("高度", height_max, "寬度", width_sum)
51 
52 # 生成用來顯示的影象
53 img_blank = np.zeros((height_max, width_sum, 3), np.uint8)
54 
55 # 記錄每次開始寫入人臉畫素的寬度位置
56 blank_start = 0
57 
58 # 將人臉填充到img_blank
59 for k, d in enumerate(dets):
60 
61     height = d.bottom()-d.top()
62     width = d.right()-d.left()
63 
64     # 填充
65     for i in range(height):
66         for j in range(width):
67                 img_blank[i][blank_start+j] = img[d.top()+i][d.left()+j]
68     # 更新讀取影象起始位置
69     blank_start += width
70 
71 cv2.namedWindow("img_faces", 2)
72 cv2.imshow("img_faces", img_blank)
73 cv2.waitKey(0)

結果：

　　　　圖5 原圖和處理後得到的影象視窗

3.2 dlib_cut_faces_save.py

　　如果你想將識別出來的人臉儲存成單個的jpg，方便之後處理用，只需將上述程式碼進行略微修改；

只需一次遍歷，根據每次檢測到的人臉尺寸，新建空白影象後寫入，然後利用cv2.imwrite寫入到本地：

 1 # 2018-01-24
 2 # By TimeStamp
 3 # #cnblogs: http://www.cnblogs.com/AdaminXie/
 4 
 5 import dlib         # 人臉識別的庫dlib
 6 import numpy as np  # 資料處理的庫numpy
 7 import cv2          # 影象處理的庫OpenCv
 8 
 9 # dlib預測器
10 detector = dlib.get_frontal_face_detector()
11 predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat')
12 
13 # 讀取影象的路徑
14 path_read = "F:/************/pic/"
15 img = cv2.imread(path_read+"test.jpg")
16 
17 # 用來儲存生成的單張人臉的路徑
18 path_save = "F:/**********/pic/"
19 
20 # dlib檢測
21 dets = detector(img, 1)
22 
23 print("人臉數：", len(dets))
24 
25 for k, d in enumerate(dets):
26 
27     # 計算矩形大小
28     # (x,y), (寬度width, 高度height)
29     pos_start = tuple([d.left(), d.top()])
30     pos_end = tuple([d.right(), d.bottom()])
31 
32     # 計算矩形框大小
33     height = d.bottom()-d.top()
34     width = d.right()-d.left()
35 
36     # 根據人臉大小生成空的影象
37     img_blank = np.zeros((height, width, 3), np.uint8)
38 
39     for i in range(height):
40         for j in range(width):
41                 img_blank[i][j] = img[d.top()+i][d.left()+j]
42 
43     cv2.imshow("face_"+str(k+1), img_blank)
44     cv2.imwrite(path_save+"img_face_"+str(k+1)+".jpg", img_blank)
45 
46 cv2.waitKey(0)

點選有驚喜