本文將介紹如何編寫一個(gè)只有200行的Python腳本，為兩張肖像照上人物的“換臉”。

這個(gè)過程可分為四步：

檢測面部標(biāo)記。

旋轉(zhuǎn)、縮放和轉(zhuǎn)換第二張圖像，使之與第一張圖像相適應(yīng)。

調(diào)整第二張圖像的色彩平衡，使之與第一個(gè)相匹配。

把第二張圖像的特性混合在第一張圖像中。

完整的源代碼可以從這里下載:https://github.com/matthewearl/faceswap/blob/master/faceswap.py

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：

用Dlib實(shí)現(xiàn)了論文One Millisecond Face Alignment with an Ensemble of Regression Trees中的算法（http://www.csc.kth.se/~vahidk/papers/KazemiCVPR14.pdf，作者為Vahid Kazemi 和Josephine Sullivan） 。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)defget_landmarks(im):rects = detector(im,1)iflen(rects) >1:raiseTooManyFacesiflen(rects) ==0:raiseNoFacesreturnnumpy.matrix([[p.x, p.y]forpinpredictor(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 x2元素矩陣，輸入圖像的每個(gè)特征點(diǎn)對應(yīng)每行的一個(gè)x，y坐標(biāo)。

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

為了構(gòu)建特征提取器，預(yù)訓(xùn)練模型必不可少，相關(guān)模型可從dlib sourceforge庫下載(http://sourceforge.net/projects/dclib/files/dlib/v18.10/shape_predictor_68_face_landmarks.dat.bz2)。

2．用普氏分析(Procrustes analysis)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)對應(yīng)一個(gè)特定的面部特征（如第30行給出的鼻子的坐標(biāo)）。我們現(xiàn)在要搞清楚如何旋轉(zhuǎn)、翻譯和規(guī)?；谝粋€(gè)向量，使它們盡可能適合第二個(gè)向量的點(diǎn)。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。

本人對于Python學(xué)習(xí)創(chuàng)建了一個(gè)小小的學(xué)習(xí)圈子，為各位提供了一個(gè)平臺，大家一起來討論學(xué)習(xí)Python。歡迎各位到來Python學(xué)習(xí)群：923414804一起討論視頻分享學(xué)習(xí)。Python是未來的發(fā)展方向，正在挑戰(zhàn)我們的分析能力及對世界的認(rèn)知方式，因此，我們與時(shí)俱進(jìn)，迎接變化，并不斷的成長，掌握Python核心技術(shù)，才是掌握真正的價(jià)值所在。

把它們更數(shù)學(xué)化，尋找T，s和R，令下面這個(gè)表達(dá)式的結(jié)果最?。?/p>

R是個(gè)2 x2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)普氏分析法” (Ordinary Procrustes Analysis) 解決：

deftransformation_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 -= c2? ? s1 = numpy.std(points1)? ? s2 = numpy.std(points2)? ? points1 /= s1? ? points2 /= s2? ? U, S, Vt = numpy.linalg.svd(points1.T * points2)? ? R = (U * Vt).Treturnnumpy.vstack([numpy.hstack(((s2 / s1) * R,? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? c2.T - (s2 / s1) * R * c1.T)),? ? ? ? ? ? ? ? ? ? ? ? numpy.matrix([0.,0.,1.])])

代碼分別實(shí)現(xiàn)了下面幾步：

將輸入矩陣轉(zhuǎn)換為浮點(diǎn)數(shù)。這是之后步驟的必要條件。

每一個(gè)點(diǎn)集減去它的矩心。一旦為這兩個(gè)新的點(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。

同樣，每一個(gè)點(diǎn)集除以它的標(biāo)準(zhǔn)偏差。這消除了問題的組件縮放偏差。

使用Singular Value Decomposition計(jì)算旋轉(zhuǎn)部分。可以在維基百科上看到關(guān)于解決正交普氏問題的細(xì)節(jié)（https://en.wikipedia.org/wiki/Orthogonal_Procrustes_problem）。

利用仿射變換矩陣（https://en.wikipedia.org/wiki/Transformation_matrix#Affine_transformations）返回完整的轉(zhuǎn)化。

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

defwarp_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)returnoutput_im

圖像對齊結(jié)果如下：

3．校正第二張圖像的顏色

如果我們試圖直接覆蓋面部特征，很快就會看到一個(gè)問題：

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)。我們試著修正：

COLOUR_CORRECT_BLUR_FRAC =0.6LEFT_EYE_POINTS = list(range(42,48))RIGHT_EYE_POINTS = list(range(36,42))defcorrect_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)ifblur_amount %2==0:? ? ? ? blur_amount +=1im1_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)果是這樣：

此函數(shù)試圖改變圖像2的顏色來匹配圖像1。它通過用im2除以im2的高斯模糊，然后乘以im1的高斯模糊。這里的想法是用RGB縮放校色，但是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是從一邊照亮，但圖像2是均勻照明的，色彩校正后圖像2也會出現(xiàn)未照亮邊暗一些的現(xiàn)象。

也就是說，這是一個(gè)相當(dāng)粗糙的辦法，而且解決問題的關(guān)鍵是一個(gè)適當(dāng)?shù)母咚箖?nèi)核大小。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．把第二張圖像的特性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(白色)的地方為圖像2應(yīng)該顯示出的區(qū)域，值為0(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。

這是生成上面那張圖的代碼:

LEFT_EYE_POINTS = list(range(42,48))RIGHT_EYE_POINTS = list(range(36,42))LEFT_BROW_POINTS = list(range(22,27))RIGHT_BROW_POINTS = list(range(17,22))NOSE_POINTS = list(range(27,35))MOUTH_POINTS = list(range(48,61))OVERLAY_POINTS = [? ? LEFT_EYE_POINTS + RIGHT_EYE_POINTS + LEFT_BROW_POINTS + RIGHT_BROW_POINTS,? ? NOSE_POINTS + MOUTH_POINTS,]FEATHER_AMOUNT =11defdraw_convex_hull(im, points, color):points = cv2.convexHull(points)? ? cv2.fillConvexPoly(im, points, color=color)defget_face_mask(im, landmarks):im = numpy.zeros(im.shape[:2], dtype=numpy.float64)forgroupinOVERLAY_POINTS:? ? ? ? draw_convex_hull(im,? ? ? ? ? ? ? ? ? ? ? ? landmarks[group],? ? ? ? ? ? ? ? ? ? ? ? color=1)? ? im = numpy.array([im, im, im]).transpose((1,2,0))? ? im = (cv2.GaussianBlur(im, (FEATHER_AMOUNT, FEATHER_AMOUNT),0) >0) *1.0im = cv2.GaussianBlur(im, (FEATHER_AMOUNT, FEATHER_AMOUNT),0)returnimmask = get_face_mask(im2, landmarks2)warped_mask = warp_im(mask, M, im1.shape)combined_mask = numpy.max([get_face_mask(im1, landmarks1), warped_mask],? ? ? ? ? ? ? ? ? ? ? ? ? axis=0)

我們把上述代碼分解：

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，應(yīng)用遮罩，給出最終的圖像：

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