利用OpenCV做个熊猫表情包 二

之前写了一篇

利用OpenCV做个熊猫表情包吧_Leen的博客-CSDN博客

回想起来觉得有点太弱了,意犹未尽,每次使用需要自己去手动截取人脸,清除黑边什么的才能使用demo去合成表情,无奈之前由于安装的vs,opencv版本都比较低,也懒得再折腾。

恰逢前些天电脑硬盘坏了,数据丢了,一切都要重装,那直接高配走起,VS2022+OpenCV4.8,既然环境都有了,于是有空的时候就改进了一下,让它利用opencv,做简单的人脸识别,自动去图片中识别、提取人脸,同时去做黑边清理工作,自动化程度更高,用起来更省事儿~

原理呢就是在处理原始图片的流程中加入了面部识别,将面部单独切出来,同时对面部图片做黑边清晰处理,然后再进行表情的合成工作,下面介绍一下具体过程:

首先是识别到用户输入的原图

利用opencv进行面部识别

灰度化图片后提取面部,并清理黑边

再将面部跟熊猫脸进行融合

下面介绍关键步骤的代码:

初始化面部识别

cpp 复制代码
int InitFaceDetect()
{
	if (!faceCascade.load("D:\\Workspace\\opencv\\build\\etc\\haarcascades\\haarcascade_frontalface_default.xml")) {
		cout << "人脸检测级联分类器没找到!!" << endl;
		return -1;
	}
	if (!eyes_Cascade.load("D:\\Workspace\\opencv\\build\\etc\\haarcascades\\haarcascade_eye_tree_eyeglasses.xml")) {
		cout << "眼睛检测级联分类器没找到!!" << endl;
		return -1;
	}

	return 0;
}

用到的两个xml特征文件均为openCV提供。

清楚灰度图像中的深色边角区域

cpp 复制代码
/************************************************************************/
/* 消除图片四周的黑色边角区域                                           */
/************************************************************************/

Mat RemoveBlackCorner(Mat img)
{
	int i, j;
	int h = img.size().height;
	int w = img.size().width;

	if (img.channels() == 1)	//灰度图片
	{
		for (j = 0; j < h; j++)
		{
			for (i = 0; i < w; i++)
			{
				if (img.at<uchar>(j, i) < 110)
				{
					img.at<uchar>(j, i) = 255;
				}
				else
				{
					break;
				}
			}
			for (i = w - 1; i >= 0; i--)
			{
				if (img.at<uchar>(j, i) < 110)
				{
					img.at<uchar>(j, i) = 255;
				}
				else
				{
					break;
				}
			}
		}
		for (i = 0; i < w; i++)
		{
			for (j = 0; j < h; j++)
			{
				if (img.at<uchar>(j, i) < 110)
				{
					img.at<uchar>(j, i) = 255;
				}
				else
				{
					break;
				}
			}
			for (j = h - 1; j >= 0; j--)
			{
				if (img.at<uchar>(j, i) < 110)
				{
					img.at<uchar>(j, i) = 255;
				}
				else
				{
					break;
				}
			}
		}
	}

	return img;
}

人脸识别以及将加工后的人脸存成临时文件

cpp 复制代码
bool parse_cmd(int argc, char* argv[])
{
	if (argc < 3)
	{
		return false;
	}

	g_str_src = string(argv[1]);
	g_str_bg = string(argv[2]);

	return true;
}

string GetFolderFromFile(string strFile)
{
	size_t last_slash = strFile.find_last_of("\\");
	std::string directory = strFile.substr(0, last_slash);
	return directory;
}


int DetectFace(Mat img, Mat imgGray) {
	namedWindow("src", WINDOW_AUTOSIZE);
	vector<Rect> faces, eyes;
	faceCascade.detectMultiScale(imgGray, faces, 1.2, 5, 0, Size(30, 30));
	int retVal = -1;
	//目前只取一个脸
	if (faces.size() > 0) {
		for (size_t i = 0; i < faces.size(); i++) {
			//框出人脸位置
			rectangle(img, Point(faces[i].x+ faces[i].width / 8, faces[i].y+faces[i].height / 8), 
				Point(faces[i].x + faces[i].width*7/8, faces[i].y + faces[i].height * 7 / 8), Scalar(0, 0, 255), 1, 8);
			cout << faces[i] << endl;
			//将人脸从灰度图中抠出来
			Mat face_ = imgGray(faces[i]);
			//缩小一点,默认取的矩形比较大
			Rect rect(Point(faces[i].width / 8, faces[i].height / 8),
				Point(faces[i].width * 7 / 8,  faces[i].height * 7/ 8));
			Mat ROI = face_(rect);
			//RemoveBlackBorder(ROI, ROI);
			Mat imgOut = RemoveBlackCorner(ROI);
			//RemoveBlackBorder(ROI, imgOut);
			imwrite(g_str_face, imgOut);
			retVal = 0;
			eyes_Cascade.detectMultiScale(face_, eyes, 1.2, 2, 0, Size(30, 30));
			for (size_t j = 0; j < eyes.size(); j++) {
				Point eye_center(faces[i].x + eyes[j].x + eyes[j].width / 2, faces[i].y + eyes[j].y + eyes[j].height / 2);
				int radius = cvRound((eyes[j].width + eyes[j].height) * 0.25);
				circle(img, eye_center, radius, Scalar(65, 105, 255), 4, 8, 0);
			}
		}
	}
	imshow("src", img);
	return retVal;
}

主逻辑流程

cpp 复制代码
int main(int argc, char* argv[])
{
	if (!parse_cmd(argc, argv))
	{
		cout << "command error" << endl;
		return -1;
	}
	
	if (InitFaceDetect() != 0)
	{
		return -1;
	}
	
	//
	string strDirBase = GetFolderFromFile(g_str_src);
	Mat img_src = imread(g_str_src);
	Mat img_background = imread(g_str_bg);
	g_str_face = strDirBase + "\\tmp_face.jpg";
#ifdef _DBG_SHOW
	namedWindow("img_src");
	imshow("img_src", img_src);
#endif

	Mat img_gray;
	cvtColor(img_src, img_gray, COLOR_BGR2GRAY); //图像灰度化

	int nFace = DetectFace(img_src, img_gray);
	waitKey(3000);
#ifdef _DBG_SHOW
	namedWindow("gray", WINDOW_NORMAL);
	imshow("gray", img_gray);
#endif
	// 按照背景图大小等比缩放
	Size dsize = Size(img_background.cols * 0.55, img_background.rows * 0.55);
	//判断一下是否自动检测到了人脸
	Mat img_face;
	if (nFace == 0) 
	{
		cout << "opencv find face,get face." << endl;
		img_face = imread(g_str_face);
	}
	else
	{
		cout << "can not find face.use image user input." << endl;
		img_face = img_gray;
	}
	resize(img_face, img_face, dsize, 1, 1, INTER_AREA);

	//输出缩放后效果图并重新加载
	Mat img_face2;
	threshold(img_face, img_face2, 105, 255, THRESH_BINARY);
	imwrite(strDirBase + "\\tmp.jpg", img_face2);
	//imshow("img_face2", img_face2);
	Mat img_face3 = imread(strDirBase + "\\tmp.jpg");
	//居中粘合两图
	Rect roi_rect = Rect((img_background.cols - img_face3.cols) / 2, (img_background.rows - img_face3.rows) / 2
		, img_face3.cols, img_face3.rows);
	img_face3.copyTo(img_background(roi_rect));
	//显示并输出
	imshow("mixed", img_background);

	imwrite(g_str_src + ".emoji.jpg", img_background);

	waitKey(5000);

	destroyAllWindows();
	return 0;
}
相关推荐
Power202466625 分钟前
NLP论文速读|LongReward:基于AI反馈来提升长上下文大语言模型
人工智能·深度学习·机器学习·自然语言处理·nlp
数据猎手小k29 分钟前
AIDOVECL数据集:包含超过15000张AI生成的车辆图像数据集,目的解决旨在解决眼水平分类和定位问题。
人工智能·分类·数据挖掘
好奇龙猫34 分钟前
【学习AI-相关路程-mnist手写数字分类-win-硬件:windows-自我学习AI-实验步骤-全连接神经网络(BPnetwork)-操作流程(3) 】
人工智能·算法
沉下心来学鲁班1 小时前
复现LLM:带你从零认识语言模型
人工智能·语言模型
数据猎手小k1 小时前
AndroidLab:一个系统化的Android代理框架,包含操作环境和可复现的基准测试,支持大型语言模型和多模态模型。
android·人工智能·机器学习·语言模型
YRr YRr1 小时前
深度学习:循环神经网络(RNN)详解
人工智能·rnn·深度学习
霁月风1 小时前
设计模式——适配器模式
c++·适配器模式
sp_fyf_20241 小时前
计算机前沿技术-人工智能算法-大语言模型-最新研究进展-2024-11-01
人工智能·深度学习·神经网络·算法·机器学习·语言模型·数据挖掘
多吃轻食1 小时前
大模型微调技术 --> 脉络
人工智能·深度学习·神经网络·自然语言处理·embedding
jrrz08282 小时前
LeetCode 热题100(七)【链表】(1)
数据结构·c++·算法·leetcode·链表