在实际项目中,尤其是涉及人脸识别、换脸、图像修复等任务时,我们经常需要生成人脸区域的掩膜(mask) 。这篇文章分享一个简单易用的小工具,利用 MediaPipe 和 OpenCV,快速提取人脸轮廓并生成二值掩膜图像。
下面是完整代码,配合详细讲解,适合初学者和需要快速上手的小伙伴!
环境准备
首先,需要安装以下 Python 库(如果尚未安装,可以用 pip 安装):
bash
pip install opencv-python mediapipe pillow numpy
核心代码
python
import cv2
import numpy as np
import mediapipe as mp
from PIL import Image
def generate_face_mask(image_path, save_path=None, show=False):
# 初始化 MediaPipe 的 FaceMesh 模型
mp_face_mesh = mp.solutions.face_mesh
face_mesh = mp_face_mesh.FaceMesh(static_image_mode=True, refine_landmarks=True)
# 读取图像
img = cv2.imread(image_path)
h, w, _ = img.shape
# 人脸检测与关键点提取
results = face_mesh.process(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
# 初始化黑色背景的 mask
mask = np.zeros((h, w), dtype=np.uint8)
# 如果检测到人脸
if results.multi_face_landmarks:
for face_landmarks in results.multi_face_landmarks:
# 获取人脸关键点坐标
points = [(int(p.x * w), int(p.y * h)) for p in face_landmarks.landmark]
# 使用凸包(convex hull)拟合整个脸部区域
hull = cv2.convexHull(np.array(points))
# 将凸包区域填充为白色
cv2.fillConvexPoly(mask, hull, 255)
# 可选:展示生成的 mask
if show:
cv2.imshow("Mask", mask)
cv2.waitKey(0)
# 保存 mask 到本地
if save_path:
cv2.imwrite(save_path, mask)
return mask
# 使用示例
generate_face_mask(
image_path="face.png", # 替换为你的图像路径
save_path="face_mask.png",
# show=True # 如果想看效果可以打开
)
代码讲解
-
MediaPipe FaceMesh:
- MediaPipe 提供了轻量级的人脸关键点检测(共468个关键点),非常适合快速处理。
refine_landmarks=True
参数会进一步优化面部区域,如眼睛轮廓、嘴唇轮廓。
-
提取关键点并绘制凸包(Convex Hull):
- 为了保证 mask 的完整性,不直接用单个关键点连线,而是用 OpenCV 的
convexHull
函数,将人脸外围自动拟合成一个封闭轮廓。 - 这样能确保 mask 覆盖整个脸部,即便脸部角度有倾斜或旋转。
- 为了保证 mask 的完整性,不直接用单个关键点连线,而是用 OpenCV 的
-
保存掩膜(mask):
- 最后生成的是一张黑白二值图,白色部分为人脸区域,黑色为背景,非常适合后续做图像分割、融合等任务。
效果示例
输入图片:
生成的人脸掩膜:
应用场景
- 换脸(Face Swap):掩膜用于融合不同人脸区域。
- 肖像图像处理:美颜、磨皮、特效。
- 图像修复(Inpainting):只修复人脸区域,背景保持不变。
- 身份保护:打码或模糊特定人脸区域。
小结
这个方法虽然简单,但实用性非常高,适用于各种需要人脸掩膜的小项目。如果需要更精细的面部特征(比如眼睛、嘴巴分开处理),还可以在此基础上扩展 ------ 例如结合不同 landmark 区域单独提取。
希望这篇分享能帮到你,动手试试看吧!👍