使用 OpenCV 和 Dlib实现轮廓绘制

文章目录

引言
1.准备工作
2.代码解析
- [2.1 导入必要的库](#2.1 导入必要的库)
- [2.2 定义绘制直线函数](#2.2 定义绘制直线函数)
- [2.3 定义绘制凸包函数](#2.3 定义绘制凸包函数)
- [2.4 加载图像和模型](#2.4 加载图像和模型)
- [2.5 关键点检测与绘制](#2.5 关键点检测与绘制)
- [2.6 显示结果](#2.6 显示结果)
3.68个关键点索引说明
4.应用场景
5.优化建议
[6. 结语](#6. 结语)

引言

人脸关键点检测是计算机视觉中的重要任务，广泛应用于人脸识别、表情分析、虚拟化妆等领域。本文将介绍如何使用Python中的Dlib库和OpenCV实现人脸68个关键点的检测，并绘制面部轮廓特征。

1.准备工作

首先需要安装必要的库：

bash 复制代码

pip install opencv-python numpy dlib

此外，还需要下载Dlib的预训练模型文件：

shape_predictor_68_face_landmarks.dat

2.代码解析

2.1 导入必要的库

python 复制代码

import numpy as np
import dlib
import cv2

2.2 定义绘制直线函数

python 复制代码

def drawLine(start, end):
    """连接指定范围内的关键点"""
    pts = shape[start:end]
    for l in range(1, len(pts)):
        ptA = tuple(pts[l - 1])
        ptB = tuple(pts[l])
        cv2.line(image, ptA, ptB, (0, 255, 0), 2)

这个函数用于连接一系列关键点，形成连续的线条，常用于绘制眉毛、下巴等轮廓。

pts：从shape变量中切片获取从start到end索引之间的所有点，存储在pts中
ptA是前一个点（当前点减1）
ptB是当前点
将它们转换为元组形式（OpenCV的 line 函数需要坐标以元组形式传递

2.3 定义绘制凸包函数

python 复制代码

def drawConvexHull(start, end):
    """绘制指定范围内关键点的凸包"""
    Facial = shape[start:end+1]
    mouthHull = cv2.convexHull(Facial)
    cv2.drawContours(image, [mouthHull], -1, (0, 255, 0), 2)

凸包函数特别适合用于眼睛和嘴巴的轮廓绘制，因为它可以自动计算并连接最外围的点，形成闭合区域。

Facial 存储从 start 到 end 的所有点（注意：end+1 是因为 Python 切片是左闭右开的）。
cv2.convexHull(Facial) 是 OpenCV 提供的凸包计算函数

2.4 加载图像和模型

python 复制代码

image = cv2.imread('face.png')
detector = dlib.get_frontal_face_detector()
faces = detector(image, 0)
predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat")

2.5 关键点检测与绘制

python 复制代码

for face in faces:
    shape = predictor(image, face)
    shape = np.array([[p.x, p.y] for p in shape.parts()])
    
    # 绘制眼睛和嘴巴的凸包
    drawConvexHull(36, 41)  # 右眼
    drawConvexHull(42, 47)  # 左眼
    drawConvexHull(48, 59)  # 嘴外
    drawConvexHull(60, 67)  # 嘴内
    
    # 绘制其他面部轮廓
    drawLine(0, 17)   # 下巴
    drawLine(17, 22)  # 左眉毛
    drawLine(22, 27)  # 右眉毛
    drawLine(27, 36)  # 鼻子

2.6 显示结果

python 复制代码

cv2.imshow('Frame', image)
cv2.waitKey()
cv2.destroyAllWindows()

结果显示如下：

3.68个关键点索引说明

Dlib的68点人脸关键点模型按照以下顺序排列：

0-16: 下巴轮廓
17-21: 左眉毛
22-26: 右眉毛
27-35: 鼻梁和鼻尖
36-41: 左眼
42-47: 右眼
48-59: 外嘴唇
60-67: 内嘴唇

4.应用场景

人脸特征分析：通过关键点可以分析表情、年龄等特征
虚拟化妆：在关键点确定的区域应用虚拟化妆效果
人脸识别：作为人脸识别的预处理步骤
AR应用：在关键点上叠加虚拟物体

5.优化建议

对于视频流处理，可以考虑使用更高效的检测算法
添加异常处理，防止没有检测到人脸时程序崩溃
可以添加参数调节功能，如线条颜色、粗细等

6. 结语

本文介绍了使用 Dlib 和 OpenCV 实现轮廓绘制的基本方法。通过简单的代码，我们就可以实现专业级的人脸特征分析功能。这为更复杂的人脸相关应用开发奠定了基础。

于高山之巅，方见大河奔涌；于山峰之上，方觉长风浩荡。前进的道路总是会出现各种曲折，希望大家能不断地努力前行，一起加油！ 🚀🚀🚀