实用指南：基于 OpenCV 和 DLib 实现面部特征调整（眼间距、鼻子、嘴巴）

摘 要

本文介绍如何利用Dlib面部特征点检测和OpenCV图像处理技术，通过Python实现面部特征的精准调整。我们将以改变眼间距为例，演示包括地标检测、三角剖分变形等关键技术，该方法可扩展至嘴唇、眉毛等面部特征的调整。

技术栈

• • Python 3.8+

  • OpenCV 4.x

  • Dlib 19.24

  • NumPy

  • SciPy

实现步骤

1. 环境准备

import cv2

 2. 模型文件下载

import gdown

3. 加载模型和图像

detector = dlib.get_frontal_face_detector()

4. 检测人脸并提取特征点

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

    将图像转换为灰度图像以便更好地检测。然后首先检测人脸并提取其 81 个人脸特征点。

5. 修改眼睛特征点

modified_points = original_points.copy()

    这部分代码是实际面部作发生的地方。它会创建原始面部特征点的副本，并移动眼睛特征点以增加它们之间的距离。左眼点（索引 36-41）通过从 x 坐标中减去shift_amount向左移动，而右眼点 （42-47） 通过添加相同的量向右移动。这会将眼睛间距增加 2 × shift_amount。相同的逻辑可用于作其他面部特征，只需更改地标索引以针对不同的区域，并根据所需的移动方向调整 x 或 y 值。增加或减少 x 轴可水平移动要素，而更改 y 轴可垂直移动要素。

 6. 使用 Delaunay 三角剖分进行面部变形

delaunay = Delaunay(original_points)

    使用 Delaunay 三角剖分将面部划分为三角形，这可确保图像平滑变形。

 7. 逐个扭曲三角形

pts_src = np.array([original_points[i] for i in tri], dtype=np.float32)

    对于每个三角形，计算仿射变换并应用它。这部分对于自然的经纱至关重要。

 8. 合并并显示结果

mask = np.any(warped_image != 0, axis=-1).astype(np.uint8) * 255

    创建原始图像和 Warp 版本的平滑合成。结果看起来不错，就好像这个人恰好有一双更宽的眼睛一样。

    这项技术不仅限于眼睛，您还可以使用它来纵其他面部特征，例如嘴唇、鼻子、眉毛或下巴。您所需要的只是一组正确的地标。

    我们查看一些示例图像，这些图像突出显示了各种经过处理的面部属性。

  眼睛部分

鼻子部分

 嘴唇部分

大礼包1：Pytorch常用函数手册

Pytorch函数手册，即可下载学习全网第一份Pytorch函数常用手册，包括Tensors介绍、基础函数介绍、数据处理函数、优化函数、CUDA编程、多处理等十四章内容。

大礼包2：145个OpenCV实例应用代码

145个OpenCV实例应用代码（Python和C++双语言实现）。