当前位置: 首页 > news >正文

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
    • 2.2 定义绘制直线函数
    • 2.3 定义绘制凸包函数
    • 2.4 加载图像和模型
    • 2.5 关键点检测与绘制
    • 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

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:

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

import numpy as np
import dlib
import cv2

2.2 定义绘制直线函数

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

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

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

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

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

结果显示如下:
在这里插入图片描述

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:

  1. 0-16: 下巴轮廓
  2. 17-21: 左眉毛
  3. 22-26: 右眉毛
  4. 27-35: 鼻梁和鼻尖
  5. 36-41: 左眼
  6. 42-47: 右眼
  7. 48-59: 外嘴唇
  8. 60-67: 内嘴唇

4.应用场景

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

5.优化建议

  1. 对于视频流处理,可以考虑使用更高效的检测算法
  2. 添加异常处理,防止没有检测到人脸时程序崩溃
  3. 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 DlibOpenCV 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! 🚀🚀🚀

相关文章:

  • 在写setup时遇到的问题与思考
  • 【2025软考高级架构师】——知识脑图总结
  • 管理配置信息和敏感信息
  • 【2025最新】Baichuan-M1-instruct部署教程
  • CPU缓存
  • 湖北理元理律师事务所:债务优化的合规化探索
  • 【大模型架构-Transformer、Mamba、Hyena】
  • 【day02】牛牛的快递 | 最小花费爬楼梯 | 数组中两个字符串的最小距离
  • UNet 改进(22):结合Transformer结构
  • 【RocketMQ Broker 相关源码】- broker 启动源码(1)
  • 「Mac畅玩AIGC与多模态17」开发篇13 - 条件判断与分支跳转工作流示例
  • 看图建模实战训练案例(上)
  • 无人机视觉:连接像素与现实世界 —— 像素与GPS坐标双向转换指南
  • K230的ISP(图像信号处理器)通常支持多通道输出,常见配置为3个独立通道
  • 文氏管-文丘里-旋风除尘组合装置JGQ531高效湿式除尘器实验装置平台
  • 51单片机入门教程——每个音符对应的重装载值
  • Winform(10.常用控件3)
  • 线程池的线程数配置策略
  • 12.Excel:查找替换
  • xx外卖知识补充
  • 心期末后有人传——《钱谦益年谱长编》在钱氏故里首发
  • 严正交涉!我驻日使馆:如日方采取新的挑衅举动,中方必坚决反制
  • 在“蟑螂屋”里叠衣服,我看见人生百态
  • 全国铁路昨日发送2311.9万人次,同比增长11.7%创历史新高
  • 乘客被困停滞车厢超4小时,哈尔滨铁路局客服:列车晚点,表示歉意
  • 对谈|“对工作说不”是不接地气吗?