OpenCv高阶（二十）——dlib脸部轮廓绘制

---

一、人脸面部轮廓绘制代码实现

import numpy as np
import dlib
import cv2

1、定义绘制直线段的函数

def drawLine(start, end):# 从形状数组中获取起点到终点的所有点pts = shape[start:end]# 遍历这些点，依次连接相邻点for l in range(1, len(pts)):# 获取前一个点ptsA = tuple(pts[l-1])# 获取当前点ptsB = tuple(pts[l])# 在图像上绘制连接这两个点的绿色线段cv2.line(image, ptsA, ptsB, (0, 245, 0), 2)

2、定义绘制凸包轮廓的函数

def drawConvexHull(start, end):# 从形状数组中获取指定范围内的点Facial = shape[start:end+1]# 计算这些点的凸包（最小凸多边形）mouthHull = cv2.convexHull(Facial)   # 凸包函数# 在图像上绘制凸包轮廓（绿色）cv2.drawContours(image, [mouthHull], -1, (0, 255, 0), 2)

3、读取输入图像

image = cv2.imread('../data/man.png')

4、初始化dlib的人脸检测器

detector = dlib.get_frontal_face_detector()

5、使用检测器在图像中检测人脸（参数0表示不进行图像缩放）

faces = detector(image, 0)

6、加载dlib的68点人脸关键点预测模型

predictor = dlib.shape_predictor('../data/shape_predictor_68_face_landmarks.dat')

7、遍历检测到的每个人脸

for face in faces:# 对当前人脸进行关键点预测shape = predictor(image, face)# 将关键点转换为numpy数组格式 [[x1, y1], [x2, y2], ...]shape = np.array([[p.x, p.y] for p in shape.parts()])# 绘制右眼凸包（关键点36-42）drawConvexHull(36, 42)# 绘制左眼凸包（关键点42-47）drawConvexHull(42, 47)# 绘制上嘴唇凸包（关键点48-59）drawConvexHull(48, 59)# 绘制下嘴唇凸包（关键点60-67）drawConvexHull(60, 67)# 绘制下巴轮廓（关键点0-17）drawLine(0, 17)# 绘制右眉毛轮廓（关键点17-22）drawLine(17, 22)# 绘制左眉毛轮廓（关键点22-27）drawLine(22, 27)# 绘制鼻梁轮廓（关键点27-36）drawLine(27, 36)

8、显示处理后的图像

cv2.imshow('image', image)
# 等待用户按键
cv2.waitKey(0)
# 关闭所有OpenCV窗口
cv2.destroyAllWindows()

效果展示

代码中使用的关键点索引对应人脸的不同部位：

眼睛区域：

36-42：右眼轮廓（从右眼角开始顺时针）42-47：左眼轮廓（从左眼角开始顺时针）

嘴唇区域：

48-59：上嘴唇轮廓60-67：下嘴唇轮廓

面部轮廓：

0-16：下巴和脸颊轮廓（代码中绘制0-17，包含17个点）17-21：右眉毛22-26：左眉毛27-35：鼻子（代码中绘制27-36）

函数功能说明
drawLine(start, end) 函数：

功能：连接一系列关键点形成直线段参数：起始索引和结束索引实现：获取索引范围内的点，依次连接相邻点

drawConvexHull(start, end) 函数：

功能：计算并绘制关键点的凸包轮廓参数：起始索引和结束索引实现：计算最小凸多边形并绘制轮廓优势：比简单连线更平滑，能更好捕捉曲线特征

总结

这种组合方法（凸包+直线连接）在保持效率的同时，能够准确描绘人脸的主要特征轮廓，适用于人脸分析、AR滤镜等应用场景。