5步实现人脸轮廓绘制，简单易懂

5步实现人脸轮廓绘制，简单易懂

引用

CSDN

1.

https://blog.csdn.net/m0_71212744/article/details/139939683

人脸轮廓绘制是计算机视觉领域中的一个重要应用，广泛应用于人脸识别、表情识别、图像处理等领域。本文将详细介绍如何使用Python和dlib库实现人脸轮廓绘制，包括加载模型、获取关键点、绘制关键点、绘制五官凸包以及连接指定点等步骤。

概括

人脸轮廓绘制起始于一个基本圆形，代表头部的基本形状。随后，通过精细地定位眼睛、鼻子、嘴巴等关键特征点，构建出准确的人脸比例。在绘制过程中，注意保持面部的对称性和透视变化，以确保最终作品的三维感和立体感。最后，运用线条的粗细、深浅等技巧，对人脸轮廓进行细致的描绘，使画面更具表现力和艺术感。

具体实现

1. 加载模型

import numpy as np
import cv2
import dlib  # 导入dlib库

image = cv2.imread('./zjy.jpg')
detect = dlib.get_frontal_face_detector()  # 构造人脸检测器
faces = detect(image, 0)  # 检测人脸

# dlib.shape_predictor载入模型（加载预测器）
# 可以从https://github.com/davisking/dlib-models下载  xmlopencv自己训练好的特征，dlib人脸关键点的检测模型
predictor = dlib.shape_predictor('./shape_predictor_68_face_landmarks.dat')

faces = detector(image,n)使用人脸检测器返回检测到的人脸框
参数：image: 待检测的可能含有人脸的图像。
参数n： 表示采用上采样的次数。上采样会让图像变大，能够检测到更多人脸对象，提高小人脸的检测效果
返回值faces： 返回检测图像中的所有人脸框。

2. 获取脸部的关键点（实现检测）

for face in faces:  # 获取每一张脸的关键点（实现检测）
    shape = predictor(image, face)  # 获取关键点

    # 将关键点转换为坐标(x,y)的形式
    landmarks = np.matrix([[p.x, p.y] for p in shape.parts()])

3. 绘制每一张脸的关键点

for i, point in enumerate(landmarks):
    position = (point[0, 0], point[0, 1])  # 当前关键的坐标
    # 针对当前关键点，绘制一个实心圆
    cv2.circle(image, position, 2, (0, 255, 0))
    cv2.putText(image, str(i), position, cv2.FONT_HERSHEY_SIMPLEX, 0.4, (255, 255, 255), 1, cv2.LINE_AA)

cv2.circle（image，圆心坐标，半径，颜色）
cv2.putText(image, 绘制内容, (绘制位置), 字体类型, 字体大小, (字体颜色), 线条粗细)

4. 绘制五官凸包

具体绘制点位可运行上面代码查看

按照上述加载的模型，点位一般是固定的

def draw_convex_hull(start, end):
    # 将指定的点构成一个凸包，绘制成轮廓,一般眼睛、嘴使用凸包用来绘制
    points = shape[start:end + 1]  # 需加1，不然取不到最后一个点
    cnts = cv2.convexHull(points)  # 凸包函数
    cv2.drawContours(image, [cnts], -1, (0, 255, 0), 1)

draw_convex_hull(36, 41)  # 绘制右眼凸包
draw_convex_hull(42, 47)  # 绘制左眼凸包
draw_convex_hull(48, 59)  # 绘制嘴外部凸包
draw_convex_hull(60, 67)  # 绘制嘴内部凸包

5. 将指定的点连接起来

def draw_line(start, end):  # 将指定的点连接起来
    lines = np.array(shape[start:end + 1])  # 获取点集,并将矩阵matrix数据转换为array数据
    # 将相连的点进行连线
    for line in range(1, len(lines)):
        pts1 = lines[line - 1]
        pts2 = lines[line]
        cv2.line(image, pts1, pts2, (0, 255, 0), 1)

draw_line(0, 16)  # 绘制脸颊点线
draw_line(17, 21)  # 绘制左眉毛点线
draw_line(22, 26)  # 绘制右眉毛点线
draw_line(27, 30)  # 绘制鼻子点线
draw_line(31, 35)  # 绘制鼻子点线

完整代码展示

import cv2
import dlib
import numpy as np

def draw_convex_hull(start, end):
    # 将指定的点构成一个凸包，绘制成轮廓,一般眼睛、嘴使用凸包用来绘制
    points = shape[start:end + 1]
    cnts = cv2.convexHull(points)  # 凸包函数
    cv2.drawContours(image, [cnts], -1, (0, 255, 0), 1)

def draw_line(start, end):  # 将指定的点连接起来
    lines = np.array(shape[start:end + 1])  # 获取点集,并将矩阵matrix数据转换为array数据
    for line in range(1, len(lines)):
        pts1 = lines[line - 1]
        pts2 = lines[line]
        cv2.line(image, pts1, pts2, (0, 255, 0), 1)

image = cv2.imread('./zjy.jpg')
detect = dlib.get_frontal_face_detector()  # 构造脸部位置检测器
faces = detect(image, 0)  # 检测人脸方框位置

# 读取人脸关键点定位模型
predictor = dlib.shape_predictor('./shape_predictor_68_face_landmarks.dat')

for face in faces:  # 对检测到的rects，逐个遍历
    points = predictor(image, face)  # 获取关键点
    # 将关键点转换为坐标(x,y)的形式
    shape = np.matrix([[p.x, p.y] for p in points.parts()])

    for i, point in enumerate(shape):
        position = (point[0, 0], point[0, 1])
        cv2.circle(image, position, 2, (0, 255, 0), 1)
        cv2.putText(image, str(i), position, cv2.FONT_HERSHEY_SIMPLEX, 0.4, (0, 255, 0), 1, cv2.LINE_AA)

    draw_convex_hull(36, 41)  # 绘制右眼凸包
    draw_convex_hull(42, 47)  # 绘制左眼凸包
    draw_convex_hull(48, 59)  # 绘制嘴外部凸包
    draw_convex_hull(60, 67)  # 绘制嘴内部凸包

    draw_line(0, 16)  # 绘制脸颊点线
    draw_line(17, 21)  # 绘制左眉毛点线
    draw_line(22, 26)  # 绘制右眉毛点线
    draw_line(27, 30)  # 绘制鼻子点线
    draw_line(31, 35)  # 绘制鼻子点线

cv2.imshow('image', image)
cv2.waitKey(0)

效果展示