怎样去使用Python去给头像戴圣诞帽？

　　用P图软件给头像戴一顶圣诞帽很容易，但是作为一个学习图像处理的技术人，还是觉得我们有必要写一个程序来做这件事情。而且这完全可以作为一个练手的小项目，工作量不大，而且很有意思。
　　用到的工具
　　OpenCV（毕竟我们主要的内容就是OpenCV.。。）
　　dlib（前一篇文章刚说过，dlib的人脸检测比OpenCV更好用，而且dlib有OpenCV没有的关键点检测。）
　　用到的语言为Python。但是完全可以改成C++版本，时间有限，就不写了。有兴趣的小伙伴可以拿来练手。
　　流程一、素材准备首先我们需要准备一个圣诞帽的素材，格式最好为PNG，因为PNG的话我们可以直接用Alpha通道作为掩膜使用。
　　我们通过通道分离可以得到圣诞帽图像的alpha通道。代码如下：
　　r，g，b，a = cv2.split（hat_img）rgb_hat = cv2.merge（（r，g，b））cv2.imwrite（“hat_alpha.jpg”，a）为了能够与rgb通道的头像图片进行运算，我们把rgb三通道合成一张rgb的彩色帽子图。
　   人脸检测与人脸关键点检测我们用下面这张图作为我们的测试图片。
　　下面我们用dlib的正脸检测器进行人脸检测，用dlib提供的模型提取人脸的五个关键点。代码如下：
　　# dlib人脸关键点检测器 predictor_path = “shape_predictor_5_face_landmarks.dat” predictor = dlib.shape_predictor（predictor_path） # dlib正脸检测器 detector = dlib.get_frontal_face_detector（） # 正脸检测 dets = detector（img， 1） # 如果检测到人脸 if len（dets）》0： for d in dets： x，y，w，h = d.left（），d.top（）， d.right（）-d.left（）， d.bottom（）-d.top（） # x，y，w，h = faceRect cv2.rectangle（img，（x，y），（x+w，y+h），（255，0，0），2，8，0） # 关键点检测，5个关键点 shape = predictor（img， d） for point in shape.parts（）： cv2.circle（img，（point.x，point.y），3，color=（0，255，0）） cv2.imshow（“image”，img） cv2.waitKey（）这部分效果如下图：
　　调整帽子大小我们选取两个眼角的点，求中心作为放置帽子的x方向的参考坐标，y方向的坐标用人脸框上线的y坐标表示。然后我们根据人脸检测得到的人脸的大小调整帽子的大小，使得帽子大小合适。
　　# 选取左右眼眼角的点 point1 = shape.part（0） point2 = shape.part（2） # 求两点中心 eyes_center = （（point1.x+point2.x）//2，（point1.y+point2.y）//2） # cv2.circle（img，eyes_center，3，color=（0，255，0）） # cv2.imshow（“image”，img） # cv2.waitKey（） # 根据人脸大小调整帽子大小 factor = 1.5 resized_hat_h = int（round（rgb_hat.shape［0］*w/rgb_hat.shape［1］*factor）） resized_hat_w = int（round（rgb_hat.shape［1］*w/rgb_hat.shape［1］*factor）） if resized_hat_h 》 y： resized_hat_h = y-1 # 根据人脸大小调整帽子大小 resized_hat = cv2.resize（rgb_hat，（resized_hat_w，resized_hat_h））
      提取帽子和需要添加帽子的区域按照之前所述，去Alpha通道作为mask。并求反。这两个mask一个用于把帽子图中的帽子区域取出来，一个用于把人物图中需要填帽子的区域空出来。后面你将会看到。
　　# 用alpha通道作为mask mask = cv2.resize（a，（resized_hat_w，resized_hat_h）） mask_inv = cv2.bitwise_not（mask）从原图中取出需要添加帽子的区域，这里我们用的是位运算操作。
　　# 帽子相对与人脸框上线的偏移量 dh = 0 dw = 0 # 原图ROI # bg_roi = img［y+dh-resized_hat_h:y+dh， x+dw:x+dw+resized_hat_w］ bg_roi = img［y+dh-resized_hat_h:y+dh，（eyes_center［0］-resized_hat_w//3）{：2：}eyes_center［0］+resized_hat_w//3*2）］ # 原图ROI中提取放帽子的区域 bg_roi = bg_roi.astype（float） mask_inv = cv2.merge（（mask_inv，mask_inv，mask_inv）） alpha = mask_inv.astype（float）/255 # 相乘之前保证两者大小一致（可能会由于四舍五入原因不一致） alpha = cv2.resize（alpha，（bg_roi.shape［1］，bg_roi.shape［0］）） # print（“alpha size： ”，alpha.shape） # print（“bg_roi size： ”，bg_roi.shape） bg = cv2.multiply（alpha， bg_roi） bg = bg.astype（‘uint8’）这是的背景区域（bg）如下图所示。可以看到，刚好是需要填充帽子的区域缺失了。
　　然后我们提取帽子区域。
　　# 提取帽子区域 hat = cv2.bitwise_and（resized_hat，resized_hat，mask = mask）提取得到的帽子区域如下图。帽子区域正好与上一个背景区域互补。
　　添加圣诞帽最后我们把两个区域相加。再放回到原图中去，就可以得到我们想要的圣诞帽图了。这里需要注意的就是，相加之前resize一下保证两者大小一致，因为可能会由于四舍五入原因不一致。
　　# 相加之前保证两者大小一致（可能会由于四舍五入原因不一致） hat = cv2.resize（hat，（bg_roi.shape［1］，bg_roi.shape［0］）） # 两个ROI区域相加 add_hat = cv2.add（bg，hat） # cv2.imshow（“add_hat”，add_hat） # 把添加好帽子的区域放回原图 img［y+dh-resized_hat_h:y+dh，（eyes_center［0］-resized_hat_w//3）{：2：}eyes_center［0］+resized_hat_w//3*2）］ = add_hat。