设为首页 加入收藏

TOP

#Python #OpenCV 使用Python为你的圣诞节增添更多乐趣
2023-07-25 21:29:30 】 浏览:63
Tags:#Python #OpenCV 使用 Python 乐趣

?

 目录

1.前言

2.目标与效果展示

3.下载OpenCV图形识别库

4.下载python支持的v2模块

5.图片素材 

6.代码 


 

1.前言

       

?

编辑

        Merry Christmas!今天是2022年12月24日,今晚是平安夜在这里提前祝大家圣诞节快乐!

        大家可能对@官方微信给自己的头像加上一顶圣诞帽的事情记忆尤新,又是一年圣诞节,让我们用Python制作圣诞帽,给自己的头像(当然也可以是照片)加个圣诞帽吧 !

        这个项目并不是很难,这次主要用到了OpenCV图形识别库,那么话不多说,让我们开始吧!

2.目标与效果展示

        本次项目主要实现将圣诞帽自动加到人脸上的功能。

效果展示

3.下载OpenCV图形识别库

         首先打开OpenCV的下载页面:

    下载OpenCVhttps://opencv.org/releases/

    如果下载或打开页面速度慢的话,可以使用我分享的百度网盘文件链接:

    提取码:hqup

    直接下载haarcascade_frontalface_default.xm

?
打开OpenCV的下载页面
编辑

         点击Sources下载文件压缩包,打开压缩包后找到

        " opencv-4.6.0\data\haarcascades\haarcascade_frontalface_default.xml "

?
打开压缩包后找到  " opencv-4.6.0\data\haarcascades\haarcascade_frontalface_default.xml "
编辑

4.下载python支持的v2模块

         在3.5版本后,输入以下命令下载模块:

pip install opencv-python
?
因为我已安装所以显示此页面
编辑

5.图片素材 

https://pan.baidu.com/s/1C0aD_iN4KCgV3AO3gtNeO     

提取码:p7at

提取码:p7at

6.代码 

import cv2    
import random
 
# OpenCV 人脸检测
pathf = r'C:\haarcascade_frontalface_default.xml'
face_patterns = cv2.CascadeClassifier(pathf) #opencv的人脸检测库haarcascade_frontalface_default.xml文件路径

sample_image = cv2.imread('C:/python/shengdan/11.jpg')   #你要加帽子的头像图像
faces = face_patterns.detectMultiScale(sample_image,scaleFactor=1.1,minNeighbors=8, minSize=(50, 50))     #这三行人脸大小参数可调,以识别出人脸。
 

 
 
# 圣诞帽
hats = []
for i in range(1,8):   #备选4顶帽子可换
    hats.append(cv2.imread('C:\圣诞帽.png' %i ,-1))
print(hats)
for face in faces:  #不同的脸不同的帽子
    # 随机一顶帽子
    hat = random.choice(hats)
    print (hat)
    # 调整帽子尺寸
    #print (face[3])  #w值 即框出的人脸的宽.
    scale = float(face[3]) / hat.shape[0] * 1.5  
  #  print (scale)
    hat = cv2.resize(hat, (0, 0), fx=scale, fy=scale)
    # 根据人脸坐标调整帽子位置
    x_offset = int(face[0] + face[2] / 2 - hat.shape[1] / 2)+50   #可跳整帽子的位置
    y_offset = int(face[1] - hat.shape[0] / 2)   #可跳整帽子的位置
    # 计算贴图位置,注意防止超出边界的情况
    x1, x2 = max(x_offset, 0), min(x_offset + hat.shape[1], sample_image.shape[1])
    y1, y2 = max(y_offset, 0), min(y_offset + hat.shape[0], sample_image.shape[0])
    hat_x1 = max(0, -x_offset)
    hat_x2 = hat_x1 + x2 - x1
    hat_y1 = max(0, -y_offset)
    hat_y2 = hat_y1 + y2 - y1
    # 透明部分的处理
    alpha_h = hat[hat_y1:hat_y2, hat_x1:hat_x2, 3] / 255
    alpha = 1 - alpha_h
    # 按3个通道合并图片
    for c in range(0, 3):
        sample_image[y1:y2, x1:x2, c] = (alpha_h * hat[hat_y1:hat_y2, hat_x1:hat_x2, c] + alpha * sample_image[y1:y2, x1:x2, c])
 
# 保存最终结果
cv2.imwrite('faces_detect10.png', sample_image)

感谢您的阅读,如觉得有用请您点赞,您的鼓励是对我的最大动力!

  END 

2022/12/24

联系我:pengyu717@yeah.net

?

】【打印繁体】【投稿】【收藏】 【推荐】【举报】【评论】 【关闭】 【返回顶部
上一篇Odoo 基于Win10搭建基于Win10搭建.. 下一篇盘点Python 中字符串的常用操作

最新文章

热门文章

Hot 文章

Python

C 语言

C++基础

大数据基础

linux编程基础

C/C++面试题目