Python 3 利用 Dlib 19.7 实现人脸检测和剪切
0.引言
利用python开发，借助Dlib库进行人脸检测/face detection；
1. dlib_cut_faces.py :
将检测到的人脸剪切下来，依次排序显示在新的图像上；
实现的效果如图1所示，将图1原图中的6张人脸检测出来，然后剪切下来，在图像窗口中依次输出显示人脸；
2. dlib_cut_faces_save.py:
将检测到的人脸生成单个jpg，存储到本地路径；
（实现比较简单，代码量也比较少，适合入门或者兴趣学习。）
图1 原图和dlib_cut_faces.py处理后得到的图像窗口
图2 dlib_cut_faces_save.py处理后得到单个人脸图像们
源码上传到了我的Github，如果对您有帮助或者感兴趣，欢迎Star支持下: https://github.com/coneypo/Dlib_face_cut
1.开发环境
python: 3.6.3
dlib: 19.7
OpenCv, numpy
1 import dlib # 人脸识别的库dlib 2 import numpy as np # 数据处理的库numpy 3 import cv2 # 图像处理的库OpenCv
2.设计流程
工作内容主要以下两大块：dlib人脸检测 和 绘制新图像
2.1 dlib人脸检测
dlib的使用，在我之前另一篇博客里面介绍过
（link: http://www.cnblogs.com/AdaminXie/p/7905888.html）；
1 # dlib检测器 2 detector = dlib.get_frontal_face_detector() 3 predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat') 4 5 # 读取图像 6 path = "F:/***/pic/" 7 img = cv2.imread(path+"test_faces_6.jpg") 8 #print("img/shape:", img.shape) 9 10 # dlib检测 11 dets = detector(img, 1) 12 13 print("人脸数：", len(dets))
接下来需要得到人脸的坐标，用来计算人脸矩形的高度和宽度。
2.2 绘制新图像
如果你想让人脸并排显示的话，稍微麻烦一点，需要遍历两次dets（for k, d in enumerate (dets)）:
第一次遍历：记录下我们需要生成的图像窗口的大小，因为需要将多张照片显示在一张图像上，所以需要知道每张人脸照片的大小；
第二次遍历：根据之前得到的图像尺寸新建空白图像，然后开始用人脸矩形填充图像；
2.2.1 确定空白图像尺寸
（这部分首先要根据检测到的人脸数和人脸大小，来确定绘制图像所需要的尺寸）
第一次遍历：多张人脸要输出到一行，所以先进行一次人脸的遍历j记下每张人脸的大小，记每张人脸的尺寸为 高度height *宽度width（高度和宽度说明见图3）：
图3 图像尺寸说明
我取的生成空白图像的尺寸：height_max（最大高度）和width_sum（宽度之和），然后根据尺寸大小来新建空白图像：
1 img_blank = np.zeros((height_max, width_sum, 3), np.uint8)
图4 图像尺寸height_max和width_sum
2.2.2 图像填充
第二次遍历：多根据之前得到的图像尺寸新建空白图像，然后开始用人脸矩形填充图像，每次width方向从blank_start位置开始，每次填完一张之后记得更新起始位置：（blank_start += width）：
1 for i in range(height): 2 for j in range(width): 3 img_blank[i][blank_start + j] = img[d.top() + i][d.left() + j]
如果想访问图像的某点像素，可以利用img[height][width]：
存储像素其实是一个三维数组，先高度height，然后宽度width;
返回的是一个颜色数组（0-255，0-255，0-255），按照（B, G, R）的顺序；
比如 蓝色 就是（255，0，0），红色 是（0，0，255）;
3.源码
3.1 dlib_cut_faces.py
1 # 2018-01-22 2 # By TimeStamp 3 # #cnblogs: http://www.cnblogs.com/AdaminXie/ 4 5 import dlib # 人脸识别的库dlib 6 import numpy as np # 数据处理的库numpy 7 import cv2 # 图像处理的库OpenCv 8 9 # dlib预测器 10 detector = dlib.get_frontal_face_detector() 11 predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat') 12 13 # 读取图像 14 path = "F:/code/python/***/pic/" 15 img = cv2.imread(path+"test.jpg") 16 #print("img/shape:", img.shape) 17 18 # dlib检测 19 dets = detector(img, 1) 20 21 print("人脸数：", len(dets)) 22 23 # 记录人脸矩阵大小 24 height_max = 0 25 width_sum = 0 26 27 # 计算要生成的图像img_blank大小 28 for k, d in enumerate(dets): 29 30 # 计算矩形大小 31 # (x,y), (宽度width, 高度height) 32 pos_start = tuple([d.left(), d.top()]) 33 pos_end = tuple([d.right(), d.bottom()]) 34 35 # 计算矩形框大小 36 height = d.bottom()-d.top() 37 width = d.right()-d.left() 38 39 # 处理宽度 40 width_sum += width 41 42 # 处理高度 43 if height > height_max: 44 height_max = height 45 else: 46 height_max = height_max 47 48 # 绘制用来显示人脸的图像的大小 49 print("img_blank的大小：") 50 print("高度", height_max, "宽度", width_sum) 51 52 # 生成用来显示的图像 53 img_blank = np.zeros((height_max, width_sum, 3), np.uint8) 54 55 # 记录每次开始写入人脸像素的宽度位置 56 blank_start = 0 57 58 # 将人脸填充到img_blank 59 for k, d in enumerate(dets): 60 61 height = d.bottom()-d.top() 62 width = d.right()-d.left() 63 64 # 填充 65 for i in range(height): 66 for j in range(width): 67 img_blank[i][blank_start+j] = img[d.top()+i][d.left()+j] 68 # 更新读取图像起始位置 69 blank_start += width 70 71 cv2.namedWindow("img_faces", 2) 72 cv2.imshow("img_faces", img_blank) 73 cv2.waitKey(0)
结果：
图5 原图和处理后得到的图像窗口
3.2 dlib_cut_faces_save.py
如果你想将识别出来的人脸保存成单个的jpg，方便之后处理用，只需将上述代码进行略微修改；
只需一次遍历，根据每次检测到的人脸尺寸，新建空白图像后写入，然后利用cv2.imwrite写入到本地：
1 # 2018-01-24 2 # By TimeStamp 3 # #cnblogs: http://www.cnblogs.com/AdaminXie/ 4 5 import dlib # 人脸识别的库dlib 6 import numpy as np # 数据处理的库numpy 7 import cv2 # 图像处理的库OpenCv 8 9 # dlib预测器 10 detector = dlib.get_frontal_face_detector() 11 predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat') 12 13 # 读取图像的路径 14 path_read = "F:/************/pic/" 15 img = cv2.imread(path_read+"test.jpg") 16 17 # 用来存储生成的单张人脸的路径 18 path_save = "F:/**********/pic/" 19 20 # dlib检测 21 dets = detector(img, 1) 22 23 print("人脸数：", len(dets)) 24 25 for k, d in enumerate(dets): 26 27 # 计算矩形大小 28 # (x,y), (宽度width, 高度height) 29 pos_start = tuple([d.left(), d.top()]) 30 pos_end = tuple([d.right(), d.bottom()]) 31 32 # 计算矩形框大小 33 height = d.bottom()-d.top() 34 width = d.right()-d.left() 35 36 # 根据人脸大小生成空的图像 37 img_blank = np.zeros((height, width, 3), np.uint8) 38 39 for i in range(height): 40 for j in range(width): 41 img_blank[i][j] = img[d.top()+i][d.left()+j] 42 43 cv2.imshow("face_"+str(k+1), img_blank) 44 cv2.imwrite(path_save+"img_face_"+str(k+1)+".jpg", img_blank) 45 46 cv2.waitKey(0)
图6 生成的单个人脸jpg
转自：http://www.cnblogs.com/AdaminXie/p/8339863.html
