简单的加圣诞帽的程序，python3+opencv3.4

摘要：另外添加了帽子的自适应大小，帽子会根据所检测到的人脸的区域的大小自行拉伸到合适大小，同时还对图片进行了规范化。

1月6号更新，在自己写完这个博客之后，女朋友发给我一个微信公众号，里面也同样推送了如何使用python写添加圣诞帽的程序，而且用了一个小技巧可以进行随机添加，同时还给我了我一张30多个人的图像让我全部添加，稍微了解一下opencv人脸检测，是默认检测所有人脸的，因此对代码有了很小的改动就完成了需求，以下

# OpenCV 人脸检测
face_patterns = cv2.CascadeClassifier("D:opencv3.0opencvsourcesdatahaarcascadeshaarcascade_frontalface_default.xml")
sample_image = cv2.imread("C:UsersElamDesktop	ttt.jpg")
faces = face_patterns.detectMultiScale(sample_image,
                                       scaleFactor=1.1,
                                       minNeighbors=10,
                                       minSize=(10, 10))
# 圣诞帽
hats = []
for i in range(6):
    hats.append(cv2.imread("C:UsersElamDesktop\%d.png" % i, -1))

for face in faces:
    # 随机一顶帽子
    hat = random.choice(hats)
    #下面就是之前的添加算法
    。。。。。。。。
    
    
    #########

最最最最简单的加圣诞帽的程序，python3+opencv3.4

# -*- coding: utf-8 -*-
"""
Created on Mon Dec 25 15:22:14 2017

@author: Elam
"""

import cv2
import numpy as np
face_patterns = cv2.CascadeClassifier("D:opencv3.0opencvsourcesdatahaarcascadeshaarcascade_frontalface_default.xml")
sample_image = cv2.imread("C:UsersElamDesktopllll.jpg")
hat=cv2.imread("C:UsersElamDesktoplvse.png",cv2.IMREAD_UNCHANGED)
a,b,c,d=cv2.split(hat)
rgb_hat=cv2.merge((a,b,c))
sample_wh=sample_image.shape
temp=float(sample_wh[1]/sample_wh[0])
temp_h=int(1024*temp)
sample_image_res=cv2.resize(sample_image,(temp_h,1024),interpolation=cv2.INTER_CUBIC)
faces = face_patterns.detectMultiScale(sample_image_res,scaleFactor=1.1,minNeighbors=5,minSize=(60, 60))
k_w=faces[0][2]
k_h=faces[0][3]

#####hat
hat_wh=rgb_hat.shape
temp_hat=float(hat_wh[1]/hat_wh[0])
#####改变帽子大小######
temp_hat_h=int((k_w)*4/5*temp_hat)
temp_hat_w=int(k_w*3/5)
###################



res=cv2.resize(rgb_hat,(temp_hat_h,temp_hat_w),interpolation=cv2.INTER_CUBIC)
res_d=cv2.resize(d,(temp_hat_h,temp_hat_w),interpolation=cv2.INTER_CUBIC)
#hsv=cv2.cvtColor(res,cv2.COLOR_BGR2HSV)
#lower_blue=np.array([0,0,0])
#upper_blue=np.array([255,255,253])
#mask = cv2.inRange(hsv, lower_blue, upper_blue)
#erode=cv2.erode(mask,None,iterations=2)
#dilate=cv2.dilate(erode,None,iterations=2)


####改变帽子位置#####
x_new=faces[0][0]+int(k_w/6)
y_new=faces[0][1]-int(k_h*0.65)
center=[y_new,x_new]#在新背景图片中的位置
for i in range(temp_hat_w):
    for j in range(temp_hat_h):
        if res_d[i,j]!=0:#0代表黑色的点
            sample_image_res[center[0]+i,center[1]+j]=res[i,j]#此处替换颜色，为BGR通道
######################

#cv2.imshow("Mask", mask)
#res=cv2.resize(hat,(182,220),interpolation=cv2.INTER_CUBIC)
#WH=res.shape
#mask=cv2.imread("C:UsersElamDesktophat.jpg",0)

#imgROI=sample_image[10:192,10:230]
#sample_image[0:220,0:182]=res
for (x, y, w, h) in faces:
    cv2.rectangle(sample_image, (x, y), (x+w, y+h), (0, 255, 0), 2)
cv2.imwrite("C:UsersElamDesktop	est333333.png", sample_image_res)
#cv2.imwrite("C:UsersElamDesktophattttttt.png", hat)

写完才感觉真的很蠢，直接使用了opencv自带的人脸检测库，起初是利用人脸的黄金分割比例企图对帽子进行定位，后来发现他的人脸检测的框有时候会只检测到眉毛并不会框到额头。另外添加了帽子的自适应大小，帽子会根据所检测到的人脸的区域的大小自行拉伸到合适大小，同时还对图片进行了规范化。现在只能说对大部分比较标准的人脸可以做到帽子位置添加正确。实际上还试过有背景的帽子图片，做了很多掩膜提取的工作，但是效果都不是很好，最后还是去找了png格式的帽子图片。以下是随手测试的几张人脸效果

如有侵权请留言，我会删除。