圣诞节，教你用Python给微信头像添加一个圣诞帽

正文

请到「今天看啥」查看全文

import cv2from PIL import ImagepersonPath = '3.jpg'  #头像hatPath = 'sheng.png'  #圣诞帽personImg = cv2.imread(personPath)face_haar = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')#存放的绝对路径faces = face_haar.detectMultiScale(personImg, 1.1,5)personImg = Image.open(personPath)personImg = personImg.convert('RGBA')hatImg = Image.open(hatPath)hatImg = hatImg.convert('RGBA')for face_x,face_y,face_w,face_h in faces:    face_x -= face_w-180    face_y += face_h-250    face_w *= 1    face_h *= 1    hatImg = hatImg.resize((face_w, face_h))    bg = (face_x, face_y - face_h + 100 , face_x + face_w, face_y + 100 )    personImg.paste(hatImg, bg, mask = hatImg)#将调整好的帽子贴上去personImg.save('addHat.png')

下面对代码进行讲解。

首先，引入两个模块，用cv2.imread(personPath)来读取相对路径下的图片。

“cv2.imread('图像路径','读取方式')：默认为cv2.imread_color以彩色图像模式读取。

cv2.CascadeClassifier('分类器的路径')：简单来说就是做人脸检测的一个必备方面，专业名词叫做级联分类器。这个分类器到目前版本容纳了Haar特征器和LBP特征分类器两个分类器。这次我们使用常规用的Harr特征器”

Haar特征分类器就是一个xml文件，是OpenCV官方训练好的检测器，它能反应图像的灰度变化，以像素分模块求差值的一种特征。下面我们讲讲它的路径

在我们准备工作中我们在OpenCV的官网下载了人脸识别的插件。

以安装在D盘为例， Harr特征分类器就在我们的：

D:\opencv\opencv\sources\data\haarcascades\haarcascade_frontalface_default.xml

注意：在第6行代码中，我们调用这个特征器的路径最好使用绝对路径！上述代码只是演示

关键代码就是：

detectMultiScale(image,scaleFactor,minNeighbors)。

检验出图片中的所有人脸，并以向量类型保存各个人脸的位置和大小，最后用矩形Rect类表示，该函数由分类器((也就是上述的Haar特征分类器))的对象进行调用。

其中参数如下：

“image是我们要做人脸检测的图片。

scaleFactor表示在前后两次相继的扫描中，搜索窗口的比例系数。默认为1.1即每次搜索窗口依次扩大10%;

minNeighbors表示构成检测目标的相邻矩形的最小个数(默认为3个)。”

而后就是我们常见的用Pillow模块打开两张图片，不过这次的打开方式是以RGBA模式打开，即四通道模式（A指透明度）。

最后一个for循环就是读取用cv2解析出来的帽子faces参数，这里有趣的一点是，cv2做人脸识别后，会在两眼之间画一条线，并以中间为原点，做x和y轴建立坐标系。最后调节Pillow解析出来的帽子x和y位置，摆到人头上方。所有这个方法对正脸敏感，对侧脸不太友好。

personImg.save('addHat.png')表示存储添加圣诞帽后的照片。

现在我们在上一节的基础上，将圣诞帽添加与GUI框架进行整合，还是先上代码之后拆分讲解

import PySimpleGUI as

请到「今天看啥」查看全文