--
圖3.面部對齊。左：檢測到面部標志和凸包。中：凸包上的點的Delaunay三角剖分。右：通過仿射扭曲三角形進行面部對齊。
1 人臉對齊
1.1 臉部地標檢測
兩個臉部的幾何形狀非常不同，因此我們需要對源臉部進行一些扭曲以使其覆蓋目標臉部，但是我們還想確保我們不會使其扭曲而無法識別。
首先使用dlib在兩個圖像上檢測面部標志。但是，與“ 臉部變形”不同，我們不也不應使用所有點進行臉部對齊。
我們只需要如圖所示的人臉外邊界上的點即可。
1.2 查找凸包
在計算機視覺和數學術語中，點或形狀的集合的邊界稱為“包”。沒有任何凹面的邊界稱為“凸殼”。
在圖3中，左圖顯示了使用dlib檢測到的臉部界標為紅色，點的凸包顯示為藍色。
一組點的凸包可以使用OpenCV的concealHull函數來計算。
python：
# points is numpy array of points obtained # using dlib. hullIndex = cv2.convexHull(points, returnPoints = False) # hullIndex is a vector of indices of points # that form the convex hull.
c++:
vector<int> hullIndex; // points is of type vector<Point2f> obtained // using dlib. convexHull(points, hullIndex, false, false); // hullIndex is a vector of indices of points // that form the convex hull.
1.3 Delaunay三角剖分
對齊的下一步是對凸包上的點進行Delaunay三角剖分。在圖3的中間圖像中顯示了三角剖分。
這使我們可以將臉部分成較小的部分。我以前的文章詳細解釋了Delaunay三角剖分，請參見此處
1.4 仿射扭曲三角形
進行面對齊的最后步驟，以考慮源臉部和目標臉部之間的對應三角形，並將源臉部三角形仿射扭曲到目標臉部上。
有關我的臉部變形的更多信息，請參見我的文章。
但是，如您在圖3的右圖中所看到的，對齊面部並將一個面部拍打在另一面部的上方看起來並不自然。
由於兩個圖像之間的光照和膚色差異，可以看到接縫。下一步顯示如何無縫地組合兩個圖像。
2 無縫克隆
好的技術思想就像是魔術。優秀的魔術師結合了物理，心理學和良好的舊手技巧來達到令人難以置信的效果。
僅圖像扭曲看起來就很糟糕。將其與Seamless Cloning結合使用，結果是神奇的！我寫了一篇文章，解釋的細節在這里。
這是OpenCV 3中的一項功能，可讓您無縫地將源圖像的一部分（由掩碼標識）克隆到目標圖像上。
python:
output = cv2.seamlessClone(src, dst, mask, center, cv2.NORMAL_CLONE)
c++:
seamlessClone(src, dst, mask, center, output, NORMAL_CLONE);
上面用法中的src圖像如圖3所示。（右圖）。的DST圖像是其上我們要混合源圖像（即特朗普的圖像）的圖像。
通過使用fillConvexPoly用白色填充凸包來計算蒙版，並且中心是包含蒙版的邊界框的中心。
總結：
臉部地標檢測(Facial Landmark) 點
查找凸包(Convex Hull ) 面
Delaunay三角剖分(Delaunay Triangulation )
仿射扭曲三角形（源臉部三角形仿射扭曲到目標臉部）(Affine warp triangles )
無縫克隆(Seamless Cloning)
--