前言
2019 年底開始蔓延的新型肺炎疫情牽動人心，作為個體，我們力所能及的就是盡量待在家中少出門。
看到一些朋友叫設計同學幫忙給自己的頭像戴上口罩，作為技術人，心想一定還有更多人有這樣的訴求，不如開發一個簡單的程序來實現這個需求，也算是幫助設計姐姐減少工作量。
於是花了些時間，寫了一個叫做 face-mask[1] 的命令行工具，能夠輕松的給圖片中的人像戴上口罩，而且口罩的方向和大小都是適應人臉的哦~
使用
⚠️確保 Python 版本在 3.6 及以上
安裝 face-mask
pip install face-mask
使用 face-mask,直接指定圖片路徑即可為圖片中的人像戴上口罩，並會生成一個新的圖片（額外有 -with-mask 后綴）：
face-mask /path/to/face/picture
通過指定 --show 選項，還可以使用默認圖片查看器打開新生成的圖片：
face-mask /path/to/face/picture --show
效果
給一個人戴上口罩
給多個人戴上口罩
給動漫人物戴上口罩
實現
思路
要想實現上面的效果，我們應該怎么做？不妨這么想：
- 首先是識別出人的鼻子( nose_bridge )和臉輪廓( chin )
- 通過臉輪廓確定出臉左點（ chin_left_point ）、臉底點（ chin_bottom_point ）和臉右點（ chin_right_point ）
- 由鼻子和臉底點確定口罩大小的高度、中心線
- 將口罩左右平均分為兩個部分
- 調整左口罩大小，寬度為臉左點到中心線的距離
- 調整右口罩大小，寬度為臉右點到中心線的距離
- 合並左右口罩為新口罩
- 旋轉新口罩，角度為中心線相對於 y 軸的旋轉角
- 將新口罩放在原圖適當位置
關於人臉識別，可以使用 face_recognition[2] 庫進行識別。
關於圖像處理，可以使用 Pillow[3] 庫進行處理。
代碼
有了思路之后，實現就是件相對輕松的事情。不過對庫的熟悉和圖片的變換計算可能要花些時間。
詳細的代碼請閱讀 face-mask[4]。這里僅說明下最核心的步驟。
人臉識別
import face_recognition
face_image_np = face_recognition.load_image_file('/path/to/face/picture')
face_landmarks = face_recognition.face_landmarks(face_image_np)
借助 face_recognition 庫可以輕松的識別出人像，最終得到的 face_landmarks 是一個列表，里面的每個 face_landmark 都表示一個人像數據。
face_landmark 是一個字典，其中的鍵表示人像特征，值表示該特征的點的列表。比如：
- 鍵 nose_bridge 表示鼻梁
- 鍵 chin 表示臉頰
我們需要根據每個 face_landmark，給對應的頭像戴上口罩。
獲得鼻子和臉頰的特征點
import numpy as np
nose_bridge = face_landmark['nose_bridge']
nose_point = nose_bridge[len(nose_bridge) * 1 // 4]
nose_v = np.array(nose_point)
chin = face_landmark['chin']
chin_len = len(chin)
chin_bottom_point = chin[chin_len // 2]
chin_bottom_v = np.array(chin_bottom_point)
chin_left_point = chin[chin_len // 8]
chin_right_point = chin[chin_len * 7 // 8]
通過上述代碼，我們獲得了：
- 表示上鼻梁的一個點 nose_point
- 表示臉左點 chin_left_point
- 表示臉右點 chin_right_point
- 表示臉底點 chin_bottom_point
拆分、縮放和合並口罩
from PIL import Image
_face_img = Image.fromarray(face_image_np)
_mask_img = Image.open('/path/to/mask/picture')
# split mask and resize
width = _mask_img.width
height = _mask_img.height
width_ratio = 1.2
new_height = int(np.linalg.norm(nose_v - chin_bottom_v))
# left
mask_left_img = _mask_img.crop((0, 0, width // 2, height))
mask_left_width = get_distance_from_point_to_line(chin_left_point, nose_point, chin_bottom_point)
mask_left_width = int(mask_left_width * width_ratio)
mask_left_img = mask_left_img.resize((mask_left_width, new_height))
# right
mask_right_img = _mask_img.crop((width // 2, 0, width, height))
mask_right_width = get_distance_from_point_to_line(chin_right_point, nose_point, chin_bottom_point)
mask_right_width = int(mask_right_width * width_ratio)
mask_right_img = mask_right_img.resize((mask_right_width, new_height))
# merge mask
size = (mask_left_img.width + mask_right_img.width, new_height)
mask_img = Image.new('RGBA', size)
mask_img.paste(mask_left_img, (0, 0), mask_left_img)
mask_img.paste(mask_right_img, (mask_left_img.width, 0), mask_right_img)
上述代碼主要做了如下內容：
- 將口罩左右平均分為兩個部分
- 調整左口罩大小，寬度為臉左點到中心線的距離 * 寬度系數 1.2
- 調整右口罩大小，寬度為臉右點到中心線的距離 * 寬度系數 1.2
- 合並左右口罩為新口罩
get_distance_from_point_to_line 用來獲取一個點到一條線的距離，具體實現可看源代碼。
width_ratio 是寬度系數，用來適當擴大口罩。原因我們是根據臉頰的寬度計算口罩的寬度，但口罩是待在耳朵上的，真實寬度應該要更寬。
旋轉口罩、並放到原圖適當位置
# rotate mask
angle = np.arctan2(chin_bottom_point[1] - nose_point[1], chin_bottom_point[0] - nose_point[0])
rotated_mask_img = mask_img.rotate(angle, expand=True)
# calculate mask location
center_x = (nose_point[0] + chin_bottom_point[0]) // 2
center_y = (nose_point[1] + chin_bottom_point[1]) // 2
offset = mask_img.width // 2 - mask_left_img.width
radian = angle * np.pi / 180
box_x = center_x + int(offset * np.cos(radian)) - rotated_mask_img.width // 2
box_y = center_y + int(offset * np.sin(radian)) - rotated_mask_img.height // 2
# add mask
_face_img.paste(mask_img, (box_x, box_y), mask_img)
上述代碼主要做了如下內容：
- 旋轉新口罩，角度為中心線相對於 y 軸的旋轉角
- 計算口罩應該放置的坐標
- 將新口罩放在原圖的計算出的坐標下
- 最后就是將新圖片保存到本地路徑，代碼不再展示。
總結
我們借助 face_recognition 庫可以輕松的識別出人像，然后根據臉頰的寬度和鼻梁位置計算出口罩的大小、方向和位置，並最終生成出戴上口罩的圖片。整個過程並不復雜，但在坐標計算上要格外小心，如此，我們便打造了一個短小精悍的“自動戴上口罩”程序！
對人臉識別感興趣的同學可以在百度ai的官網上在線體驗下，點擊跳轉 https://ai.baidu.com/tech/face/compare
文章來源於Prodesire ，作者Prodesire http://suo.im/6kbW29