本文内容来源于互联网，如果未得到您想要的答案，可以试一试AI解答。 AI解答

0前言当前基于深度学习的人工智能的换脸技术比较多，但实际上，对于一些相同角度、相似肤色换脸场景其实无须通过深度学习模型即可达到比较好的效果。本文基于OpenCV针对相同脸部角度、相似肤色场景实现完美换脸。最终效果如下所示（下图为动态图，读者可以仔细

0 前言

当前基于深度学习的人工智能的换脸技术比较多，但实际上，对于一些相同角度、相似肤色换脸场景其实无须通过深度学习模型即可达到比较好的效果。本文基于OpenCV针对相同脸部角度、相似肤色场景实现完美换脸。最终效果如下所示（下图为动态图，读者可以仔细观察脸部变化过程）：

1 原理

原理如下：

查找脸部关键点获取关键点凸包，并对凸包点计算delanauy三角形。每个对应的delanauy三角形做仿射变换人脸融合

2 查找脸部关键点

脸部关键点可以通过dlib库获取：

pip install dlib

如果安装失败，可以尝试一下将Python版本降到3.6。

dlib可以检测人脸68个关键点，如下所示：

68个关键点

3 delanauy三角形

得到68个关键点后无法直接贴脸，因为每个人的脸型大小不一致。为了适配不同大小的脸型，我们将人脸区域划分为多个delanauy三角形，每个三角形区域单独做仿射变换。

首先获取人脸关键点凸包，即得到处于外围的关键点，直接调用opencv函数cv2.convexHull即可。得到如下所示：

对凸包点计算delanauy三角形，每个三角形区域单独仿射变换。如下所示：

仿射变换实现如下：

def apply_affine_transform(src, src_tri, dst_tri, size):

\\\\\\\\\ 应用仿射变换

src: 输入图像

src_tri: 输入图像中的三个点

dst_tri: 输入图像三个点对应输出图像中三个点

size: 输出图像大小

return: 返回输入图像按照两个三角形对应点的仿射变换得到的图像

\\\\\\\\\

# 得到仿射矩阵

warp_mat = cv2.getAffineTransform(np.float32(src_tri), np.float32(dst_tri))

# Apply the Affine Transform just found to the src image

dst = cv2.warpAffine(src,

warp_mat, (size[0], size[1]),

None,

flags=cv2.INTER_LINEAR,

borderMode=cv2.BORDER_REFLECT_101)

return dst

篇幅原因，这里不贴出其他实现代码。需要代码的直接拉到文章最后，免费获取源码。

4 人脸融合

人脸融合使用泊松融合比较适合：

...

cv2.seamlessClone(dst, to_img, p_mask, center, cv2.NORMAL_CLONE)

...