Erstellen verschiedener Photoshop-Videos mit Python + OpenCV ② Erstellen Sie Photoshop-Standbilder

0. Einleitung

Es ist eine Fortsetzung vom letzten Mal (Teil 1 Gesichtserkennung). Überschreiben Sie das zuvor erkannte Gesicht mit einem anderen Bild. Ich habe auf die folgende Seite verwiesen. Bildverarbeitung mit Python + Opencv 5 (Größe ändern) Lachenden Mann im Gesicht mit Python + OpenCV + Kissen überschreiben

Das zu überschreibende Bild ist schließlich dieses. Lachende Männerteile

1. Bildgröße ändern

Da die Größe des erkannten Gesichts und die Größe des zu überschreibenden Bildes unterschiedlich sind, erstellen Sie mit der Funktion resize () von OpenCV eine Funktion zum Ändern der Bildgröße. Wenn Sie das Bild und die geänderte Größe angeben, wird es entsprechend erweitert und verkleinert. Ich wollte das Seitenverhältnis des Originalbilds nicht ändern, daher wird es entsprechend dem kleineren Größenunterschied (Verhältnis) erweitert und verkleinert. Unten ist der Code.

resize_image

def resize_image(image, height, width):
    
    #Holen Sie sich die Originalgröße
    org_height, org_width = image.shape[:2]
    
    #Schrumpfen, um der größeren Größe zu entsprechen
    if float(height)/org_height > float(width)/org_width:
        ratio = float(height)/org_height
    else:
        ratio = float(width)/org_width
    
    #Größe ändern
    resized = cv2.resize(image,(int(org_height*ratio),int(org_width*ratio)))
    
    return resized    

2. Ändern Sie die Größe des Ergebnisses

Lassen Sie uns die Größenänderungsfunktion testen. Ich habe versucht, es 100 x 100 groß zu machen.

resizetest

    #Laden des Bildes zum Überschreiben
    ol_imgae_path = "target/warai_otoko.png "    
    ol_image = cv2.imread(ol_imgae_path,cv2.IMREAD_UNCHANGED)   #Alpha-Kanal(Transparent)IMREAD zu lesen_Geben Sie INCHANGED an

    #Größe ändern
    resized_image = resize_image(ol_image, 100, 100)

    #Ausgabe des Erkennungsergebnisses
    cv2.imwrite("result/warai_otoko_result.png ", resized_image)

Before

After

Ich konnte es erfolgreich reduzieren.

3. Erstellen Sie eine Funktion zum Überschreiben des Bildes

Überschreiben Sie das Bild auf dem Gesichtsteil. Erstellen Sie eine Funktion, die ein Bild an einer bestimmten Position mithilfe einer Bibliothek namens Pillow (PIL) synthetisiert. Der Fluss ist -Konvertieren Sie Bilder vom OpenCV-Format in das PIL-Format ・ Mit Overlay-Bild überschreiben

• Kehren Sie vom PIL-Format zum OpenCV-Format zurück. Es ist wie es ist.

overlayOnPart

import numpy as np
from PIL import Image

def overlayOnPart(src_image, overlay_image, posX, posY):

    #Ermitteln Sie die Größe des Überlagerungsbilds
    ol_height, ol_width = overlay_image.shape[:2]

    #Konvertieren Sie OpenCV-Bilddaten in PIL
    #Konvertieren Sie von BGRA zu RGBA
    src_image_RGBA = cv2.cvtColor(src_image, cv2.COLOR_BGR2RGB)
    overlay_image_RGBA = cv2.cvtColor(overlay_image, cv2.COLOR_BGRA2RGBA)
    
    #In PIL konvertieren
    src_image_PIL=Image.fromarray(src_image_RGBA)
    overlay_image_PIL=Image.fromarray(overlay_image_RGBA)

    #Wechseln Sie zum Compositing in den RGBA-Modus
    src_image_PIL = src_image_PIL.convert('RGBA')
    overlay_image_PIL = overlay_image_PIL.convert('RGBA')

    #Bereiten Sie einen transparenten Campus derselben Größe vor
    tmp = Image.new('RGBA', src_image_PIL.size, (255, 255,255, 0))
    #Überschreiben Sie den vorbereiteten Campus
    tmp.paste(overlay_image_PIL, (posX, posY), overlay_image_PIL)
    #Kombinieren Sie Original und Campus und speichern Sie
    result = Image.alpha_composite(src_image_PIL, tmp)
    
    return  cv2.cvtColor(np.asarray(result), cv2.COLOR_RGBA2BGRA)

4. Eingebaute Überschreibfunktion

Ich werde einen lachenden Mann auf das Gesicht des Lenna-Bildes setzen, das ich das letzte Mal erkannt habe. Das Laden von Bildern zum Überschreiben der vorherigen Quelle wurde hinzugefügt. Überschreiben Sie das Gesicht, nachdem Sie es verkleinert haben, um es an die Größe des Gesichts anzupassen.

overlay_face

#coding=utf-8

import cv2
import numpy as np
from PIL import Image


def overlay_face():

    #Lesen der erkannten Datei
    image_path = "target/Lenna.png "
    image = cv2.imread(image_path)

    #Laden des Bildes zum Überschreiben
    ol_imgae_path = "target/warai_otoko.png "    
    ol_image = cv2.imread(ol_imgae_path,cv2.IMREAD_UNCHANGED)   #Alpha-Kanal(Transparent)IMREAD zu lesen_Geben Sie INCHANGED an
 
    #In Graustufen konvertieren
    image_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

    #Dateispezifikation des Funktionsumfangs für die Gesichtserkennung
    cascade_path = "haarcascades/haarcascade_frontalface_alt.xml"
    #Ermitteln Sie die Merkmalsmenge des Kaskadenklassifikators
    cascade = cv2.CascadeClassifier(cascade_path)

    #Gesichtserkennung durchführen
    facerecog = cascade.detectMultiScale(image_gray, scaleFactor=1.1, minNeighbors=1, minSize=(1, 1))

  
    if len(facerecog) > 0:


        #Überschreiben Sie das Bild auf allen erkannten Gesichtern
        for rect in facerecog:

            #Erkennungsergebnis anzeigen
            print ("Erkennungsergebnis")
            print ("(x,y)=(" + str(rect[0]) + "," + str(rect[1])+ ")" + \
                "Höhe:"+str(rect[2]) + \
                "Breite:"+str(rect[3]))

            #Passen Sie die Bildgröße an den Erkennungsbereich an
            resized_ol_image = resize_image(ol_image, rect[2], rect[3])
            
            #Erstellen eines überschriebenen Bildes
            image = overlayOnPart(image, resized_ol_image, rect[0], rect[1])
    
    #Ausgabe des Erkennungsergebnisses
    cv2.imwrite("result/Lenna_result.png ", image)


if __name__ == '__main__':
    overlay_face()

5. Ergebnis überschreiben

Es ging gut.

6. Schließlich

Jetzt, da Sie ein Standbild in Photoshop erstellen können, Ab dem nächsten Mal werde ich es auf Videos anwenden. Verschiedene Photoshop-Videos mit Python + OpenCV erstellen ③ Verschiedene Photoshop-Videos erstellen