作者|鲍文
资料来源| CSDN原力计划获奖作品
最近“最强假面术”又火爆地抖音(抖音)。还不知道的朋友建议先打开抖音(抖音)，搜索“最强假面术”，看了10多个视频后来看这篇文章。
视频看起来炫酷，其实本质就是图像的各种变换组合到一块的结果。那我们能不能也搞出一个来玩玩？我利用周末刷了两天抖音，不停的暂停、继续… 最终在尝试了仿射变换和透视变换两种方案后，搞出了一个“低配版最强变脸术”。首先先来看看最终实现的效果(忽略gif颜色问题)，也可以到查看完整视频，然后从数学原理、opencv代码实现入手一步步的搞一个“最强变脸术”。人脸关键点识别
看过“最强变脸术”的都知道，这个效果最基础的技术就是人脸识别。都2020年了，人脸识别当然不是多难的事了，可以选择的技术也很多，比如可以利用深度学习自己训练一个，也可以和我一样使用dlib这个三方库。
dlib用起来很简单，下面直接上代码了。
1img = cv2.imread("./img;)
2dets = detector(img, 1)
3
4shape = predictor(img, dets[0])
5landmarks =
6for p in :
7 landmarks.append([p.x, p.y]))
8
9for idx, point in enumerate(landmarks):
10 cv2.putText(img, str(idx), (point[0], point[1]), fontFace=cv2.FONT_HERSHEY_SCRIPT_SIMPLEX,
11 fontScale=0.3, color=(0, 255, 0))
12cv2.imshow("--", img)
13cv2.waitKey
运行上面的代码可以看到这样的结果：
请注意上面图中36、45、29三个数字的位置，因为在下面仿射变换的版本中我们要用到。
版本一：仿射变换实现
人脸关键点搞定后的第一次尝试，我是用的图像仿射变换来实现的。通过不断观察，我拆解出了一下三种变换方式：
平移
缩放
旋转
平移
需要平移，是因为我们需要把两张图片上的人脸叠放到一块。平移的变换操作矩阵是：
例如我们要向右平移100个像素，向下平移50个像素，那么变换矩阵就应该是：
对应的运算是：
即
所以平移操作的本质就是对每个像素加上一个偏移量。下面是使用opencv对图像进行平移操作的代码：
1img = cv2.imread("./img;)
2M = np.float32(
3 [
4 [1, 0, 100],
5 [0, 1, 50]
6 ]
7)
8
9dst = cv2.warpAffine(img, M, [1], img.shape[0]))
10cv2.imshow("", dst)
11cv2.waitKey
运行上面的代码可以看到这样的结果：
缩放
需要缩放，是因为我们在人脸对齐的时候需要尽可能的保证两张人脸大小一致。缩放的变换操作矩阵是：
fx代表x方向的缩放因子，fy代表y方向的缩放因子。所以如果我们想x轴放大1.5倍，y轴放大2倍的代码如下：
1img = cv2.imread("./img;)
2M = np.float32(
3 [
4 [1.5, 0, 0],
5 [0, 2, 0]
6 ]
7)
8
9dst = cv2.warpAffine(img, M, [1], img.shape[0]))
10cv2.imshow("", dst)
11cv2.waitKey
运行上面的代码可以看到这样的结果：
旋转
需要旋转，是因为我们需要把两张图片上的人脸进行对齐操作。旋转的变换操作矩阵是：
如果我们想要旋转30度，可以使用一下代码：
1img = cv2.imread("./img;)
2
3theta = ma(-30)
4M = np.float32(
5 [
6 [np.cos(theta), -np.sin(theta), 0],
7 [np.sin(theta), np.cos(theta), 0]
8 ]
9)
10
11dst = cv2.warpAffine(img, M, [1], img.shape[0]))
12cv2.imshow("", dst)
13cv2.waitKey
运行效果如下：
观察结果可能发现了，这次旋转的中心是在原点，如果我们想以任意点为旋转中心怎么办？ opencv提供了一个函数：
1getRotationMatrix2D(center, angle, scale)
center: 指定旋转的中心
angle: 旋转角度
scale: 缩放因子
这个函数还顺手解决了我们上面需要的缩放操作。可以比较下面代码和上面的效果：
1img = cv2.imread("./img;)
2
3M = cv2.getRotationMatrix2D([1], img.shape[0]), 30, 1)
4
5dst = cv2.warpAffine(img, M, [1], img.shape[0]))
6cv2.imshow("", dst)
7cv2.waitKey
最强变脸术第一次实现
仿射变换版本其实就是利用了以上三种变换方式的组合，首先先定义一个函数入口。
1def compose_img(name, frames_per_transformer, wait_frames, *imgs):
2 pass
参数1：生成视频的文件名
参数2：每两张图像之前的变换（称之为1次迭代）需要多少帧
参数3：每个迭代后写入多少帧静态图，也就是每次迭代完成后图片保持多少帧不变
参数4：参与生成视频的图片集合
除了这个函数外，我们还需要几个辅助函数。
1def to_video(name, width, height):
2 fps = 10
3 video_writer = cv2.VideoWriter(name, cv2.VideoWriter_fourcc('I', '4', '2', '0'), fps, (width, height))
4
5 return video_writer
6
7def get_equation(x0, y0, x1, y1, pow_arg=1):
8 k = (y1 - y0) / (pow(x1, pow_arg) - pow(x0, pow_arg))
9 b = y0 - k * pow(x0, pow_arg)
10
11 def f(x):
12 return k * pow(x, pow_arg) + b
13
14 return f
15
16def get_rotate_theta(from_landmarks, to_landmarks):
17 from_left_eye = from_landmarks[36]
18 from_right_eye = from_landmarks[45]
19
20 to_left_eye = to_landmarks[36]
21 to_right_eye = to_landmarks[45]
22
23 from_angle = ma(from_right_eye[1] - from_left_eye[1], from_right_eye[0] - from_left_eye[0])
24 to_angle = ma(to_right_eye[1] - to_left_eye[1], to_right_eye[0] - to_left_eye[0])
25
26 from_theta = -from_angle * (180 / ma)
27 to_theta = -to_angle * (180 / ma)
28
29 return to_theta - from_theta
to_video函数主要是用来创建一个视频生成器的。get_equation函数是用来生成一个根据时间变化的方程，主要用到了一次方程和二次方程。get_rotate_theta这个函数是通过计算左右眼的夹角来估计人脸倾斜角度差值，下标的值可以参考第一张图片。
最后我们就要进入主函数的实现了，主要思路是遍历所有图片，每个迭代拿出当前图和下一张图，然后识别出两张人脸中的关键点，通过这些关键点我们可以计算出两张图在某一时刻需要的旋转角度、旋转中心、缩放比例、位移像素数等关键参数。最终我们再次迭代frames_per_transformer次通过对两张图片分别做旋转、平移变换来达到效果。
1def compose_img(name, frames_per_transformer, wait_frames, *imgs):
2 video_writer = to_video("{}.avi".format(name), imgs[0].shape[1], imgs[0].shape[0])
3
4 img_count = len(imgs)
5 for idx in range(img_count - 1):
6 from_img = imgs[idx]
7 to_img = imgs[idx + 1]
8
9 from_width = [1]
10 from_height = [0]
11
12 to_width = [1]
13 to_height = [0]
14
15 from_face_region, from_landmarks = face_detector(from_img)
16 to_face_region, to_landmarks = face_detector(to_img)
17
18 # 第一张图最终的旋转角度
19 from_theta = get_rotate_theta(from_landmarks, to_landmarks)
20 # 第二张图初始的旋转角度
21 to_theta = get_rotate_theta(to_landmarks, from_landmarks)
22
23 # 两张图的旋转中心
24 from_rotate_center = + - ) / 2, + - ) / 2)
25 to_rotate_center = + - ) / 2, + - )/2)
26
27 from_face_area =
28 to_face_area =
29
30 # 第一张图的最终缩放因子
31 to_scaled = from_face_area / to_face_area
32 # 第二张图的初始缩放因子
33 from_scaled = to_face_area / from_face_area
34
35 # 平移多少的基准
36 to_translation_base = to_rotate_center
37 from_translation_base = from_rotate_center
38
39 equation_pow = 1 if idx % 2 == 0 else 2
40
41 # 建立变换角度的方程
42 to_theta_f = get_equation(0, to_theta, frames_per_transformer - 1, 0, equation_pow)
43 from_theta_f = get_equation(0, 0, frames_per_transformer - 1, from_theta, equation_pow)
44
45 # 建立缩放系数的角度
46 to_scaled_f = get_equation(0, to_scaled, frames_per_transformer - 1, 1, equation_pow)
47 from_scaled_f = get_equation(0, 1, frames_per_transformer - 1, from_scaled, equation_pow)
48
49 for i in range(frames_per_transformer):
50 # 当前时间点的旋转角度
51 cur_to_theta = to_theta_f(i)
52 cur_from_theta = from_theta_f(i)
53
54 # 当前时间点的缩放因子
55 cur_to_scaled = to_scaled_f(i)
56 cur_from_scaled = from_scaled_f(i)
57
58 # 生成第二张图片变换矩阵
59 to_rotate_M = cv2.getRotationMatrix2D(to_rotate_center, cur_to_theta, cur_to_scaled)
60 # 对第二张图片执行仿射变换
61 to_dst = cv2.warpAffine(to_img, to_rotate_M, (to_width, to_height), borderMode=cv2.BORDER_REPLICATE)
62
63 # 生成第一张图片的变换矩阵
64 from_rotate_M = cv2.getRotationMatrix2D(from_rotate_center, cur_from_theta, cur_from_scaled)
65 # 对第一张图片执行仿射变换
66 from_dst = cv2.warpAffine(from_img, from_rotate_M, (from_width, from_height), borderMode=cv2.BORDER_REPLICATE)
67
68 # 重新计算变换后的平移基准
69 to_left_rotated = to_rotate_M[0][0] * to_translation_base[0] + to_rotate_M[0][1] * to_translation_base[1] + to_rotate_M[0][2]
70 to_top_rotated = to_rotate_M[1][0] * to_translation_base[0] + to_rotate_M[1][1] * to_translation_base[1] + to_rotate_M[1][2]
71
72 from_left_rotated = from_rotate_M[0][0] * from_translation_base[0] + from_rotate_M[0][1] * from_translation_base[1] + from_rotate_M[0][2]
73 from_top_rotated = from_rotate_M[1][0] * from_translation_base[0] + from_rotate_M[1][1] * from_translation_base[1] + from_rotate_M[1][2]
74
75 # 当前时间点的平移数
76 to_left_f = get_equation(0, from_left_rotated - to_left_rotated, frames_per_transformer - 1, 0, equation_pow)
77 to_top_f = get_equation(0, from_top_rotated - to_top_rotated, frames_per_transformer - 1, 0, equation_pow)
78
79 from_left_f = get_equation(0, 0, frames_per_transformer - 1, to_left_rotated - from_left_rotated, equation_pow)
80 from_top_f = get_equation(0, 0, frames_per_transformer - 1, to_top_rotated - from_top_rotated, equation_pow)
81
82 # 生成第二张图片平移的变换矩阵
83 to_translation_M = np.float32(
84 [
85 [1, 0, to_left_f(i)],
86 [0, 1, to_top_f(i)]
87 ]
88 )
89
90 # 对第二张图片执行平移变换
91 to_dst = cv2.warpAffine(to_dst, to_translation_M, (to_width, to_height), borderMode=cv2.BORDER_REPLICATE)
92
93 # 生成第一张图片平移的变换矩阵
94 from_translation_M = np.float32(
95 [
96 [1, 0, from_left_f(i)],
97 [0, 1, from_top_f(i)]
98 ]
99 )
100
101 # 对第一张图片执行平移变换
102 from_dst = cv2.warpAffine(from_dst, from_translation_M, (from_width, from_height), borderMode=cv2.BORDER_REPLICATE)
103
104 # 将两张图片合成到一张，并写入视频帧
105 new_img = cv2.addWeighted(from_dst, 1 - ((i + 1) / frames_per_transformer), to_dst, (i + 1) / frames_per_transformer, 0)
106 video_wri(new_img)
107
108 # 一个迭代完成，迭代n次写入第二张图片
109 for _ in range(wait_frames):
110 video_wri(to_img)
111
112 video_wri
以上就是利用仿射变换实现的代码。效果可以看下面的gif（忽略gif的颜色问题，视频正常！完整视频可以到查看）
通过观察效果和代码，我们来总结一下这个版本的不足之处：
1. 两张人脸并未真正实现大小一致。
2. 人脸对齐也做的不够好。
3. 仅在2D空间做了变换，对于脸朝向的变换不敏感。
4. 代码复杂。
5. 仅利用了68个人脸关键点中的一小部分，并未充分利用人脸的特征。
以上几个问题其实就决定了仿射变换版本的使用局限性很大，跟抖音实现的效果差距很大。这也迫使我寻找另一种解决方案，结果就是透视变换版本，这个版本代码简单而且效果更接近抖音。
透视变换
仿射变换仅在二维空间做线性变换和平移，所以两条平行线变换后还是平行的，因而我们感受不到立体变换的效果。而透视变换则不同，它是在3D空间做变换，最后在映射到2D平面。以下是透视变换的数学原理。
从公式中可以看到变换后做了第3个维度z。展开为方程组形式：
最后映射回2维空间：
从公式中可以看到，假设将a33设为1，那么会有8个未知数，也就是我们至少需要4个点才能求得方程的接。在python中可以轻松的实现：
1img = cv2.imread(".;)
2src_pts = np.float32(
3[
4 [
5 [0, 0],
6 [0, 626],
7 [500, 626],
8 [500, 0]
9 ]
10])
11
12dst_pts = np.float32(
13 [
14 [100, 50],
15 [150, 200],
16 [500, 626],
17 [500, 0]
18 ]
19)
20
21M = cv2.getPerspectiveTransform(src_pts, dst_pts)
22dst = cv2.warpPerspective(img, M, [0], img.shape[1]))
23cv2.imshow("", dst)
24cv2.waitKey
上面代码效果如下：
上面的代码是通过getPerspectiveTransform函数找到src的4个点和dst的4个点的变换矩阵，还有一个函数findHomography可以在一堆点中找到最佳的变换矩阵，很明显，第二个函数更符合这个需求的实现，可以直接将人脸识别后的关键点扔给这个函数，然后找到最佳变换矩阵。所以透视变换版本的代码如下：
1def compose_img(name, frames_per_transformer, wait_frames, *imgs):
2 video_writer = to_video("{}.avi".format(name), imgs[0].shape[1], imgs[0].shape[0])
3
4 img_count = len(imgs)
5 for idx in range(img_count - 1):
6 from_img = imgs[idx]
7 to_img = imgs[idx + 1]
8
9 from_width = [1]
10 from_height = [0]
11
12 to_width = [1]
13 to_height = [0]
14
15 equation_pow = 1 if idx % 2 == 0 else 2
16
17 from_face_region, from_landmarks = face_detector(from_img)
18 to_face_region, to_landmarks = face_detector(to_img)
19
20 homography_equation = get_equation(0, from_landmarks, frames_per_transformer - 1, to_landmarks, equation_pow)
21
22 for i in range(frames_per_transformer):
23 from_H, _ = cv2.findHomography(from_landmarks, homography_equation(i))
24 to_H, _ = cv2.findHomography(to_landmarks, homography_equation(i))
25
26 from_dst = cv2.warpPerspective(from_img, from_H, (from_width, from_height), borderMode=cv2.BORDER_REPLICATE)
27 to_dst = cv2.warpPerspective(to_img, to_H, (to_width, to_height), borderMode=cv2.BORDER_REPLICATE)
28
29 new_img = cv2.addWeighted(from_dst, 1 - ((i + 1) / frames_per_transformer), to_dst, (i + 1) / frames_per_transformer, 0)
30 video_wri(new_img)
31
32 for _ in range(wait_frames):
33 video_wri(to_img)
34
35 video_wri
可以看到代码简化了不少，也仅用了一次变换就完成了。如上面所说，我们使用findHomography函数，在68个关键点中寻找最佳变换矩阵，然后利用warpPerspective函数进行变换，效果可以看下面的gif（忽略gif的颜色问题，视频正常！完整视频可以到查看）
可以看到这次的效果完全有了立体感，而且人脸的对齐也比第一个版本好的多，跟抖音的差距也缩小了不少。
最终所有代码都可以再我的github下载：
技术的道路一个人走着极为艰难？
一身的本领得不施展？
优质的文章得不到曝光？
（*本文为AI科技大本营转载文章，转载请联系作者）
