作者 | 小安
來源 | 菜鳥學Python（ID:cainiao_xueyuan）
如今，隨著技術的不斷進步，「變臉」技術不再是四川喜劇的「獨門武功」。運用機器學習的方法，我們同樣可以實現人臉「融合」。當然這裡說的人臉融合指的是將兩個人的人臉照片進行融合，至於融合的比例，要按照自己的喜好來定。人臉融合的效果我們先看視頻。
變臉視頻，一睹為快
下面小編就帶領大家從以下的幾個方面來打造一款向上圖所示的人臉識別軟體。
1).首先是人臉識別的原理介紹
要進行人臉的融合，且融合後兩個人臉的位置應該大體一致，這要如何才能做到呢？首先便是人臉的檢測，只有檢測到了人臉，才能進行接下來的工作。人臉的檢測，我們採用的是Dlib函數庫，幫助我們進行人臉的檢測。如下圖所示：
得到人臉的位置後，接下來就是對於人臉的關鍵點的定位，什麼是關鍵點的定位呢，說的通俗一點，就是確定圖片中人臉的關鍵特徵的位置，比如眼睛，嘴巴，鼻子的位置。而這些關鍵點又被稱為Landmark。
2).如何檢測這些關鍵點呢
這裡又利用到了Dlib庫，Dlib庫為我們提供了68個標記點的Dlib官方人臉識別模型，用於構建Dlib的特徵提取器，幫助我們進行關鍵點的提取。提取效果如下圖所示：
有了關鍵點，相當於我們有了兩張臉的數據，接下來我們將針對於這些關鍵點進行融合，融合的公式代碼如下所示：
points = (1 - alpha) * np.array(points1) + alpha * np.array(points2)
其中alpha是我們的融合係數，而points1和points2分別代表兩張圖的關鍵點，points表示關鍵點融合的結果。接下來便是對points運用delaunay算法，這個算法將返回一個三角形列表。而至於效果則如下圖所示：
由上圖可以看出，兩張圖中的三角形抓取了近乎相似的區域。由上面我們可以得到圖片1中關鍵點的和圖片2中關鍵點的集合，以及合成圖片的關鍵點的集合。
我們也由delaunay算法得到了確定的三角形。接下來我們選取圖片1中的三角形和合成圖中的三角形進行仿射變換，也就是將圖片1中的三角形對應的映射到合成圖片當中去，關於仿射變換，我們可以使用opencv中的getAffineTransform函數進行。
對於圖片2，我們也採取同樣的處理方式，最後是基於我們提供的融合係數，進行兩張人臉的融合。部分源碼如下圖所示：
上述的morph_faces函數，用來進行人臉的融合，首先是讀取兩張人臉圖片，然後是獲取兩張人臉的關鍵點，分別命名為points1和points2並對points1和points2進行融合，命名為points，然後利用morph_triangle函數對人臉進行仿射變換，實現兩張人臉的對齊，並將對齊的兩張人臉按照融合係數進行融合。
軟體界面設計
以上就是關於人臉融合的基本原理，接下來就是運行界面的搭建了。
運行界面的搭建採用的是tkinter進行處理，
首先是打開文件夾，讀入我們想要進行融合的人臉
然後是輸入融合的比例係數，如果我們忘記輸入融合係數的話，軟體默認的係數便是0.5
最後點擊我們的「人臉融合」按鈕，軟體便會展示出人臉融合後的效果。
這裡需要注意的是，輸入的兩張圖片大小不需要嚴格的一致，程序會自動幫大家進行圖片大小的調整。
一共有4個按鈕，分布是打開圖片1，打開圖片2，人臉融合和退出軟體。
中間有3張圖片，前2張都是原始圖片，最後一個合成圖片，尤其是合成圖片那裡是關鍵中關鍵：
這裡面的main函數是調用後臺的算法函數，然後再輸入一個融合係數，就是entry.get()裡面獲取的用戶輸入的融合係數，一般默認是0.5,即兩個臉一半一半。
後臺的算法會把兩種圖片利用cv2和dlib進行處理合成，然後生成一個新的合成圖片。
最後我們用PIL庫把圖片讀出來，然後顯示在界面上即可。
看一下效果
最後，小編找了幾位明星，進行人臉的融合，效果如下圖所示:
這篇文章主要用了很多計算機視覺方面的庫opencv,這個庫很博大精深，幾乎玩圖像的無人不知無人不曉，有興趣的同學可以研究一下，後面還有一些跟圖像相關的趣味小例子。 現在發現Python是不是無所不能，歡迎留言點評，吱一聲！
限於篇幅，源碼沒有展開，變臉源碼獲取地址：
連結: https://pan.baidu.com/s/10JczvfApSJLn4Yl68CzOJA
提取碼: mqxu
(提醒一下，需要安裝cv2和dlib，cv2庫不太好安裝)
（*本文為Python大本營轉載文章，轉載請聯繫原作者）
福利
掃碼添加小助手，回覆：1，加入Python技術交流群，共享Python學習資料，定時更新。
敲黑板劃重點！7 折優惠限時搶購中，3 月 31 日前可享受優惠價 499元，歡迎點擊閱讀原文報名參加。更多詳細信息請諮詢13581782348（微信同號）。
你也可以點擊閱讀原文，查看大會詳情。