作者：SATYA MALLICK
編譯：HAPPEN、Chloe、錢天培
請緊盯這張照片5秒鐘，你能否看出任何異樣呢？
照片中的女性同時擁有白人血統、西班牙人血統、亞洲人血統以及印度人血統。
她皮膚光彩無暇，眼神撲朔迷離，似乎美得不真實。
她並不真實存在，但她也並非完全虛構。
創造她的正是文摘菌今天要介紹的一項黑科技——「平（da）均（zhong）臉」。
文摘菌今天的手把手專欄將為大家介紹，如何用OpenCV隨心所欲幫各種人組合「平均臉」。完整的python代碼可在後臺回復「平均臉」獲取。
讓我們先來看兩張文摘菌好奇的平均臉。
成功男性科技界企業家平均臉長什麼樣？
下圖是小扎，馬斯克，拉裡·佩奇，和傑夫·貝索斯的平均臉。傑夫·貝索斯似乎拉低了發量平均值，不過幸好這張平均臉並沒有全禿。
小扎，馬斯克，拉裡·佩奇，和傑夫·貝索斯的平均臉
奧斯卡最佳女主角平均臉又長什麼樣呢？
下圖為布麗·拉爾森，朱麗安·摩爾，凱特·布蘭切特，詹妮弗·勞倫斯的平均臉。這張平均臉真是非常迷人了！她的牙齒比企業家平均臉潔白整齊得多。一點也不意外！
近四屆奧斯卡最佳女主角：布麗·拉爾森，朱麗安·摩爾，凱特·布蘭切特，詹妮弗·勞倫斯的平均臉
最後，文摘菌還用平均臉生成了一張文摘家主編大大們的平均臉，翻到文末看大大們的顏值哦～
為何平均臉的顏值看起來如此之高？在進入代碼實操之前，讓我們先來簡單了解一下平均臉的歷史。
「平均臉」源於達爾文的堂兄Francis Galton在1878年提出的一種新的攝影技術——通過對準眼睛來合成人臉。他認為，通過生成罪犯的平均臉，人們就可以根據面部特徵來預測一個人是否是罪犯。很顯然，他的假設是錯誤的——你不能通過照片來預測一個人是否是罪犯。然而，「平均臉」這個創意卻流傳了下來。
此後，多項研究證明，平均臉其實比個體臉更具有吸引力。在其中一項研究中，研究者們生成了22名入圍2002年德國小姐評選決賽的選手的平均臉，並讓吃瓜群眾打分。結果顯示人們認為平均臉比22位選手的臉更有吸引力，包括贏得比賽的柏林小姐。緊接著人們發現，柏林小姐的長相和這張平均臉非常接近。噢！原來柏林小姐的臉吸引人，正是因為她的臉接近平均水平！
按常理說，平均臉不應該很平庸嗎？為什麼平均臉吸引人？
根據進化假說，有性繁殖的動物會尋找長著平均臉的伴侶，因為偏離平均值可能產生不利的突變。平均臉也是對稱的，因為臉的左邊和右邊的變化是平均的。（文摘菌頓悟瞬間——原來「大眾臉」可以是個褒義詞。）
接下來，就讓我們一起來OpenCV學習創造「平均臉」！
美國總統的平均臉：從Carter到Obama
文摘菌將以美國總統的臉為例（因為美國總統像清晰且高度一致！），給大家介紹生成平均臉的關鍵技術步驟，完整的python代碼可在後臺回復「平均臉」獲取。
首先，我們需要使用dlib庫在每張面部圖像上建立68個面部基準點。安裝dlib庫的步驟較為複雜，如果你無法成功安裝dlib，可以跳過該步，使用文摘菌為大家準備的面部基準點示例文檔（即為faces文檔中的txt文件）。
面部特徵檢測案例
我們手頭的面部圖像的尺寸很可能是不一樣的，同時面部也很可能處於圖像的不同位置，所以我們需要標準化面部特徵，並把它們放到同一參考坐標系下。
為了實現這一點，我們將圖像大小轉為600*600，把左眼（外眼角）放在像素位置（180，200），右眼（外眼角）放在像素位置（420，200）。我們稱該坐標系統為輸出坐標系統，稱原始圖像坐標為輸入坐標系統。
因為我希望確保兩隻眼睛的點都在一個水平線上，面部中心大約在離頂端三分之一高度的位置。所以我將眼角位置設為（0.3*寬，高/3）和（0.7*寬，高/3）。
在原始圖像的68個面部基準點中，左眼外眼角和右眼外眼角分別在基準點36和45。因此我們可以利用這兩個點計算圖像的相似變換矩陣（旋轉、變換和縮放），將輸入坐標系統的點進行轉換為輸出坐標系統。
3000*2300大小的輸入圖像通過相似變換矩陣轉為600*600大小的輸出圖像
什麼是相似變換矩陣？（不想學數學的同學可以簡單略過）
如果你想對一個正方形作出轉換，使正方形在x和y方向上分別縮放s_x和s_y，同時將它旋轉theta角度，再在x和y方向上平移t_x和t_y，對應的相似變換矩陣就是
對於一個(x, y)點來說，它的新位置就將會是
代碼實現很簡單（這裡你需要安裝cv2庫）：
cv2.estimateRigidTransform(inPts, outPts, False)
相似變換矩陣是一個2*3矩陣，用於轉換點坐標或整個圖像。矩陣前兩列用於轉換與縮放，最後一列用於變換（如移位）。
這兒還存在一個小問題：
OpenCV要求你至少提供3個點，雖然通過兩點你就可以計算相似變換矩陣了。好消息是，我們可以簡單假設第三個點，讓它與已知的兩個點組成等邊三角形，然後我們就可以使用 estimateRigidTransform了。
得到相似變換矩陣後，我們就可以用來它將輸入圖像和基準點轉換生成輸出坐標了。我們使用warpAffine來轉換圖像，用transform來轉換點。（詳見代碼）
第二步後直接生成的平均臉
上一步中，我們能夠將所有的圖像和關鍵點變換到輸出圖像坐標系。現在所有圖像都是相同大小，並且眼睛的兩角都分別對齊。似乎對這些圖像每個像素的值進行平均我們就能得到平均臉啦。但如果你真這麼做了，會得到上圖這樣的結果。當然眼睛肯定是對齊的，但是其他面部特徵都沒對齊。
如果我們知道兩張輸入圖像的點如何一一對應，那我們很容易就能將兩張圖像完美對齊。然而我們並沒有這些信息。我們只知道這些輸入圖像68個對應點的位置。所以，我們可以用這68個點把圖像分成若干三角形區域，然後對齊這些區域，再對像素值進行平均。
平均基準點的Delaunay三角剖分
首先，我們需要計算這68個基準點的坐標平均值，我們利用這68個點（圖6藍色點）以及輸出圖像邊界上的8個點（上圖綠色點）來計算Delaunay三角剖分（上圖紅色邊框）。更多Delaunay三角剖分細節請看這裡（https://www.learnopencv.com/delaunay-triangulation-and-voronoi-diagram-using-opencv-c-python/）。
Delaunay三角剖分將圖像分解成若干三角形。Delaunay三角剖分的結果是一個三角形列表，用76個點（68個人臉基準點+8個邊界點）的序號表示。下面的矩陣展示了部分三角形列表，我們看到，關鍵點62、68和60形成一個三角形，32、50和49形成另一個三角形，等等。
[
62 68 60
32 50 49
15 16 72
9 8 58
53 35 36
… ]
基於Delaunay三角剖分的圖像扭曲
至此，我們計算出了人臉基準點的平均位置，並用這些位置計算出Delaunay三角剖分，將圖像分成若干三角形。如上圖所示，左圖是變換後輸入圖像的Delaunay三角剖分，中圖是平均關鍵點的三角剖分。注意，左圖的三角形1對應中圖的三角形1。用左圖三角形1的三個頂點及其對應的中圖三個頂點計算變換矩陣。用這一變換將左圖三角形1中的所有像素變換到中圖的三角形1中去。對左圖每個三角形重複該過程，得到右圖這一結果。右圖只是將左圖扭曲到平均臉。
現在，激動人心的時刻到了！
經過了上述處理之後，我們就可以對這些照片的像素取平均值，得到神奇的平均臉了。
當然，你也可以生成對稱臉，將一張臉及其鏡像進行平均。比如：
對歐巴馬的圖像（左）及其鏡像（右）進行平均得到對稱臉（中）
彩蛋部分！文摘菌也製作了編輯大大們的平均臉。噔噔噔噔！
歡迎評論猜他們都是誰呀：）
如果你也想自己製作平均臉，可以在大數據文摘後臺回復「平均臉」獲取Python代碼。
課程推薦
數據科學實訓營第4期
優秀助教推薦|姜姜
作為一枚對數據分析的理解僅限於Excel的小白，曾經一直認為通過寫代碼來分析數據是件無比高大上的事。可是，在文摘的數據科學實訓營居然就實現了！
手把手的教學方式，助教和同學們熱烈的交流討論，讓我慢慢地覺得一行行代碼如此親切。而當把自己頭腦中的構思通過代碼實現，看到結果的那一刻，真是無比激動！
經過Kaggle、天池的案例的歷練，對這些數據比賽也開始興趣盎然，有沒有小夥伴有興趣一起去玩一玩的？
作為第4期的北美地區助教，寄語各位學員：前方高能，請準備好足夠的時間，如果你能按時提交作業，結業時一定脫胎換骨。
點擊圖片閱讀
聯合國曝光AI殺手機器人，這可能是你見過最恐怖的視頻