文章详情：OpenCV
相信最近两天大家都被微信头像的国庆版新装刷爆了朋友圈了，不少人都@微信官方，要求换装为国庆版头像，朋友圈也是各种生成链接满天飞。其实这个事情在小编看来没有那么复杂，这么简单的事情怎么好意思随便@，直接自己100行代码搞定。
好了，废话少说，下面就给大家看看程序运行的效果，是不是辨识度很高，想知道怎么做的吗，继续往下看！
思路分析
01
完整的程序实现分为三个部分完成，第一部分首先需要准备一个模板图像，我准备的模板图像，是从腾讯官方截取的，算是借用吧，显示如下：
然后根据这个 模板图像，生成遮罩图层mask图像，这里主要是通过inRange来实现mask生成，通过imagewatch我观察到模板图中的空白区域的像素值为（216、216、216）所以上下浮点5，最终得到遮罩层mask图像如下：
注意：因为得到mask图像还有一些小的瑕疵，这个时候通过简单的形态学闭操作处理就会的比较好的轮廓外形。
有了mask之后，就可以对输入的模板图像与头像图像，进行融合，生成一张国庆版头像了，这个时候直接的像素相加效果会比较生硬。所以先通过高斯模糊生成边缘的融合权重，这样边缘看上去比较自然。
最后对选择的任意图像，都可以先通过人脸检测，自动定位到人脸区域，然后截取ROI，自动生成，如果无法自动检测到人脸，则会利用输入图像自动生成。人脸检测我这里采用OpenCV DNN的人脸检测方法，效果非常好！命中率很高！
代码实现
02
完整的代码分为三个部分
方法get_face负责输入图像的人脸检测与自动ROI提取与返回。代码如下：
代码语言：javascript复制def get_face(image, detect=True):
if detect is not True:
return image
# 定义人脸ROI
x = 0
y = 0
width = 0
height = 0
# 加载网络
net = cv.dnn.readNetFromTensorflow(model_bin, config=config_text)
h = image.shape[0]
w = image.shape[1]
# 人脸检测
blobImage = cv.dnn.blobFromImage(image, 1.0, (300, 300), (104.0, 177.0, 123.0), False, False);
net.setInput(blobImage)
cvOut = net.forward()
# Put efficiency information.
t, _ = net.getPerfProfile()
label = 'Inference time: %.2f ms' % (t * 1000.0 / cv.getTickFrequency())
cv.putText(image, label, (0, 15), cv.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0))
# 绘制检测矩形
count = 0
for detection in cvOut[0, 0, :, :]:
score = float(detection[2])
if score > 0.5:
left = detection[3] * w
top = detection[4] * h
right = detection[5] * w
bottom = detection[6] * h
count = 1
x = np.int32(left - 100)
y = np.int32(top - 100)
height = np.int32((bottom - top) 200)
width = np.int32((right - left) 200)
if x < 0:
x = 0
if y < 0:
y = 0
if x width > w:
width = w - x
if y height > h:
height = h - y
if count == 1:
return image[y:y height, x:x width, :]
else:
return image方法generate_new_profile负责自动生成国庆版头像，代码如下：
代码语言：javascript复制def generate_new_profile(flag_icon, avatar):
mask = cv.inRange(icon, (210, 210, 210), (225, 225, 225))
se = cv.getStructuringElement(cv.MORPH_RECT, (3, 3))
mask = cv.morphologyEx(mask, cv.MORPH_CLOSE, se)
# mask with gaussian
mask = cv.GaussianBlur(mask, (5, 5), 0)
cv.imshow("mask", mask)
# blend
h, w = mask.shape[:2]
avatar = cv.resize(avatar, (w, h), interpolation=cv.INTER_CUBIC)
cv.imshow("profile", avatar)
result = np.zeros_like(avatar)
for row in range(h):
for col in range(w):
pv = mask[row, col]
w1 = pv / 255.0
w2 = 1.0 - w1
b1, g1, r1 = avatar[row, col]
b2, g2, r2 = icon[row, col]
b1 = b1 * w1 b2 * w2
g1 = g1 * w1 g2 * w2
r1 = r1 * w1 r2 * w2
result[row, col] = [np.int32(b1), np.int32(g1), np.int32(r1)]
return result读取本地图像，调用上述两个方法的代码如下：
代码语言：javascript复制if __name__ == "__main__":
icon = cv.imread("D:/images/flag.png")
src = cv.imread("D:/images/zhigang.png")
cv.imshow("input", icon)
cv.imshow("profile", src)
avatar = get_face(src, False)
result = generate_new_profile(icon, avatar)
cv.imshow("result", result)
cv.imwrite("D:/result.png", result)
cv.waitKey(0)
cv.destroyAllWindows()运行测试
传送门->代码下载地址：
代码语言：javascript复制https://github.com/gloomyfish1998/opencv_tutorial/tree/master/python
