前两天看到篇介绍英伟达StyleGAN生成逼真假脸的文章，其源码正是通过Python和Tensorflow实现的，利用AI生成并不存在的头像图，来感受下：
而提到假脸，各位老司机们的第一反应想必是诸多小片中的人工智能明星换脸，比如：
声明：上图是文章写作为目的，某Pxxxhub所得
那么今天，我们就用Python自己手动搞一个换脸代码，先定个小目标，能达到下图这个水平就OK了：
再次声明：只截了这两张图，再无其他
在琢磨Python换脸代码时，很容易就溯源到一份2015年在GitHub上开源的faceswap代码，试运行之后效果只能说还可以，不如预期，这里我们并不采用。
当然，不采用此份代码的最主要原因，还是它涉及的算法太复杂，看不懂！所以理直气壮，一定要自己写一份换脸的代码，通俗易懂地来把这事儿办了。
思路
还是先利用之前提过的Python面部识别模块dlib，识别并获取目标的脸部图像信息，之后通过opencv这个计算机视觉库，来进行图像处理和计算机视觉方面的调整。
为求思路简单直接，我们就用长方形截取眼睛区域，将其缩放贴图到对应新脸上，如图：
那么接下来就是解决新脸上颜色和融合效果。在一步步试验中，最终我选择了将眼睛区域继续拆分成左眼、右眼区，由于鼻子实在不好处理，忽略掉，再额外加上嘴巴区域进行换脸。
以下是效果图：
互换眼睛和嘴巴后：
有点惨不忍睹，全靠二位颜值支撑。。。暂且把这份代码定义为1.0版本吧，后续继续改进更新，毕竟学艺不精。。。
获取脸部信息
运行代码时，要将后缀为.dat文件置于代码文件夹内，该文件是dlib用于面部识别的必要文件：
img = cv2.imread(f"{img_src}.jpg") gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) detector = dlib.get_frontal_face_detector() predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat") faces = detector(gray)
之后根据dlib面部识别的点位图：
将左右眼和嘴巴按矩形区域划分截取：
#右眼睛区域左上角点(x,y)，右下角点(x0,y0) x, y, x0, y0 = landmarks.part(42).x - 5, min(landmarks.part(43).y, landmarks.part(44).y) - 5, landmarks.part(45).x 5, max(landmarks.part(46).y, landmarks.part(47).y) 5 #左眼睛区域左上角点(x1,y1)，右下角点(x2,y2) x1,y1,x2,y2 = landmarks.part(36).x-5,min(landmarks.part(37).y,landmarks.part(38).y)-5,landmarks.part(39).x 5,max(landmarks.part(40).y,landmarks.part(41).y) 5 # 嘴巴区域左上角点(x3,y3)，右下角点(x4,y4) x3, y3, x4, y4 = landmarks.part(48).x-5, min(landmarks.part(50).y,landmarks.part(52).y)-5, landmarks.part(54).x 5,landmarks.part(57).y 5
对要换脸的两张人物图片同时处理，获取到其眼睛、嘴巴的局部信息和尺寸数据，接下来，进行无缝融合。
脸部融合拼接
都说Python简单、强大，体现在哪呢？体现在只用opencv的一行命令即可实现融合效果：
normal_clone = cv2.seamlessClone(obj, im, mask, center, cv2.NORMAL_CLONE)
这里用到的是opencv中图像融合相关的seamlessClone泊松融合函数。是为了解决最初眼睛贴图后肤色不一致、有明显矩形边界等问题，特地搜索来的神奇函数。
有了脸部融合的简易算法，余下就是生产新图片等基础问题了。
回顾
说起来虽然简单，真实施还是有些繁琐的，涉及到许多图片信息问题，我也是能避就避，留作之后深入研究。
而我的代码思路也由最初改造源码，发现难以下手后，改成了用矩形截取面部局部，根据融合效果，继续将区域分割成较容易处理的眼睛和嘴巴，相应地进行脸部局部融合。虽然最终效果远不及预期，但能完整地完成计划的要求这一点还是挺满足的。
最后再放两张用GitHub上开源代码faceswap做的换脸图，男主仍是胡歌，女主大家可以猜一下：
女主：
代码下载
后台回复 换脸 获取代码下载，除自写代码外也包含文中提到的GitHub开源faceswap代码，已做过修改可直接执行测试~
如果觉着还不错，点个好看呗，这将是对我最大的肯定，感谢！
