别@微信团队了,我用Python给自己戴上了圣诞帽!

这几天,你的朋友圈一定被“请给我一顶圣诞帽@微信官方”刷屏了……很多不知真相的网友也纷纷求问如何给自己的头像加上圣诞帽。

圣诞帽火了,上亿人疯狂@微信官方

圣诞节到了,朋友圈悄悄地掀起一股加帽风,大家纷纷@微信官方,申请给自己的头像加圣诞帽。

圣诞帽搜索指数随之在 24 小时内狂飙:

然后,一场花式求圣诞帽的仪式开始刷屏了,还混入了各种奇怪的东西。不料却发现@微信官方并不能带上圣诞帽,才知道“被骗”了。

一大波知道真相的网友随后开始把@微信官方变成了许愿池:

要钱和礼物的

讨房子的

要明星的

要博士帽的

求减肥的

还有送绿帽子的

网友们一边@微信官方许愿,一边默默的自己 P 上圣诞帽……戏精这波操作我给满分!

如何从技术上实现@微信官方头像添加圣诞帽?

那么,身为程序员,从技术的角度思考一下,这事儿到底能不能成呢?

首先看一下网上某猿的分析:

这体现了腾讯强大的人工智能实力,首先微信收到用户发送的朋友圈后,便获取用户头像上传至服务器云端,然后借助云计算和人脸识别,猪脸识别(来自友商京东的技术)和物体识别,根据头像角度、人脸大小,不断调整圣诞帽的尺寸和位置,最后生成圣诞帽头像。

网友 @IT大智表示:

这个功能目前几乎是不可能实现的。首先要明确一点,所有 APP 或者网站都是由代码程序实现的。

假设微信想给用户添加圣诞帽,必须要再引用一次圣诞帽的图片地址,直接添加的话肯定要覆盖用户原来的头像,退一步腾讯可以做到图片叠加,那么也一定要定义图片的大小和位置。

所以微信最多做到在固定位置添加一个大小一定的帽子,大家想象一下微信用户的头像千差万别,人头位置也很不确定,圣诞帽怎么会正好加在头像头顶呢?

所以这是个谣言,类似于“明天是马化腾生日,转发本条信息到三个群会得到 200Q 币”等等。

不少好友都发布了请求添加圣诞帽的朋友圈并@了微信官方,但实际上微信只能@自己的好友,微信并没有推出自己的官方号,所以你在朋友圈@微信官方,微信的人能收到你的@信息吗?当然不能。

然而还有更厉害的:

大致来说,当用户在朋友圈发布这样的文字消息:请给我头像一顶圣诞帽@微信官方。

微信官方会收到这个艾特,并通过该用户的 openid(微信用户的唯一标志 ID)获取到该用户的微信头像文件,将该图片和文本传至后台 AI。

所谓“自然语言”,就是我们人类平常说的话,一般情况下,计算机只能理解编程语言,不能理解人类说的话。

但是,腾讯 AI 可以进行“自然语言处理”,将“请给我头像一顶圣诞帽”这句话进行分解,并解读其中的意思。

至此,腾讯 AI 理解了该段文本的内容,通过智能图像处理技术,识别到人脸及头部,选择好合适的大小及方向,将提前准备好的圣诞帽图片与头像叠加,这样就生成了一张带圣诞帽的新头像,并将头像传至前端。

微信官方收到图片后,还是通过读取 openid 找到该用户,将该图片应用到该用户的头像,并提醒到该用户,整个过程不到五分钟。

当然,有些情形会难倒 AI,比如你的头像图片中有很多人,AI 就没法判断你到底要给哪个人添加圣诞帽,只能给所有人头上都添加一顶圣诞帽。

所以,大家还是不要调戏 AI,用一张美美的图片@微信官方就好!

当然啦,这只是对@微信官方求帽子的调侃,但是还真的有人站出来说,这事儿能成。

阅文集团首席架构师徐海峰老师:

他表示使用大数据分析+AI+图片动态处理能够实现,架构图如下:

虽然微信暂时没有这个功能,但并不代表程序员们实现不了!在人工智能火爆的今天,看程序员如何用 Python 给自己戴上圣诞帽?

用 Python 给头像加上圣诞帽

大家纷纷@官方微信给自己的头像加上一顶圣诞帽,当然这种事情用很多 P 图软件都可以做到。

但是作为一个学习图像处理的技术人,还是觉得我们有必要写一个程序来做这件事情。

用到的工具

  • OpenCV
  • dlib(dlib 的人脸检测比 OpenCV 更好用,而且 dlib 有 OpenCV 没有的关键点检测。)

用到的语言为 Python,但是完全可以改成 C++ 版本。

操作的流程

素材准备

首先我们需要准备一个圣诞帽的素材,格式最好为 PNG,因为 PNG 我们可以直接用 Alpha 通道作为掩膜使用,用到的圣诞帽如下图:

我们通过通道分离可以得到圣诞帽图像的 Alpha 通道,代码如下:

r,g,b,a = cv2.split(hat_img)  
rgb_hat = cv2.merge((r,g,b)) 
cv2.imwrite("hat_alpha.jpg",a) 

为了能够与 rgb 通道的头像图片进行运算,我们把 rgb 三通道合成一张 rgb 的彩色帽子图,Alpha 通道的图像如下图所示:

人脸检测与人脸关键点检测

我们用下面这张图作为我们的测试图片:

下面我们用 dlib 的正脸检测器进行人脸检测,用 dlib 提供的模型提取人脸的五个关键点,代码如下:

# dlib人脸关键点检测器 
    predictor_path = "shape_predictor_5_face_landmarks.dat" 
    predictor = dlib.shape_predictor(predictor_path)   
    # dlib正脸检测器 
    detector = dlib.get_frontal_face_detector() 
    # 正脸检测 
    dets = detector(img, 1) 
    # 如果检测到人脸 
    if len(dets)>0:   
        for d in dets: 
            x,y,w,h = d.left(),d.top(), d.right()-d.left(), d.bottom()-d.top() 
            # x,y,w,h = faceRect   
            cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2,8,0) 
            # 关键点检测,5个关键点 
            shape = predictor(img, d) 
            for point in shape.parts(): 
                cv2.circle(img,(point.x,point.y),3,color=(0,255,0)) 
            cv2.imshow("image",img) 
            cv2.waitKey()   

这部分效果如下图:

调整帽子大小

我们选取两个眼角的点,求中心作为放置帽子的 x 方向的参考坐标,y 方向的坐标用人脸框上线的y坐标表示。

然后我们根据人脸检测得到的人脸的大小调整帽子的大小,使得帽子大小合适。

# 选取左右眼眼角的点 
            point1 = shape.part(0) 
            point2 = shape.part(2) 
            # 求两点中心 
            eyes_center = ((point1.x+point2.x)//2,(point1.y+point2.y)//2) 
            # cv2.circle(img,eyes_center,3,color=(0,255,0))   
            # cv2.imshow("image",img) 
            # cv2.waitKey() 
            #  根据人脸大小调整帽子大小 
            factor = 1.5 
            resized_hat_h = int(round(rgb_hat.shape[0]*w/rgb_hat.shape[1]*factor)) 
            resized_hat_w = int(round(rgb_hat.shape[1]*w/rgb_hat.shape[1]*factor)) 
            if resized_hat_h > y: 
                resized_hat_h = y-1 
            # 根据人脸大小调整帽子大小 
            resized_hat = cv2.resize(rgb_hat,(resized_hat_w,resized_hat_h)) 

提取帽子和需要添加帽子的区域

按照之前所述,去 Alpha 通道作为 mask,并求反。这两个 mask 一个用于把帽子图中的帽子区域取出来;一个用于把人物图中需要填帽子的区域空出来。

# 用alpha通道作为mask 
           mask = cv2.resize(a,(resized_hat_w,resized_hat_h)) 
           mask_inv =  cv2.bitwise_not(mask) 

后面你将会看到:

从原图中取出需要添加帽子的区域,这里我们用的是位运算操作:

# 帽子相对与人脸框上线的偏移量 
           dh = 0 
           dw = 0 
           # 原图ROI 
           # bg_roi = img[y+dh-resized_hat_h:y+dh, x+dw:x+dw+resized_hat_w] 
           bg_roi = img[y+dh-resized_hat_h:y+dh,(eyes_center[0]-resized_hat_w//3):(eyes_center[0]+resized_hat_w//3*2)] 
           # 原图ROI中提取放帽子的区域 
           bg_roi = bg_roi.astype(float) 
           mask_inv = cv2.merge((mask_inv,mask_inv,mask_inv)) 
           alpha = mask_inv.astype(float)/255 
           # 相乘之前保证两者大小一致(可能会由于四舍五入原因不一致) 
           alpha = cv2.resize(alpha,(bg_roi.shape[1],bg_roi.shape[0])) 
           # print("alpha size: ",alpha.shape) 
           # print("bg_roi size: ",bg_roi.shape) 
           bg = cv2.multiply(alpha, bg_roi) 
           bg = bg.astype('uint8') 

这是背景区域(bg),如下图所示,可以看到,刚好是需要填充帽子的区域缺失了。

然后我们提取帽子区域。

# 提取帽子区域 
          hat = cv2.bitwise_and(resized_hat,resized_hat,mask = mask) 

提取得到的帽子区域如下图,帽子区域正好与上一个背景区域互补。

添加圣诞帽

最后我们把两个区域相加,再放回到原图中去,就可以得到我们想要的圣诞帽图了。

这里需要注意的就是,相加之前 resize 一下保证两者大小一致,因为可能会由于四舍五入原因不一致。

# 相加之前保证两者大小一致(可能会由于四舍五入原因不一致) 
            hat = cv2.resize(hat,(bg_roi.shape[1],bg_roi.shape[0])) 
            # 两个ROI区域相加 
            add_hat = cv2.add(bg,hat) 
            # cv2.imshow("add_hat",add_hat)  
            # 把添加好帽子的区域放回原图 
            img[y+dh-resized_hat_h:y+dh,(eyes_center[0]-resized_hat_w//3):(eyes_center[0]+resized_hat_w//3*2)] = add_hat 

最后我们得到的效果图如下所示:

51CTO系统频道稿源:51CTO系统频道 (源链) | 关于 | 阅读提示

本站遵循[CC BY-NC-SA 4.0]。如您有版权、意见投诉等问题,请通过eMail联系我们处理。
酷辣虫 » 综合技术 » 别@微信团队了,我用Python给自己戴上了圣诞帽!

喜欢 (0)or分享给?

专业 x 专注 x 聚合 x 分享 CC BY-NC-SA 4.0

使用声明 | 英豪名录