做外贸主页网站用什么的空间好点,cms做网站容易不,网站做sem优化,西部数码网站备案mediapipeopencv
MediaPipe本身不提供图像处理功能#xff0c;它主要用于检测和跟踪人脸、手势、姿势等。如果您想要从图像中仅提取人脸主要信息并去除其他信息.
# codingutf-8
project: teatAuthor#xff1a;念卿 刘file#xff1a; test.pydate…mediapipeopencv
MediaPipe本身不提供图像处理功能它主要用于检测和跟踪人脸、手势、姿势等。如果您想要从图像中仅提取人脸主要信息并去除其他信息.
# codingutf-8
project: teatAuthor念卿 刘file test.pydate2023/12/2 11:32
import cv2
import mediapipe as mp
import numpy as np# 初始化 MediaPipe 的面部特征检测器
mp_face_mesh mp.solutions.face_mesh
face_mesh mp_face_mesh.FaceMesh(min_detection_confidence0.5, min_tracking_confidence0.5)# 读取图像
image cv2.imread(hc.png)# 将图像转换为 RGB 格式
image_rgb cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
# 进行人脸检测
results face_mesh.process(image_rgb)
# 创建一个与图像相同大小的蒙版
mask np.zeros_like(image)
le, r, u, lo 0, 0, 0, 0
# 获取检测到的人脸关键点信息
if results.multi_face_landmarks:for landmarks in results.multi_face_landmarks:X, Y [], []for landmark in landmarks.landmark:# 将标记点的归一化坐标转换为图像坐标ih, iw, _ image.shapex, y int(landmark.x * iw), int(landmark.y * ih)X.append(x)Y.append(y)# 提取人脸轮廓部分points cv2.convexHull(np.array([(X[i], Y[i]) for i in range(len(landmarks.landmark))]))cv2.fillConvexPoly(mask, points, (255, 255, 255))le, r, u, lo min(Y), max(Y), min(X), max(X)# # 仅保留人脸主要信息
result cv2.bitwise_and(image, mask)result result[le - 10: r 10, u - 10: lo 10]
# 将图像转换为灰度
gray cv2.cvtColor(result, cv2.COLOR_BGR2GRAY)# 创建一个掩码将黑色区域变成白色
mask gray 5 # 假设阈值为5可以根据实际情况调整# 使用掩码将黑色区域变成白色
result[mask] [255, 255, 255]
# # 保存结果图像
cv2.imwrite(face_only.jpg, result)
#
# # 显示结果图像可选
cv2.imshow(Face Only, result)
cv2.waitKey(0)
cv2.destroyAllWindows()
关键代码 X, Y [], []for landmark in landmarks.landmark:# 将标记点的归一化坐标转换为图像坐标ih, iw, _ image.shapex, y int(landmark.x * iw), int(landmark.y * ih)X.append(x)Y.append(y)在循环中遍历人脸关键点将每个关键点的归一化坐标转换为图像坐标
并将 x 和 y 坐标分别添加到 X 和 Y 列表中。这个循环通过遍历所有的关键点
将它们的坐标提取出来最终得到 X 和 Y 列表其中包含了所有关键点的 x 和 y 坐标。 cv2.fillConvexPoly(mask, points, (255, 255, 255))创建了一个与原始图像大小相同的空白掩码mask用于标记要保留的区域。
使用 cv2.fillConvexPoly 函数将上一步计算得到的凸包轮廓填充到掩码上
并将填充的区域标记为白色255, 255, 255。
这一步的结果是在掩码上生成了一个白色区域该区域对应于人脸的轮廓。
result cv2.bitwise_and(image, mask)使用 cv2.bitwise_and 函数将原始图像 (image) 与掩码 (mask) 进行按位与运算
以仅保留掩码中白色区域对应的原始图像区域。
这样result 变量将包含原始图像中仅保留了人脸轮廓部分的图像
其他区域将被去除从而仅保留人脸的主要信息。le, r, u, lo min(Y), max(Y), min(X), max(X)获取人脸范围 result result[le - 10: r 10, u - 10: lo 10]
这一行代码从 result 图像中提取一个子图像通过使用切片操作来定义提取的区域
# 将图像转换为灰度
gray cv2.cvtColor(result, cv2.COLOR_BGR2GRAY)
这一行代码将提取的子图像 result 转换为灰度图像以便进行下一步的阈值处理
# 创建一个掩码将黑色区域变成白色
mask gray 5 # 假设阈值为5可以根据实际情况调整
这一行代码创建一个掩码根据灰度值小于5的像素来标记图像中的区域。
也就是说任何灰度值小于5的像素都将在掩码中标记为 True而大于等于5的像素将标记为 False
# 使用掩码将黑色区域变成白色
result[mask] [255, 255, 255]
这一行代码使用掩码将在掩码中为 True 的像素也就是灰度值小于5的像素
设置为白色255, 255, 255实验 结果
