计算机视觉40例:案例33绘制关键点案例34勾勒五官轮廓
案例33绘制关键点# 使用dlib进行人脸关键点检测68个特征点## 完整代码pythonimport numpy as npimport cv2import dlib# 读取图像img cv2.imread(people.jpg)# Step 1构造人脸检测器dlib初始化detector dlib.get_frontal_face_detector()# Step 2检测人脸框使用人脸检测器返回检测到的人脸框faces detector(img, 0)# Step 3载入模型加载预测器predictor dlib.shape_predictor(shape_predictor_68_face_landmarks.dat)# Step 4获取每一张脸的关键点实现检测for face in faces:# 获取关键点shape predictor(img, face)# 将关键点转换为坐标(x,y)的形式landmarks np.matrix([[p.x, p.y] for p in shape.parts()])# Step 5绘制每一张脸的关键点绘制shape中的每个点for idx, point in enumerate(landmarks):# 当前关键点的坐标pos (point[0, 0], point[0, 1])# 针对当前关键点绘制一个实心圆cv2.circle(img, pos, 2, color(0, 255, 0), thickness-1)# 字体font cv2.FONT_HERSHEY_SIMPLEX# 利用cv2.putText输出1-68索引序号加1显示时从1开始cv2.putText(img, str(idx 1), pos, font, 0.4, (255, 255, 255), 1, cv2.LINE_AA)# 绘制结果cv2.imshow(img, img)cv2.waitKey()cv2.destroyAllWindows()案例34勾勒五官轮廓python import numpy as np import dlib import cv2 # 模型初始化 shape_predictor shape_predictor_68_face_landmarks.dat #dace_landmark detector dlib.get_frontal_face_detector() predictor dlib.shape_predictor(shape_predictor) # 自定义函数drawLine将指定的点连接起来 def drawLine(start,end): # 获取点集 pts shape[start:end] # 遍历点集将各个点用直线连接起来 for l in range(1, len(pts)): ptA tuple(pts[l - 1]) ptB tuple(pts[l]) cv2.line(image, ptA, ptB, (0, 255, 0), 2) # 自定义函数将指定的点构成一个凸包、绘制其轮廓 def drawConvexHull(start,end): # 注意凸包用来绘制眼睛、嘴 # 眼睛、嘴也可以用drawLine通过直线绘制 # 但是使用凸包绘制轮廓更方便进行颜色填充等设置 # 获取某个特定五官的点集 Facial shape[start:end] # 针对该五官构造凸包 mouthHull cv2.convexHull(Facial) # 把凸包轮廓绘制出来 cv2.drawContours(image, [mouthHull], -1, (0, 255, 0), 2) # 读取图像 imagecv2.imread(people.jpg) # 色彩空间转换彩色(BGR)--灰度Gray gray cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 获取人脸 faces detector(gray, 0) # 对检测到的rects逐个遍历 for face in faces: # 针对脸部的关键点进行处理构成坐标(x,y)形式 shape np.matrix([[p.x, p.y] for p in predictor(gray, face).parts()]) # 使用函数drawConexHull绘制嘴、眼睛 #获取嘴部的关键点集在整个脸部索引中其索引范围为[48,60],不包含61 drawConvexHull(48,59) # 嘴内部 drawConvexHull(60,68) # 左眼 drawConvexHull(42,48) # 右眼 drawConvexHull(36,42) # 使用函数drawLine绘制脸颊、眉毛、鼻子 # 将shape转换为np.array shapenp.array(shape) # 绘制脸颊把脸颊的各个关键点索引0-16不含17用线条连接起来 drawLine(0,17) # 绘制左眉毛通过将关键点连接实现索引18-21 drawLine(17,22) # 绘制右眉毛索引23-26 drawLine(22,27) # 鼻子索引27-36 drawLine(27,36) cv2.imshow(Frame, image) cv2.waitKey() cv2.destroyAllWindows()

相关新闻

从成本导向到价值捕获:AI定价策略升维手册(含客户终身价值LTV预测模型Python实操)

从成本导向到价值捕获:AI定价策略升维手册(含客户终身价值LTV预测模型Python实操)

更多请点击: https://codechina.net 第一章:从成本导向到价值捕获:AI定价策略升维导论 传统软件定价长期依赖“成本加成”逻辑——将研发、算力、人力等显性投入作为定价基线,再叠加固定利润率。然而在AI时代,模型迭代…

2026/11/9 3:34:36 阅读更多 →
Solaar终极指南:如何在Linux上免费管理罗技无线设备

Solaar终极指南:如何在Linux上免费管理罗技无线设备

Solaar终极指南:如何在Linux上免费管理罗技无线设备 【免费下载链接】Solaar Linux device manager for Logitech devices 项目地址: https://gitcode.com/gh_mirrors/so/Solaar Solaar是Linux平台上最受欢迎的罗技设备管理工具,为Linux用户提供了…

2026/11/7 16:23:59 阅读更多 →
Popcorn Time完整指南:一站式开源流媒体观影解决方案深度解析

Popcorn Time完整指南:一站式开源流媒体观影解决方案深度解析

Popcorn Time完整指南:一站式开源流媒体观影解决方案深度解析 【免费下载链接】popcorntime Popcorn Time™ puts everything in one place. Your favorite platforms, your shows, your movies-ready when you are. 项目地址: https://gitcode.com/GitHub_Trendi…

2026/11/2 4:12:51 阅读更多 →

最新新闻

Electron桌面应用开发实战:从环境搭建到打包发布全流程

Electron桌面应用开发实战:从环境搭建到打包发布全流程

做前端这些年,我大部分时间都在跟浏览器标签页打交道,直到第一次把桌面应用跑起来,才发现原来自己一直被限制在地址栏和刷新按钮围起来的框框里。Electron这个词,最开始是在某段时间频繁出现在同事的讨论里,一个用HTML…

2026/11/12 5:00:00 阅读更多 →
滑盖智能锁T109深度解析:结构原理、安装调试与故障排查

滑盖智能锁T109深度解析:结构原理、安装调试与故障排查

简介:亚太天能T109滑盖智能锁产品说明书是一份PDF格式的官方技术文档,主要面向智能锁安装人员、终端用户及售后维护者,帮助快速掌握产品安装、配置与常见故障处理。全包仅1个PDF文件,大小4.37MB,内容结构清晰&#xff…

2026/11/12 5:13:20 阅读更多 →
PMSM弱磁控制原理与Simulink建模:高速AGV驱动系统设计指南

PMSM弱磁控制原理与Simulink建模:高速AGV驱动系统设计指南

上个月我在调试一台高速AGV的驱动系统,整车要求空载跑到8m/s,电机转速已经拉到额定点,驱动器的输出电压也顶到了母线电压极限附近。再往上踩速度指令,转速纹丝不动,三相电流反而开始震荡。那会儿我的第一反应就是&…

2026/11/12 5:13:20 阅读更多 →
C++核心知识点:从内存管理到STL的实战指南

C++核心知识点:从内存管理到STL的实战指南

C 这门语言我前前后后折腾了十几年,用它写过嵌入式驱动、做过游戏服务端,也搭过基础组件库。每次看到新人一头扎进"C 核心知识点"这个搜索词,我其实挺感慨的——这门语言的难点从来不是语法多,而是知识点之间的耦合太深…

2026/11/12 18:22:26 阅读更多 →
T109滑盖智能锁怎么装?安装调试与故障排查全攻略

T109滑盖智能锁怎么装?安装调试与故障排查全攻略

简介:亚太天能T109滑盖智能锁产品说明书以PDF格式发布,适合智能锁用户、安装人员与售后维修人员阅读。内容围绕T109系列指纹密码刷卡锁展开,先介绍前面板、后面板、锁体、机械钥匙、电池盒盖等部件名称与功能,再给出完整安装步骤&…

2026/11/12 18:22:25 阅读更多 →
LLM知识降熵:从信息垄断到理解权下放

LLM知识降熵:从信息垄断到理解权下放

你有没有过这种经历:翻开源码注释、论文摘要或者一份专业报告,每个字都认识,连在一起却像天书。想找人聊聊,身边要么没人懂,要么懂的懒得跟你解释。后来我试着把同一段内容丢给一个大语言模型,几秒钟之后&a…

2026/11/12 5:13:20 阅读更多 →

日新闻

周新闻

月新闻