0. 引言

　　利用 Python 开发，借助 Dlib 库进行人脸检测 / face detection 和剪切；

　　1. crop_faces_show.py :

　　　　将检测到的人脸剪切下来，依次排序平铺显示在新的图像上；

　　　　实现的效果如 图1 所示，将 图1 原图中的 6 张人脸检测出来，然后剪切下来，在图像窗口中依次输出显示人脸；

　　2. crop_faces_save.py :

　　　　将检测到的人脸存储为单个人脸图像；

1. 开发环境

　　Python:　　3.6.3

　　Dlib:　　　 19.7

　　OpenCv, NumPy

import dlib         # 人脸识别的库dlib
import numpy as np  # 数据处理的库numpy
import cv2          # 图像处理的库OpenCv

2. 设计流程

　　工作内容主要以下两大块：Dlib 人脸检测 和 处理检测到的人脸图像

2.1 Dlib 人脸检测　　

　　利用已经训练好的 Dlib 正向人脸检测器 detector = dlib.get_frontal_face_detector( ) 进行人脸检测；

　　可以得到人脸外接矩形的坐标，用来之后进行裁剪；

　　具体 Dlib 的使用，请参考我另一篇博客；

　　( link: Python 3 利用 Dlib 19.7 进行人脸检测）；

# Dlib 检测器
 detector = dlib.get_frontal_face_detector()
  
 # 读取图像
 path = "/***/image_path/"
 img = cv2.imread(path+"test_faces.jpg")
 # print("img/shape:", img.shape)
  
 # Dlib 检测
 faces = detector(img, 1)
 
 print("人脸数：", len(faces))

2.2 绘制新图像

　　如果你想让检测出来的人脸并排显示的话，需要遍历两次（ for k, d in enumerate (faces) ）:

　　 第一次遍历：记录下我们需要生成的图像窗口的大小，因为需要将多张照片显示在一张图像上，所以需要知道每张人脸照片的大小；

　　 第二次遍历：根据之前得到的图像尺寸新建空白图像，然后开始用人脸矩形填充图像；

2.2.1 确定空白图像尺寸

( 这部分首先要根据检测到的人脸数和人脸大小，来确定绘制图像所需要的尺寸）　　

第一次遍历：多张人脸要输出到一行，所以先进行一次人脸的遍历j记下每张人脸的大小，记每张人脸的尺寸为 [ 高度 height  * 宽度 width ]（高度和宽度说明见 图 3 ）：

我取的生成空白图像的尺寸：height_max（最大高度）和width_sum（宽度之和），然后根据尺寸大小来新建空白图像：

img_blank = np.zeros((height_max, width_sum, 3), np.uint8)

2.2.2 图像填充

　　第二次遍历：多根据之前得到的图像尺寸新建空白图像，然后开始用人脸矩形填充图像，每次 width 方向从 blank_start 位置开始，每次填完一张之后记得更新起始位置：（ blank_start += width ）：

for i in range(height):
     for j in range(width):
         img_blank[i][blank_start + j] = img[d.top() + i][d.left() + j]

　　如果想访问图像的某点像素，可以利用 img[height][width]：

　　　　存储像素其实是一个三维数组，先高度 height，然后宽度 width;

　　　　返回的是一个颜色数组（0-255，0-255，0-255），按照（B, G, R）的顺序；

　　　　比如 蓝色 就是（255，0，0），红色 是（0，0，255）;

3. 源码

3.1 crop_faces_show.py

# created at 2018-01-22
# updated at 2018-09-29

# Author:   coneypo
# Blog:     http://www.cnblogs.com/AdaminXie
# GitHub:   https://github.com/coneypo/Dlib_face_cut

import dlib         # 人脸识别的库dlib
import numpy as np  # 数据处理的库numpy
import cv2          # 图像处理的库OpenCv

# Dlib 检测器
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat')

# 读取图像
path = "faces_for_test/"
img = cv2.imread(path+"test_faces_1.jpg")

# Dlib 检测
dets = detector(img, 1)

print("人脸数：", len(dets), "\n")

# 记录人脸矩阵大小
height_max = 0
width_sum = 0

# 计算要生成的图像 img_blank 大小
for k, d in enumerate(dets):

    # 计算矩形大小
    # (x,y), (宽度width, 高度height)
    pos_start = tuple([d.left(), d.top()])
    pos_end = tuple([d.right(), d.bottom()])

    # 计算矩形框大小
    height = d.bottom()-d.top()
    width = d.right()-d.left()

    # 处理宽度
    width_sum += width

    # 处理高度
    if height > height_max:
        height_max = height
    else:
        height_max = height_max

# 绘制用来显示人脸的图像的大小
print("窗口大小："
      , '\n', "高度 / height:", height_max
      , '\n', "宽度 / width: ", width_sum)

# 生成用来显示的图像
img_blank = np.zeros((height_max, width_sum, 3), np.uint8)

# 记录每次开始写入人脸像素的宽度位置
blank_start = 0

# 将人脸填充到img_blank
for k, d in enumerate(dets):

    height = d.bottom()-d.top()
    width = d.right()-d.left()

    # 填充
    for i in range(height):
        for j in range(width):
                img_blank[i][blank_start+j] = img[d.top()+i][d.left()+j]
    # 调整图像
    blank_start += width

cv2.namedWindow("img_faces")#, 2)
cv2.imshow("img_faces", img_blank)
cv2.waitKey(0

结果：

3.2 crop_faces_save.py

　　如果你想将识别出来的人脸保存成单个的图像，方便之后处理用，只需将上述代码进行略微修改；

　　只需一次遍历，根据每次检测到的人脸尺寸，新建空白图像后写入，然后利用 cv2.imwrite 写入到本地：

　　crop_faces_save.py:

# created at 2018-01-22
# updated at 2018-09-29

# Author:   coneypo
# Blog:     http://www.cnblogs.com/AdaminXie
# GitHub:   https://github.com/coneypo/Dlib_face_cut

import dlib         # 人脸识别的库dlib
import numpy as np  # 数据处理的库numpy
import cv2          # 图像处理的库OpenCv
import os

# 读取图像的路径
path_read = "faces_for_test/"
img = cv2.imread(path_read+"test_faces_3.jpg")

# 用来存储生成的单张人脸的路径
path_save = "faces_separated/"


# Delete old images
def clear_images():
    imgs = os.listdir(path_save)

    for img in imgs:
        os.remove(path_save + img)

    print("clean finish", '\n')


clear_images()


# Dlib 预测器
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat')


# Dlib 检测
faces = detector(img, 1)

print("人脸数：", len(faces), '\n')

for k, d in enumerate(faces):

    # 计算矩形大小
    # (x,y), (宽度width, 高度height)
    pos_start = tuple([d.left(), d.top()])
    pos_end = tuple([d.right(), d.bottom()])

    # 计算矩形框大小
    height = d.bottom()-d.top()
    width = d.right()-d.left()

    # 根据人脸大小生成空的图像
    img_blank = np.zeros((height, width, 3), np.uint8)

    for i in range(height):
        for j in range(width):
                img_blank[i][j] = img[d.top()+i][d.left()+j]

    # cv2.imshow("face_"+str(k+1), img_blank)

    # 存在本地
    print("Save to:", path_save+"img_face_"+str(k+1)+".jpg")
    cv2.imwrite(path_save+"img_face_"+str(k+1)+".jpg", img_blank)

GitHub:  https://github.com/coneypo/Dlib_face_cut

Mail :      coneypo@foxmail.com