如何用200行Python程式碼“換臉”

介紹

本文將介紹如何編寫一個只有200行的Python指令碼，為兩張肖像照上人物的“換臉”。

這個過程可分為四步：

• 檢測面部標記。
• 旋轉、縮放和轉換第二張影像，使之與第一張影像相適應。
• 調整第二張影像的色彩平衡，使之與第一個相匹配。
• 把第二張影像的特性混合在第一張影像中。

完整的原始碼可以從這裡下載: https://github.com/matthewearl/faceswap/blob/master/faceswap.py

1．使用dlib提取面部標記

該指令碼使用dlib的Python繫結來提取面部標記：

用Dlib實現了論文One Millisecond Face Alignment with an Ensemble of Regression Trees中的演算法（http://www.csc.kth.se/~vahidk/papers/KazemiCVPR14.pdf，作者為Vahid Kazemi 和Josephine Sullivan） 。演算法本身非常複雜，但dlib介面使用起來非常簡單：

PREDICTOR_PATH = "/home/matt/dlib-18.16/shape_predictor_68_face_landmarks.dat"

detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor(PREDICTOR_PATH)

def get_landmarks(im):
    rects = detector(im, 1)

    if len(rects) > 1:
        raise TooManyFaces
    if len(rects) == 0:
        raise NoFaces

    return numpy.matrix([[p.x, p.y] for p in predictor(im, rects[0]).parts()])

get_landmarks()函式將一個影像轉化成numpy陣列，並返回一個68 x2元素矩陣，輸入影像的每個特徵點對應每行的一個x，y座標。

特徵提取器（predictor）要一個粗糙的邊界框作為演算法輸入，由傳統的能返回一個矩形列表的人臉檢測器（detector）提供，其每個矩形列表在影像中對應一個臉。

為了構建特徵提取器，預訓練模型必不可少，相關模型可從dlib sourceforge庫下載(http://sourceforge.net/projects/dclib/files/dlib/v18.10/shape_predictor_68_face_landmarks.dat.bz2)。

2．用普氏分析(Procrustes analysis)調整臉部

現在我們已經有了兩個標記矩陣，每行有一組座標對應一個特定的面部特徵（如第30行給出的鼻子的座標）。我們現在要搞清楚如何旋轉、翻譯和規模化第一個向量，使它們儘可能適合第二個向量的點。想法是，可以用相同的變換在第一個影像上覆蓋第二個影像。

把它們更數學化，尋找T，s和R，令下面這個表示式的結果最小：

R是個2 x2正交矩陣，s是標量，T是二維向量，pi和qi是上面標記矩陣的行。

事實證明，這類問題可以用“常規普氏分析法” (Ordinary Procrustes Analysis) 解決：

def transformation_from_points(points1, points2):
    points1 = points1.astype(numpy.float64)
    points2 = points2.astype(numpy.float64)

    c1 = numpy.mean(points1, axis=0)
    c2 = numpy.mean(points2, axis=0)
    points1 -= c1
    points2 -= c2

    s1 = numpy.std(points1)
    s2 = numpy.std(points2)
    points1 /= s1
    points2 /= s2

    U, S, Vt = numpy.linalg.svd(points1.T * points2)
    R = (U * Vt).T

    return numpy.vstack([numpy.hstack(((s2 / s1) * R,
                                       c2.T - (s2 / s1) * R * c1.T)),
                         numpy.matrix([0., 0., 1.])])

程式碼分別實現了下面幾步：

1. 將輸入矩陣轉換為浮點數。這是之後步驟的必要條件。
2. 每一個點集減去它的矩心。一旦為這兩個新的點集找到了一個最佳的縮放和旋轉方法，這兩個矩心c1和c2就可以用來找到完整的解決方案。
3. 同樣，每一個點集除以它的標準偏差。這消除了問題的元件縮放偏差。
4. 使用Singular Value Decomposition計算旋轉部分。可以在維基百科上看到關於解決正交普氏問題的細節（https://en.wikipedia.org/wiki/Orthogonal_Procrustes_problem）。
5. 利用仿射變換矩陣（https://en.wikipedia.org/wiki/Transformation_matrix#Affine_transformations）返回完整的轉化。

之後，結果可以插入OpenCV的cv2.warpAffine函式，將影像二對映到影像一：

def warp_im(im, M, dshape):
    output_im = numpy.zeros(dshape, dtype=im.dtype)
    cv2.warpAffine(im,
                   M[:2],
                   (dshape[1], dshape[0]),
                   dst=output_im,
                   borderMode=cv2.BORDER_TRANSPARENT,
                   flags=cv2.WARP_INVERSE_MAP)
    return output_im

影像對齊結果如下：

3．校正第二張影像的顏色

如果我們試圖直接覆蓋面部特徵，很快就會看到一個問題：

兩幅影像之間不同的膚色和光線造成了覆蓋區域的邊緣不連續。我們試著修正：

COLOUR_CORRECT_BLUR_FRAC = 0.6
LEFT_EYE_POINTS = list(range(42, 48))
RIGHT_EYE_POINTS = list(range(36, 42))

def correct_colours(im1, im2, landmarks1):
    blur_amount = COLOUR_CORRECT_BLUR_FRAC * numpy.linalg.norm(
                              numpy.mean(landmarks1[LEFT_EYE_POINTS], axis=0) -
                              numpy.mean(landmarks1[RIGHT_EYE_POINTS], axis=0))
    blur_amount = int(blur_amount)
    if blur_amount % 2 == 0:
        blur_amount += 1
    im1_blur = cv2.GaussianBlur(im1, (blur_amount, blur_amount), 0)
    im2_blur = cv2.GaussianBlur(im2, (blur_amount, blur_amount), 0)

    # Avoid divide-by-zero errors.
    im2_blur += 128 * (im2_blur <= 1.0)

    return (im2.astype(numpy.float64) * im1_blur.astype(numpy.float64) /
                                                im2_blur.astype(numpy.float64))

結果是這樣：

此函式試圖改變影像2的顏色來匹配影像1。它通過用im2除以im2的高斯模糊，然後乘以im1的高斯模糊。這裡的想法是用RGB縮放校色，但是不是用所有影像的整體常數比例因子，每個畫素都有自己的區域性比例因子。

用這種方法兩影像之間光線的差異只能在某種程度上被修正。例如，如果影像1是從一邊照亮，但影像2是均勻照明的，色彩校正後影像2也會出現未照亮邊暗一些的現象。

也就是說，這是一個相當粗糙的辦法，而且解決問題的關鍵是一個適當的高斯核心大小。如果太小，第一個影像的面部特徵將顯示在第二個影像中。過大，核心之外區域畫素被覆蓋，併發生變色。這裡的核心用了一個0.6 *的瞳孔距離。

4．把第二張影像的特性混合在第一張影像中

用一個遮罩來選擇影像2和影像1的哪些部分應該是最終顯示的影像：

值為1(白色)的地方為影像2應該顯示出的區域，值為0(黑色)的地方為影像1應該顯示出的區域。值在0和1之間為影像1和影像2的混合區域。

這是生成上面那張圖的程式碼:

LEFT_EYE_POINTS = list(range(42, 48))
RIGHT_EYE_POINTS = list(range(36, 42))
LEFT_BROW_POINTS = list(range(22, 27))
RIGHT_BROW_POINTS = list(range(17, 22))
NOSE_POINTS = list(range(27, 35))
MOUTH_POINTS = list(range(48, 61))
OVERLAY_POINTS = [
    LEFT_EYE_POINTS + RIGHT_EYE_POINTS + LEFT_BROW_POINTS + RIGHT_BROW_POINTS,
    NOSE_POINTS + MOUTH_POINTS,
]
FEATHER_AMOUNT = 11

def draw_convex_hull(im, points, color):
    points = cv2.convexHull(points)
    cv2.fillConvexPoly(im, points, color=color)

def get_face_mask(im, landmarks):
    im = numpy.zeros(im.shape[:2], dtype=numpy.float64)

    for group in OVERLAY_POINTS:
        draw_convex_hull(im,
                         landmarks[group],
                         color=1)

    im = numpy.array([im, im, im]).transpose((1, 2, 0))

    im = (cv2.GaussianBlur(im, (FEATHER_AMOUNT, FEATHER_AMOUNT), 0) > 0) * 1.0
    im = cv2.GaussianBlur(im, (FEATHER_AMOUNT, FEATHER_AMOUNT), 0)

    return im

mask = get_face_mask(im2, landmarks2)
warped_mask = warp_im(mask, M, im1.shape)
combined_mask = numpy.max([get_face_mask(im1, landmarks1), warped_mask],
                          axis=0)

我們把上述程式碼分解：

• get_face_mask()的定義是為一張影像和一個標記矩陣生成一個遮罩，它畫出了兩個白色的凸多邊形：一個是眼睛周圍的區域，一個是鼻子和嘴部周圍的區域。之後它由11個畫素向遮罩的邊緣外部羽化擴充套件，可以幫助隱藏任何不連續的區域。
• 這樣一個遮罩同時為這兩個影像生成，使用與步驟2中相同的轉換，可以使影像2的遮罩轉化為影像1的座標空間。
• 之後，通過一個element-wise最大值，這兩個遮罩結合成一個。結合這兩個遮罩是為了確保影像1被掩蓋，而顯現出影像2的特性。

最後，應用遮罩，給出最終的影像：

output_im = im1 * (1.0 - combined_mask) + warped_corrected_im2 * combined_mask