别@微信团队了，我用Python给自己戴上了圣诞帽！
source link: http://developer.51cto.com/art/201712/561997.htm
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
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
要博士帽的
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，***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***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***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
***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
***我们得到的效果图如下所示：
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK