圣诞节,教你用Python给微信头像添加一个圣诞帽!

共 6265字,需浏览 13分钟

 ·

2020-12-23 18:57

大家好,我是早起。

圣诞节快到了,每年一到圣诞节就会有很多人的头像上多了一顶小红帽

那么你有想过如何用Python去实现吗

如果你尝试去搜索,会发现网上教程一大堆,但是由于大多数人都将圣诞帽位置固定了,所以放上自己的图片后,要不就是圣诞帽偏移了,要不就是帽子比头还大,代码也不知道在哪里改,无从下手。

因此,本文将手把手教你如何用Python为你的微信头像添加一顶圣诞帽,并结合我们之前讲过PySimpleGUI,做成一个带有GUI的小程序,先看效果:

本次主要分为两个部分讲解:

  • opencv对头像添加圣诞帽
  • 结合PySimpleGUI制作人性化圣诞帽添加软件

主要涉及的Python模块有:

  • PIL
  • PySimpleGUI
  • cv2
  • os

在开始之前,你需要使用pip对相关依赖库进行安装

pip install pillow   #这是对模块PTL的安装
pip install opencv-python    #这是对cv2的安装
pip install os 
pip install PySimpleGui


  一、利用opencv对头像处理

本文用到的圣诞帽,是.png格式的,如下

为了识别照片,我们需要安装一个OpenCV的内置人脸识别插件,安装步骤:

用浏览器打开网址opencv.org---进入Releases---下载对应版本的OpenCV(一定要记住存放这个插件的路径!!!后面要用到

和以前一样,我们先看本节全部代码,然后进行讲解?

import cv2
from PIL import Image
personPath = '3.jpg'  #头像
hatPath = 'sheng.png'  #圣诞帽
personImg = cv2.imread(personPath)
face_haar = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')#存放的绝对路径
faces = face_haar.detectMultiScale(personImg, 1.1,5)
personImg = Image.open(personPath)
personImg = personImg.convert('RGBA')
hatImg = Image.open(hatPath)
hatImg = hatImg.convert('RGBA')
for face_x,face_y,face_w,face_h in faces:
    face_x -= face_w-180
    face_y += face_h-250
    face_w *= 1
    face_h *= 1
    hatImg = hatImg.resize((face_w, face_h))
    bg = (face_x, face_y - face_h + 100 , face_x + face_w, face_y + 100 )
    personImg.paste(hatImg, bg, mask = hatImg)#将调整好的帽子贴上去
personImg.save('addHat.png')

下面对代码进行讲解。

首先,引入两个模块,用cv2.imread(personPath)来读取相对路径下的图片。

cv2.imread('图像路径','读取方式'):默认为cv2.imread_color以彩色图像模式读取。

cv2.CascadeClassifier('分类器的路径'):简单来说就是做人脸检测的一个必备方面,专业名词叫做级联分类器。这个分类器到目前版本容纳了Haar特征器和LBP特征分类器两个分类器。这次我们使用常规用的Harr特征器

Haar特征分类器就是一个xml文件,是OpenCV官方训练好的检测器,它能反应图像的灰度变化,以像素分模块求差值的一种特征。下面我们讲讲它的路径

在我们准备工作中我们在OpenCV的官网下载了人脸识别的插件。以安装在D盘为例:Harr特征分类器就在我们的D:\opencv\opencv\sources\data\haarcascades\haarcascade_frontalface_default.xml

注意:在第6行代码中,我们调用这个特征器的路径最好使用绝对路径!上述代码只是演示

关键代码就是detectMultiScale(image,scaleFactor,minNeighbors)检验出图片中的所有人脸,并以向量类型保存各个人脸的位置和大小,最后用矩形Rect类表示,该函数由分类器((也就是上述的Haar特征分类器))的对象进行调用。

其中参数如下:

image是我们要做人脸检测的图片。

scaleFactor表示在前后两次相继的扫描中,搜索窗口的比例系数。默认为1.1即每次搜索窗口依次扩大10%;

minNeighbors表示构成检测目标的相邻矩形的最小个数(默认为3个)。

而后就是我们常见的用Pillow模块打开两张图片,不过这次的打开方式是以RGBA模式打开,即四通道模式(A指透明度)。

最后一个for循环就是读取用cv2解析出来的帽子faces参数,这里有趣的一点是,cv2做人脸识别后,会在两眼之间画一条线,并以中间为原点,做x和y轴建立坐标系。最后调节Pillow解析出来的帽子x和y位置,摆到人头上方。所有这个方法对正脸敏感,对侧脸不太友好。

personImg.save('addHat.png')表示存储添加圣诞帽后的照片。

  二、GUI框架整合

现在我们在上一节的基础上,将圣诞帽添加与GUI框架进行整合,还是先上代码之后拆分讲解

import PySimpleGUI as sg
import os.path
sg.change_look_and_feel("BrightColors")
file_list_column = [
    [sg.Submit('Go',tooltip='按下面的要素添加圣诞帽',size=(151)), sg.Cancel(size=(151))],
    [
        sg.Text("图片位置"),
        sg.In(size=(251), enable_events=True, key="-FOLDER-"),
        sg.FolderBrowse('浏览'),
    ],
    [
        sg.Text("帽子宽度"),
        sg.In(size=(251), enable_events=True, key="hat-w"),
    ],
    [
        sg.Text("帽子高度"),
        sg.In(size=(251), enable_events=True, key="hat-h"),
    ],
    [
        sg.Text("帽子横移"),
        sg.In(size=(251), enable_events=True, key="hat-x"),
    ],
    [
        sg.Text("帽子纵移"),
        sg.In(size=(251), enable_events=True, key="hat-y"),
    ],
    [
        sg.Listbox(
            values=[], enable_events=True, size=(4020), key="-FILE LIST-"
        )
    ],
]
image_viewer_column = [
    [sg.Text("从左边图片列表中选择一张图片:",size=(601),key = "notice")],
    [sg.Text("左边的四个参数调节是在上面的参数基础上进行加减乘除;其中宽度和高度调试单位为个位数(需要大于0且是整数),横纵移动调试单位可任意调",size=(503), key="-TOUT-")],
    [sg.Image(key="-IMAGE-")],
]
layout = [
    [
        sg.Column(file_list_column),
        sg.VSeperator(),
        sg.Column(image_viewer_column),
    ]
]
window = sg.Window("圣诞帽添加软件", layout)
while True:
    event, values = window.read()
    if event == "Cancel" or event == sg.WIN_CLOSED:
        break
    if event == "-FOLDER-":
        folder = values["-FOLDER-"]
        try:
            file_list = os.listdir(folder)
        except:
            file_list = []
        fnames = [
            f
            for f in file_list
            if os.path.isfile(os.path.join(folder, f))
            and f.lower().endswith((".jpg"".png"))
        ]
        window["-FILE LIST-"].update(fnames)
    elif event == "-FILE LIST-":
        try:
            filename = os.path.join(
                values["-FOLDER-"], values["-FILE LIST-"][0]
            )
            window["-TOUT-"].update(filename)

        except:
            pass
    elif event== "Go" :
        personPath = filename
  '''
        圣诞帽添加部分
        '''

        window["notice"].update()
        window["-IMAGE-"].update(filename='addHat.png')
window.close()

代码解析,这里强烈建议读者结合GUI进阶篇中的图片查看器讲解一起看。当然在做PySimpleGUI之前继续唠叨基本步骤:

Import   Create some widgets Create the window Create the event loop

由于这个GUI框架是进阶篇中的图片查看器的改进版,对loop事件循环做了改动和添加一些文本框,并没有增加新的元素,键的使用也是和往常一样,所以这里就不再介绍元素和键了,感兴趣的可以回看进阶篇(元素介绍部分和键部分)。

这里我们layout的摆放思路如下:一个圣诞帽添加键、一个退出程序键、4个文本框来调节图片中的圣诞帽、一个列表箱子装路径下的所有图片、一个图片显示框、几条用于提示用户的文本框。按照这个思路,我们就有了while循环上面的代码编写。

接着是loop事件循环:这里我们以Go键促发圣诞帽添加,所以我们以这个按钮为第一个主if元素。

在按钮Go促发前我们需要进行两个判断:

一是文本框没有输入任何东西、

二是文本框输入的东西。如果是前者,我们直接调动添加圣诞帽的程序(默认参数)并且在图片上方显示4个参数(x,y,w,h),即坐标和帽子大小。

如果是后者的话,我们会让添加圣诞帽程序中的4个参数在原基础上加减乘除用户输入的数字,并在图片上方显示最终的4个参数。

最终效果如下

  三、打包

最后简单讲一下如何将上面的程序打包为exe格式,让没有Python环境的用户也能使用,首先下载pyinstaller模块

pip install pyinstaller

如果你的上述项目代码文件命名为:hat.py。那么你要用下面命令在cmd窗口进行打包

pyinstaller hat.py

打包过程会有点慢。成功后,在py文件所在文件夹找到一个dist的子文件夹。进去之后,找到pachong.exe文件并运行它即可。文件夹里附带了很多文件,你可以删除它。

最后早起也将源码和打包后的程序提供给大家下载,你可以在公众号「早起Python」后台回复圣诞即可。

因为打包后的exe较大(200多M),为了方便大家从Python脚本中使用,你必须按照本文开头提示的安装对应模块与下载插件,如果有问题的话,相信下面的tips可以帮到你。

如果不打包的话,先把圣诞帽的图片(png格式)和代码程序放在相同路径下。

进到软件后先点击浏览按钮选择图片存储路径(注意:路径内不能出现中文,只能英文+数字,这可能是因为Python中的OpenCV库的bug)。完毕后就可以看到下方所在文件夹的全.jpg.png文件。点击一个你想要添加圣诞帽的图片,在按Go按钮,在右边的图片框中就会刷新已经代码帽子的头像!同时,在程序的路径下也会有这张图片的.jpg格式文件。

图片框中除了图片还有4个参数,4个参数的作用就是调节帽子大小和位置。因为每张图片不同,所以帽子会出现大小不一、偏移的情况。而后,你就需要在左边的4个输入框中输入参数来调试(4个输入框是在原参数基础上进行数乘运算),以达到帽子的最佳效果,如果超出范围,命令框会提示错误。输入后还是一样按Go键,结束按Cancel键。


以上就是本文的分享,你可以在本文的基础上进行修改来实现不同的效果,如果你喜欢的话,请点赞、在看、转发支持一下,谢谢!


-END-


文末推荐一本《亿级流量Java高并发与网络编程实战》由核心技术、应用框架和数据处理三部分组成。核心技术介绍了与高并发相关的架构设计及多线程、NIO、网络编程等底层技术;应用框架讲解了目前流行的一些高并发及分布式框架技术,如Disruptor、Spring Boot、Spring Cloud 等;数据处理部分重点介绍如何使用关系型数据库、非关系型数据库及大数据领域的MapReduce 技术处理海量数据,从而为高并发场景提供一套完善的存储方案

除了直接点击上方小程序购买会有折扣,本周将会对阅读和分享榜单按照排名进行赠送,欢迎添加早小起微信进行参与和围观?




扫码添加早小起

1. 回复「进群」进入Python技术交流群

2. 回复「Python」获得Python技术图书

3. 回复「习题」领取Python数据处理200题




浏览 16
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报