--

 图3.面部对齐。左：检测到面部标志和凸包。中：凸包上的点的Delaunay三角剖分。右：通过仿射扭曲三角形进行面部对齐。

1 人脸对齐

1.1 脸部地标检测

两个脸部的几何形状非常不同，因此我们需要对源脸部进行一些扭曲以使其覆盖目标脸部，但是我们还想确保我们不会使其扭曲而无法识别。

首先使用dlib在两个图像上检测面部标志。但是，与“ 脸部变形”不同，我们不也不应使用所有点进行脸部对齐。

我们只需要如图所示的人脸外边界上的点即可。

1.2 查找凸包
在计算机视觉和数学术语中，点或形状的集合的边界称为“包”。没有任何凹面的边界称为“凸壳”。

在图3中，左图显示了使用dlib检测到的脸部界标为红色，点的凸包显示为蓝色。

一组点的凸包可以使用OpenCV的concealHull函数来计算。

python：

# points is numpy array of points obtained 
# using dlib.
hullIndex = cv2.convexHull(points, returnPoints = False)
# hullIndex is a vector of indices of points 
# that form the convex hull. 

c++:

vector<int> hullIndex;
// points is of type vector<Point2f> obtained 
// using dlib.
convexHull(points, hullIndex, false, false);
// hullIndex is a vector of indices of points 
// that form the convex hull.

1.3 Delaunay三角剖分
对齐的下一步是对凸包上的点进行Delaunay三角剖分。在图3的中间图像中显示了三角剖分。

这使我们可以将脸部分成较小的部分。我以前的文章详细解释了Delaunay三角剖分，请参见此处

1.4 仿射扭曲三角形

进行面对齐的最后步骤，以考虑源脸部和目标脸部之间的对应三角形，并将源脸部三角形仿射扭曲到目标脸部上。

脸部变形的更多信息，请参见我的文章。

。

由于两个图像之间的光照和肤色差异，可以看到接缝。下一步显示如何无缝地组合两个图像。

2 无缝克隆

好的技术思想就像是魔术。优秀的魔术师结合了物理，心理学和良好的旧手技巧来达到令人难以置信的效果。

仅图像扭曲看起来就很糟糕。将其与Seamless Cloning结合使用，结果是神奇的！我写了一篇文章，解释的细节在这里。

这是OpenCV 3中的一项功能，可让您无缝地将源图像的一部分（由掩码标识）克隆到目标图像上。

python:

output = cv2.seamlessClone(src, dst, mask, center, cv2.NORMAL_CLONE)

c++:

seamlessClone(src, dst, mask, center, output, NORMAL_CLONE);

上面用法中的src图像如图3所示。（右图）。的DST图像是其上我们要混合源图像（即特朗普的图像）的图像。

通过使用fillConvexPoly用白色填充凸包来计算蒙版，并且中心是包含蒙版的边界框的中心。

总结：

脸部地标检测(Facial Landmark)  点

查找凸包(Convex Hull ) 面

Delaunay三角剖分(Delaunay Triangulation ) 

仿射扭曲三角形（源脸部三角形仿射扭曲到目标脸部）(Affine warp triangles )

无缝克隆(Seamless Cloning)

--