Um dia desses estava pensando em algo divertido para fazer. Já que estava aprendendo sobre detecção de faces, decidi escrever um mini código para trocar faces! Aqui vou mostrar o código que preparei para brincar de face swap! Pois é isso que faremos agora. E usando Python. Prontos?
A ideia básica do face swap não é lá tão complicada. Você tem dois rostos na imagem, você troca os rostos. Então, vamos fazer isso para o caso mais simples, em que temos uma imagem contendo duas faces. A primeira fase do processo consiste em detectar a presença das faces e obter suas posições, isso significa obter as coordenadas de um retângulo, dentro da imagem, que contém uma face. Criamos uma cópia de cada retângulo. A ideia mais simples seria apenas colar o retângulo da primeira face nas coordenadas da segunda e vice-versa, tcharam, face swap realizado. Mas não. Veja que provavelmente esses dois retângulos terão tamanhos diferentes, portanto é necessário redimensionar o primeiro retângulo para que tenha o tamanho do segundo e vice-versa.
Também não para por aí. É altamente provável que as faces tenham colorações diferentes e isso faz com que as bordas das faces, quando trocadas, mostrem descontinuidades de cor bem fortes. Para diminuir esse efeito, podemos tentar ajustar o brilho de cada face de forma que uma assuma a cor média da outra. Além disso, uma segunda ideia com o objetivo de minimizar esse efeito de borda, é usar uma máscara alpha nos retângulos das faces. Essa máscara faz com que os pixels das bordas sejam gradualmente mais transparentes que os pixels centrais. Finalmente, após processar os retângulos das faces, colamos os pixels de um nas coordenadas do outro e podemos dizer que fizemos um face swap. Se ficou bom ou não, é outra história.
Preparando o ambiente
Usando o comando pip, é possível instalar os pacotes da linguagem Python facilmente.
pip install --user numpy pillow opencv-python
Mas um aviso deve ser dado. Usando o pacote opencv-python disponível pelo pip será possível trocar as faces apenas de vídeos já gravados, pois o pacote não suporta captura pela webcam. Para poder capturar pela webcam, é preciso instalar o OpenCV completo correspondente ao seu sistema. Algumas opções são: Ubuntu/Debian, Windows e Mac.
No código os pacotes instalados serão importados assim:
# coding: utf-8 import time import cv2 import numpy from PIL import Image, ImageOps, ImageDraw, ImageEnhance
Detecção de faces
Primeiro, vamos detectar as faces para trocar
def detect(img, classifier):
"""Função de detecção de padrão
Entrada:
img: uma imagem
classifier: o classificador representando qual padrão deve ser
identificado
Saída: as coordenadas dos retângulo que contém o padrão indicado
pelo classificador e a imagem
"""
# Determina as dimensões mínimas do subconjunto da imagem onde o
# padrão deverá ser detectado.
min_rectangle = (50,50)
rects = classifier.detectMultiScale(img, 1.2, 3, minSize=min_rectangle)
if len(rects) == 0:
return [], img
rects[:, 2:] += rects[:, :2]
return rects, img
def box(rects, img):
"""Desenha um retângulo sobre cada face identificada.
Entrada:
rects: as coordenadas dos retângulos a serem desenhados.
img: a imagem.
Retorno:
A imagem de entrada, devidamente marcada.
"""
for x1, y1, x2, y2 in rects:
cv2.rectangle(img, (x1, y1), (x2, y2), (127, 255, 0), 2)
return img
Recorte e redimensionamento
Vamos ter que recortar uma cópia das faces detectadas para que possamos ajustá-las antes de realizar a troca
def crop(img, startx, endx, starty, endy):
"""Recorta uma imagem.
Entrada:
img: uma imagem representada por um numpy array.
startx: pixel inicial na horizontal.
endx: pixel final na horizontal.
starty: pixel inicial na vertical.
endy: pixel final na vertical.
Retorno:
A subimagem contida no retângulo especificado.
"""
return img[starty:endy, startx:endx]
def resize(img, width=None, height=None):
"""Redimensiona uma imagem.
Args:
img: uma imagem representada por um numpy array.
width: nova largura.
height: nova altura.
Retorno:
A imagem de entrada, nas dimensões especificadas.
"""
# Obtem altura e largura iniciais
(h, w) = img.shape[:2];
# Se apenas um dos parâmetros é dado, calcula o segundo de forma a
# manter o aspect ratio.
if width > 0 and height == None:
height = int(h*width/w);
elif height > 0 and width == None:
width = int(w*height/h);
elif height == None and width == None:
return img;
# Escolhe o método de interpolação baseado no tipo de operação
if width*height < w*h:
return cv2.resize(img, (width, height), interpolation=cv2.INTER_AREA)
else:
return cv2.resize(img, (width, height), interpolation=cv2.INTER_LINEAR)
Ajuste de cor e brilho
Antes de trocar, é bom fazer um ajuste de cor em cada face, para que as bordas não fiquem tão bizarramente aparentes.
# Os dois métodos abaixo foram extraídos de um pequeno script escrito por
# robertskmiles. O primeiro método obtem a cor média de uma imagem.
# O segundo método ajusta o brilho de uma imagem de forma que ela assuma a cor
# média especificada pelo parâmetro col. Link a seguir:
# https://gist.github.com/robertskmiles/3228852#file-face_replace-py
def meancol(source):
"""Find the mean colour of the given image"""
onepix = source.copy()
onepix.thumbnail((1,1),Image.ANTIALIAS)
return onepix.getpixel((0,0))
def adjust(im, col, startcol=None):
"""Adjust the image such that its mean colour is 'col'"""
if startcol is None:
startcol = meancol(im)
rband, gband, bband = im.split()
rbri, gbri, bbri = ImageEnhance.Brightness(rband), \
ImageEnhance.Brightness(gband), \
ImageEnhance.Brightness(bband)
rband = rbri.enhance((float(col[0]) / float(startcol[0])))
gband = gbri.enhance((float(col[1]) / float(startcol[1])))
bband = bbri.enhance((float(col[2]) / float(startcol[2])))
im = Image.merge("RGB",(rband, gband, bband))
return im
Programa principal
Agora vamos usar as funções que escrevemos para fazer o trabalho de verdade!
# Programa principal
if __name__ == '__main__':
# Carregamento um arquivo treinado para reconhecimento de padrões.
# O arquivo selecionado é treinado para detecção de faces.
# Este arquivo pode ser encontrado junto com o download do OpenCV.
classifier = cv2.CascadeClassifier("haarcascade_frontalface_alt.xml")
# Inicia uma captura de vídeo a partir do primeiro dispositivo de vídeo
# encontrado no computador. Os frames do vídeo serão capturados
# usando o objeto camera.
#camera = cv2.VideoCapture(0)
camera = cv2.VideoCapture("bat vs super.mp4")
# Loop principal
# Aqui, os frames serão continuamente capturados e processados
while 1:
# Captura e realiza operações sobre a imagem antes da detecção
# captura um frame
(_,frame) = camera.read()
# redimensiona o frame, se necessário
#frame = cv2.resize(frame, (320, 240))
# Realiza uma detecção pelo padrão indicado no classificador sobre o
# frame; desenha um retângulo sobre cada padrão identificado (opcional)
(rects, frame) = detect(frame, classifier)
#frame = box(rects, frame)
# A troca de faces só será feita quando duas faces forem detectadas
if len(rects) == 2:
# Recorta as duas faces detectadas e armazena em face1 e face2
f1x1, f1y1, f1x2, f1y2 = rects[0]
face1 = crop(frame, f1x1, f1x2, f1y1, f1y2)
f2x1, f2y1, f2x2, f2y2 = rects[1]
face2 = crop(frame, f2x1, f2x2, f2y1, f2y2)
# Redimensiona cada uma das faces; face1 assume as dimensões
# de face2 e vice-versa.
(h1, w1) = face1.shape[:2]
(h2, w2) = face2.shape[:2]
face1 = resize(face1, h2, w2)
face2 = resize(face2, h1, w1)
# Operações como ajuste de brilho e aplicação de máscara alpha
# serão feitas utilizando PIL (Python Image Library), então criamos
# uma representação das imagens como um objeto PIL Image.
frame_pil = Image.fromarray(frame)
face1_pil = Image.fromarray(face1)
face2_pil = Image.fromarray(face2)
# Calcula a cor média de cada uma das faces, aplica essa cor na
# outra imagem; face1 terá a cor média de face2 e vice-versa.
face1_avgcolor = meancol(face1_pil)
face2_avgcolor = meancol(face2_pil)
face1_pil = adjust(face1_pil, face2_avgcolor)
face2_pil = adjust(face2_pil, face1_avgcolor)
# Gera uma máscara alpha para cada face, baseada no padrão de
# máscara estabelecido na imagem mask.png.
mask1 = Image.open('mask.png').resize((w2,h2))
mask2 = Image.open('mask.png').resize((w1,h1))
# Troca as faces, aplicando a respectiva máscara alpha.
# A face1 é posta nas coordenadas da face2 e vice-versa.
frame_pil.paste(face1_pil, (f2x1, f2y1, f2x2, f2y2), mask1)
frame_pil.paste(face2_pil, (f1x1, f1y1, f1x2, f1y2), mask2)
# Converte a imagem no formato PIL para o formato aceito pelo
# OpenCV (numpy array)
frame = numpy.array(frame_pil)
# Mostra a imagem na janela do programa
cv2.imshow('Face Swap', frame)
# Captura qualquer tecla pressionada, armazena o código em key
key = cv2.waitKey(1)
# Se a tecla for ESC, fecha o programa
if key == 27:
break
# Se a tecla for S, salva o frame atual como imagem PNG.
elif key == ord('s'):
cv2.imwrite(str(time.time()).replace('.', '')+".png", frame)
print("Imagem salva...")
# Fecha a janela do programa
cv2.destroyAllWindows()
Finalmente, para executar o código acima, você precisará de alguns arquivos adicionais: o arquivo do detector de faces, a máscara para melhorar o contorno da face e também um pequeno vídeo para testar. Tudo isso está também no repositório desse projeto no github do Dragão.
Para usar o código nas imagens da sua própria webcam, basta habilitar a linha 12 e desabilitar a linha 13 do programa principal. Note que você precisará então da instalação completa do OpenCV.
Divirta-se!
