摘要：另外添加了帽子的自適應大小，帽子會根據所檢測到的人臉的區域的大小自行拉伸到合適大小，同時還對圖片進行了規范化。

1月6號更新，在自己寫完這個博客之后，女朋友發給我一個微信公眾號，里面也同樣推送了如何使用python寫添加圣誕帽的程序，而且用了一個小技巧可以進行隨機添加，同時還給我了我一張30多個人的圖像讓我全部添加，稍微了解一下opencv人臉檢測，是默認檢測所有人臉的，因此對代碼有了很小的改動就完成了需求，以下

# OpenCV 人臉檢測
face_patterns = cv2.CascadeClassifier("D:opencv3.0opencvsourcesdatahaarcascadeshaarcascade_frontalface_default.xml")
sample_image = cv2.imread("C:UsersElamDesktop	ttt.jpg")
faces = face_patterns.detectMultiScale(sample_image,
                                       scaleFactor=1.1,
                                       minNeighbors=10,
                                       minSize=(10, 10))
# 圣誕帽
hats = []
for i in range(6):
    hats.append(cv2.imread("C:UsersElamDesktop\%d.png" % i, -1))

for face in faces:
    # 隨機一頂帽子
    hat = random.choice(hats)
    #下面就是之前的添加算法
    。。。。。。。。
    
    
    #########

最最最最簡單的加圣誕帽的程序，python3+opencv3.4

# -*- coding: utf-8 -*-
"""
Created on Mon Dec 25 15:22:14 2017

@author: Elam
"""

import cv2
import numpy as np
face_patterns = cv2.CascadeClassifier("D:opencv3.0opencvsourcesdatahaarcascadeshaarcascade_frontalface_default.xml")
sample_image = cv2.imread("C:UsersElamDesktopllll.jpg")
hat=cv2.imread("C:UsersElamDesktoplvse.png",cv2.IMREAD_UNCHANGED)
a,b,c,d=cv2.split(hat)
rgb_hat=cv2.merge((a,b,c))
sample_wh=sample_image.shape
temp=float(sample_wh[1]/sample_wh[0])
temp_h=int(1024*temp)
sample_image_res=cv2.resize(sample_image,(temp_h,1024),interpolation=cv2.INTER_CUBIC)
faces = face_patterns.detectMultiScale(sample_image_res,scaleFactor=1.1,minNeighbors=5,minSize=(60, 60))
k_w=faces[0][2]
k_h=faces[0][3]

#####hat
hat_wh=rgb_hat.shape
temp_hat=float(hat_wh[1]/hat_wh[0])
#####改變帽子大小######
temp_hat_h=int((k_w)*4/5*temp_hat)
temp_hat_w=int(k_w*3/5)
###################



res=cv2.resize(rgb_hat,(temp_hat_h,temp_hat_w),interpolation=cv2.INTER_CUBIC)
res_d=cv2.resize(d,(temp_hat_h,temp_hat_w),interpolation=cv2.INTER_CUBIC)
#hsv=cv2.cvtColor(res,cv2.COLOR_BGR2HSV)
#lower_blue=np.array([0,0,0])
#upper_blue=np.array([255,255,253])
#mask = cv2.inRange(hsv, lower_blue, upper_blue)
#erode=cv2.erode(mask,None,iterations=2)
#dilate=cv2.dilate(erode,None,iterations=2)


####改變帽子位置#####
x_new=faces[0][0]+int(k_w/6)
y_new=faces[0][1]-int(k_h*0.65)
center=[y_new,x_new]#在新背景圖片中的位置
for i in range(temp_hat_w):
    for j in range(temp_hat_h):
        if res_d[i,j]!=0:#0代表黑色的點
            sample_image_res[center[0]+i,center[1]+j]=res[i,j]#此處替換顏色，為BGR通道
######################

#cv2.imshow("Mask", mask)
#res=cv2.resize(hat,(182,220),interpolation=cv2.INTER_CUBIC)
#WH=res.shape
#mask=cv2.imread("C:UsersElamDesktophat.jpg",0)

#imgROI=sample_image[10:192,10:230]
#sample_image[0:220,0:182]=res
for (x, y, w, h) in faces:
    cv2.rectangle(sample_image, (x, y), (x+w, y+h), (0, 255, 0), 2)
cv2.imwrite("C:UsersElamDesktop	est333333.png", sample_image_res)
#cv2.imwrite("C:UsersElamDesktophattttttt.png", hat)

寫完才感覺真的很蠢，直接使用了opencv自帶的人臉檢測庫，起初是利用人臉的黃金分割比例企圖對帽子進行定位，后來發現他的人臉檢測的框有時候會只檢測到眉毛并不會框到額頭。另外添加了帽子的自適應大小，帽子會根據所檢測到的人臉的區域的大小自行拉伸到合適大小，同時還對圖片進行了規范化。現在只能說對大部分比較標準的人臉可以做到帽子位置添加正確。實際上還試過有背景的帽子圖片，做了很多掩膜提取的工作，但是效果都不是很好，最后還是去找了png格式的帽子圖片。以下是隨手測試的幾張人臉效果

如有侵權請留言，我會刪除。