美颜照片你见过很多!但是马赛克照片你见过吗?Python来生成!

美颜照片你见过很多!但是马赛克照片你见过吗?Python来生成!

美颜照片你见过很多!但是马赛克照片你见过吗?Python来生成!

因为我很容易沉迷于某些东西,所以你也可以(虽然这与photomosaics无关,但却可以让你的相册更酷)将面部蒙太奇特效贴到一个特定的人的脸上:

美颜照片你见过很多!但是马赛克照片你见过吗?Python来生成!

这利用了一个嵌入网络,一个有优势的简单的线性分类器,和一个扭曲矩阵将每个图像的眼睛对齐,并对其进行合适的比例调整。你只需要建立一个文件夹,里面有几个例子,这样它就可以知道应该包括哪张脸部照片。

它是如何运行的?

我们正在做一项非常古老技术的数字版本-创建马赛克:

美颜照片你见过很多!但是马赛克照片你见过吗?Python来生成!

除了不使用实体瓷砖图片,你可以使用你的照片集,表情符号,或任何你想要的数字图片集。

美颜照片你见过很多!但是马赛克照片你见过吗?Python来生成!

美颜照片你见过很多!但是马赛克照片你见过吗?Python来生成!

因为这个查找非常快,你甚至可以对视频中的每一帧都这样做并创建视频马赛克(见video.py)。如果你感兴趣的话,你还可以使用performance.py运行一系列有趣的性能指标。

安装

确保你已经安装了:

  • Docker
  • XQuartz (版本: 2.7.5或更高) 如果你想运行interactive.py OpenCV GUI浏览器的话就安装,否则就不需要安装它。 .

对于 XQuartz库,打开远程设置,然后退出并重启XQuartz (!).

我只在Mac OS X上测试过,但是由于它是Docker化的,所以应该可以在Docker运行的任何地方运行!

接下来,构建Docker镜像并运行一个容器:

美颜照片你见过很多!但是马赛克照片你见过吗?Python来生成!

如果你想通过SSH连接到Docker容器上,运行上述命令后执行以下命令:

sh enter.sh

最后,也是最重要的,收集一些你想要用来创建图像(作为马赛克图案块)或创建马赛克(把你的照片/视频变成马赛克)的照片和视频。我把过去几年的iPhone照片/视频都放在一个文件夹里,你可以在下面看到一些很酷的效果。

Photomosaic脚本

请注意,所有这些脚本的默认设置都是使用缓存的,这意味着一旦你以一定的比例(即:图案块大小)索引了一个特定文件夹中的照片之后,就不需要再做一次。

美颜照片你见过很多!但是马赛克照片你见过吗?Python来生成!

美颜照片你见过很多!但是马赛克照片你见过吗?Python来生成!

如果你从文件夹中添加或删除一个文件,photomosaic会智能地进行重新索引。缓存索引的pickle文件默认存储在缓存文件夹中。

1)使用图像创建马赛克

使用一组其他图像重新构建一个图像,缩小图像尺寸并将其作为图案块。

美颜照片你见过很多!但是马赛克照片你见过吗?Python来生成!

美颜照片你见过很多!但是马赛克照片你见过吗?Python来生成!

参数:

  • --savepath: 保存位置. %s是默认文件名 ,%d 是比例。
  • --target: 使用其他图片进行重构的目标图片
  • --codebook-dir: 用来使用codebook算法创建图案块的图片
  • --scale: 将要创建的图案块多大/小. 方向比例最大值
  • --height-aspect: 高度方向
  • --width-aspect:宽度方向
  • --vectorization-factor: 如果查询之前缩小特征向量 (一般不需要调整此项)

2)创建马赛克视频

对视频的每一帧进行同样的操作。

例子(Tipper 音乐会):

美颜照片你见过很多!但是马赛克照片你见过吗?Python来生成!

美颜照片你见过很多!但是马赛克照片你见过吗?Python来生成!

进群:960410445 即可获取数十套PDF!

保存路径输出仅使用*.mp4,目前只支持mp4。

参数:

  • --target:用其他图案块图像重新构建的目标视频
  • --codebook-dir: 用来使用codebook算法创建图案块的图片
  • --scale: 创建的图案块多大/小. 方向比例最大值.
  • --height-aspect: 高度方向
  • --width-aspect: 宽度方向
  • --savepath: 视频文件输出目录 (仅以.MP4扩展名测试过)

ffmpeg用于音频拼接,因为OpenCV并不能真正处理这些。

你也可以在这里调整高宽比,但这些和其他的都是可选参数。

3) 交互式探究马赛克比例

不确定哪个比例看起来最好?想尝试一些不同的设置吗?运行以下命令。

然后只要按下s键,你就可以将选择的比例保存到磁盘上!

或者,按ESC退出窗口而不保存。

美颜照片你见过很多!但是马赛克照片你见过吗?Python来生成!

美颜照片你见过很多!但是马赛克照片你见过吗?Python来生成!

参数:

  • --target: 使用其他图案块图像创建的目标图像
  • --codebook-dir: 用于创建图案块的图像(codebook)
  • --min-scale:按照此比例开始(整数)
  • --max-scale:允许用户增加比例到此值(整数)
  • --savepath:保存位置。%s 是初始文件名,%d 是比例

你也可以在这里调整高宽比,但这些和其他的都是可选参数。

4)从带有各种不同图案块比例的一连串马赛克创建GIF

这将创建一系列各种比例的马赛克,然后将它们组合在一起,形成每秒具有指定帧的GIF。你可以用—ascending参数来调整顺序。

美颜照片你见过很多!但是马赛克照片你见过吗?Python来生成!

美颜照片你见过很多!但是马赛克照片你见过吗?Python来生成!

如果你选择了一个很大的数值范围,预计要等待一个半小时左右,这取决于你的机器。

注意,第一次在容器上运行它时,你可能会看到一个“a Imageio: "ffmpeg-linux64-v3.3.1" was not found on your computer; downloading it now.”的消息,这很正常。

优化GIF文件大小

如果你简单地运行上述操作,你可能会得到一个200 MB的GIF文件,这很荒谬。最简单的补救方法是使用像gifsicle这样的工具。

以下是我的建议:

$ brew install gifsicle

$ gifsicle -O3 --resize-height 400 --colors 256 < your/gigantic.gif > totally/reasonable/sized.gif

例如,我使用该命令将一个130 MB的GIF压缩为2MB。EZgif是一个非常好的在线工具,可以以不同的权重压缩gif文件,但它们只能支持100MB以内的gif文件。

其它设置

下面是一些其他设置,允许你调整可视化输出。

1) 随机性(--randomness)

如果你想给你的图片马赛克带来一点混乱,使用随机性参数。

它是[0,1)范围内的一个浮点数,这是给定的图案块被填充的概率,不是使用codebook中最接近的块,而是完全随机的。

例(以0.05的随机性):

美颜照片你见过很多!但是马赛克照片你见过吗?Python来生成!

2) 视频马赛克稳定性(--stabilization-threshold)

视频马赛克只是图片马赛克功能的重复应用。因此,帧与帧之间的微小变化可能会导致视频中相同的对象使用不同的图案块显示。这并不可怕,但它影响视觉稳定性,因为它总是在变化。

--stabilization-threshold 是一个浮点数,表示该块的前一段距离的一部分。我们只有在以下情况下才会更换那个位置的图案块:

`current closest tile"s distance` < `--stabilization-threshold` * `last frame"s distance`

否则,我们只需要保持图案块与该帧一样。这是一个粗略的稳定性探索法,在未来我会进行改进。

3) 不透明度(--opacity)

一些图片马赛克有点欺骗性,它只是在原始图像上按指定比例叠加带有马赛克图案块。这是一个很流行的技术,我决定引入它。只需使用--opacity 标志即可:

美颜照片你见过很多!但是马赛克照片你见过吗?Python来生成!

美颜照片你见过很多!但是马赛克照片你见过吗?Python来生成!

4) 最佳-K (--best-k)

你可能会注意到你的许多图片赛克将有大块区域的颜色相似,所以一个单一的图像将被平铺在你的大部分图像。如果你想加入一点(合理的)随机性,而不是使用(--randomness)功能,你可以使用--best-k参数。

在每个图案块上,使用--best-k参数,,k个优先匹配项将被随机选择,按距离大致进行反向加权(因此“更接近”的图像最有可能)。

这是与上面相同的图像,但使用了 --best-k 5参数:

美颜照片你见过很多!但是马赛克照片你见过吗?Python来生成!

美颜照片你见过很多!但是马赛克照片你见过吗?Python来生成!

面部蒙太奇效果

我真的很想做面部蒙太奇,尽管它们和图片马马赛克没有任何关系,本部分就是!

简单来说,就是使用一个人的不同照片来创建GIF,并将全部照片对齐到此人的脸部。

工作原理:.

1.将只包含你想加入蒙太奇效果的脸部图像的照片(例如你自己)放在一个文件夹(--target-face-dir)。自拍照片是最好的选择。

2.将包含其他脸部图像的照片放在一个文件夹(--other-face-dir),越多越好。不要加入你的脸部照片。如果你真的很缺少其他人 的照片/有很多合影,那就把自己P掉。

3.将你想要用来绘制蒙太奇效果的照片目录放在一起(--photos-dir)。

作为一个开始,我已经在media/faces/other_faces (不太可能是你的脸部照片)中加入了450张脸部图片的学术数据集(Caltech Faces Dataset)。如果你出于学术原因使用的话,请务必引用它们和dlib库。

如果你想要更好的准确度,我会试着在--target-face-dir 和 --other-face-dir 目录添加至少100张照片。我添加了这一点,使用face_montage.py运行的 结果是大约每300张照片有1个错误正片(在运行create_gif_from_photos_folder.py步骤之前很容易将其删除)。

你可以从这个地方找到更多随机的脸部照片。

总之,以下是更详细的描述来帮助你运行人脸嵌入,训练线性分类器,对人脸进行对齐:

美颜照片你见过很多!但是马赛克照片你见过吗?Python来生成!

然后,要将它们实际编译成GIF,要在上面的描述中使用--savedir参数,然后运行:

美颜照片你见过很多!但是马赛克照片你见过吗?Python来生成!

将这两个步骤分开很好,因为你可能想要从第一步创建的文件夹中删除错误正片和不好看的图片,不然会搞乱生成的GIF中你想要的每秒多少帧。我在嵌入过程中实现了缓存,但是运行一组完整的照片(仅我有耐心运行的照片库部分就有4000多张照片)仍然需要一些时间。

使用 ffprobe / ffmpeg

本项目中的一些例程使用了来自视频/音频文件的参数。我经常通过转到一个单独的进程来直接调用命令行程序,虽然有点麻烦,但是也可以完成任务。

FFProbe是一个很好的工具,命令行接口非常强大。推荐你阅读此指南来掌握它。

类似地,ffmpeg使音频/视频流的拼接和重组变得容易。以下是一些具体的ffmpeg资源:

  • ffmpeg编码课程
  • ffmpeg教程
  • 数字视频简介

图片魔法

转换工具用来制作GIF也很不错:

$ cd your/cool/folder/with/jpg/images

$ convert -delay 5 -layers optimize *.jpg output.gif

然后,你可能想使用gifsicle技巧来压缩/调整GIF的大小,使其变成合适大小。

单元测试

有一个小型的(但令人尴尬的是不完整的)测试套件,你可以使用它进行测试:

sh test.sh

目前资料还不是很全

猜你喜欢

转载自blog.csdn.net/qq_42156420/article/details/86605813