imutils.face_utils的常见用法_face_utils.shape_to_np

imutils 这个图像处理工具包，除了简化 opencv 的一些操作之外，还有专门配合 dlib 处理人脸数据的工具 face_utils。dlib 提取人脸数据后，五官都是用一些特征点来表示的，每个部位的点的索引是固定的，想要进一步操作就得对这些点进行处理，而 face_utils 就是简化这些点的表现方式.
imutils.face_utils有3个常用方法/函数/属性：

1. imutils.face_utils.shape_to_np()

dlib 提取人脸的 68 个特征点之后，是用自身的 dlib.full_object_detection 格式保存它们的坐标信息，每次提取坐标都需要用 (shape.part(i).x, shape.part(i).y)形式。

shape_to_np 将 68 个特征点的坐标提取出来后，再用 numpy 保存为坐标点矩阵，方便其使用。

2. imutils.face_utils.FACIAL_LANDMARKS_IDXS

dlib 提取人脸特征点是用 68 个点包围每个部位，如上图，例如第 37 个点到第 42 个点就代表右眼，在图片上这几个点若显示出来就是把右眼那块区域包围着，可以通过这些点之间距离的变化来判断人脸的变化，比如是否眨眼等操作

imutils 通过 OrderedDict 把这些点的索引与其表示的区域直接通过字典形式联系起来，之后再提取某个部位的点时，就不用去查点的索引分布了，例如想提取嘴部特征点，其索引可以通过:

(mStart, mEnd) = face_utils.FACIAL_LANDMARKS_68_IDXS["mouth"]
1

把 FACIAL_LANDMARKS_68_IDXS 打印出来看看：

3. imutils.face_utils.rect_to_bb()

dlib 提取人脸区域是后是用 4 个数表示，分别代表上下左右的边界。

rect_to_bb 将其转换为坐标信息，即(左上角横坐标, 左上角纵坐标, 矩形宽度, 矩形长度)，之后就可以通过这个坐标将人脸区域用矩形框出来显示。

def rect_to_bb(rect):
	# take a bounding predicted by dlib and convert it
	# to the format (x, y, w, h) as we would normally do
	# with OpenCV
	x = rect.left()
	y = rect.top()
	w = rect.right() - x
	h = rect.bottom() - y

	# return a tuple of (x, y, w, h)
	return (x, y, w, h)
1
2
3
4
5
6
7
8
9
10
11

补充opencv相关操作：

1.cv2.convexHull获得凸包位置

通俗的话来解释凸包：给定二维平面上的点集，凸包就是将最外层的点连接起来构成的凸多边形，它能包含点集中所有的点。

cv2.convexHull(points,clockwise,returnpoints)
1

points：输入的坐标点，通常为1* n * 2 结构，n为所有的坐标点的数目
clockwise：转动方向，TRUE为顺时针，否则为逆时针
returnPoints：默认为TRUE，返回凸包上点的坐标，如果设置为FALSE，会返回与凸包点对应的轮廓上的点
此函数是找寻凸包，不严谨的说是将最外层的点连接起来构成的凸多边形，即把边缘点连接起来

2.drawContours画出轮廓位置进行画图

cv2.drawContours(image,contours,contourIdx,color,thickness=None,lineType=None,hierarchy=None,maxLevel=None,offset=None)
1

mage：输入图像
contours：轮廓列表
contourIdx：列表中的哪条轮廓
color：绘制颜色
thickness：轮廓线的宽度，如果是 -1 (cv2.FILLED)，则为填充模式
此函数是将轮廓线条绘制出来，内部空间也可以填充