python 코드로 대상에게 산타 모자를 씌웁니다

 코드. 부호

import numpy as np
import cv2
import dlib

# # img 속 인물사진에 산타 모자를 씌우고, 얼굴은 바른 얼굴이 좋습니다.
def add_hat(img,hat_img):
# # rgba채널을 분리하여 rgb3채널 모자도면을 합성하고 a채널뒤에 mask로 사용합니다
r,g,b,a = cv2.split(hat_img)
rgb_hat = cv2.merge((r,g,b))

cv2.imwrite("hat_alpha.jpg",a)

# # -------------------------------------------------------------------------------------------------
# # # 그레이스케일 변환입니다
# # # gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
# # # opencv에 내장된 얼굴 검출기로 얼굴을 검출합니다
# # # face_cascade = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")
# # # faces = face_cascade.detectMultiScale(gray,1.05,3,cv2.CASCADE_SCALE_IMAGE,(50,50))

# # -------------------------------------------------------------------------------------------------

# # dlib 얼굴 키포인트 검출기입니다
predictor_path = "shape_predictor_5_face_landmarks.dat"
predictor = dlib.shape_predictor(predictor_path)

# # dlib 정면 검출기입니다
detector = dlib.get_frontal_face_detector()

# # 얼굴 검사입니다
dets = detector(img, 1)

# # 얼굴 감지되면요
if len(dets)>0:
for d in dets:
x,y,w,h = d.left(),d.top(), d.right()-d.left(), d.bottom()-d.top()
# # # x,y,w,h = faceRect
# # # cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2,8,0)

# # 키포인트 테스트, 5가지 키포인트입니다.
shape = predictor(img, d)
# # # for point in shape.parts():
# # # cv2.circle(img,(point.x,point.y),3,color=(0,255,0))

# # # cv2.imshow("image",img)
# # # cv2.waitKey()

# # 좌우 눈가의 점을 고르세요
point1 = shape.part(0)
point2 = shape.part(2)

# # 두 점 중심 구합니다
eyes_center = ((point1.x+point2.x)//2,(point1.y+point2.y)//2)

# # # cv2.circle(img,eyes_center,3,color=(0,255,0))
# # # cv2.imshow("image",img)
# # # cv2.waitKey()

# # 얼굴 크기에 따라 모자 크기를 조절합니다
factor = 1.5
resized_hat_h = int(round(rgb_hat.shape[0]*w/rgb_hat.shape[1]*factor))
resized_hat_w = int(round(rgb_hat.shape[1]*w/rgb_hat.shape[1]*factor))

if resized_hat_h > y:
resized_hat_h = y-1

# # 얼굴 크기에 따라 모자 크기를 조절합니다
resized_hat = cv2.resize(rgb_hat,(resized_hat_w,resized_hat_h))

# # 알파 채널을 mask로 사용합니다.
mask = cv2.resize(a,(resized_hat_w,resized_hat_h))
mask_inv = cv2.bitwise_not(mask)

# # 모자의 상대적인 얼굴 테두리 위의 선과의 간격띄우기 양입니다
dh = 0
dw = 0
# # 원본 ROI입니다.
# # # bg_roi = img[y+dh-resized_hat_h:y+dh, x+dw:x+dw+resized_hat_w]
bg_roi = img[y+dh-resized_hat_h:y+dh,(eyes_center[0]-resized_hat_w//3):(eyes_center[0]+resized_hat_w//3*2)]

# # 원본 ROI에서 캡을 넣은 영역을 추출합니다.
bg_roi = bg_roi.astype(float)
mask_inv = cv2.merge((mask_inv,mask_inv,mask_inv))
alpha = mask_inv.astype(float)/255

# # 곱하기 전에 크기가 일치하도록 합니다(반올림으로 인해 일치하지 않을 수 있음)
alpha = cv2.resize(alpha,(bg_roi.shape[1],bg_roi.shape[0]))
# # # print("alpha size: ",alpha.shape)
# # # print("bg_roi size: ",bg_roi.shape)
bg = cv2.multiply(alpha, bg_roi)
bg = bg.astype('uint8')

cv2.imwrite("bg.jpg",bg)
# # # cv2.imshow("image",img)
# # # cv2.waitKey()

# # 모자 영역을 추출합니다
hat = cv2.bitwise_and(resized_hat,resized_hat,mask = mask)
cv2.imwrite("hat.jpg",hat)

# # # cv2.imshow("hat",hat)
# # # cv2.imshow("bg",bg)

# # # print("bg size: ",bg.shape)
# # # print("hat size: ",hat.shape)

# # 추가하기 전에 크기가 일치하도록 합니다(반올림으로 인해 일치하지 않을 수 있음)
hat = cv2.resize(hat,(bg_roi.shape[1],bg_roi.shape[0]))
# # 두 ROI 영역을 추가합니다.
add_hat = cv2.add(bg,hat)
# # # cv2.imshow("add_hat",add_hat)

# # 모자가 추가된 부분을 원래 사진으로 다시 넣어주세요.
img[y+dh-resized_hat_h:y+dh,(eyes_center[0]-resized_hat_w//3):(eyes_center[0]+resized_hat_w//3*2)] = add_hat

# # 효과를 보여줍니다.
# # # cv2.imshow("img",img )
# # # cv2.waitKey(0)

return img


# # 모자 그림을 읽습니다. 두 번째 매개 변수 -1은 rgba 채널로, 그렇지 않으면 rgb 채널로 읽힙니다.
hat_img = cv2.imread("hat2.png",-1)

# # 프로필 사진을 읽습니다
img = cv2.imread("1.png")
output = add_hat(img,hat_img)

# # 효과를 보여줍니다.
cv2.imshow("output",output )
cv2.waitKey(0)
cv2.imwrite("output.jpg",output)
# # # import glob as gb

# # # img_path = gb.glob("./images/*.jpg")

# # # for path in img_path:
# # # img = cv2.imread(path)

# # # 모자 추가요
# # # output = add_hat(img,hat_img)

# # # # 효과를 보여줍니다.
# # # cv2.imshow("output",output )
# # # cv2.waitKey(0)

cv2.destroyAllWindows()