Python 版人脸风格化指南

借助 MediaPipe Face Stylizer 任务，你可以对图片中的人脸应用人脸风格化。您可以使用此任务创建各种样式的虚拟头像。

GitHub 上提供了这些说明中所述的代码示例。如需详细了解功能、模型和配置选项部分，请参阅概览。

代码示例

Face Stylizer 的示例代码完整实现了这一流程。供您参考。此代码可帮助您测试此任务，开始打造自己的脸部风格化工具您可以查看、运行和修改人脸风格化程序示例代码只需使用网络浏览器即可。

设置

本部分介绍了设置开发环境和专门用于人脸风格化程序的代码项目。有关设置开发环境以使用 MediaPipe 任务，包括平台版本要求，请参阅适用于 Python。

软件包

MediaPipe Face Stylizer 任务需要 mediapipe PyPI 软件包。你可以安装并使用以下命令导入这些依赖项：

$ python -m pip install mediapipe

导入

导入以下类以访问 Face Stylizer 任务：

import mediapipe as mp
from mediapipe.tasks import python
from mediapipe.tasks.python import vision

型号

MediaPipe Face Stylizer 任务需要一个与此训练兼容的模型，任务。如需详细了解适用于 Face Stylizer 且经过训练的模型，请参阅任务概览的“模型”部分。

选择并下载模型，然后将其存储在本地目录中：

model_path = '/absolute/path/to/face_stylizer.task'

使用 BaseOptions 对象 model_asset_path 参数指定要使用的模型。如需查看代码示例，请参阅下一部分。

创建任务

MediaPipe Face Stylizer 任务使用 create_from_options 函数来设置任务。create_from_options 函数接受配置值处理选项

以下代码演示了如何构建和配置此任务。

import mediapipe as mp

BaseOptions = mp.tasks.BaseOptions
Facestylizer = mp.tasks.vision.face_stylizer
FacestylizerOptions = mp.tasks.vision.FaceStylizerOptions

# Create a face stylizer instance with the image mode:
options = FacestylizerOptions(
    base_options=BaseOptions(model_asset_path=model_path),
with Facestylizer.create_from_options(options) as stylizer:
  # The stylizer is initialized. Use it here.
  # ...

准备数据

将输入准备为图像文件或 Numpy 数组，然后将其转换为 mediapipe.Image 对象。如果您输入的是网络摄像头，您可以使用外部库，如 OpenCV：以 Numpy 形式加载输入帧数组。

import mediapipe as mp

# Load the input image from an image file.
mp_image = mp.Image.create_from_file('/path/to/image')

# Load the input image from a numpy array.
mp_image = mp.Image(image_format=mp.ImageFormat.SRGB, data=numpy_image)

运行任务

Face Stylizer 使用 stylize 函数来触发推理。面部用包括预处理输入数据和图片。

以下代码演示了如何使用任务执行处理模型。

# Perform face stylization on the provided single image.
# The face stylizer must be created with the image mode.
face_stylizer_result = stylizer.stylize(mp_image)

处理和显示结果

人脸风格化程序会返回一个风格化程度最高的 Image 对象，输入图片中突出显示的人脸。

以下示例展示了此任务的输出数据：

以上输出是通过应用颜色草图创建的映射到以下输入图片：