借助 MediaPipe Face Stylizer 任务，您可以对图片中的人脸应用人脸风格化效果。 您可以使用此任务创建各种风格的虚拟头像。
这些说明中介绍的代码示例可在 GitHub 上找到。如需详细了解此任务的功能、模型和配置选项，请参阅概览。
代码示例
Face Stylizer 的示例代码提供了此任务的完整 Python 实现，供您参考。此代码可帮助您测试此任务并开始构建自己的人脸美化工具。您只需使用网络浏览器即可查看、运行和修改 人脸美化工具示例代码。
设置
本部分介绍了专门用于设置开发环境和代码项目以使用 Face Stylizer 的关键步骤。如需了解有关设置开发环境以使用 MediaPipe 任务的一般信息（包括平台版本要求），请参阅 Python 设置指南。
软件包
MediaPipe Face Stylizer 任务需要 mediapipe PyPI 软件包。您可以使用以下命令安装和导入这些依赖项：
$ python -m pip install mediapipe
导入
导入以下类以访问 Face Stylizer 任务函数：
import mediapipe as mp
from mediapipe.tasks import python
from mediapipe.tasks.python import vision
型号
MediaPipe Face Stylizer 任务需要与此任务兼容的训练模型。如需详细了解 Face Stylizer 的已训练模型，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的路径。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 函数接受要处理的配置选项的值。
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
将输入准备为图片文件或 NumPy 数组，然后将其转换为 mediapipe.Image 对象。如果输入是视频文件或来自摄像头的直播，您可以使用 OpenCV 等外部库将输入帧加载为 numpy 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
人脸美化工具使用 stylize 函数触发推理。对于人脸风格化，这涉及预处理输入数据和对图片中的人脸进行风格化处理。
以下代码演示了如何使用任务模型执行处理。
# 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
人脸美化工具会返回一个 Image 对象，其中包含输入图片中最显眼的人脸的美化效果。
以下是此任务的输出数据示例：
上述输出是通过将色彩素描模型应用于以下输入图片而创建的：
