借助 MediaPipe 人脸样式设置任务，您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介绍的代码示例。 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
人脸样式设置程序的示例代码在 Python 中提供了此任务的完整实现，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样式器。您只需使用网络浏览器即可查看、运行和修改 人脸样式器示例代码。
初始设置
本部分介绍了专门为使用人脸风格而设置开发环境和代码项目的关键步骤。如需了解如何为使用 MediaPipe 任务设置开发环境的一般信息（包括平台版本要求），请参阅 Python 设置指南。
软件包
MediaPipe 人脸风格程序任务需要使用 mediapipe PyPI 软件包。您可以利用以下代码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
模型
MediaPipe 人脸风格程序任务需要使用与此任务兼容的经过训练的模型。如需详细了解适用于人脸风格器的经过训练的模型，请参阅任务概览“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 人脸风格程序任务使用 create_from_options 函数来设置该任务。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
准备您的输入作为图片文件或 NumPy 数组，然后将其转换为 mediapipe.Image 对象。如果您的输入是视频文件或来自摄像头的直播，您可以使用外部库（如 OpenCV）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
人脸样式设置工具使用 stylize 函数来触发推断。对于人脸风格化，这涉及预处理输入数据以及对图片中的人脸进行样式设置。
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
人脸样式设置工具会返回一个 Image 对象，其中包含输入图片中最显眼的人脸的样式化效果。
下面显示了此任务的输出数据示例：
上面的输出是通过将 Color sketch 模型应用于以下输入图片创建的：
