使用 OpenCV 和 Python 在直播中模糊人脸

本文将学习如何使用 OpenCV 和 Python 在直播中模糊人脸。这将是一个非常有趣的博客，让我们开始吧！

我们最终结果的快照：

第 1 步：导入所需的库

· 为图像操作导入cv2

· 为数组操作导入 Numpy

import cv2

import numpy as np

第 2 步：定义模糊函数

· 这里我们定义了 Blur 函数。

· 它需要 2 个参数，图像 img 和模糊因子 k 。

· 然后我们通过将高度和宽度除以模糊因子来简单地计算内核高度和内核宽度。kw 和 kh 越小，模糊度越高。

· 然后我们检查 kw 和 kh 是否为奇数，如果它们是偶数，则减 1 以使它们为奇数。

· 然后简单地我们将高斯模糊应用于我们的图像并返回它。

def blur（img，k）：

h，w ＝ img．shape［：2］

kh，kw ＝ h／／k，w／／k

if kh％2＝＝0：

kh－＝1

if kw％2＝＝0：

kw－＝1

img ＝ cv2．GaussianBlur（img，ksize＝（kh，kw），sigmaX＝0）

return img

第 3 步：定义 pixelate＿face 函数

· 这是一个简单地为模糊图像添加像素化效果的函数。

def pixelate＿face（image， blocks＝10）：

＃ divide the input image into NxN blocks

（h， w） ＝ image．shape［：2］

xSteps ＝ np．linspace（0， w， blocks ＋ 1， dtype＝＂int＂）

ySteps ＝ np．linspace（0， h， blocks ＋ 1， dtype＝＂int＂）

＃ loop over the blocks in both the x and y direction

for i in range（1， len（ySteps））：

for j in range（1， len（xSteps））：

＃ compute the starting and ending （x， y）－coordinates

＃ for the current block

startX ＝ xSteps［j － 1］

startY ＝ ySteps［i － 1］

endX ＝ xSteps［j］

endY ＝ ySteps［i］

＃ extract the ROI using NumPy array slicing， compute the

＃ mean of the ROI， and then draw a rectangle with the

＃ mean RGB values over the ROI in the original image

roi ＝ image［startY：endY， startX：endX］

（B， G， R） ＝ ［int（x） for x in cv2．mean（roi）［：3］］

cv2．rectangle（image， （startX， startY）， （endX， endY），

（B， G， R）， －1）

＃ return the pixelated blurred image

return image

第 4 步：让我们在实时提要中模糊面孔

· 下面的代码是代码的主要部分。

· 这里的 factor 定义了模糊量。

· 定义一个级联分类器对象 face＿cascade 来检测人脸。

· 下载 haarcascade＿frontalface＿default．xml 文件

然后简单地运行一个无限循环，从网络摄像头读取图像，检测其中的人脸，然后用像素化的人脸替换该人脸部分。

阅读更多关于使用 HAARCASCADES 进行面部和眼睛检测的信息

factor ＝ 3

cap ＝ cv2．VideoCapture（0）

face＿cascade ＝ cv2．CascadeClassifier（＇haarcascade＿frontalface＿default．xml＇）

while 1：

ret，frame ＝ cap．read（）

gray ＝ cv2．cvtColor（frame，cv2．COLOR＿BGR2GRAY）

faces ＝ face＿cascade．detectMultiScale（gray， 1．5， 5）

for （x，y，w，h） in faces：

frame［y：y＋h，x：x＋w］ ＝ pixelate＿face（blur（frame［y：y＋h，x：x＋w］，factor））

cv2．imshow（＇Live＇，frame）

if cv2．waitKey（1）＝＝27：

break

cap．release（）

cv2．destroyAllWindows（）

让我们看看完整代码

import cv2

import numpy as np

def blur（img，k）：

h，w ＝ img．shape［：2］

kh，kw ＝ h／／k，w／／k

if kh％2＝＝0：

kh－＝1

if kw％2＝＝0：

kw－＝1

img ＝ cv2．GaussianBlur（img，ksize＝（kh，kw），sigmaX＝0）

return img

def pixelate＿face（image， blocks＝10）：

＃ divide the input image into NxN blocks

（h， w） ＝ image．shape［：2］

xSteps ＝ np．linspace（0， w， blocks ＋ 1， dtype＝＂int＂）

ySteps ＝ np．linspace（0， h， blocks ＋ 1， dtype＝＂int＂）

＃ loop over the blocks in both the x and y direction

for i in range（1， len（ySteps））：

for j in range（1， len（xSteps））：

＃ compute the starting and ending （x， y）－coordinates

＃ for the current block

startX ＝ xSteps［j － 1］

startY ＝ ySteps［i － 1］

endX ＝ xSteps［j］

endY ＝ ySteps［i］

＃ extract the ROI using NumPy array slicing， compute the

＃ mean of the ROI， and then draw a rectangle with the

＃ mean RGB values over the ROI in the original image

roi ＝ image［startY：endY， startX：endX］

（B， G， R） ＝ ［int（x） for x in cv2．mean（roi）［：3］］

cv2．rectangle（image， （startX， startY）， （endX， endY），

（B， G， R）， －1）

＃ return the pixelated blurred image

return image

factor ＝ 3

cap ＝ cv2．VideoCapture（0）

face＿cascade ＝ cv2．CascadeClassifier（＇haarcascade＿frontalface＿default．xml＇）

while 1：

ret，frame ＝ cap．read（）

gray ＝ cv2．cvtColor（frame，cv2．COLOR＿BGR2GRAY）

faces ＝ face＿cascade．detectMultiScale（gray， 1．5， 5）

for （x，y，w，h） in faces：

frame［y：y＋h，x：x＋w］ ＝ pixelate＿face（blur（frame［y：y＋h，x：x＋w］，factor））

cv2．imshow（＇Live＇，frame）

if cv2．waitKey（1）＝＝27：

break

cap．release（）

cv2．destroyAllWindows（）

这就是你在直播中模糊面孔的方式！

原文标题:使用 OpenCV 和 Python 在直播中模糊人脸