[面向?qū)ο缶幊蘛女神電腦留存前男友帥照铡俐,我用python輕松化解!

一個春風(fēng)沉醉的夜晚妥粟,女神說電腦比較卡审丘,讓我?guī)退謇硪幌隆_@種小問題對于我來說當然是小菜一碟勾给,所以我說你去洗澡吧滩报,剩下的事情交給我了。

我先打開360殺毒全盤掃描一下播急,看有沒有病毒在運行脓钾。接著打開磁盤工具,清理一下電腦的磁盤碎片桩警。

一頓猛如虎的操作之后可训,我再看看 C 盤的剩余空間,發(fā)現(xiàn) C 盤快滿了生真,這可能是卡頓的重要原因沉噩。

于是我開始掃描 C 盤文件,看看有沒有什么大文件可以刪的柱蟀。

在掃描時,我發(fā)現(xiàn)她的某個文件夾下面有好多照片蚜厉,懷著好奇的心理长已,我打開文件夾下的圖片,發(fā)現(xiàn)竟然是她前男友的照片昼牛,文件命名都是“寶寶”開頭术瓮,突然一陣醋意翻涌而起,流遍全身贰健。

圖片來源于網(wǎng)絡(luò)

我有種刪掉這個文件夾的沖動胞四,但是轉(zhuǎn)念一想,這樣做的后果可能是待會的一場激烈爭吵伶椿。這樣做解決不了問題辜伟,反而會使我倆關(guān)系惡化氓侧。

也許她是忘了刪呢?不管怎樣导狡,我不允許她的電腦里面還有殘留的影像约巷。

不能刪照片,要保留照片旱捧,又要消除我心中的醋意独郎,怎么辦呢?

突然靈機一閃枚赡,我要妖魔化這些照片氓癌,讓他們變丑,惡心一下人贫橙,嘻嘻贪婉!

女神進去洗澡有一會了,必須得抓緊時間料皇,肯定不能一張一張?zhí)幚砦剿桑孟朕k法批量處理。

突然想起來了以前做過人臉融合践剂,借助人臉識別接口 API 可以搞定鬼譬。

最丑的人

我打算找一張最丑的照片,然后用人臉融合的方式將圖片的頭部丑化逊脯。我在百度圖片优质,搜索關(guān)鍵詞“世界上最丑的男人”,找到了一張圖片:


最丑的男人

思路

我這里使用的是 Face++(曠視科技)的人工智能平臺 API 接口军洼,他們的官方網(wǎng)站是:

https://console.faceplusplus.com.cn/

如果之前沒有用過的話巩螃,需要注冊一下,注冊完了之后進入首頁的“應(yīng)用管理”功能匕争,創(chuàng)建一個應(yīng)用避乏,獲取到API KeyAPI Secret,然后才能使用他們的接口甘桑。

我們要實現(xiàn)兩張圖片的人臉融合拍皮,第一步是識別圖片中的人臉,獲取到人臉的特征數(shù)據(jù)跑杭,對應(yīng)的人臉檢測 API 文檔說明在這里:

https://console.faceplusplus.com.cn/documents/4888373

檢測到人臉之后铆帽,第二步對不同圖片提取出來的人臉進行融合,對應(yīng)的人臉融合 API 接口文檔說明在這里:

https://console.faceplusplus.com.cn/documents/20813963

代碼實現(xiàn)

根據(jù)上面的思路德谅,第一步識別人臉的代碼如下:


def find_face(imgpath):
    http_url = 'https://api-cn.faceplusplus.com/facepp/v3/detect'
    data = {"api_key": api_key,
            "api_secret": api_secret,
            "image_url": imgpath,
            "return_landmark": 1  # 是否檢測并返回人臉關(guān)鍵點
            }
    files = {"image_file": open(imgpath, "rb")}
    response = requests.post(http_url, data=data, files=files)
    req_con = response.content.decode('utf-8')
    req_dict = json.JSONDecoder().decode(req_con)
    this_json = simplejson.dumps(req_dict)
    this_json2 = simplejson.loads(this_json)
    faces = this_json2['faces']
    list0 = faces[0]
    rectangle = list0['face_rectangle']
    return rectangle

第二步換臉的代碼如下:


def merge_face(image_url1, image_url2, image_url, number):
    ff1 = find_face(image_url1)
    ff2 = find_face(image_url2)

    rectangle1 = str(str(ff1['top']) + "," + str(ff1['left']) + "," + str(ff1['width']) + "," + str(ff1['height']))
    rectangle2 = str(ff2['top']) + "," + str(ff2['left']) + "," + str(ff2['width']) + "," + str(ff2['height'])

    url_add = "https://api-cn.faceplusplus.com/imagepp/v1/mergeface"
    f1 = open(image_url1, 'rb')
    f1_64 = base64.b64encode(f1.read())
    f1.close()
    f2 = open(image_url2, 'rb')
    f2_64 = base64.b64encode(f2.read())
    f2.close()

    data = {"api_key": api_key,
            "api_secret": api_secret,
            "template_base64": f1_64,
            "template_rectangle": rectangle1,
            "merge_base64": f2_64,
            "merge_rectangle": rectangle2,
            "merge_rate": number
            }
    response = requests.post(url_add, data=data)
    req_con1 = response.content.decode('utf-8')
    req_dict = json.JSONDecoder().decode(req_con1)
    result = req_dict['result']
    imgdata = base64.b64decode(result)
    file = open(image_url, 'wb')
    file.write(imgdata)
    file.close()

主函數(shù)處理代碼:

# 帥圖
image1 = r"C:\Users\cxhuan\Downloads\tmp\pic/1.jpg"
# 丑圖
image2 = r"C:\Users\cxhuan\Downloads\tmp\pic/2.jpg"
# 不可描述圖
image = r"C:\Users\cxhuan\Downloads\tmp\pic/3.jpg"

merge_face(image1, image2, image, 90)

女神的前男友長這樣爹橱,我承認比我?guī)浤敲匆稽c點(燃燒的眼睛):

帥照

運行上面的程序(注意將api_key和api_secret替換成你自己的),融合后的圖像是這樣的:

不可描述照

驚魂一刻

我寫了個循環(huán)掃描那個文件夾下面圖片的方法窄做,然后針對每一張圖片愧驱,都做了同樣的處理慰技,處理結(jié)果直接覆蓋原來的圖片。

在女神吹完頭發(fā)的那一剎那冯键,我運行完程序惹盼,立馬關(guān)掉 IDE,關(guān)掉文件夾惫确,平復(fù)一下心情手报,匯報我對電腦的優(yōu)化工作。

女神夸我:寶寶改化,你真棒掩蛤,電腦不卡了!

我內(nèi)心閃過一絲惆悵:寶寶陈肛?揍鸟??

但是句旱,想著哪一天她偷偷打開那個文件夾阳藻,看到圖片的那種場景,是不是氣得馬上刪圖呢谈撒?也許會懷疑電腦中毒了吧腥泥!

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市啃匿,隨后出現(xiàn)的幾起案子蛔外,更是在濱河造成了極大的恐慌,老刑警劉巖溯乒,帶你破解...
    沈念sama閱讀 211,639評論 6 492
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件夹厌,死亡現(xiàn)場離奇詭異,居然都是意外死亡裆悄,警方通過查閱死者的電腦和手機矛纹,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,277評論 3 385
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來光稼,“玉大人崖技,你說我怎么就攤上這事≈痈纾” “怎么了?”我有些...
    開封第一講書人閱讀 157,221評論 0 348
  • 文/不壞的土叔 我叫張陵瞎访,是天一觀的道長腻贰。 經(jīng)常有香客問我,道長扒秸,這世上最難降的妖魔是什么播演? 我笑而不...
    開封第一講書人閱讀 56,474評論 1 283
  • 正文 為了忘掉前任冀瓦,我火速辦了婚禮,結(jié)果婚禮上写烤,老公的妹妹穿的比我還像新娘翼闽。我一直安慰自己,他們只是感情好洲炊,可當我...
    茶點故事閱讀 65,570評論 6 386
  • 文/花漫 我一把揭開白布感局。 她就那樣靜靜地躺著,像睡著了一般暂衡。 火紅的嫁衣襯著肌膚如雪询微。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 49,816評論 1 290
  • 那天狂巢,我揣著相機與錄音撑毛,去河邊找鬼。 笑死唧领,一個胖子當著我的面吹牛藻雌,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播斩个,決...
    沈念sama閱讀 38,957評論 3 408
  • 文/蒼蘭香墨 我猛地睜開眼胯杭,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了萨驶?” 一聲冷哼從身側(cè)響起歉摧,我...
    開封第一講書人閱讀 37,718評論 0 266
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎腔呜,沒想到半個月后叁温,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 44,176評論 1 303
  • 正文 獨居荒郊野嶺守林人離奇死亡核畴,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 36,511評論 2 327
  • 正文 我和宋清朗相戀三年膝但,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片谤草。...
    茶點故事閱讀 38,646評論 1 340
  • 序言:一個原本活蹦亂跳的男人離奇死亡跟束,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出丑孩,到底是詐尸還是另有隱情冀宴,我是刑警寧澤,帶...
    沈念sama閱讀 34,322評論 4 330
  • 正文 年R本政府宣布温学,位于F島的核電站略贮,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜逃延,卻給世界環(huán)境...
    茶點故事閱讀 39,934評論 3 313
  • 文/蒙蒙 一览妖、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧揽祥,春花似錦讽膏、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,755評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至愈案,卻和暖如春挺尾,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背站绪。 一陣腳步聲響...
    開封第一講書人閱讀 31,987評論 1 266
  • 我被黑心中介騙來泰國打工遭铺, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人恢准。 一個月前我還...
    沈念sama閱讀 46,358評論 2 360
  • 正文 我出身青樓魂挂,卻偏偏與公主長得像,于是被迫代替她去往敵國和親馁筐。 傳聞我的和親對象是個殘疾皇子涂召,可洞房花燭夜當晚...
    茶點故事閱讀 43,514評論 2 348

推薦閱讀更多精彩內(nèi)容