通过face_landmarks()在Python中获取面部轮廓

在Python中，我们可以使用dlib库的face_landmarks()函数来获取面部轮廓的关键点坐标。以下是一个例子，展示了如何使用face_landmarks()函数来获取面部轮廓。

首先，我们需要安装dlib库。在命令提示符中执行以下命令：

pip install dlib

接下来，我们将导入所需的库和模块：

import dlib
import cv2
import numpy as np
import matplotlib.pyplot as plt

然后，我们需要加载一个人脸图像，并用dlib的正面人脸检测器找到人脸的边界框。我们可以使用OpenCV库来加载和显示图像：

image = cv2.imread('path/to/your/image.jpg')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

detector = dlib.get_frontal_face_detector()
faces = detector(gray)

for face in faces:
    x, y, w, h = face.left(), face.top(), face.width(), face.height()
    cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)

plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
plt.show()

现在，我们已经找到了人脸的边界框，接下来我们将使用face_landmarks()函数来获取面部轮廓的关键点坐标：

predictor = dlib.shape_predictor('path/to/shape_predictor_68_face_landmarks.dat')

for face in faces:
    landmarks = predictor(gray, face)
    
    for n in range(68):
        x = landmarks.part(n).x
        y = landmarks.part(n).y
        cv2.circle(image, (x, y), 4, (0, 0, 255), -1)

在上述代码中，我们首先加载了一个用于面部特征点检测的预训练模型（shape_predictor_68_face_landmarks.dat）。然后，我们对每个人脸的边界框应用预测器，获取面部轮廓的关键点坐标。最后，我们在图像上绘制了这些关键点。

最后，我们可以使用plt.imshow()函数来显示带有面部轮廓的图像：

plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
plt.show()

完整的代码示例，包括加载图像、检测人脸、提取面部轮廓关键点坐标和显示图像的部分，如下所示：

import dlib
import cv2
import numpy as np
import matplotlib.pyplot as plt

image = cv2.imread('path/to/your/image.jpg')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

detector = dlib.get_frontal_face_detector()
faces = detector(gray)

for face in faces:
    x, y, w, h = face.left(), face.top(), face.width(), face.height()
    cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)

predictor = dlib.shape_predictor('path/to/shape_predictor_68_face_landmarks.dat')

for face in faces:
    landmarks = predictor(gray, face)
    
    for n in range(68):
        x = landmarks.part(n).x
        y = landmarks.part(n).y
        cv2.circle(image, (x, y), 4, (0, 0, 255), -1)

plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
plt.show()

在运行这段代码时，请确保替换图像文件的路径和形状预测器的路径。

上述代码示例演示了如何使用face_landmarks()函数通过dlib库在Python中获取面部轮廓的关键点坐标，并在图像上显示这些关键点。该函数非常强大，可以应用于面部识别、姿态估计、面部表情分析等应用中。