c++ opencv4.6 做人脸矫正的代码

以下是一个使用 OpenCV 4.6 实现人脸矫正的示例代码：

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace std;
using namespace cv;

int main()
{
    try
    {
        // 加载人脸检测器和人脸关键点检测器
        String face_detector_path = "haarcascade_frontalface_default.xml";
        CascadeClassifier face_detector;
        face_detector.load(face_detector_path);

        String landmarks_detector_path = "shape_predictor_68_face_landmarks.dat";
        dlib::shape_predictor landmarks_detector;
        dlib::deserialize(landmarks_detector_path) >> landmarks_detector;

        // 加载需要处理的图像
        Mat img = imread("test.jpg");

        // 检测人脸
        vector<Rect> faces;
        face_detector.detectMultiScale(img, faces, 1.1, 3, 0, Size(100, 100));

        // 对每个人脸进行处理
        for (auto&& face : faces)
        {
            // 提取人脸关键点
            Mat face_roi = img(face);
            dlib::cv_image<dlib::bgr_pixel> dlib_face(face_roi);
            dlib::full_object_detection shape = landmarks_detector(dlib_face);

            // 计算人脸矩阵
            Point2f src_points[3];
            Point2f dst_points[3];
            src_points[0] = Point2f(shape.part(36).x(), shape.part(36).y());
            src_points[1] = Point2f(shape.part(45).x(), shape.part(45).y());
            src_points[2] = Point2f(shape.part(30).x(), shape.part(30).y());
            dst_points[0] = Point2f(0, img.rows - 1);
            dst_points[1] = Point2f(img.cols - 1, img.rows - 1);
            dst_points[2] = Point2f(img.cols / 2, img.rows / 2);

            Mat M = getAffineTransform(src_points, dst_points);

            // 进行仿射变换
            Mat warped_face;
            warpAffine(face_roi, warped_face, M, img.size());

            // 将处理后的人脸区域替换原图中的人脸区域
            warped_face.copyTo(img(face));
        }

        // 保存处理后的图像
        imwrite("result.jpg", img);
    }
    catch (exception& e)
    {
        cout << e.what() << endl;
    }
}

在本例中，我们使用 OpenCV 的人脸检测器和 dlib 库的人脸关键点检测器来检测人脸和提取人脸关键点。然后通过计算人脸矩阵，使用 `cv::getAffineTransform()` 函数来进行仿射变换，将人脸区域矫正到指定的位置。最后将处理后的人脸区域替换原图中的人脸区域，并保存处理后的图像。

需要注意的是，本例中使用的人脸检测器和人脸关键点检测器可能不是最优的选择。在实际应用中，你可以根据实际需求来选择适合的检测器和检测方法。