opencv dlib python大眼代码

以下是使用OpenCV和Dlib库实现Python大眼效果的代码示例：

import cv2
import dlib
import numpy as np

# 加载预训练的人脸关键点检测器
predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat")

# 加载人脸检测器
detector = dlib.get_frontal_face_detector()

# 加载图像
img = cv2.imread("input.jpg")

# 将图像转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 检测人脸
faces = detector(gray)

# 遍历每个检测到的人脸
for face in faces:
    # 获取人脸的关键点
    landmarks = predictor(gray, face)
    
    # 获取左眼和右眼的关键点坐标
    left_eye = np.array([(landmarks.part(36).x, landmarks.part(36).y),
                         (landmarks.part(37).x, landmarks.part(37).y),
                         (landmarks.part(38).x, landmarks.part(38).y),
                         (landmarks.part(39).x, landmarks.part(39).y),
                         (landmarks.part(40).x, landmarks.part(40).y),
                         (landmarks.part(41).x, landmarks.part(41).y)], np.int32)
    right_eye = np.array([(landmarks.part(42).x, landmarks.part(42).y),
                          (landmarks.part(43).x, landmarks.part(43).y),
                          (landmarks.part(44).x, landmarks.part(44).y),
                          (landmarks.part(45).x, landmarks.part(45).y),
                          (landmarks.part(46).x, landmarks.part(46).y),
                          (landmarks.part(47).x, landmarks.part(47).y)], np.int32)
    
    # 计算左眼和右眼的中心坐标
    left_eye_center = np.mean(left_eye, axis=0).astype(np.int32)
    right_eye_center = np.mean(right_eye, axis=0).astype(np.int32)
    
    # 计算左眼和右眼的距离
    eye_distance = np.linalg.norm(left_eye_center - right_eye_center)
    
    # 计算调整后的左眼和右眼的坐标
    left_eye_adjusted = left_eye + (right_eye_center - left_eye_center) * 0.15 * eye_distance / np.linalg.norm(left_eye - right_eye)
    right_eye_adjusted = right_eye + (left_eye_center - right_eye_center) * 0.15 * eye_distance / np.linalg.norm(right_eye - left_eye)
    
    # 创建一个黑色的掩膜
    mask = np.zeros((img.shape[0], img.shape[1]), dtype=np.uint8)
    
    # 填充左眼和右眼的区域
    cv2.fillPoly(mask, [left_eye_adjusted], 255)
    cv2.fillPoly(mask, [right_eye_adjusted], 255)
    
    # 对图像进行腐蚀操作，使填充区域缩小
    kernel = np.ones((5, 5), np.uint8)
    mask = cv2.erode(mask, kernel, iterations=1)
    
    # 对图像进行高斯模糊
    mask = cv2.GaussianBlur(mask, (11, 11), 0)
    
    # 对图像进行透明度混合
    mask = mask.astype(float) / 255.0
    mask = cv2.merge([mask, mask, mask])
    img = img * (1 - mask) + mask * cv2.GaussianBlur(img, (51, 51), 0)
    
# 显示处理后的图像
cv2.imshow("output", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

其中，`shape_predictor_68_face_landmarks.dat`是预训练的人脸关键点检测器文件，可以从Dlib的官方网站下载。你需要将代码中的`input.jpg`替换为你想要处理的图像的文件名，并且需要确保图像文件在当前工作目录下。运行代码后，将会显示处理后的图像。