opencv给人脸加墨镜

可以使用OpenCV的图像处理功能为人脸添加墨镜。具体步骤如下：

1. 使用OpenCV中的Haar级联分类器检测人脸。可以使用已经训练好的模型，也可以自己训练一个模型。
2. 对检测到的人脸进行关键点检测，确定眼睛的位置。
3. 加载墨镜图像，并将其调整为适合眼睛大小的尺寸。
4. 将墨镜图像与人脸图像叠加。
5. 保存处理后的图像。

以下是代码示例，其中使用了OpenCV中的Haar级联分类器和Dlib库的人脸关键点检测功能：

import cv2
import dlib

# 加载Haar级联分类器检测人脸
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

# 加载Dlib库的人脸关键点检测器
predictor_path = "shape_predictor_68_face_landmarks.dat"
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor(predictor_path)

# 加载墨镜图像
glasses = cv2.imread('glasses.png', cv2.IMREAD_UNCHANGED)

# 读取人脸图像
img = cv2.imread('face.jpg')

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

# 检测人脸
faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5)

# 遍历每个检测到的人脸
for (x, y, w, h) in faces:
    # 使用Dlib库检测人脸关键点
    rect = dlib.rectangle(int(x), int(y), int(x + w), int(y + h))
    shape = predictor(gray, rect)
    landmarks = [(shape.part(i).x, shape.part(i).y) for i in range(36, 48)]

    # 确定眼睛的位置
    left_eye = landmarks[0:6]
    right_eye = landmarks[6:12]
    left_eye_center = (int(sum([p[0] for p in left_eye]) / 6), int(sum([p[1] for p in left_eye]) / 6))
    right_eye_center = (int(sum([p[0] for p in right_eye]) / 6), int(sum([p[1] for p in right_eye]) / 6))

    # 调整墨镜尺寸
    glasses_width = int(1.5 * abs(right_eye_center[0] - left_eye_center[0]))
    glasses_height = int(glasses_width * glasses.shape[0] / glasses.shape[1])
    glasses_resized = cv2.resize(glasses, (glasses_width, glasses_height))

    # 将墨镜图像与人脸图像叠加
    x1 = left_eye_center[0] - int(glasses_width / 2)
    y1 = left_eye_center[1] - int(glasses_height / 2)
    x2 = x1 + glasses_width
    y2 = y1 + glasses_height

    alpha_s = glasses_resized[:, :, 3] / 255.0
    alpha_l = 1.0 - alpha_s

    for c in range(0, 3):
        img[y1:y2, x1:x2, c] = (alpha_s * glasses_resized[:, :, c] + alpha_l * img[y1:y2, x1:x2, c])

# 显示结果
cv2.imshow('result', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

注意，这只是一个简单的示例，实际应用中可能需要进行更多的优化和调整。