人脸老化之四Dlib库进行人脸融合变形
介绍第三步人脸融合变形，使用的两张测试图片如下。
第三步：图像的融合变形
经过前一篇文章的介绍即第一和第二步后，现在可是进行两张人脸图片的融合变形。融合变形的结果是融合两幅人脸的特征生成一张新的人脸图像。新的人脸的与两证人脸的相似度即融合度通过参数a（范围[0,1]）值进行控制。当a为0时，融合图像（为M）为上图左侧图 （为I），为1时为上图右侧图（为J） 。
具体步骤如下：
1.根据如下公式，找到融合图像M中的关键点的坐标。
2.计算仿射变换。
现在我们获得了图像I、J和M的各自76个关键点，以及142个D-三角。
在图像I和M之间，根据D-三角之间的对应一个三角形三个顶点之间的关系，利用getAffineTransform求出仿射变换矩阵。图像J和M之间的的处理，同样是便利142个D-三角的数据进行相同的处理。
3.D-三角变形处理。
对于图像I和J的各自142个D-三角，利用2计算的仿射变换矩阵来处理图像的各个三角内的所有像素，从而完成对应的区域的变形。
我们利用Opencv中的warpAffine函数进行反射变换。但是，warpAffine函数处理的是整个图像并不是某一个三角形区域。这里有一个小窍门：
变换D-三角的外接box，warpAffine函数处理外接box中的所有像素。同时，利用mask遮着box外的像素，这样就相当于处理单个的某一个D-三角对应的所有像素。对应三角的mask利用fillConvexPoly来获得。warpAffine函数利用外接box处理时，值得注意的是borderMode设置为BORDER_REFLECT_101，这样可以隐藏三角形之间的连接线。
4.利用alpha融合变形图像。
利用以上处理获得的图像I和J的三角形变形图像数据，利用如下公式，融合处理两个图像数据，获得融合图像。
以上就是脸部图像的融合处理，当然可以设置不同的alpha获得一系列的融合图像。同时，我们也会发现，在脸部区域，融合图像的对齐的效果非常好，但是在脸部以外对齐效果并不是非常理想，主要是由于关键点比较少导致的不理想结果，如果想要得到更好的效果，可以手动添加如果双肩等的关键点。
这是我测试代码（在这里）根据Satya Mallick提供的代码我进行的一些小的调整，alpha设置为0.5（使用opencv的imread读取图像，原程序使用dlib::load_image读取图像，由于dlib支持png和jpg，而且需要进行一定的设置，我的环境设置总是不正确，所以修改了）。