---

一、人脸面部轮廓绘制代码实现

import numpy as np
import dlib
import cv2

1、定义绘制直线段的函数

def drawLine(start, end):
    # 从形状数组中获取起点到终点的所有点
    pts = shape[start:end]
    # 遍历这些点，依次连接相邻点
    for l in range(1, len(pts)):
        # 获取前一个点
        ptsA = tuple(pts[l-1])
        # 获取当前点
        ptsB = tuple(pts[l])
        # 在图像上绘制连接这两个点的绿色线段
        cv2.line(image, ptsA, ptsB, (0, 245, 0), 2)

2、定义绘制凸包轮廓的函数

def drawConvexHull(start, end):
    # 从形状数组中获取指定范围内的点
    Facial = shape[start:end+1]
    # 计算这些点的凸包（最小凸多边形）
    mouthHull = cv2.convexHull(Facial)   # 凸包函数
    # 在图像上绘制凸包轮廓（绿色）
    cv2.drawContours(image, [mouthHull], -1, (0, 255, 0), 2)

3、读取输入图像

image = cv2.imread('../data/man.png')

4、初始化dlib的人脸检测器

detector = dlib.get_frontal_face_detector()

5、使用检测器在图像中检测人脸（参数0表示不进行图像缩放）

faces = detector(image, 0)

6、加载dlib的68点人脸关键点预测模型

predictor = dlib.shape_predictor('../data/shape_predictor_68_face_landmarks.dat')

7、遍历检测到的每个人脸

for face in faces:
    # 对当前人脸进行关键点预测
    shape = predictor(image, face)
    
    # 将关键点转换为numpy数组格式 [[x1, y1], [x2, y2], ...]
    shape = np.array([[p.x, p.y] for p in shape.parts()])
    
    # 绘制右眼凸包（关键点36-42）
    drawConvexHull(36, 42)
    # 绘制左眼凸包（关键点42-47）
    drawConvexHull(42, 47)
    # 绘制上嘴唇凸包（关键点48-59）
    drawConvexHull(48, 59)
    # 绘制下嘴唇凸包（关键点60-67）
    drawConvexHull(60, 67)
    
    # 绘制下巴轮廓（关键点0-17）
    drawLine(0, 17)
    # 绘制右眉毛轮廓（关键点17-22）
    drawLine(17, 22)
    # 绘制左眉毛轮廓（关键点22-27）
    drawLine(22, 27)
    # 绘制鼻梁轮廓（关键点27-36）
    drawLine(27, 36)

8、显示处理后的图像

cv2.imshow('image', image)
# 等待用户按键
cv2.waitKey(0)
# 关闭所有OpenCV窗口
cv2.destroyAllWindows()

效果展示

代码中使用的关键点索引对应人脸的不同部位：

眼睛区域：

36-42：右眼轮廓（从右眼角开始顺时针）

42-47：左眼轮廓（从左眼角开始顺时针）

嘴唇区域：

48-59：上嘴唇轮廓

60-67：下嘴唇轮廓

面部轮廓：

0-16：下巴和脸颊轮廓（代码中绘制0-17，包含17个点）

17-21：右眉毛

22-26：左眉毛

27-35：鼻子（代码中绘制27-36）

函数功能说明
drawLine(start, end) 函数：

功能：连接一系列关键点形成直线段

参数：起始索引和结束索引

实现：获取索引范围内的点，依次连接相邻点

drawConvexHull(start, end) 函数：

功能：计算并绘制关键点的凸包轮廓

参数：起始索引和结束索引

实现：计算最小凸多边形并绘制轮廓

优势：比简单连线更平滑，能更好捕捉曲线特征

总结

这种组合方法（凸包+直线连接）在保持效率的同时，能够准确描绘人脸的主要特征轮廓，适用于人脸分析、AR滤镜等应用场景。