Deeplearnig前処理のため顔領域抽出、切り抜き、バリエーション作成

facedetect.py

import os
import glob
import argparse
import cv2
from PIL import Image
from PIL import ImageEnhance
import numpy as np

IMAGE_HEIGHT = 800
CASCADE_PATH = "./haarcascades/haarcascade_frontalface_alt.xml"
cascade = cv2.CascadeClassifier(CASCADE_PATH)
color = (255, 255, 255)

def detectFace(image):

    image_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    facerect = cascade.detectMultiScale(image_gray, scaleFactor=1.07, minNeighbors=9, minSize=(10, 10))

    return facerect

def pre_resize(before, after, height=IMAGE_HEIGHT, filename="", antialias_enable=True):
    """
    Resize images according to the pre-defined image_heiht regardless of the size of them.
    """
    
    img = Image.open(before, 'r')
    before_x, before_y = img.size[0], img.size[1]
    x = int(round(float(height / float(before_y) * float(before_x))))
    y = height
    resize_img = img
    if antialias_enable:
        resize_img.thumbnail((x, y), Image.ANTIALIAS)
    else:
        resize_img = resize_img.resize((x, y))

    resize_img.save(after, 'jpeg', quality=100)
    print( "RESIZED: %s[%sx%s] --> %sx%s" % (filename, before_x, before_y, x, y) )


def resize(image):
    return cv2.resize(image, (128,128))

def rotate(image, r):
    h, w, ch = image.shape # 画像の配列サイズ
    M = cv2.getRotationMatrix2D((w/2, h/2), r, 1) # 画像を中心に回転させるための回転行列
    rotated = cv2.warpAffine(image, M, (w, h))

    return rotated

if __name__ == "__main__":
    parser = argparse.ArgumentParser(description='clip face-image from imagefile and do data argumentation.')
    parser.add_argument('-p', required=True, help='set files path.', metavar='imagefile_path')
    args = parser.parse_args()

    # リサイズした画像を格納
    resize_dir = args.p + "/_resize"
    if not os.path.exists(resize_dir):
        os.makedirs(resize_dir)

    # 顔部分に囲いを追加した画像を格納
    addbox_dir = args.p + "/_addbox"
    if not os.path.exists(addbox_dir):
        os.makedirs(addbox_dir)

    # 顔部分をトリミングした画像を格納
    trimming_dir = args.p + "/_trimming"
    if not os.path.exists(trimming_dir):
        os.makedirs(trimming_dir)


    face_cnt = 0

    # ガンマ補正のルックアップテーブルを作成
    gamma = 1.8
    lookUpTable = np.zeros((256, 1), dtype = 'uint8')
    for i in range(256):
        lookUpTable[i][0] = 255 * pow(float(i) / 255, 1.0 / gamma)


    # ハイコントラストルックアップテーブルを作成
    min_table = 50
    max_table = 205
    diff_table = max_table - min_table

    LUT_HC = np.arange(256, dtype='uint8')

    for i in range(0, min_table):
        LUT_HC[i] = 0
    for i in range(min_table, max_table):
        LUT_HC[i] = 255 * (i - min_table) / diff_table
    for i in range(max_table, 255):
        LUT_HC[i] = 255


    # jpgファイル取得
    files = glob.glob( "%s/*.jp*g" % (args.p) )

    for file_name in files:
        before_path = file_name
        filename = os.path.basename(file_name)
        after_path = '%s/%s' % ( resize_dir, filename )
        pre_resize(before_path, after_path, filename=file_name)

    resize_files = glob.glob(resize_dir+"/*.jpg")

    for file_name in resize_files:
        print("detect face on file:"+file_name)

        # 画像のロード
        image = cv2.imread(file_name)
        if image is None:
            # 読み込み失敗
            print("image is None")
            continue

        # -12~12度の範囲で3度ずつ回転
        for r in range(-12,13,4):
            image = rotate(image, r)

            # 顔画像抽出
            facerect_list = detectFace(image)
            if len(facerect_list) == 0:
                continue

            basename = os.path.basename(file_name)

            # 顔検知の囲い追加画像保存 どの程度の精度で検知できているかの確認
            for rect in facerect_list:
                cv2.rectangle(image, tuple(rect[0:2]),tuple(rect[0:2]+rect[2:4]), color, thickness=2)

            cv2.imwrite(addbox_dir+"/"+basename, image)

            # 顔部分切り抜き
            for facerect in facerect_list:
                # 顔画像部分の切り抜き
                croped = image[facerect[1]:facerect[1]+facerect[3],facerect[0]:facerect[0]+facerect[2]]

                # 出力
                cv2.imwrite(trimming_dir+"/"+str(face_cnt)+".jpg", resize(croped))
                face_cnt += 1

                # 反転画像も出力
                fliped = np.fliplr(croped)
                cv2.imwrite(trimming_dir+"/"+str(face_cnt)+".jpg", resize(fliped))
                face_cnt += 1

                # 明るさの正規化
                meaned = (croped - np.mean(croped)) / np.std(croped)*16+128
                cv2.imwrite(trimming_dir+"/"+str(face_cnt)+".jpg", resize(meaned))
                face_cnt += 1

                # ガンマ補正
                #img_max = image.max()
                #gamma_up = img_max * (croped / img_max) ** ( 1/ 2.0)
                #cv2.imwrite(trimming_dir+"/"+str(face_cnt)+".jpg", resize(gamma_up))
                #face_cnt += 1
 
                # ルックアップテーブルによるガンマ補正
                gamma_lut = cv2.LUT(croped, lookUpTable)
                cv2.imwrite(trimming_dir+"/"+str(face_cnt)+".jpg", resize(gamma_lut))
                face_cnt += 1
 
                # コントラストを変える
                high_contrast = cv2.LUT(croped, LUT_HC)
                cv2.imwrite(trimming_dir+"/"+str(face_cnt)+".jpg", resize(high_contrast))
                face_cnt += 1