このチュートリアルでは、OpenCV、Python、およびImageMagickを使用してアニメーションGIFを作成する方法を示します。 次に、これらのメソッドを組み合わせて、OpenCVでミームジェネレーターを作成します。

私たちは皆、時々笑う必要があります。 そして、おそらくルルザを見つける最良の方法はミームを使うことです。 私のお気に入りのいくつか：

• カーミットザカエル：「しかし、それは私のビジネスではありません」
• 不機嫌そうな猫
• 壮大な失敗
• グッドガイグレッグ

しかし、個人的には、これらのミームはいずれも、ミーム「Deal With It」（「Deal with it」または「Understand it your」）と比較することはできません。その例は記事の冒頭にあります。

通常、次の場合に使用されます。

1. あなたがしたこと/言ったことを承認しない人への答えまたは反対として（「それで対処する」）
2. まるであなたが去っているかのように眼鏡をかけ、問題を抱えた人を放っておく（「自分で理解する」）

数年前、著者のブログで楽しい記事を読みましたが、コンピュータービジョンを使用してこのようなミームを生成する方法を思い出せません。 先週、私はこのガイドをどこにも見つけることができなかったので、ブロガー、コンピュータービジョンの専門家、ミームの鑑定家として、自分でチュートリアルを書くことにしました！ （ちなみに、元のソースを誤って知っている場合は、著者に感謝できるようにお知らせください。UPD ： Kirk KaiserのブログMakeArtWithPythonから元の記事を見つけました。）

OpenCVでミームジェネレーターを開発すると、次のような貴重な実用的なスキルを学ぶことができます。

1. 深層学習手法を使用した顔検出
2. dlibライブラリを使用して顔のランドマークを検出し、目の領域を抽出する
3. 受信した情報に基づいて両目の間の回転角を計算する方法
4. そして最後に、OpenCVを使用してアニメーションGIFを生成する方法（ImageMagickから少し助けを借りて）

このガイドは楽しくて面白いものであると同時に、現実の世界で役立つ貴重なコンピュータービジョンプログラミングスキルを教えます。

OpenCVを使用したGIFの作成

ガイドの最初の部分では、開発環境の正しい設定など、このプロジェクトに必要な条件と依存関係について説明します。

次に、OpenCV GIFジェネレーターのプロジェクト/カタログ構造を検討します。

プロジェクトの構造を理解したらすぐに、次のことを検討します。1）構成ファイル。 2）OpenCVでGIFを作成するPythonスクリプト。

最後に、人気のミーム「Deal With It」でプログラムの結果を評価します。

前提条件と依存関係

図 1. OpenCV、dlib、ImageMagickを使用してGIFを作成します

Opencvおよびdlib

OpenCVは、フレーム内の顔と基本的な画像処理を決定するために必要です。 OpenCVがシステムにインストールされていない場合は、 OpenCVインストールガイドのいずれかに従ってください。

Dlibを使用して顔のランドマークを検出します。これにより、顔に2つの目を見つけてサングラスをかけることができます。 この手順を使用してdlibをインストールできます 。

Imagemagick

ImageMagickに慣れていない場合は、無駄です。 これは、多くの画像処理機能を備えたクロスプラットフォームのコマンドラインツールです。

1つのコマンドでPNG / JPGをPDFに変換しますか？ 問題ありません。

複数ページのPDFを作成するために必要な画像がいくつかありますか？ 簡単です。

多角形、線、その他の形状を描く必要がありますか？ そしてそれは可能です。

1つのコマンドですべての写真を一括カラーグレーディングまたはサイズ変更するのはどうですか？ これを行うために、OpenCV用のPythonで数行を記述する必要はありません。

ImageMagickは、任意の画像からGIFも生成します。

Ubuntu（またはRaspbian）にImageMagickをインストールするには、aptを使用します。

OpenCVShellでGIFを作成する

$ sudo apt-get install imagemagick 

macOSでは、HomeBrewを使用できます。

 $ brew install imagemagick 

imutils

ほとんどの記事、コース、書籍では、便利なimutils画像処理パッケージを使用しています 。 pipを使用してシステムまたは仮想環境にインストールされます。

 $ pip install imutils 

プロジェクト構造

図 2.プロジェクト構造には、構成ファイルとPythonスクリプトの2つのディレクトリが含まれます

プロジェクトには2つのカタログがあります。

• images/ ：アニメーションGIFを作成する入力画像の例。 私はいくつかの画像を見つけましたが、自由に追加してください。
• assets/ ：このフォルダーには、顔検出器、顔ランドマーク検出器、およびすべての画像+関連マスクが含まれています。 これらのアセットを使用して、最初のフォルダーの元の画像にポイントとテキストを配置します。

構成可能なパラメーターが多数あるため、次のJSON構成ファイルを作成することにしました。1）パラメーターの編集を容易にします。 2）必要なコマンドライン引数が少なくなります。 このプロジェクトに必要なすべての構成パラメーターはconfig.json含まれていconfig.json 。

config.jsonおよびcreate_gif.py内容を考慮してください。

ご注意 Per。：プロジェクトコードとコンピュータービジョン、機械学習、OpenCVの17ページのマニュアルは、登録後に発行されます （ミラー： ソースコード 、 マニュアル ）。

OpenCVを使用したGIF生成

それでは、OpenCV GIFジェネレーターの作成を続けましょう！

JSON構成ファイルのコンテンツ

JSON構成ファイルから始めて、次にPythonスクリプトに進みましょう。

新しいconfig.jsonファイルを開き、次のキーと値のペアを挿入します。

OpenCVPythonでGIFを作成する

 { "face_detector_prototxt": "assets/deploy.prototxt", "face_detector_weights": "assets/res10_300x300_ssd_iter_140000.caffemodel", "landmark_predictor": "assets/shape_predictor_68_face_landmarks.dat", 

これらは、ディープラーニングのOpenCV顔検出モデルファイルです。

最後の行は、dlibフェイスプレディクターへのパスです。

そして今、画像ファイルへのいくつかのパスがあります：

 "sunglasses": "assets/sunglasses.png", "sunglasses_mask": "assets/sunglasses_mask.png", "deal_with_it": "assets/deal_with_it.png", "deal_with_it_mask": "assets/deal_with_it_mask.png", 

これらは、以下に示すサングラス、テキスト、およびそれらに一致するマスクへのパスです。

まず、派手なサングラスとマスク：


図 3.ピクセル付きのメガネが嫌いですか？ 我慢して


図 4.サングラスにマスクが必要な理由がわかりませんか？ それに我慢してください-または答えのために記事の残りを読んでください。

そして今、私たちのテキストは「DEAL WITH IT」とマスクです：


図 5. Helvetica Neue Condensedが嫌いですか？ それに対処する


図 6：このマスクを使用すると、テキストの周囲に境界線を描画できます。 ああ、多分あなたはしたくない、あなたは国境が欲しいですか？ 我慢して

写真に対応する画像をオーバーレイするには、マスクが必要です。これについては後で説明します。

ミームジェネレーターのいくつかのパラメーターを設定します。

  "min_confidence": 0.5, "steps": 20, "delay": 5, "final_delay": 250, "loop": 0, "temp_dir": "temp" } 

各パラメーターの定義は次のとおりです。

• min_confidence ：最低限必要な顔検出確率。
• steps ：最終アニメーションのフレーム数。 各「ステップ」は、サングラスを上部境界線からターゲット（つまり、目）に移動します。
• delay ：100分の1秒単位のフレーム間の遅延。
• final_delay ：100分の1秒final_delayでの最後のフレームの遅延（テキストを他のフレームよりも長く表示したいので、このコンテキストで役立ちます）。
• loop ：ゼロの値は、GIFが永遠に繰り返されることを示します。それ以外の場合、アニメーションの繰り返し数に正の整数を指定します。
• temp_dir ：最終GIFを作成する前に各フレームが保存される一時ディレクトリ。

ミーム、GIF、およびOpenCV

JSON構成ファイルを作成したので、実際のコードに移りましょう。

新しいファイルを開き、 create_gif.pyという名前を付けて、次のコードを貼り付けます。

 #    from imutils import face_utils from imutils import paths import numpy as np import argparse import imutils import shutil import json import dlib import cv2 import sys import os 

ここで必要なパッケージをインポートします。 特に、imutils、dlib、およびOpenCVを使用します。 これらの依存関係をインストールするには、上記の前提条件と依存関係セクションを参照してください。

スクリプトには必要なパッケージが含まれているため、 overlay_image関数を定義します。

 def overlay_image(bg, fg, fgMask, coords): #     (, )  #    (sH, sW) = fg.shape[:2] (x, y) = coords #          #  ,   , **  # ,    overlay = np.zeros(bg.shape, dtype="uint8") overlay[y:y + sH, x:x + sW] = fg # - , **  ** # ,    ,    # ,       alpha = np.zeros(bg.shape[:2], dtype="uint8") alpha[y:y + sH, x:x + sW] = fgMask alpha = np.dstack([alpha] * 3) #  -   , #   - output = alpha_blend(overlay, bg, alpha) #   return output 

overlay_image関数は、背景画像（ bg ）の座標座標（座標（x、y） ）に前景（ fg ）を課し、 fgMask前景マスク上のアルファ透明度を実現します。

マスクの操作など、OpenCVの基本について学習するには、 このガイドを必ずお読みください 。

ブレンドプロセスを完了するには、アルファブレンドを実行します。

 def alpha_blend(fg, bg, alpha): #  ,    - #        [0, 1] fg = fg.astype("float") bg = bg.astype("float") alpha = alpha.astype("float") / 255 #  - fg = cv2.multiply(alpha, fg) bg = cv2.multiply(1 - alpha, bg) #     ,    output = cv2.add(fg, bg) #   return output.astype("uint8") 

このアルファブレンディングの実装は、LearnOpenCVブログでも提供されています。

本質的に、前景、背景、およびアルファチャネルを範囲[0、1]の浮動小数点数に変換します。 次に、アルファブレンディングを実行し、前景と背景を追加して、呼び出し元の関数に戻る結果を取得します。

ImageMagickとconvertコマンドを使用して、一連の画像パスからGIFを生成できるヘルパー関数も作成します。

 def create_gif(inputPath, outputPath, delay, finalDelay, loop): #        imagePaths = sorted(list(paths.list_images(inputPath))) #      lastPath = imagePaths[-1] imagePaths = imagePaths[:-1] #   imagemagick 'convert'  #  GIF      #   ( ) cmd = "convert -delay {} {} -delay {} {} -loop {} {}".format( delay, " ".join(imagePaths), finalDelay, lastPath, loop, outputPath) os.system(cmd) 

create_gif関数は一連の画像をcreate_gifし、それらをフレームとループ間の指定された遅延でGIFアニメーションに収集します。 ImageMagickはこれらすべてを処理します-さまざまなパラメーターを動的に処理する関数でconvertコマンドをラップするだけです。

利用可能なconvert引数を確認するには、ドキュメントを参照してください 。 そこに、このチームが持っている機能の数が表示されます！

特にこの関数では、次のことを行います。

• imagePathsます。
• 最後の画像のパスを選択します。これには個別の遅延があります。
• imagePathsを再割り当てして、最後のパスを除外します。
• コマンドライン引数を使用してコマンドを作成し、オペレーティングシステムにconvertしてGIFアニメーションを作成convertよう指示します。

スクリプトに独自のコマンドライン引数を割り当てます。

 #      ap = argparse.ArgumentParser() ap.add_argument("-c", "--config", required=True, help="path to configuration file") ap.add_argument("-i", "--image", required=True, help="path to input image") ap.add_argument("-o", "--output", required=True, help="path to output GIF") args = vars(ap.parse_args()) 

実行時に処理される3つのコマンドライン引数があります。

• --config ：JSON構成ファイルへのパス。 前のセクションで構成ファイルを確認しました。
• --image ：アニメーションの作成対象となる入力画像へのパス（つまり、顔の検出、サングラスの追加、テキスト）。
• --output ：結果のGIFへのパス。

これらの各引数は、コマンドライン/ターミナルでスクリプトを実行するときに必要です。

構成ファイル、およびメガネと対応するマスクをダウンロードします。

 #    JSON, #     config = json.loads(open(args["config"]).read()) sg = cv2.imread(config["sunglasses"]) sgMask = cv2.imread(config["sunglasses_mask"]) #    (  ),   #  ,  ,     #   GIF- shutil.rmtree(config["temp_dir"], ignore_errors=True) os.makedirs(config["temp_dir"]) 

ここで、構成ファイルをロードします（将来的にPython辞書として利用できるようになる可能性があります）。 次に、サングラスとマスクを取り付けます。

前のスクリプトから何かが残っている場合は、一時ディレクトリを削除してから、空の一時ディレクトリを再作成します。 一時フォルダーには、GIFアニメーションの個々のフレームが含まれます。

OpenCV深層学習顔検出器をメモリにロードします。

 # load our OpenCV face detector and dlib facial landmark predictor print("[INFO] loading models...") detector = cv2.dnn.readNetFromCaffe(config["face_detector_prototxt"], config["face_detector_weights"]) predictor = dlib.shape_predictor(config["landmark_predictor"]) 

これを行うには、 cv2.dnn.readNetFromCaffe呼び出しcv2.dnn.readNetFromCaffe 。 dnnモジュールはOpenCV 3.3以降でのみ使用可能です。 顔検出器は、画像内の顔の存在を検出します。


図 7. OpenCV DNNを使用した顔検出器の操作

次に、 dlib顔ランドマーク予測子をロードします。 目、眉毛、鼻、口、あごの線などの個々の構造をローカライズできます。


図 8. dlibで見つかったランドマークが私の顔に重ねられます

このスクリプトの後半では、目の領域のみを抽出します。

次に、顔を見つけましょう：

 #       image = cv2.imread(args["image"]) (H, W) = image.shape[:2] blob = cv2.dnn.blobFromImage(cv2.resize(image, (300, 300)), 1.0, (300, 300), (104.0, 177.0, 123.0)) #        print("[INFO] computing object detections...") detector.setInput(blob) detections = detector.forward() #       ,  #  ,      i = np.argmax(detections[0, 0, :, 2]) confidence = detections[0, 0, i, 2] #    if confidence < config["min_confidence"]: print("[INFO] no reliable faces found") sys.exit(0) 

このブロックでは、次のことを行います。

• 元のimageダウンロードしimage 。
• ニューラルネットワークの顔検出器に送信するblobを作成します。 この記事では、OpenCVのblobFromImageについて説明します。
• 顔検出手順を実行します。
• 最も高い確率値を持つ人を見つけ、それを最小の許容確率しきい値と比較します。 基準が満たされない場合は、スクリプトを終了します。 それ以外の場合は、続行します。

次に、顔を抽出してランドマークを計算します。

 #   (x, y)  #    box = detections[0, 0, i, 3:7] * np.array([W, H, W, H]) (startX, startY, endX, endY) = box.astype("int") #    dlib    #       rect = dlib.rectangle(int(startX), int(startY), int(endX), int(endY)) shape = predictor(image, rect) shape = face_utils.shape_to_np(shape) #        ,  #     (lStart, lEnd) = face_utils.FACIAL_LANDMARKS_IDXS["left_eye"] (rStart, rEnd) = face_utils.FACIAL_LANDMARKS_IDXS["right_eye"] leftEyePts = shape[lStart:lEnd] rightEyePts = shape[rStart:rEnd] 

顔を抽出して顔のランドマークを見つけるには、次の手順を実行します。

• 顔の周りの境界ボックスの座標を抽出します。
• dlibでrectangleオブジェクトを作成し、顔のローカライズを適用します。
• （x、y） leftEyePtsおよびrightEyePtsをそれぞれ取得します。

目の座標を指定すると、サングラスを配置する場所と方法を計算できます。

 #       leftEyeCenter = leftEyePts.mean(axis=0).astype("int") rightEyeCenter = rightEyePts.mean(axis=0).astype("int") #      dY = rightEyeCenter[1] - leftEyeCenter[1] dX = rightEyeCenter[0] - leftEyeCenter[0] angle = np.degrees(np.arctan2(dY, dX)) - 180 #      ,  #      sg = imutils.rotate_bound(sg, angle) #     **  ,    #   —       # 90%       sgW = int((endX - startX) * 0.9) sg = imutils.resize(sg, width=sgW) #      ( ,   #  ),      #     - —   #       , #     sgMask = cv2.cvtColor(sgMask, cv2.COLOR_BGR2GRAY) sgMask = cv2.threshold(sgMask, 0, 255, cv2.THRESH_BINARY)[1] sgMask = imutils.rotate_bound(sgMask, angle) sgMask = imutils.resize(sgMask, width=sgW, inter=cv2.INTER_NEAREST) 

まず、各目の中心を計算し、次に重心間の角度を計算します。 同じ操作は、フレーム内の顔の水平方向の配置で実行されます。

これで、メガネを回転およびサイズ変更できます。 アフィン変換後に表示されない部分をOpenCVがトリミングしないrotate 、単にrotateではなくrotate_bound関数を使用することに注意してください。

メガネに適用されたのと同じ操作が、マスクにも適用されます。 ただし、マスクは常にバイナリであるため、最初にグレーの濃淡に変換して2値化する必要があります。 次に、メガネの場合と同じ方法でマスクを回転してサイズを変更します。

注：マスクは2つの値（0と255）のみを持つ必要があるため、マスクのサイズを変更するとき、最も近い隣接ポイントの補間を使用することに注意してください 。 他の補間方法はより見た目が良いですが、マスクには適していません。 ここでは、最も近い隣接点での補間に関する追加情報を取得できます。

残りの3つのコードブロックは、GIFアニメーションのフレームを作成します。

 #    ,   #  N       #    steps = np.linspace(0, rightEyeCenter[1], config["steps"], dtype="int") # start looping over the steps for (i, y) in enumerate(steps): #      #  ,    **    #  ,       #   shiftX = int(sg.shape[1] * 0.25) shiftY = int(sg.shape[0] * 0.35) y = max(0, y - shiftY) # add the sunglasses to the image output = overlay_image(image, sg, sgMask, (rightEyeCenter[0] - shiftX, y)) 

メガネは画像の上部から落ちます。 各フレームで、目を覆うまで顔の近くに表示されます。 JSON構成ファイルの"steps"変数を使用して、各フレームのy座標を生成します。 これを行うには、NumPyのlinspace関数を多くの努力なしで使用します。

左上にわずかにシフトした線は少し奇妙に見えるかもしれませんが、メガネが目全体をカバーし、目の中心に移動するだけではないことを保証するために必要です。 各軸に沿ったオフセットを計算するために、経験的にパーセンテージを決定しました。 次の行は、負の値がないことを保証します。

overlay_image関数を使用して、最終outputフレームoverlay_image生成しoutput 。

次に、別のマスクを使用して「DEAL WITH IT」というテキストを適用します。

  #    ,    #  "DEAL WITH IT"   if i == len(steps) - 1: #   "DEAL WITH IT"  , #   dwi = cv2.imread(config["deal_with_it"]) dwiMask = cv2.imread(config["deal_with_it_mask"]) dwiMask = cv2.cvtColor(dwiMask, cv2.COLOR_BGR2GRAY) dwiMask = cv2.threshold(dwiMask, 0, 255, cv2.THRESH_BINARY)[1] #       80%   #  oW = int(W * 0.8) dwi = imutils.resize(dwi, width=oW) dwiMask = imutils.resize(dwiMask, width=oW, inter=cv2.INTER_NEAREST) #  ,   ,  #   oX = int(W * 0.1) oY = int(H * 0.8) output = overlay_image(output, dwi, dwiMask, (oX, oY)) 

最後のステップでは、実際には別の画像であるテキストを課します。

OpenCVフォントのレンダリング機能はかなり制限されているため、画像を使用することにしました。 さらに、テキストの周りに影と境界線を追加したかったのですが、これもOpenCVにはわかりません。

このコードの残りの部分では、画像とマスクの両方を読み込んでから、アルファブレンディングを実行して最終結果を生成します。

各フレームをディスクに保存してから、GIFアニメーションを作成するだけです。

  #      p = os.path.sep.join([config["temp_dir"], "{}.jpg".format( str(i).zfill(8))]) cv2.imwrite(p, output) #      ,     #   GIF- print("[INFO] creating GIF...") create_gif(config["temp_dir"], args["output"], config["delay"], config["final_delay"], config["loop"]) #  --    print("[INFO] cleaning up...") shutil.rmtree(config["temp_dir"], ignore_errors=True) 

結果をディスクに書き込みます。 すべてのフレームを生成した後、 create_gif関数を呼び出してGIFアニメーションファイルを作成します。 これは、ImageMagick convertコマンドラインツールにパラメーターを渡すシェルであることに注意してください。

最後に、一時出力ディレクトリと個々の画像ファイルを削除します。

結果

ここからは、ミームジェネレーターが作成したものを見てみましょう。

ソースコード、サンプル画像、ディープラーニングモデルをダウンロードしてください。 次に、ターミナルを開き、次のコマンドを実行します。

 $ python create_gif.py --config config.json --image images/adrian.jpg \ --output adrian_out.gif [INFO] loading models... [INFO] computing object detections... [INFO] creating GIF... [INFO] cleaning up... 

図9.このPythonスクリプトを使用してOpenCVおよびImageMagickで生成されたGIFアニメーション

ここでは、OpenCVとImageMagickを使用して作成されたGIFを見ることができます。 次のアクションが実行されます。

1. 顔の正しい検出。
2. 目のローカリゼーションとその中心の計算。
3. メガネが顔に正しく落ちます。

私のブログの読者は、私がジュラシックパークの大きなオタクであることを知っており、私の本、コース、学習ガイドでよく言及しています。

ジュラシックパークが好きではありませんか？

わかりました、ここに私の答えがあります：

 $ python create_gif.py --config config.json --image images/adrian_jp.jpg \ --output adrian_jp_out.gif [INFO] loading models... [INFO] computing object detections... [INFO] creating GIF... [INFO] cleaning up... 

図 10.ジュラシックワールド2の最近のスクリーニングの写真に基づくOpenCV GIFアニメーション

ここで私はショー「ジュラシックワールド：2」にテーマのTシャツを着て、光のグラスとコレクション本を持っています。

楽しいストーリー：

5、6年前、妻と私はフロリダ州ディズニーワールドのエプコットセンターテーマパークを訪れました。

私たちはコネチカットの厳しい冬から逃れるために旅行に行くことを決めました。そして、必死に日光を必要としました。

残念ながら、フロリダでは常に雨が降り、気温はかろうじて10°Cを超えました。

カナディアンガーデンの近くで、トリシャは私の写真を撮りました。彼女は、背後にある緑豊かな庭園に囲まれた、白い肌、黒い服、フードの吸血鬼のように見えると言います。

 $ python create_gif.py --config config.json --image images/vampire.jpg \ --output vampire_out.gif [INFO] loading models... [INFO] computing object detections... [INFO] creating GIF... [INFO] cleaning up... 

図 11. OpenCVとPythonを使用して、このミームまたは別のアニメーションGIFを作成できます

同じ夜、Trishaはソーシャルネットワークで写真を公開しました。私はそれに耐えなければなりませんでした。

PyImageConf 2018に参加した人（ レビューを読む ）は、私がいつも冗談を言っていることを知っています 。 以下に例を示します。

質問：オンドリが道路を横切るのはなぜですか？

 $ python create_gif.py --config config.json --image images/rooster.jpg \ --output rooster_out.gif [INFO] loading models... [INFO] computing object detections... [INFO] creating GIF... [INFO] cleaning up... 

図 12.低コントラストでも顔が認識され、OpenCVは写真を正しく処理し、サングラスを下げます

回答：答えは言いません-我慢してください。

最後に、今日のガイドを良いミームで締めくくります。

約6年前、父と私は小さなビーグル、Gemmaを採用しました。

ここで私の肩にジェマを見ることができます：

 $ python create_gif.py --config config.json --image images/pupper.jpg \ --output pupper_out.gif [INFO] loading models... [INFO] computing object detections... [INFO] creating GIF... [INFO] cleaning up... 

図 13.ジェンマはおいしいです。そう思いませんか？次に、「それに同意する！」

彼女がかわいいことに同意しませんか？それに対処する。

AttributeErrorエラーがありますか？

心配しないで！

このエラーが表示された場合：

 $ python create_gif.py --config config.json --image images/adrian.jpg \ --output adrian_out.gif ... Traceback (most recent call last): File "create_gif.py", line 142, in <module> (lStart, lEnd) = face_utils.FACIAL_LANDMARKS_IDXS["left_eye"] AttributeError: module 'imutils.face_utils' has no attribute 'FACIAL_LANDMARKS_IDXS' 

...次に、imutilsパッケージを更新するだけです。

 $ pip install --upgrade imutils Collecting imutils ... Successfully installed imutils-0.5.1 

なんで？

デフォルトでimutils.face_utilsは、dlibに組み込まれた68ポイントのランドマーク検出器を使用します（この記事のように）。あり、迅速5点検出今もimutilsと協力して、。私は最近、両方の検出器をサポートするためにimutilsを更新しました（エラーが表示される場合があります）。

まとめ

今日のチュートリアルでは、OpenCVを使用してGIFを作成する方法を学びました。

レッスンを楽しくするために、OpenCVを使用して「Deal With It」GIFアニメーションを生成しました。これは、ほとんどすべてのソーシャルネットワーキングサイトで何らかの形で見られる人気のミーム（および私のお気に入り）です。

その過程で、コンピュータービジョンとディープラーニングを使用して、いくつかの実際的な問題を解決しました。

• 人の識別
• 顔のランドマークを予測
• 顔の領域の識別（この場合、目）
• 顔を揃えるための目の間の角度の計算
• アルファブレンディングを使用して透明なブレンドを作成する

最後に、生成された一連の画像を取得し、OpenCVとImageMagickを使用してアニメーションGIFを作成しました。

今日のチュートリアルをお楽しみください！

あなたがそれを好きなら、コメントを残して、私に知らせてください。

気に入らなかったとしても問題ではありません。ただ我慢してください。 ;）