１．はじめに

PythonにてOpenCVを用いた画像処理を実施したのでまとめました。
前回からの続きで、グレースケールに変換した画像から正面から見た人の顔を検出しマスクします。
djangoの使用については、株式会社キカガク殿にて学習した内容を元に作成しました（djangoの説明については割愛します）。

２．開発環境

・Windows10
・Python 3.9.12
・opencv-python--headless==4.5.1.48
・Pillow==9.2.0

３．顔検出

顔検出を行うため、OpenCVのカスケードファイルである「haarcascade_frontalface_default.xml」という人の正面からの顔を検出する分類器を使用します。

import cv2
from PIL import Image
(省略)

# カスケードファイルの保管場所取得
cascade_path = settings.BASE_DIR + "/imgrayapp/haarcascades/
(省略)

# 元画像の保管場所取得
path = settings.BASE_DIR + obj.document.url
(省略)

# 顔検出
# 学習済みモデルの読み込み
cascade = cv2.CascadeClassifier(cascade_path)
# detectMultiScaleで顔検出
# minSizeで最小検出サイズを指定（下記(20, 20)は20ピクセル*20ピクセル以下は探さないを意味する）
# img_grayはグレースケールに変換した画像を示す
face_list = cascade.detectMultiScale(img_gray, minSize = (20, 20))
                
# face_listの値をまとめる
x = face_list[0][0] # X座標    
y = face_list[0][1] # Y座標
w = face_list[0][2] # 横幅
h = face_list[0][3] # 縦幅

４．検出した顔をマスク

顔を検出した後、顔を隠すための画像を顔のある位置に貼り付けます（顔を隠すための画像はあらかじめ用意しておきます）。その際、画像を加工するためpythonの画像処理ライブラリであるPillowを使用します。

# 人の顔に張り付ける画像の保管場所取得
maskimage = settings.BASE_DIR + "/media/documents/maskimage.png"
# PILで画像を開く
original_image = Image.open(path)
maskim = Image.open(maskimage)
            
# 顔にあったサイズにマスク画像をリサイズする
resize_maskim = maskim.resize((w, h))
resize_maskimage = settings.BASE_DIR + "/media/documents/resize_maskimage.png"
resize_maskim.save(resize_maskimage)
            
# 元画像はそのままにしておくため、コピーを用意する
back_im = original_image.copy()
            
# 背景透過のためのsplit()
back_im.paste(resize_maskim, (x, y), resize_maskim.split()[3])
            
# 保存する
mask_image = settings.BASE_DIR + "/media/gallery/mask_image.jpg"
back_im.save(mask_image)
obj.faceimage = "gallery/mask_image.jpg"