使用 MediaPipe 和 OpenCV 快速生成人脸掩膜（Face Mask）

在实际项目中，尤其是涉及人脸识别、换脸、图像修复等任务时，我们经常需要生成人脸区域的掩膜（mask）。这篇文章分享一个简单易用的小工具，利用 MediaPipe 和 OpenCV，快速提取人脸轮廓并生成二值掩膜图像。

下面是完整代码，配合详细讲解，适合初学者和需要快速上手的小伙伴！

环境准备

首先，需要安装以下 Python 库（如果尚未安装，可以用 pip 安装）：

pip install opencv-python mediapipe pillow numpy

核心代码

import cv2
import numpy as np
import mediapipe as mp
from PIL import Imagedef generate_face_mask(image_path, save_path=None, show=False):# 初始化 MediaPipe 的 FaceMesh 模型mp_face_mesh = mp.solutions.face_meshface_mesh = mp_face_mesh.FaceMesh(static_image_mode=True, refine_landmarks=True)# 读取图像img = cv2.imread(image_path)h, w, _ = img.shape# 人脸检测与关键点提取results = face_mesh.process(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))# 初始化黑色背景的 maskmask = np.zeros((h, w), dtype=np.uint8)# 如果检测到人脸if results.multi_face_landmarks:for face_landmarks in results.multi_face_landmarks:# 获取人脸关键点坐标points = [(int(p.x * w), int(p.y * h)) for p in face_landmarks.landmark]# 使用凸包（convex hull）拟合整个脸部区域hull = cv2.convexHull(np.array(points))# 将凸包区域填充为白色cv2.fillConvexPoly(mask, hull, 255)# 可选：展示生成的 maskif show:cv2.imshow("Mask", mask)cv2.waitKey(0)# 保存 mask 到本地if save_path:cv2.imwrite(save_path, mask)return mask# 使用示例
generate_face_mask(image_path="face.png",  # 替换为你的图像路径save_path="face_mask.png",# show=True  # 如果想看效果可以打开
)

代码讲解

MediaPipe FaceMesh：
- MediaPipe 提供了轻量级的人脸关键点检测（共468个关键点），非常适合快速处理。
- refine_landmarks=True 参数会进一步优化面部区域，如眼睛轮廓、嘴唇轮廓。
提取关键点并绘制凸包（Convex Hull）：
- 为了保证 mask 的完整性，不直接用单个关键点连线，而是用 OpenCV 的 convexHull 函数，将人脸外围自动拟合成一个封闭轮廓。
- 这样能确保 mask 覆盖整个脸部，即便脸部角度有倾斜或旋转。
保存掩膜（mask）：
- 最后生成的是一张黑白二值图，白色部分为人脸区域，黑色为背景，非常适合后续做图像分割、融合等任务。