国外程序员真会玩，他用这个技术整蛊了全公司的人…-国外的程序员

【51CTO.com快译】我喜欢用Photoshop修改各种东西，再把结果在Slack公司内发布，每次都能带来新的想法我享受在其中。

不过重复打开Photoshop再复制/粘贴面部图像确实相当乏味。

在最初产生这个想法时，我就意识到这个项目将主要包含三大组成部分：

1. 简单图像修改

2. Slack集成

3. 面部检测

以往我曾经使用过Go中的image与image/draw软件包，并阅读过与之相关的几篇文章，因此我对于完成这项任务很有信心。组成部分1就此搞定。

我还曾经在Go中构建过一款玩具性质的Slack机器人，其中用到了查找自谷歌的几条指令。虽然缺少Go Slack官方整体客户端会让问题变得更为复杂，但出于最基本的需求，我相信自己能够完成通过Slack下载及上传图像这样一项工作。组成部分2也就不是问题了。

我唯一不确定的是面部检测工作到底是否易于实现。我在谷歌上查找golang面部检测内容，并点开***条结果，其内容指向StackOverflow上关于go-opencv计算机视觉库的一条问题。在查阅了该库中的面部检测示例项目后，我了解到了自己需要掌握的一切。组成部分3也同样得到了解决。

面部检测

由于熟悉度***，所以我决定首先从面部检测入手。这是项目中***的难题，因此我打算先看看自己能否搞定，如果不行那其它的工作都将毫无意义。

我决定尽可能对go-opencv库进行封装。可以肯定的是，opencv数据类型与Go标准库有所区别，至少在其定义Image与Rectangle两项接口方面存在差异，因此必须作出一些调整。

我在其中发现一项对opencv.FromImage方法的引用，其负责将Go的image.Image转换为opencv库的形式。这意味着我不再需要将文件路径传递至opencv.LoadImage方法以进行转换，而可以直接处理存储在内存中的镜像。这能够节约从Slack接收图像后将其保存在文件系统中的步骤。

遗憾的是，我无法利用同样的转换方式加载Haar面部识别XML文件，不过这样的结果我还可以接受，所以暂时先这样吧。

以此为基础，我编写出了以下facefinder包：

package facefinder import ( "image""github.com/lazywei/go-opencv/opencv" ) var faceCascade *opencv.HaarCascade type Finder struct { cascade *opencv.HaarCascade } func NewFinder(xml string) *Finder { return &Finder{ cascade: opencv.LoadHaarClassifierCascade(xml), } } func (f *Finder) Detect(i image.Image) []image.Rectangle { var output []image.Rectangle faces := f.cascade.DetectObjects(opencv.FromImage(i)) for _, face := range faces { output = append(output, image.Rectangle{ image.Point{face.X(), face.Y()}, image.Point{face.X() + face.Width(), face.Y() + face.Height()}, }) } return output }

而后，我能够轻松找到图像中的面部区域：

imageReader, _ := os.Open(imageFile) baseImage, _, _ := image.Decode(imageReader) finder := facefinder.NewFinder(haarCascadeFilepath) faces := finder.Detect(baseImage) for _, face := range faces { // [...] }

我从谷歌上复制了几段“绘制矩形”代码以进行功能检查，并确定以上代码确实能够正常工作。有了位置信息，我又鼓捣出一条图像加载转换函数（其中更关注错误内容，而非急于将一切塞进）。

func loadImage(file string) image.Image { reader, err := os.Open(file) if err != nil { log.Fatalf("error loading %s: %s", file, err) } img, _, err := image.Decode(reader) if err != nil { log.Fatalf("error loading %s: %s", file, err) } return img }

图像修改

接下来，我的新循环如下所示：

baseImage := loadImage(imageFile) chrisFace := loadImage(chrisFaceFile) bounds := baseImage.Bounds() finder := facefinder.NewFinder(haarCascadeFilepath) faces := finder.Detect(baseImage) // Convert image.Image to a mutable image.ImageRGBA canvas := image.NewRGBA(bounds) draw.Draw(canvas, bounds, baseImage, bounds.Min, draw.Src) for _, face := range faces { draw.Draw( canvas, face, chrisFace, bounds.Min, draw.Src, ) }

令人振奋，测试结果一切顺利。

[[185214]]

言归正传，其***实际效果就远超我的预期。矩形绘制算法真棒！

在图像修改方面，我首先得想办法去掉黑色背景。我以前曾使用过PNG配合透明背景的方法，因此确信其一定有效。在谷歌了几下后，我偶然发现了draw.Draw函数中的draw.Over。我将其塞进正在使用的draw.Src，确实有效！

[[185215]]

虽然也可以用羽毛笔慢慢绘边，但脑袋里的一个声音告诉我，差不多就可以了。

好的，接下来我需要把面部图像缩小一点。可以肯定的是，如果将面部图像放进尺寸完全相同的矩形，那么二者肯定无法匹配。这只是一款面部检测工具，而非头部检测工具，这意味着我获得的矩形并不适用于替换整个头部。我编写了一条快速函数以为image.Rectangle增加特定空白边缘，最终将具体值设定为30%。

完成后，我开始对图像进行大小/匹配调整。最终，我选择了disintegration/imaging，其拥有一条简单的imaging.Fit函数且提供水平镜像等其它转换操作。我的面部源图像不多，所以我想这种镜像功能可以提供多一种图像选择。

在导入后，我的新循环如下所示：

for _, face := range faces { // Pad the rectangle by 30 percent rect := rectMargin(30.0, face) // Grab a random face (also 50/50 chance it's mirrored) newFace := chrisFaces.Random() chrisFace := imaging.Fit(newFace, rect.Dx(), rect.Dy(), imaging.Lanczos) draw.Draw( canvas, rect, chrisFace, bounds.Min, draw.Over, ) }

我又进行了一轮新的测试，效果相当不错！

[[185216]]

[[185217]]

到这里，我意识到自己做出了一些真正有价值的东西。

Slack集成

我把面部修改代码转化为一个可运行的二进制文件，并打算将其打包成一个Slack机器人。之所以先转换为二进制形式，是为了方便测试并在确定一切无误后再行打包。现在时机已经成熟，我将把它变成Slack机器人。

当然，由于个人水平的限制，我又转向了谷歌。

***条结果就是我所需要的内容。我花了大量时间阅读Slack的API说明文档并加以实践，最终我得到了以下结果：

不错

***套迭代使用了Slack上传，但其作为自由Slack层意味着其不够理想。我转而将输出结果以本地方式存储在自己的服务器上，而后再将其链至Slack。由于Slack会自动扩展大部分图像链接，因此这种作法对大多数人来说并不会影响到用户体验，也不会引来顶头上司的注意。

由于访问过程更为轻松，现在我能够快速获得大量实验性面部图像。我意识到，如果其找不到任何面部图像，则会全程回复同样的原有图像——这就不好玩了。所以我将循环调整为：

iflen(faces) == 0 { // Grab a specific face and resize it to 1/3 the width// of the base image face := imaging.Resize( chrisFaces[0], bounds.Dx()/3, 0, imaging.Lanczos, ) face_bounds := face.Bounds() draw.Draw( canvas, bounds, face, // I'll be honest, I was a couple beers in when I came up with this and I// have no idea how it works exactly, but it puts the face at the bottom of// the image, centered horizontally with the lower half of the face cut off bounds.Min.Add(image.Pt( -bounds.Max/2+face_bounds.Max.X/2, -bounds.Max.Y+int(float64(face_bounds.Max.Y)/1.9), )), draw.Over, ) }

现在的结果是：

[[185218]]

我个人对这套解决方案非常满意。

到这里全部工作已经就绪，就等同事们的反应了。我只用了一个晚上就完全了从概念到原型的全部工作，没人知道我为他们准备了怎样的惊喜。