人脸裁剪与背景去除

extract_faces.py 会批量检测正脸及左右侧脸，按 MediaPipe 三维人脸网格生成面部轮廓，再用 GrabCut 细化边缘。结果保存为带透明通道的 PNG，只保留面部区域，不包含头发、耳朵和衣服。

运行

python -m pip install -r requirements.txt
python extract_faces.py . --output faces_no_bg

也可以处理单张图片：

python extract_faces.py yolo_white_left.jpg --output faces_no_bg

常用参数

• --padding 0.04：人脸周围透明边距比例。
• --expand 0.004：向外扩展面部蒙版，避免切掉边缘皮肤。
• --feather 0.002：透明边缘羽化比例。
• --edge-band 0.05：覆盖自动姿态估计，手动指定轮廓细化带宽度。
• --max-refine-size 960：轮廓细化使用的最大局部图尺寸。
• --no-edge-refine：关闭 GrabCut，仅使用人脸网格轮廓。
• --recursive：递归处理输入目录中的图片。
• --rotate-left：检测前将每张输入图逆时针旋转 90 度，不修改原图。

原图不会被覆盖，输出文件名格式为 <原文件名>_face.png。

仅保留面部皮肤

extract_face_skin.py 使用语义分割保留皮肤、鼻子、眼睛、眉毛和嘴唇，排除头发、耳朵、颈部与背景。第一次运行会下载通用预训练模型。

python extract_face_skin.py "输入目录" --output "输出目录" --recursive --rotate-left

默认按模型训练分辨率 512×512 做语义分割。

保留头发并输出 Mask

extract_head_mask.py 先根据人脸位置和朝向自适应扩展发顶、两侧与后脑区域，再分割脸、耳朵和头发。每张输入图会得到：

• <原名>_mask.png：与旋转后原图等大的灰度 Alpha Mask。
• <原名>_head.png：使用平滑 Mask 截取的黑色背景 RGB PNG。

python extract_head_mask.py "输入目录" --output "输出目录" --recursive --rotate-left

输入根目录含有其它结果文件夹时，可以重复使用 --exclude-dir 排除：

python extract_head_mask.py "输入目录" --output "输出目录" --recursive --rotate-left --exclude-dir faces_no_bg --exclude-dir output

如需只分发一个业务脚本，可使用功能相同且不导入其它本地脚本的单文件版：

python -m pip install -r requirements-head-mask.txt
python extract_head_mask_single.py "输入目录" --output "输出目录" --recursive --rotate-left

最小分发内容为 extract_head_mask_single.py、requirements-head-mask.txt 和本说明文档。建议使用 Windows 64 位及 Python 3.9；GPU 可选，语义分割默认自动选择 CUDA 或 CPU，人脸检测固定使用 CPU。

模型下载与离线运行

首次运行会下载以下两个模型，模型文件不会嵌入 Python 脚本：

• 语义分割模型：jonathandinu/face-parsing，默认缓存到 %USERPROFILE%\.cache\huggingface\hub\models--jonathandinu--face-parsing。
• 人脸检测模型：buffalo_l.zip，默认解压到 %USERPROFILE%\.insightface\models\buffalo_l，实际检测文件是 det_10g.onnx。

离线分发时，在联网电脑上先运行一次脚本，再准备以下文件：

1. 将 Hugging Face 缓存中同一 snapshots\<版本> 目录内的 config.json、preprocessor_config.json 和 model.safetensors 复制到分发目录的 models\face-parsing。
2. 将整个 buffalo_l 目录复制到离线电脑的 %USERPROFILE%\.insightface\models\buffalo_l，确保 det_10g.onnx 直接位于该目录内。
3. 使用本地语义模型运行：

python extract_head_mask_single.py "输入目录" --output "输出目录" --recursive --rotate-left --model ".\models\face-parsing"

Python 第三方依赖也需要预先安装。可在相同 Windows/Python 环境的联网电脑下载离线安装包：

python -m pip download -r requirements-head-mask.txt --dest wheels
python -m pip install --no-index --find-links .\wheels -r requirements-head-mask.txt