公司年会，大部门一起照了大合影。忽然有兴趣看看大家的平均脸是什么样子的，于是用 OpenCV 从大合影中提取出一千多名程序员的脸，构造了所有人的平均脸。
拿给同事看，大家又要求看分性别平均的平均脸。于是又下载了 Caffe 的 gender classification model，将样本做了一下性别分类，之后分别构造了双方的平均脸。得出结果：大平均的颜值原来是被男生拉低的[哈哈]
本文就讲述根据照片计算平均脸的原理，具体代码，配发实现代码和分类模型。
本场 Chat 只有文章，没有交流。
0. 有趣的平均脸1878年，英国的弗朗西斯·高尔顿爵士（Sir Francis Galton）发明了一种将许多人的照片合成为一张照片，从而创造出一个“平均”面容的技术。
弗朗西斯·高尔顿爵士，英国维多利亚时代的博学家、人类学家、优生学家、热带探险家、地理学家、发明家、气象学家、统计学家、心理学家和遗传学家；也是《物种起源》作者查尔斯·达尔文的表弟。*
当时具体的合成方法是照片叠加——给多个人，比如20个人，照相，将每个人照片所需的曝光时间缩短为1/20，通过20次曝光得到一张“平均”照片。
弗朗西斯·高尔顿最初合成平均脸的目的是将不同“种类”的人（例如：囚犯、精神病患者等等）视觉化，以期得到这类人的“原型”（共同特征），但结果却意外的发现，这样合成的人脸却比用于合成大部分（甚至是全部）都要好看！
虽然高尔顿爵士的初衷没有达到，合成平均脸的方法却保留了下来。
随着技术的发展，照片不再需要物理底片，合成也不再需要复杂的曝光冲印技术，通过一些简单的操作就能做到，人人都可以上手。
大家想必看到过一些按国家、民族合成的平均脸吧：
想不想自己动手制作一张周围人的平均脸？
一点都不复杂，只要知道了原理，会写几行简单的代码，就能顺利完成。
1. 用Image Morphing技术叠加照片Image Morphing技术的原理相当简单：给定两张图片I和J，我们通过叠加（或者叫做混合）I和J来获得一张中间状态的图片M。
I和J的叠加由一个参数[0,1]区间内的参数alpha来控制。当alpha=0时，M就等同于I，而aphla=1时，M就为J。
换言之， M中的每一个像素M(x,y)，都可以通过这样一个公式来得到它的值：
M(x,y) = (1 – alpha)·I(x,y) + alpha·J(x,y)
当alpha=0.5的时候，I和J就五五开，平均贡献了M。如果I和J是两张人脸照片的话，M自然也就成了它们的“平均脸”。
看起来好容易哦，那我们赶紧找两张照片来试试吧！就用这两张：
这两张照片alpha=0.5后直接叠加的结果是这样的：
这也不是人脸呀！先别急，看看为什么会这样？
从这张“重影图”上不难看出来，之所以这样，是因为最基本的五官都没有对齐。如果我们事先把两个人的眼睛和嘴对齐，效果就不会是这样的了。
2. 叠加两张“对齐的”人脸叠加图片I和图片J的时候，首先应该建立两张照片中像素的对应关系。
对I中的某一个像素点(xi,yi)，我们不是直接在J中取同样位置的点就可以了，而是要找到它在J中内容上的对应点 (xj,yj)，然后再进一步找到M中这两个点叠加之后应当处在的位置(xm,ym)，最后再用下列式子得出M中对应点的像素值：
xm = (1-alpha) · xi + alpha · xj
ym = (1-alpha) · yi + alpha · yj
算式-1
对一个像素点我们这样做，对整幅图片，则是将上面的过程运用到它的每一个像素点上：
M(xm,ym) = (1 – alpha)·I(xi,yi) + alpha·J(xj,yj)
算式-2
很好，我们已经知道从原理上该怎么叠加两张图了。
其中关键的一步就是：找到对应点。
其实对应点叠加的方法可以用来叠加任何图片，不仅限于人脸。不同物体的叠加，真正的区别就在于找到像素点之间的对应关系！一旦对应关系找到，直接运用算式-2就好了，
既然我们现在要做的是叠加人脸，那么首先当然要找到人脸上的对应点。
人脸是生活
