C#版Facefusion：让你的脸与世界融为一体！-02 获取人脸关键点
内容提要
本文介绍了C#版Facefusion的第二步：获取人脸关键点的实现方法。通过使用2dfan4.onnx模型进行人脸关键点检测，然后使用OpenCV进行绘图。同时还提供了C++和Python代码的实现方式。
延伸解读
预处理中的仿射变换与逆变换
在获取人脸关键点前，代码会先根据人脸检测框进行预处理：计算缩放比例和偏移量，通过仿射变换将人脸区域裁剪并缩放到256x256。同时保存逆变换矩阵，用于后续将模型输出的关键点坐标映射回原图。这一步骤至关重要，因为直接裁剪缩放会导致关键点位置偏差，而仿射变换能保持几何一致性。
从68点到5点的转换逻辑
模型输出68个关键点，但后续人脸交换通常只需要5个关键点（左右眼、鼻子、左右嘴角）。代码通过计算左右眼区域（索引36-41和42-47）的均值得到眼睛中心，直接取索引30、48、54作为鼻子和嘴角。这种转换在C#、C++和Python实现中保持一致，确保了跨语言行为统一。
多语言实现对比与注意事项
文章提供了C#、C++和Python三种实现，核心逻辑相同，但细节有差异：C#使用OpenCvSharp和onnxruntime的C# API，C++使用onnxruntime的C++ API，Python则用onnxruntime的Python包。注意C++代码中注释提示了CUDA加速的启用方式，而C#示例默认使用CPU。此外，Python代码中注释提到OpenCV DNN读取onnx失败，因此必须使用onnxruntime。
Q&A
C#版Facefusion的主要步骤有哪些？
C#版Facefusion的主要步骤包括人脸检测、获取人脸关键点、获取人脸特征值、人脸交换和人脸增强。
如何使用2dfan4.onnx模型获取人脸关键点？
使用2dfan4.onnx模型获取人脸关键点的步骤包括预处理图像、创建输入张量并运行模型推理，最后提取关键点坐标。
C#代码中如何选择源图像和目标图像？
C#代码中使用OpenFileDialog来选择源图像和目标图像，用户可以通过对话框选择文件。
Face68Landmarks类的作用是什么？
Face68Landmarks类用于处理人脸关键点的检测，包含预处理和检测方法。
C++和Python代码在实现上有什么相似之处？
C++和Python代码都实现了人脸关键点的检测功能，并使用onnxruntime进行模型推理，逻辑结构相似。
如何在C#中绘制检测到的人脸关键点？
在C#中，可以使用OpenCV的Cv2.Circle方法在图像上绘制检测到的人脸关键点。
