我怎样才能做，我有嘴和眼睛的位置/坐标假设一个2维图像上的基本面孔对齐。
有没有办法，我可以实现以校正图像中的面部对准任何算法？
Answer 1:
面（或图像）对准是指（在你的情况或面）相对于另一个（或参考图像/面）对准一个图像。 它也被称为图像配准。 你可以做，使用无论是外形（ 基于强度的配准 ）或关键点位置（ 基于特征的登记 ）。 第二类从其中一个图像被认为是其他的移位版本图像运动模型茎。
在你的情况下，具有里程碑意义的地点（3分，眼睛和鼻子？）提供了简单的基于特征的登记一个很好的参考集。 假设你有一组点的位置在这两个2D图像，的x_1和x_2可以估算的相似变换 （旋转，平移，比例缩放），即一个平面的2D变换S映射x_1到x_2 。 你还可以添加反射来，虽然对于面孔，这将最有可能是不必要的。
估计可以通过形成正规方程和求解线性的最小二乘（LS）的问题进行x_1 = Sx_2使用线性回归系统。 对于5个未知参数（2旋转，平移2，1倍的缩放），就需要3个点（2.5到准确）求解5个方程。 解决上述LS可通过直接线性获得变换（例如通过应用SVD或矩阵伪逆）。 对于足够大数量的基准点的情况下（即自动检测），用于点过滤和不确定性除去RANSAC型方法（尽管这在这里不是你的情况）。
估计后S ，应用第二图像上图像变形，以获得转化的栅格（象素）的整个坐标image 2 。 变换会改变像素位置而不是它们的外观。 不可避免地一些变换的区域的image 2将位于的栅格外面image 1 ，并且可以对那些空位置的值（例如，0，为NaN等）决定。
详情：R. Szeliski，“ 图像对齐和拼接：教程 ”（第4.3节“几何注册”）
在OpenCV中看到： 几何图像变换 ，如cv::getRotationMatrix2D cv::getAffineTransform和cv::warpAffine. 不过，请注意，你应该估算和应用的相似性，以维护角度和形状变换（仿射的特殊情况）。
Answer 2:
对于脸上有很多变化的特征点。 因此，这将是不可能仅通过仿射变换做的所有特征点的完美契合。 以完美地对齐所有点的唯一方法是翘曲给出的点的图像。 基本上，你可以做给点图像的三角测量，做好每一个三角形的仿射经获得，所有的点都对准扭曲图像。
Answer 3:
有一个部分对齐 OpenCV中的人脸识别引导人脸图像 ：
- http://docs.opencv.org/trunk/modules/contrib/doc/facerec/facerec_tutorial.html#aligning-face-images
该脚本对齐在眼里GIVEN影像。 它是用Python编写的，但应该很容易翻译成其他语言。 我知道由索林米伦一个C＃实现的：
- http://code.google.com/p/stereo-face-recognition/
文章来源: face alignment algorithm on images
