快捷導(dǎo)航

OpenCV-Python實(shí)現(xiàn)人臉磨皮算法

更新時(shí)間：2021年06月07日 15:36:38 作者：一天一篇Python庫(kù)

人臉磨皮是最基礎(chǔ)的人臉美顏效果。本文介紹了OpenCV-Python實(shí)現(xiàn)人臉磨皮算法，主要包括圖像濾波，圖像融合和圖像銳化，感興趣的可以了解一下

人臉磨皮是最基礎(chǔ)的人臉美顏效果。主要分為祛斑，祛痘，淡化黑眼圈等步驟。通過(guò)前面的學(xué)習(xí)相信大家一眼都看得出來(lái)我們需要干什么才能識(shí)別人臉磨皮效果。

因?yàn)槟テぶ螅槻康碾s質(zhì)基本上就沒(méi)有了，也可以說(shuō)丟失了細(xì)節(jié)。那么肯定需要用到濾波函數(shù)。濾波的過(guò)程就是把圖像的每一個(gè)像素值輸入過(guò)濾器，得到平滑的圖像。

而我們常用的濾波有均值濾波，高斯濾波以及雙邊濾波三種，到底選用那種濾波呢？

首先，均值濾波會(huì)因?yàn)槭怯弥車(chē)袼氐钠骄荡嬖袼刂?，肯定?huì)導(dǎo)致圖像過(guò)于模糊，所以排除掉。其次，高斯濾波與均值濾波原理類(lèi)似，只是高斯濾波器的模板系數(shù)會(huì)隨著距離模板中心的增大而減小，雖然可以減弱圖像的模糊程度，但是圖像邊緣信息會(huì)丟失。

那么，只剩一個(gè)濾波了，也就是雙邊濾波器。因?yàn)樗瑫r(shí)綜合了高通濾波器和a-截尾均值過(guò)濾器的疊加效果，即可以保證圖像不是非常模糊，也可以保留圖像邊緣信息。

而人臉磨皮原理的步驟分為如下3個(gè)步驟：

圖像濾波
圖像融合
圖像銳化

因?yàn)?，不管上?種濾波如何，都會(huì)導(dǎo)致一定的模糊（只是相對(duì)來(lái)說(shuō)誰(shuí)更優(yōu)而已），所以需要對(duì)圖像進(jìn)行融合與銳化的操作。這樣，可以保留一些圖像的細(xì)節(jié)，以增強(qiáng)圖像的真實(shí)感。

其中，圖像融合使用的函數(shù)就是cv2.addWeighted()圖像加權(quán)函數(shù)。融合的是原圖與雙通濾波后的圖像。

最后，圖像銳化使用的PIL庫(kù)進(jìn)行操作，使用它的ImageEnhance.Sharpness()函數(shù)自動(dòng)調(diào)節(jié)圖像的銳度與對(duì)比度。

實(shí)現(xiàn)人臉磨皮效果

既然我們已經(jīng)完全掌握了人臉磨皮的原理。下面，我們來(lái)直接實(shí)現(xiàn)人臉的磨皮效果，具體的代碼如下所示：

# 人臉磨皮
def facial_dermabrasion_effect(fileName):
    img = cv2.imread(fileName)
    blur_img = cv2.bilateralFilter(img, 31, 75, 75)
    #圖像融合
    result_img = cv2.addWeighted(img, 0.3, blur_img, 0.7, 0)
    cv2.imwrite("58_1.jpg", result_img)

    image = Image.open("58_1.jpg")
    # 銳度調(diào)節(jié)
    enh_img = ImageEnhance.Sharpness(image)
    image_sharped = enh_img.enhance(1.5)
    # 對(duì)比度調(diào)節(jié)
    con_img = ImageEnhance.Contrast(image_sharped)
    image_con = con_img.enhance(1.15)
    image_con.save("58_2.jpg")

    img1 = cv2.imread("58.jpg")
    img2 = cv2.imread("58_2.jpg")
    cv2.imshow("1", img1)
    cv2.imshow("2", img2)
    cv2.waitKey()
    cv2.destroyAllWindows()


if __name__ == "__main__":
    facial_dermabrasion_effect("58.jpg")

運(yùn)行之后，效果如下：

磨皮效果