OpenCV-Python如何實(shí)現(xiàn)人臉磨皮算法

這篇文章將為大家詳細(xì)講解有關(guān)OpenCV-Python如何實(shí)現(xiàn)人臉磨皮算法，小編覺得挺實(shí)用的，因此分享給大家做個參考，希望大家閱讀完這篇文章后可以有所收獲。

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。通過前面的學(xué)習(xí)相信大家一眼都看得出來我們需要干什么才能識別人臉磨皮效果。

因?yàn)槟テぶ?，臉部的雜質(zhì)基本上就沒有了，也可以說丟失了細(xì)節(jié)。那么肯定需要用到濾波函數(shù)。濾波的過程就是把圖像的每一個像素值輸入過濾器，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，均值濾波會因?yàn)槭怯弥車袼氐钠骄荡嬖袼刂?，肯定會?dǎo)致圖像過于模糊，所以排除掉。其次，高斯濾波與均值濾波原理類似，只是高斯濾波器的模板系數(shù)會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丟失。

那么，只剩一個濾波了，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，都會導(dǎo)致一定的模糊（只是相對來說誰更優(yōu)而已），所以需要對圖像進(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庫進(jìn)行操作，使用它的ImageEnhance.Sharpness()函數(shù)自動調(diào)節(jié)圖像的銳度與對比度。

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：

這段代碼的參數(shù)都是可以調(diào)整的，并不是一層不變的，感興趣的讀者可以自己調(diào)節(jié)參數(shù)試試效果，當(dāng)然人臉磨皮只是看起來皮膚光滑了。下面結(jié)合美白的效果，就可以實(shí)現(xiàn)相機(jī)的那種美顏。

關(guān)于“OpenCV-Python如何實(shí)現(xiàn)人臉磨皮算法”這篇文章就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，使各位可以學(xué)到更多知識，如果覺得文章不錯，請把它分享出去讓更多的人看到。