人脸美白原理
人脸美白原理说透了，就是一种图像的颜色空间处理，所以我们需要通过颜色空间进行设计。
不过，我们先来参考以下PS对于图像美白的处理步骤：
- 首先，新建一个图层，将这个图层设置为白色
- 接着，将白色图层与原本图像进行alpha通道的颜色混合，这样就可以使图像整体变白。
通过PS的操作，我们大致可以知道需要创建一个与原图同等大小维度的图像，然后全部赋值为白色，然后通过图像图像加权和将两个图像叠加即可。
不过，这里明显存在很多问题，在PS中，我们虽然创建了全白色的图层，但是我们可以剪裁或者使用画笔工具只让白色叠加倒人物身上。而程序中，我们这么做会导致整个图像偏白，效果非常不理想。
那么，我们就需要考虑一个新的思路来实现人脸美白效果。
根据论文“A Two-Stage Contrast Enhancement Algorithm for Digital Images”，采用映射表，使原图在色阶上有所增强，并在图像两端亮度相对减弱，中间增强，则会产生不错的美白效果，又能使图像白的更自然。
这里，我们提供一个美白映射表Color_list：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
Color_list = [ 1, 2, 4, 6, 8, 10, 12, 14, 16, 18, 20, 22, 24, 26, 28, 30, 31, 33, 35, 37, 39, 41, 43, 44, 46, 48, 50, 52, 53, 55, 57, 59, 60, 62, 64, 66, 67, 69, 71, 73, 74, 76, 78, 79, 81, 83, 84, 86, 87, 89, 91, 92, 94, 95, 97, 99, 100, 102, 103, 105, 106, 108, 109, 111, 112, 114, 115, 117, 118, 120, 121, 123, 124, 126, 127, 128, 130, 131, 133, 134, 135, 137, 138, 139, 141, 142, 143, 145, 146, 147, 149, 150, 151, 153, 154, 155, 156, 158, 159, 160, 161, 162, 164, 165, 166, 167, 168, 170, 171, 172, 173, 174, 175, 176, 178, 179, 180, 181, 182, 183, 184, 185, 186, 187, 188, 189, 190, 191, 192, 193, 194, 195, 196, 197, 198, 199, 200, 201, 202, 203, 204, 205, 205, 206, 207, 208, 209, 210, 211, 211, 212, 213, 214, 215, 215, 216, 217, 218, 219, 219, 220, 221, 222, 222, 223, 224, 224, 225, 226, 226, 227, 228, 228, 229, 230, 230, 231, 232, 232, 233, 233, 234, 235, 235, 236, 236, 237, 237, 238, 238, 239, 239, 240, 240, 241, 241, 242, 242, 243, 243, 244, 244, 244, 245, 245, 246, 246, 246, 247, 247, 248, 248, 248, 249, 249, 249, 250, 250, 250, 250, 251, 251, 251, 251, 252, 252, 252, 252, 253, 253, 253, 253, 253, 254, 254, 254, 254, 254, 254, 254, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 256] |
实现人脸美白
既然人脸美白的原理，以及美白的颜色映射表都给到了你。下面，我们就可以实现人脸美白效果，具体代码如下所示：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
|
def face_whitening(fileName): img = cv2.imread(fileName) img = cv2.bilateralFilter(img, 19, 75, 75) height, width, n = img.shape img2 = img.copy() for i in range(height): for j in range(width): b = img2[i, j, 0] g = img2[i, j, 1] r = img2[i, j, 2] img2[i, j, 0] = Color_list[b] img2[i, j, 1] = Color_list[g] img2[i, j, 2] = Color_list[r] cv2.imwrite("59_1.jpg",img2) image = Image.open("59_1.jpg") # 锐度调节 enh_img = ImageEnhance.Sharpness(image) image_sharped = enh_img.enhance(1.2) # 颜色均衡调节 con_img = ImageEnhance.Contrast(image_sharped) image_con = con_img.enhance(1.2) image_con.save("59_2.jpg") img1 = cv2.imread("58.jpg") img2 = cv2.imread("59_2.jpg") cv2.imshow("1", img1) cv2.imshow("2", img2) cv2.waitKey() cv2.destroyAllWindows()if __name__ == "__main__": face_whitening("58.jpg") |
运行之后，效果如下：
到此这篇关于OpenCV-Python实现人脸美白算法的实例的文章就介绍到这了,更多相关OpenCV人脸美白 内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家！
原文链接：https://liyuanjinglyj.blog.csdn.net/article/details/115419220
