python图像处理-磨皮

本篇是利用python来对图像进行磨皮祛斑,对人脸进行“美图”,首先来上效果图,第一张是原图,第二张是磨皮后的图(图源自互联网),可以看出效果挺好而且很自然不会很失真
python图像处理-磨皮_第1张图片python图像处理-磨皮_第2张图片
整个过程和基本代码如下:
先用双边滤波进行降噪,双边滤波是一种非线性滤波,能够达到去噪保边的效果。相比高斯滤波,还考虑了灰度相似性,所以双边滤波是结合图像的空间邻近度和像素值相似度的一种折衷处理。

temp1 = cv2.bilateralFilter(img, 75, 255, 5)

python图像处理-磨皮_第3张图片
然后将降噪后的图像减去原图像,提取需要处理的部分,可以可能到脸部有许多白色的斑点。
temp2 = cv2.subtract(temp1, img)

python图像处理-磨皮_第4张图片
再对提取来的部分进行高斯降噪处理

temp3 = cv2.GaussianBlur(temp2, (5,5), 0)

python图像处理-磨皮_第5张图片

可以看到脸上那些点被消除了,脸布变得平滑了


       temp4 = cv2.add(img, temp3)

然后再将降噪处理的部分和原图相加,获得最终磨皮后的图
python图像处理-磨皮_第6张图片
所有代码:

    import cv2
    img = cv2.imread("pic")
    
    temp4 = np.zeros_like(img)
    temp1 = cv2.bilateralFilter(img, 75, 255, 5)
    cv2.imshow("temp1 ", temp1)
    temp2 = cv2.subtract(temp1, img)
    cv2.imshow("temp2 ", temp2)
    temp2 = cv2.add(temp2, (10, 10, 10, 128))
    # cv2.imshow("temp 2_2", temp2)
    # temp3 = cv2.GaussianBlur(temp2, (2 * v2 - 1, 2 * v2 - 1), 0)
    temp3 = cv2.GaussianBlur(temp2, (5,5), 0)
    cv2.imshow("temp 3", temp3)
    temp4 = cv2.add(img, temp3)
    cv2.imshow("temp 4", temp4)
    dst = cv2.addWeighted(dst, p, temp4, 1 - p, 0.0)
    dst = cv2.add(dst, (10, 10, 10, 255))
    cv2.imshow("results ", dst)

你可能感兴趣的