人像美膚-人臉檢測+雙邊濾波

人像美膚-人臉檢測+雙邊濾波

一、人像美膚

使用人臉檢測 + 自實現的雙邊濾波，可以對圖像中多張人臉進行美膚平滑。
項目地址：https://github.com/wchstrife/DigitalImageProcessing

1.1 運行環境

• python 3.7
• numpy
• opencv

1.2 運行

1. cd Skin-Filter
2. 修改beatyskin.py中main函數的filename爲輸入圖片的路徑，默認爲data下的圖片
3. python beatyskin.py
4. 默認輸出在根目錄下newimage.jpg處理後的圖像

1.3 算法原理

首先對於輸入的圖片，調用detect函數進行人臉檢測。

人臉檢測使用了opencv預訓練好的模型，模型存在haarcascade_frontalface_default.xml中，返回一個list，list中每一項代表存在人臉的一個矩形區域。

對於每個人臉矩形區域，進行雙邊濾波bilateral_filter()。

雙邊濾波的基本原理是在高斯濾波的基礎上，同時考慮模板的空間位置距離和顏色值域的距離。所以在計算卷積模板的時候，需要同時計算兩個因素，合成一個卷積模板。根據以下公式進行計算：
$w(i,j,k,l) = exp(-\frac{(i-k)^2+(j-l)^2}{2\delta _d^2} - \frac{||I(i,j)-I(k,l)||^2}{2\delta_r^2})$
$I_D(i,j) = \frac{\sum_{k,l}I(k,l)w(i,j,k,l)}{\sum_{k,l}w(i,j,k,l)}$
其中 $I_D(i,j)$代表$pixel(i,j)$的濾波後的像素，需要注意的是，在雙邊濾波的時候要對圖像的三個通道進行分別處理。

超參數設置：

1. 卷積模板使用7*7大小
2. $\delta_d$， $\delta_r$代表空間域和像素域的平滑程度，各取20

1.4 算法效果

輸入一張512*512，tiff格式的Lenna圖，左邊爲濾波前效果，右邊爲濾波後效果。

細節對比:可以觀察到只有在框內的區域進行了平滑。