图像处理算法之变老特效

       用了美颜app，瞬间可以将自己变成脸小、大眼、白肤的女神、男神。那有没有人想看看自己一脸皱纹的样子呢？好奇心大家都应该有，不过没人想变老，虽然这个现实每个人都要面对。app store上有相关应用，曾经在做变老特效时，特意下载几个，当用自己照片体验时，真心做不到从容面对自己变老时的模样。那么变老特效是如何实现的呢？下面简单讲讲我做变老特效时的思路。

       1. 面部皱纹纹理。变老后的皱纹并不是实时绘制，而是需要先准备一系列皱纹纹理，然后通过纹理转移算法将皱纹纹理转移至正常面部纹理上。

       2. 由于照片尺寸不同，即使相同照片尺寸，检测的人脸尺寸也不会相同，而皱纹纹理尺寸是固定的，所以需要对皱纹纹理做合适的缩放才可以，这个简单，正常的图片缩放算法即可。

       3. 由于检测的人脸姿态多变，有的头正颈直，有的歪头，有的仰头，而皱纹纹理都是头正颈直的，所以还需要对皱纹纹理做合适的变形，而非旋转，旋转的话匹配精度不够。本文采用的是移动最小二乘法图像变形（mls）算法。

       4. 由于涉及到mls变形算法，所以需要控制点。本文采用的是提取人脸68个特征点，由于标准68个特征点主要分布在脸颊、眉毛、眼睛、鼻子、嘴巴，为了保证变形更精准，所以又计算增补了部分额头控制点，共计78个特征点作为变形控制点。

       5. 由于照片亮度与皱纹纹理亮度会有一些差异，所以还需要修正皱纹纹理亮度，本文采用的方法比较简单，先计算检测到的人脸亮度均值，然后采用gamma校正皱纹纹理亮度。其他一些细节，可以参考代码。

       下面是算法主流程代码：

void FacialAging(BMPINFO *pSrcBitmap, BMPINFO *pTexBitmap, MLS_Point *src_points, MLS_Point *mls_points, MLS_Point *tex_points, int pt_count, float strength)
{
	// 缩放纹理
	float ratio = 0.0f;
	ScaleTexture(pTexBitmap, src_points, tex_points, &ratio);

	// 变换控制点及变形点
	memcpy(mls_points, src_points, pt_count*sizeof(MLS_Point));
	TransformPQ(mls_points, tex_points, pTexBitmap->lWidth, pTexBitmap->lHeight, ratio, pt_count);

	// 计算源/纹理图像脸部区域
	Face_Rect src_face_rect, tex_face_rect;
	CompFaceRect(&src_face_rect, src_points);
	CompFaceRect(&tex_face_rect, mls_points);
	if (!CheckFaceRect(pSrcBitmap, &src_face_rect))
	{
		return;
	}

	// 图像变形
	ImageWarp_MLS(pTexBitmap, tex_points, mls_points, pt_count);

	// 提取脸部区域
	BMPINFO src_facebmp = { 0 }, tex_facebmp = { 0 }, dst_facebmp = { 0 };
	src_facebmp.dwPixelFormat = BMPFORMAT_RGB32_R8G8B8A8;
	src_facebmp.lWidth = src_face_rect.width;
	src_facebmp.lHeight = src_face_rect.height;
	src_facebmp.lPitch[0] = src_facebmp.lWidth * 4;
	src_facebmp.pPlane[0] = (uchar*)malloc(src_facebmp.lPitch[0] * src_facebmp.lHeight);

	dst_facebmp.dwPixelFormat = BMPFORMAT_RGB32_R8G8B8A8;
	dst_facebmp.lWidth = src_face_rect.width;
	dst_facebmp.lHeight = src_face_rect.height;
	dst_facebmp.lPitch[0] = dst_facebmp.lWidth * 4;
	dst_facebmp.pPlane[0] = (uchar*)malloc(dst_facebmp.lPitch[0] * dst_facebmp.lHeight);

	tex_facebmp.dwPixelFormat = BMPFORMAT_RGB32_R8G8B8A8;
	tex_facebmp.lWidth = tex_face_rect.width;
	tex_facebmp.lHeight = tex_face_rect.height;
	tex_facebmp.lPitch[0] = tex_facebmp.lWidth * 4;
	tex_facebmp.pPlane[0] = (uchar*)malloc(tex_facebmp.lPitch[0] * tex_facebmp.lHeight);

	ExtractFaceRect(pSrcBitmap, &src_facebmp, &src_face_rect);
	ExtractFaceRect(pTexBitmap, &tex_facebmp, &tex_face_rect);

	float posx = 0.0f, posy = 0.0f;
	uchar red = 0, green = 0, blue = 0;
	uchar *pSrcData = dst_facebmp.pPlane[0];
	for (int i = 0; i < dst_facebmp.lHeight; i++)
	{
		posy = ((float)i / dst_facebmp.lHeight)*tex_facebmp.lHeight;
		for (int j = 0; j < dst_facebmp.lWidth; j++, pSrcData += 4)
		{
			posx = ((float)j / dst_facebmp.lWidth)*tex_facebmp.lWidth;
			BilinearInterRGB(tex_facebmp.pPlane[0], posx, posy, tex_facebmp.lWidth, tex_facebmp.lHeight, &blue, &green, &red);
			pSrcData[AXJ_BLUE]  = blue;
			pSrcData[AXJ_GREEN] = green;
			pSrcData[AXJ_RED]   = red;
		}
	}

	// 修正皱纹纹理亮度
	float sum = 0.0f, mean = 0.0f;
	int size = src_facebmp.lWidth*src_facebmp.lHeight;
	uchar luminance = 0;
	pSrcData = src_facebmp.pPlane[0];
	for (int i = 0; i < size; i++, pSrcData += 4)
	{
		luminance = (pSrcData[0] + pSrcData[1] + pSrcData[2]) / 3;
		sum += luminance;
	}
	mean = sum / size;

	// 

	free(src_facebmp.pPlane[0]);
	free(tex_facebmp.pPlane[0]);
	free(dst_facebmp.pPlane[0]);
}

       下面是一些效果图，由于用的皱纹纹理都是同一张，所以变老效果基本一样。算法效果还可以继续改进，不过现在也懒得弄了。

 

       下面是同一张图片，不同变老程度效果对比。

       测试图片来自lfpw_data人脸数据库。不得不说，岁月是把杀猪刀，没有对比，就没有伤害。时光哟，你慢点溜！