计算机视觉 Project 2：图像滤波与人像美颜

UestcXiye

已于 2022-12-23 18:36:30 修改

阅读量807

点赞数 4

分类专栏：计算机视觉文章标签：计算机视觉 opencv python

于 2022-09-19 10:12:46 首次发布

本文链接：https://blog.csdn.net/ProgramNovice/article/details/126928163

版权

计算机视觉专栏收录该内容

12 篇文章 7 订阅

订阅专栏

计算机视觉 Project 2：图像滤波与人像美颜

计算机视觉 Project 2：Image Filtering and Facial Beautification

计算机视觉 Project 2：Image Filtering and Facial Beautification

实验原理

1. OpenCV

OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows、Android和Mac OS操作系统上。它轻量级而且高效——由一系列C函数和少量C++类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。 OpenCV用C++语言编写，它的主要接口也是C++语言，但是依然保留了大量的C语言接口，从而使得图像处理和图像分析变得更加易于上手，让开发人员更多的精力花在算法的设计上。

2. 均值滤波

均值滤波是一种典型的线性滤波器，将一个窗口区域中的像素计算平均值，然后将窗口中计算得到的均值设置为锚点上的像素值。均值滤波用卷积实现，得到的像素值需除以窗口尺寸大小。此次实验中的卷积模板如下：

在这里插入图片描述

均值滤波的特点是核中区域贡献率相同。对于椒盐噪声的滤除效果比较好。

实验目的

采用局部、全局图像滤波方法，设计能实现人像美颜功能的算法。

实验内容

了解并学习OpenCV的Python第三方库——opencv-python中实现读取图像、图像缩放、图像滤波、显示图像、保存图像等功能的函数。
编写算法，对所给图像进行均值滤波，改变kernel的大小，得到不同的美颜图片，并进行比较。

实验步骤

编写实现人像美颜的Python算法，代码run.py如下所示：

import cv2
import numpy as np

step = 5
# 图片大一点，此处尺寸大一点
kernel = (64, 64)
# cv2.imread() 方法读取图片，读入默认是uint8格式的numpy array
image = cv2.imread("proj2.png")
image = image / 255.0
# image.shape[0]: 图片高
# image.shape[1]: 图片长
# image_size = (图片高, 图片长)
image_size = image.shape[:2]
# round() 方法返回浮点数x的四舍五入值
source_size = (int(round(image_size[1] * step)), int(round(image_size[0] * step)))
target_size = (int(round(kernel[0] * step)), int(round(kernel[0] * step)))
# cv2.resize() 方法对图片进行缩放，插值方法: 双线性插值（默认设置）
sI = cv2.resize(image, source_size, interpolation=cv2.INTER_LINEAR)
sp = cv2.resize(image, source_size, interpolation=cv2.INTER_LINEAR)
# cv2.blur() 方法对图像进行均值滤波
msI = cv2.blur(sI, target_size)
msp = cv2.blur(sp, target_size)
msII = cv2.blur(sI * sI, target_size)
msIp = cv2.blur(sI * sp, target_size)
vsI = msII - msI * msI
csIp = msIp - msI * msp
recA = csIp / (vsI + 0.01)
recB = msp - recA * msI
mA = cv2.resize(recA, (image_size[1], image_size[0]), interpolation=cv2.INTER_LINEAR)
mB = cv2.resize(recB, (image_size[1], image_size[0]), interpolation=cv2.INTER_LINEAR)
gf = mA * image + mB
gf = gf * 255
gf[gf > 255] = 255
# astype() 方法进行强制类型转换
final = gf.astype(np.uint8)
# cv2.imshow() 方法可以在窗口中显示图像
cv2.imshow("image", image)
cv2.imshow("final", final)
# cv2.imwrite() 方法用于将图像保存到指定的文件
cv2.imwrite("final.png", final)
# cv2.waitKey() 函数的功能是不断刷新图像, 频率时间为delay
# 设置 waitKey(0) , 则表示程序会无限制的等待用户的按键事件
cv2.waitKey(0)

将要美颜的图片放入与程序同路径的文件夹中，命名为proj2.png。
运行run.py程序，则会显示2个窗口，image窗口显示原图像，final窗口显示美颜后的图像，如下图所示：

在这里插入图片描述

图 1 run.py运行结果

与此同时，美颜后的图像被命名为final.png，保存路径与原图片相同。
改变kernel的大小（分别设置为8，16，32，64），得到不同的美颜图片，图片命名格式为final-kernel.png，如：final-8.png、final-16.png等等。对这些图片进行比较，确定最佳的kernel值。