OpenCV-Pythonは人の顔の皮を磨く計算方法を実現します。
人の顔は皮を磨くのが最も基本的な人の顔の美しい効果です。主に斑点を取り除いて、天然痘を取り除いて、暗い目の周りなどの措置を淡泊化します。前の勉強を通して、みんなが一目で分かると思います。私たちは何をすれば人の顔と皮の効果が分かりますか?
皮を磨いた後、顔の不純物はほとんどなくなりましたので、細かいところをなくしたとも言えます。フィルタ関数は必ず必要です。フィルタリングのプロセスは、画像の各ピクセル値をフィルタに入力し、滑らかな画像を得ることです。
私たちがよく使うフィルタリングには、平均フィルタリング、ガウスフィルタリング、バイラテラルフィルタの3種類がありますが、果たしてそのようなフィルタリングが必要ですか?
まず、平均フィルタリングは、元の画素値の代わりに周囲の画素の平均値を使うので、画像がぼやけすぎてしまうことがあります。第二に、ガウスフィルタリングは平均フィルタ原理と似ていますが、ガウスフィルタのテンプレート係数はテンプレート中心からの増加とともに減少し、画像のボケ味を弱めることができますが、画像エッジ情報は失われます。
フィルタリングはもう一つしか残っていません。つまり二国間フィルタです。高域通過フィルタとa−クリッピング平均フィルタの重ね合わせ効果を同時に統合しているので、画像が非常にぼやけていないことを保証することができ、また画像エッジ情報を保持することができる。
人の顔の皮を磨く原理の措置は次の3つのステップに分けられます。画像フィルタ 画像融合 画像のシャープ化 上の3つのフィルタリングがどうであれ、ある程度ぼやけてしまうので、画像の融合とシャープ化が必要です。このように、画像の実感を高めるために、いくつかの画像の詳細を保持することができる。
ここで、画像融合に使用される関数はcv 2.addWeightted()画像重み付け関数である。融合したのは原図とダブルパスフィルタリングした画像です。
最後に、画像をシャープ化して使用するPILライブラリを操作し、そのImageenhance.Sharpness()関数を使って画像の鋭さとコントラストを自動的に調整します。
人の顔の皮を磨く効果を実現します。
私たちは人の顔と皮の原理を完全に把握しました。次に、人の顔の磨き効果を直接実現します。具体的なコードは以下の通りです。
このコードのパラメータは全部調整できます。一定ではなく、興味のある読者は自分でパラメータを調整して効果を試してみてもいいです。もちろん、人の顔は皮膚が滑らかに見えるだけです。次に美白の効果を結び付けて、カメラのあのような美しい顔を実現することができます。
ここで、OpenCV-Pythonの顔磨きのアルゴリズムを実現する記事について紹介します。OpenCVの顔磨きの内容については、以前の文章を検索してください。または下記の関連記事を引き続きご覧ください。これからもよろしくお願いします。
皮を磨いた後、顔の不純物はほとんどなくなりましたので、細かいところをなくしたとも言えます。フィルタ関数は必ず必要です。フィルタリングのプロセスは、画像の各ピクセル値をフィルタに入力し、滑らかな画像を得ることです。
私たちがよく使うフィルタリングには、平均フィルタリング、ガウスフィルタリング、バイラテラルフィルタの3種類がありますが、果たしてそのようなフィルタリングが必要ですか?
まず、平均フィルタリングは、元の画素値の代わりに周囲の画素の平均値を使うので、画像がぼやけすぎてしまうことがあります。第二に、ガウスフィルタリングは平均フィルタ原理と似ていますが、ガウスフィルタのテンプレート係数はテンプレート中心からの増加とともに減少し、画像のボケ味を弱めることができますが、画像エッジ情報は失われます。
フィルタリングはもう一つしか残っていません。つまり二国間フィルタです。高域通過フィルタとa−クリッピング平均フィルタの重ね合わせ効果を同時に統合しているので、画像が非常にぼやけていないことを保証することができ、また画像エッジ情報を保持することができる。
人の顔の皮を磨く原理の措置は次の3つのステップに分けられます。
ここで、画像融合に使用される関数はcv 2.addWeightted()画像重み付け関数である。融合したのは原図とダブルパスフィルタリングした画像です。
最後に、画像をシャープ化して使用するPILライブラリを操作し、そのImageenhance.Sharpness()関数を使って画像の鋭さとコントラストを自動的に調整します。
人の顔の皮を磨く効果を実現します。
私たちは人の顔と皮の原理を完全に把握しました。次に、人の顔の磨き効果を直接実現します。具体的なコードは以下の通りです。
#
def facial_dermabrasion_effect(fileName):
img = cv2.imread(fileName)
blur_img = cv2.bilateralFilter(img, 31, 75, 75)
#
result_img = cv2.addWeighted(img, 0.3, blur_img, 0.7, 0)
cv2.imwrite("58_1.jpg", result_img)
image = Image.open("58_1.jpg")
#
enh_img = ImageEnhance.Sharpness(image)
image_sharped = enh_img.enhance(1.5)
#
con_img = ImageEnhance.Contrast(image_sharped)
image_con = con_img.enhance(1.15)
image_con.save("58_2.jpg")
img1 = cv2.imread("58.jpg")
img2 = cv2.imread("58_2.jpg")
cv2.imshow("1", img1)
cv2.imshow("2", img2)
cv2.waitKey()
cv2.destroyAllWindows()
if __name__ == "__main__":
facial_dermabrasion_effect("58.jpg")
運転後の効果は以下の通りです。このコードのパラメータは全部調整できます。一定ではなく、興味のある読者は自分でパラメータを調整して効果を試してみてもいいです。もちろん、人の顔は皮膚が滑らかに見えるだけです。次に美白の効果を結び付けて、カメラのあのような美しい顔を実現することができます。
ここで、OpenCV-Pythonの顔磨きのアルゴリズムを実現する記事について紹介します。OpenCVの顔磨きの内容については、以前の文章を検索してください。または下記の関連記事を引き続きご覧ください。これからもよろしくお願いします。