影象處理演算法之瘦臉及放大眼睛
阿新 • • 發佈：2019-02-11
現在很多影象美顏app，處理後不但使人物面板變得平滑、白皙，還會稍微瘦下臉、放大眼睛，給人眼前一亮的感覺。這其中涉及人臉檢測及特徵點提取演算法，一般提取68個特徵點就足夠了，同時也涉及影象區域性變形演算法。這也是兩個研究方向，前者主要是計算機視覺，後者是影象處理。但隨著深度學習的大熱及在多個領域的成功應用，很多影象處理技術也開始採用深度學習演算法實現突破，比如基於深度學習的降噪、超解析度、非真實感繪製等等技術。深度學習大有在計算機視覺、影象處理一統之態勢。言歸正傳，本文主要還是介紹瘦臉及放大眼睛所用到的影象區域性變形演算法。主要參考：互動式影象變形演算法一文 。看過該文章後，自然瞭解瘦臉其實用的是影象區域性平移變形，放大眼睛，用的是影象區域性縮放變形。同時，文章還闡述了影象區域性旋轉變形的演算法原理及思路。 
參考文獻：
下面簡單講一下影象區域性平移變形，該變形稍微複雜一些，公式如下：
可以看到，只有圓形選區內的影象才進行變形。越靠近圓心，變形越大，反之變形越小。對於影象縮放變形及旋轉變形，公式比較簡單，實現起來也容易一些，本文就不在詳細講解了。應用上面演算法，簡單的瘦臉效果如下：void LocalTranslationWarp(Mat &img, int warpX, int warpY, int warpW, int warpH, int directionX, int directionY, double warpCoef) { RestrictBounds(warpX, warpY, warpW, warpH); Mat imgCopy; copyMakeBorder(img, imgCopy, 0, 1, 0, 1, BORDER_REPLICATE); Point center(warpX + (warpW>>1), warpY + (warpH>>1)); double radius = (warpW < warpH) ? (warpW >> 1) : (warpH >> 1); radius = radius * radius; // 平移方向向量/模 double transVecX = directionX - center.x; double transVecY = directionY - center.y; double transVecModel = transVecX*transVecX + transVecY*transVecY; // 水平/垂直增量//對映後位置與原位置 double dx = 0, dy = 0, posX = 0.0, posY = 0.0, posU = 0.0, posV = 0.0; // 點到圓心距離/平移比例 double distance = 0.0, ratio = 0.0; // 插值位置 int startU = 0, startV = 0; double alpha = 0.0, beta = 0.0; int maxRow = warpY + warpH; int maxCol = warpX + warpW; uchar* pImg = NULL; for (int i = warpY; i < maxRow; i++) { pImg = img.data + img.step * i; for (int j = warpX; j < maxCol; j++) { posX = j; posY = i; dx = posX - center.x; dy = posY - center.y; distance = dx*dx + dy*dy; if (distance < radius) { ratio = (radius - distance) / (radius - distance + transVecModel * warpCoef); posU = posX - ratio * ratio * transVecX; posV = posY - ratio * ratio * transVecY; startU = (int)posU; startV = (int)posV; alpha = posU - startU; beta = posV - startV; BilinearInter(imgCopy, startU, startV, alpha, beta, pImg[3*j], pImg[3*j + 1], pImg[3*j + 2]); } } } }
參考文獻：