基于皮肤分割的磨皮算法

 查阅了博客上绝大多数关于皮肤分割和磨皮美颜的算法，然后自己找了各位博主的代码，有自己将各部分代码组合修改调试，最终写了份参照代码。至于引用哪些博主的代码，找的博客太多分不清楚了，有博主看到引用代码可以私聊我加上你的引用。我感觉做出来的效果不太好，不如别人算法效果好。此代码只是做了皮肤分割和滤波磨皮，美白的代码还没写。还有就是发布文章我不太懂它的分类选项，只好随便选了。发布文章的规则我也不懂，有什么问题可以给我说下。

代码如下：


#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/imgproc/imgproc_c.h>
#include <opencv2/imgproc/types_c.h>
#include <iostream>
#include <vector>  using namespace std;
using namespace cv;//椭圆检测
Mat ellipse_detect(Mat &src)
{Mat img = src.clone();Mat skinCrCbHist = Mat::zeros(Size(256, 256), CV_8UC1);//256*256的矩阵，相当于CrCb分量的横纵坐标//利用Opencv自带的椭圆生成函数生成一个肤色椭圆模型ellipse(skinCrCbHist, Point(113, 155.6), Size(23.4, 15.2), 43.0, 0.0, 360.0, Scalar(255, 255, 255), -1);Mat ycrcb_image;Mat output_mask = Mat::zeros(img.size(), CV_8UC1);cvtColor(img, ycrcb_image, CV_BGR2YCrCb); //首先转换成到YCrCb空间for (int i = 0; i < img.cols; i++){for (int j = 0; j < img.rows; j++){Vec3b ycrcb = ycrcb_image.at<Vec3b>(j, i);if (skinCrCbHist.at<uchar>(ycrcb[1], ycrcb[2]) > 0)//如果该点落在皮肤模型椭圆区域内，则该点是皮肤像素点。output_mask.at<uchar>(j, i) = 255;}}return output_mask;
}/*YCrCb颜色空间Cr分量+Otsu法*/
Mat YCrCb_Otsu_detect(Mat& src)
{Mat ycrcb_image;cvtColor(src, ycrcb_image, CV_BGR2YCrCb); //首先转换成到YCrCb空间vector<Mat> channels;split(ycrcb_image, channels);//分割颜色通道Mat output_mask = channels[1];//取Cr通道的图像threshold(output_mask, output_mask, 0, 255, CV_THRESH_BINARY | CV_THRESH_OTSU);//自动阈值分割return output_mask;}Mat YCrCb_detect(Mat &src)//矩形区域分割
{Mat img = src.clone();Mat skinCrCbHist = Mat::zeros(Size(256, 256), CV_8UC1);//256*256的矩阵，相当于CrCb分量的横纵坐标//利用Opencv自带的椭圆生成函数生成一个肤色椭圆模型ellipse(skinCrCbHist, Point(113, 155.6), Size(23.4, 15.2), 43.0, 0.0, 360.0, Scalar(255, 255, 255), -1);Mat ycrcb_image;Mat output_mask = Mat::zeros(img.size(), CV_8UC1);cvtColor(img, ycrcb_image, CV_BGR2YCrCb); //首先转换成到YCrCb空间for (int i = 0; i < img.cols; i++){for (int j = 0; j < img.rows; j++){Vec3b ycrcb = ycrcb_image.at<Vec3b>(j, i);if ((ycrcb[1] > 137) && (ycrcb[1] < 175) && (ycrcb[2] > 100) && (ycrcb[2] < 118))output_mask.at<uchar>(j, i) = 255;//皮肤区域}}return output_mask;}//锐化函数
Mat sharpen(Mat imageSrc, double threshold, double amount)
{Mat blurred;double sigma = 1;GaussianBlur(imageSrc, blurred, Size(), sigma, sigma);//int depth = CV_MAT_DEPTH(imageSrc.type());Mat lowContrastMask = abs(imageSrc - blurred) < threshold;Mat dst = imageSrc*(1 + amount) + blurred*(-amount);      //original + (original - blurred) * amountimageSrc.copyTo(dst, lowContrastMask);                  //将imageSrc中lowContrastMask对应的非0部分复制到dst中//lowContrastMask等于1时，说明高频分量比较小，有可能是噪声，此时不做锐化return dst;
}Mat skinDivision(Mat ima)
{Mat detect0, detect1, detect2;各分割结果均返回灰度图mask矩形分割//Mat mer = YCrCb_detect(ima);//imshow("矩形分割", detect0);椭圆分割//resize(ima, ima, Size(ima.cols / 2, ima.rows / 2));//Mat mer = ellipse_detect(ima);//imshow("椭圆分割", detect1);//Cr+Otsu法阈值分割Mat mer = YCrCb_Otsu_detect(ima);imshow("阈值分割", mer);return mer;
}Mat wave(Mat detect)//滤波函数
{Mat ret = detect.clone();//int g_nBilateralFilterValue = 25;  //双边滤波参数值,连通域大小//bilateralFilter(ret, detect, 40, g_nBilateralFilterValue * 2, g_nBilateralFilterValue / 2);//ret结果图，detect输入int value1 = 3, value2 = 3;int dx = value1 * 5;    //双边滤波参数之一double fc = value1*12.5; //双边滤波参数之一int p = 50;//透明度Mat temp2;//双边滤波bilateralFilter(ret, detect, dx, fc, fc);temp2 = (detect - ret + 128);//高斯模糊GaussianBlur(temp2, temp2, Size(2 * value2 - 1, 2 * value2 - 1), 0, 0);temp2 = ret + 2 * temp2 - 255;ret = (ret*(100 - p) + temp2*p) / 100;return ret;
}int main()
{Mat srcImage = imread("d:\\4.jpg");if (!srcImage.data){printf("could not load image...\n");return -1;}imshow("原图", srcImage);Mat mer = skinDivision(srcImage);//肤色分割的maskMat detect;srcImage.copyTo(detect, mer);//返回肤色分割图detectimshow("肤色分割", detect);//皮肤区域磨皮Mat ret = wave(detect);//滤波函数float w = 0.3;//滤波图像和原图像选择性结合，把背景和皮肤区域结合for (int i = 0; i < detect.rows ; i++){for (int j = 0; j < detect.cols ; j++){if(mer.at<uchar>(i, j) == 0)ret.at<Vec3b>(i, j) = srcImage.at<Vec3b>(i, j);else{ret.at<Vec3b>(i, j) = w*srcImage.at<Vec3b>(i, j) + (1-w)*detect.at<Vec3b>(i, j);}}}imshow("双边滤波", ret);ret=sharpen(ret,1 ,1); imshow("锐化", ret);waitKey(0);return 0;}

注释的部分代码是自己调试使用的，其中有关于使用不同皮肤分割的算法。
各位有什么问题可以一起交流呀！

基于皮肤分割的磨皮算法相关推荐

技术的真相 | 基于双边滤波的磨皮算法及优化
一．背景简介现在视频类应用非常火热,直播.美妆.医美应用层出不穷.用户们在使用这类应用时都希望自己在屏幕上的样子美美的,皮肤细腻光滑.本文就介绍一种实现简单.效果很好的磨皮算法以及对它的优化思路. ...
java opencv磨皮算法_深度学习AI美颜系列 - AI美颜磨皮算法[转]
原文:OpenCV学堂原创作者:胡耀武转载,以学习,记录,备忘. 这里先放对比结果图,原图来自网络: 1. 算法的流程 [1] - 皮肤分割算法 [2] - 人脸关键点识别算法 [3] - 基于皮 ...
深度学习AI美颜系列---AI美颜磨皮算法二
这里先放两张对比结果图,原图来自网络: 算法的流程如下: 1,皮肤分割算法: 目前主流的语义分割等都可以实现,准确度要求较高.本人使用U-net和PSPNet. 2,人脸关键点识别算法: 这一步可以使 ...
4种基于像素分割的文本检测算法
摘要:文本检测是文本读取识别的第一步,对后续的文本识别有着重大的影响.一般场景下,可以通过对通用目标检测算法进行配置修改,来实现对文本行的检测定位.本文主要介绍基于像素分割的文本检测算法. 本文分享自 ...
空间中的语义直线检测_基于语义分割的车道线检测算法研究
龙源期刊网 http://www.qikan.com.cn 基于语义分割的车道线检测算法研究作者:张道芳张儒良来源:<科技创新与应用> 2019 年第 06 期摘 ; 要:随着半自 ...
【Matlab】基于皮肤概率建模的人脸检测算法雏形
原理通过色度计算图像中每个像素点是皮肤的概率,当概率大于某一值时就确定这个像素点是皮肤,并将它涂白,其余不是皮肤的像素点涂黑:对图像做适当处理后,把图像中不是脸部皮肤的区域分割开,随后把脸部特征还原 ...
基于颜色分割的盲道识别算法
基于颜色分割的盲道识别算法前言本任务的要求是通过相关算法识别出城市区域中的盲道,通过对各种盲道进行调研,发现目前城市中的盲道基本分为两大部分,一类是具有明显样色和纹理特征的盲道,通常是黄色(当 ...
基于边缘检测的磨皮算法实现——OpenGL版
一.背景人脸磨皮算法的本质是模糊算法,但是与模糊算法最大的区别是,磨皮算法需要考虑保边效果,需要达到"磨皮了但又保留了脸部的各种纹理细节和边缘信息"的效果.保边的思路甚至与模糊的 ...
双边滤波的人脸磨皮算法(宋茜)
本文将介绍双边滤波的原理以及在人脸磨皮中的应用. 文章目录双边滤波原理人脸磨皮算法双边滤波原理双边滤波器是保边滤波器中广为人知的一种.保边滤波器指在滤波过程中能够有效的保留图片中的边缘信息的一 ...

基于皮肤分割的磨皮算法

基于皮肤分割的磨皮算法相关推荐

最新文章

热门文章