OpenCV利用高斯模糊实现简单的磨皮美颜效果

目录
  • 1.高斯模糊
    • 1.什么是高斯模糊
    • 2.opencv提供的API
  • 2.双边模糊
    • 1.什么是双边模糊
    • 2.opencv的API
  • 3.磨皮美颜效果的实现
    • 1.实现过程
    • 2.主要代码
    • 3.效果

1.高斯模糊

1.什么是高斯模糊

前面我们就知道了均值模糊和中值模糊，现在我们开始了解高斯模糊。

首先高斯指的是高斯函数，这个我想大家应该都知道，是一种非常常见的概率分布函数。大概就长这样吧。

通过均值模糊类比，我们可以大胆的猜出来高斯模糊的含义：

每一次需要处理的像素矩阵中不同地方的像素的值在最后的赋值像素的占比是不一样的。这个占比是按照高斯函数所分布的。

也就是说，越是远离中心像素的像素所占比重就更少，而中心像素值在赋值像素中的比重是最重的。

或者说，我们知道之前均值模糊所乘以的矩阵是

而高斯模糊中所乘的3*3矩阵可以是这样的

可视化后就是这样的

虽然我们可以从数学上得知高斯模糊和均值模糊的区别，但是在效果上我个人觉得高斯模糊可能能比起均值模糊能更好的保留边缘信息（只是个人看法）

最后把高斯模糊的计算公式提供给数学大佬

2.opencv提供的API

GaussianBlur(Mat src, Mat dst, Size(11, 11), sigmax, sigmay);

其中Size（x, y）, x, y 必须是正数而且是奇数

参数SigmaX表示高斯方程中X方向的标准方差

参数SigmaY表示高斯方程中X方向的标准方差

在高斯分布中，方差可以理解为这个高斯分布的平缓程度，也就是说中间值所占比重的大小，方差越小，中间值所占比重越大，此时模糊的效果会相对更低一点（在同一个size下）

可视化一下你会乘的矩阵：

当方差较大时：

方差较小时：

这里两幅图不是完全合适，只是类比

2.双边模糊

1.什么是双边模糊

由于考虑到不管是均值模糊或者高斯模糊，最后的效果都是整个图像的模糊。有时候我们无需整体的模糊，而比如只模糊边缘，或者只模糊细节。

而双边模糊便是实现了对边缘信息的保留而弱化了细节。（这个效果可以用来磨皮，可以想想为啥）

实现的原理是我们确定一个数表示两个像素之间的差值的阈值，一旦两个像素之间超过了这个阈值，那么就不对这两个像素进行高斯模糊处理，一旦没有超过，就进行模糊处理。因为边缘地区的像素差值是比较大的，这样就能保留边缘的信息。

2.opencv的API

bilateralFilter(src, dest, d=15, 150, 3);

15 –计算的半径，半径之内的像数都会被纳入计算，如果提供-1 则根据sigma space参数取值

150 – sigma color 决定多少差值之内的像素会被计算

3 – sigma space 如果d的值大于0则声明无效，否则根据它来计算d值

3.磨皮美颜效果的实现

1.实现过程

通过对双边模糊处理后的图像再进行对比度加深的操作，最后就是让模糊的边缘再进行加深，几乎回到原来的效果。而模糊效果去掉皮肤上的细节，从而可以让皮肤显得光滑并且颜色很有光泽。

并且我利用滑轨可以动态台哦姐双边模糊的阈值从而让你们自己控制磨皮的效果。

2.主要代码

#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <opencv2/highgui/highgui_c.h>
#include <iostream>

using namespace cv;
using namespace std;

int main(int argc, char** argv)
{
	string path = "xxxxxxxxxxxx.jpg";
	Mat img = imread(path);
	Mat img2 = Mat::zeros(img.size(), img.type());
	Mat img3;
	Mat kernel = (Mat_<char>(3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);
	imshow("img1", img);
	int x = 1, y = 1;
	namedWindow("Trackbars", (10, 100));//新建了一个窗口--轨迹栏
	createTrackbar("x", "Trackbars", &x, 200);
	while (1)
	{
		bilateralFilter(img,img2,15,x,3);
		imshow("img2", img2);
		filter2D(img2, img3, img.depth(), kernel);//src.depth()表示位图深度，和type相关
		imshow("img3", img3);
		waitKey(10);
	}
	waitKey(0);
	return 0;
}

3.效果

原图：

磨皮后：

（边缘信息没有损失，但是色块更加均匀了还是） 

到此这篇关于OpenCV利用高斯模糊实现简单的磨皮美颜效果的文章就介绍到这了,更多相关OpenCV磨皮效果内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！

赞 (0)

相关推荐

  • 在Python中使用PIL模块对图片进行高斯模糊处理的教程

    在Python中使用PIL模块对图片进行高斯模糊处理的教程

    从一篇文章中看到,PIL 1.1.5 已经内置了高斯模糊,但是并没有在文档中提及,而且PIL的高斯模糊中 radius 是硬编码, 虽然构造方法中有传入 radius 参数,但压根就没有用到 (看这里),所以需要自己进行改造,当然,知道了原因, 修改起来自然非常简单了. 结合帖子中的需求,对局部进行高斯模糊,所以还需要结合使用 crop和 paste 方法实现局部使用滤镜. 代码如下: #-*- coding: utf-8 -*- from PIL import Image, ImageFilt

  • OpenCV-Python实现人脸磨皮算法

    OpenCV-Python实现人脸磨皮算法

    人脸磨皮是最基础的人脸美颜效果.主要分为祛斑,祛痘,淡化黑眼圈等步骤.通过前面的学习相信大家一眼都看得出来我们需要干什么才能识别人脸磨皮效果. 因为磨皮之后,脸部的杂质基本上就没有了,也可以说丢失了细节.那么肯定需要用到滤波函数.滤波的过程就是把图像的每一个像素值输入过滤器,得到平滑的图像. 而我们常用的滤波有均值滤波,高斯滤波以及双边滤波三种,到底选用那种滤波呢? 首先,均值滤波会因为是用周围像素的平均值代替原像素值,肯定会导致图像过于模糊,所以排除掉.其次,高斯滤波与均值滤波原理类似,只是高

  • OpenCV实现灰度、高斯模糊、边缘检测的示例

    OpenCV实现灰度、高斯模糊、边缘检测的示例

    一.彩色图像转灰度 Opencv提供了一个方法,可以使彩色图像变为灰度图像. 函数名:cvtColor(src,dest,way); src表示初始的mat对象: dest表示转换后的mat对象: way表示以何种方式转换. 举个例子: int main() { //定义路径 string path = "Resources//test.png"; //Mat:opencv引入的矩阵数据类型,处理所有图像 Mat img = imread(path); //创建一个新的mat对象,用来

  • Opencv+Python实现图像运动模糊和高斯模糊的示例

    Opencv+Python实现图像运动模糊和高斯模糊的示例

    运动模糊:由于相机和物体之间的相对运动造成的模糊,又称为动态模糊 Opencv+Python实现运动模糊,主要用到的函数是cv2.filter2D(): # coding: utf-8 import numpy as np import cv2 def motion_blur(image, degree=12, angle=45): image = np.array(image) # 这里生成任意角度的运动模糊kernel的矩阵, degree越大,模糊程度越高 M = cv2.getRotat

  • Python中使用PIL库实现图片高斯模糊实例

    Python中使用PIL库实现图片高斯模糊实例

    一.安装PIL PIL是Python Imaging Library简称,用于处理图片.PIL中已经有图片高斯模糊处理类,但有个bug(目前最新的1.1.7bug还存在),就是模糊半径写死的是2,不能设置.在源码ImageFilter.py的第160行: 所以,我们在这里自己改一下就OK了. 项目地址:http://www.pythonware.com/products/pil/ 二.修改后的代码 代码如下: 复制代码 代码如下: #-*- coding: utf-8 -*- from PIL

  • OpenCV3.3+Python3.6实现图片高斯模糊

    OpenCV3.3+Python3.6实现图片高斯模糊

    本文实例为大家分享了OpenCV3.3+Python3.6实现图片高斯模糊的具体代码,供大家参考,具体内容如下 高斯模糊 高斯模糊(英语:Gaussian Blur),通常用它来减少图像噪声以及降低细节层次.这种模糊技术生成的图像,其视觉效果就像是经过一个半透明屏幕在观察图像,这与镜头焦外成像效果散景以及普通照明阴影中的效果都明显不同.高斯模糊也用于计算机视觉算法中的预先处理阶段,以增强图像在不同比例大小下的图像效果(参见尺度空间表示以及尺度空间实现). 从数学的角度来看,图像的高斯模糊过程就是

  • OpenCV利用高斯模糊实现简单的磨皮美颜效果

    OpenCV利用高斯模糊实现简单的磨皮美颜效果

    目录 1.高斯模糊 1.什么是高斯模糊 2.opencv提供的API 2.双边模糊 1.什么是双边模糊 2.opencv的API 3.磨皮美颜效果的实现 1.实现过程 2.主要代码 3.效果 1.高斯模糊 1.什么是高斯模糊 前面我们就知道了均值模糊和中值模糊,现在我们开始了解高斯模糊. 首先高斯指的是高斯函数,这个我想大家应该都知道,是一种非常常见的概率分布函数.大概就长这样吧. 通过均值模糊类比,我们可以大胆的猜出来高斯模糊的含义: 每一次需要处理的像素矩阵中不同地方的像素的值在最后的赋值像

  • Python OpenCV利用笔记本摄像头实现人脸检测

    Python OpenCV利用笔记本摄像头实现人脸检测

    本文实例为大家分享了Python OpenCV利用笔记本摄像头实现人脸检测的具体代码,供大家参考,具体内容如下 1.安装opencv 首先参考其他文章安装pip. 之后以管理员身份运行命令提示符,输入以下代码安装opencv pip install --user opencv-python 可以使用以下代码测试安装是否成功 #导入opencv模块 import cv2 #捕捉帧,笔记本摄像头设置为0即可 capture = cv2.VideoCapture(0) #循环显示帧 while(Tru

  • python+openCV利用摄像头实现人员活动检测

    本文实例为大家分享了python+openCV利用摄像头实现人员活动检测的具体代码,供大家参考,具体内容如下 1.前言 最近在做个机器人比赛,其中一项要求是让机器人实现对是否有人员活动的检测,所以就先拿PC端写一下,准备移植到机器人的树莓派. 2.工具 工具还是简单的python+视觉模块openCV,代码量也比较少.很简单就可以实现 3.人员检测的原理   从图书馆借了一本<特征提取与图像处理(第二版)>,是Mark S.Nixon和Alberto S.Aguado写的,其中讲了跟多关于检测

  • OpenCV利用霍夫变换进行直线检测

    本文实例为大家分享了OpenCV利用霍夫变换进行直线检测的具体代码,供大家参考,具体内容如下 1.最简单的霍夫变换是在图像中识别直线.在平面直角坐标系(x-y)中,一条直线可以用下式表示:y=kx+b. 这表示参数平面(k-b)中的一条直线.因此,图像中的一个点对应参数平面中的一条直线,图像中的一条直线对应参数平面中的一个点.对图像上所有的点作霍夫变换,最终所要检测的直线对应的一定是参数平面中直线相交最多的那个点.这样就在图像中检测出了直线.在实际应用中,直线通常采用参数方程:p=x\cos\t

  • java利用注解实现简单的excel数据读取

    java利用注解实现简单的excel数据读取

    实现工具类 利用注解实现简单的excel数据读取,利用注解对类的属性和excel中的表头映射,使用Apache的poi就不用在业务代码中涉及row,rows这些属性了. 定义注解: @Retention(RetentionPolicy.RUNTIME) @Target(ElementType.FIELD) public @interface Excel { String name(); } 由于本例中只涉及根据Excel表头部分对Excel进行解析,只定义了一个name作为和Excel表头的隐射

  • 利用JS实现简单的瀑布流加载图片效果

    利用JS实现简单的瀑布流加载图片效果

    今天学习了一个瀑布流加载效果,很多网站都有瀑布流效果,瀑布流就是很多产品显示在网页上,宽相同,高度不同,表现为多栏布局,随着页面滚动条向下滚动,这种布局还会不断加载数据块并附加至当前尾部. 原理是: 1.设定一行中的列数: 2.取第一行中每一个div的高度并把每一个高度放进一个数组中: 3.算出数组中最小高度的index值: 4.把第二行的第一个div放到最小高度的div的下方并把重新算出的高度值放进数组中,重新计算最小高度的index值: 5.以此类推实现多栏布局的瀑布流效果: 6.如果最后一

  • 利用python实现简单的邮件发送客户端示例

    脚本过于简单,供学习和参考.主要了解一下smtplib库的使用和超时机制的实现.使用signal.alarm实现超时机制. #!/usr/bin/env python # -*- coding: utf-8 -*- import time import sys import logging import smtplib import socket import signal import ConfigParser from datetime import datetime from email

  • OpenCV利用背景建模检测运动物体

    OpenCV利用背景建模检测运动物体

    本文实例为大家分享了OpenCV利用背景建模检测运动物体的具体代码,供大家参考,具体内容如下 #include <opencv\highgui.h> #include <stdio.h> int main( int argc, char** argv ){ IplImage* pFrame = NULL; IplImage* pFrImg = NULL; IplImage* pBkImg = NULL; CvMat* pFrameMat = NULL; CvMat* pFrMat

  • django 利用pillow 进行简单的设置验证码功能（python）

    1.导入模块 并定义一个验证状态 from PIL import Image, ImageDraw, ImageFont from django.utils.six import BytesIO def verify_code(request): #引入随机函数模块 import random #定义变量,用于画面的背景色.宽.高 bgcolor = (random.randrange(20, 100), random.randrange( 20, 100), 255) width = 100

  • C语言利用模板实现简单的栈类

    C语言利用模板实现简单的栈类

    本文实例为大家分享了C语言利用模板实现简单的栈类(数组和单链表),供大家参考,具体内容如下 主要的功能是实现一个后进先出的列表,有入栈.出栈.返回大小.判空等基本功能 #pragma once using namespace std; const int MAXSIZE = 0xfff; template<class type> class Class_Linkstack { int top; type* my_s; int max_size; public: Class_Linkstack(

随机推荐