「推薦」現在的美顏特效有多可怕？基於Opencv的美顏相機告訴你

導語

現在每一次出門，女友就喜歡拍照！BUT 嫌棄我給拍的照片角度不對，採光不好……。

總之一大堆理由，啥時候讓我拍照的水平能有美顏相機三分之一的效果就好！

果然都是鍛煉出來的，至少現在我能看出來朋友圈哪些小姐姐批沒批過照片。

逃不掉

逃不掉啊，為了擺脫這種局面——

立馬給女友寫了一款簡易版本的美顏相機給她偷偷地用！這樣子就不擔心被錘了。機智如我。jpg

正文

環境安裝：

dlib庫的安裝本部落格提供三種方法進行安裝

T1方法：pip install dlib此方法是需要在你安裝cmake、Boost環境的計算機使用 T2方法：conda install -c menpo dlib=18。18此方法適合那些已經安裝好conda庫的環境的計算機使用， T3方法：pip install dlib-19。8。1-cp36-cp36m-win_amd64。whldlib庫的whl檔案——dlib-19。7。0-cp36-cp36m-win_amd64。rardlib-19。3。1-cp35-cp35m-win_amd64。whl

cv2庫安裝方法：

pip install opencv-python

人臉五官，座標、進行高斯模糊處理等等。

# 五官class Organ（）： def __init__（self， img， img_hsv， temp_img， temp_hsv， landmarks， name， ksize=None）： self。img = img self。img_hsv = img_hsv self。landmarks = landmarks self。name = name self。get_rect（） self。shape = （int（self。bottom-self。top）， int（self。right-self。left）） self。size = self。shape［0］ * self。shape［1］ * 3 self。move = int（np。sqrt（self。size/3）/20） self。ksize = self。get_ksize（） self。patch_img， self。patch_hsv = self。get_patch（self。img）， self。get_patch（self。img_hsv） self。set_temp（temp_img， temp_hsv） self。patch_mask = self。get_mask_relative（） # 獲取定位方框 def get_rect（self）： y， x = self。landmarks［：， 1］， self。landmarks［：， 0］ self。top， self。bottom， self。left， self。right = np。min（y）， np。max（y）， np。min（x）， np。max（x） # 獲得ksize，高斯模糊處理的引數 def get_ksize（self， rate=15）： size = max（［int（np。sqrt（self。size/3）/rate）， 1］） size = （size if size%2==1 else size+1） return（size， size） # 擷取區域性切片 def get_patch（self， img）： shape = img。shape return img［np。max（［self。top-self。move， 0］）： np。min（［self。bottom+self。move， shape［0］］）， np。max（［self。left-self。move， 0］）： np。min（［self。right+self。move， shape［1］］）］ def set_temp（self， temp_img， temp_hsv）： self。img_temp， self。hsv_temp = temp_img， temp_hsv self。patch_img_temp， self。patch_hsv_temp = self。get_patch（self。img_temp）， self。get_patch（self。hsv_temp） # 確認 def confirm（self）： self。img［：］， self。img_hsv［：］ = self。img_temp［：］， self。hsv_temp［：］ # 更新 def update_temp（self）： self。img_temp［：］， self。hsv_temp［：］ = self。img［：］， self。img_hsv［：］ # 勾畫凸多邊形 def _draw_convex_hull（self， img， points， color）： points = cv2。convexHull（points） cv2。fillConvexPoly（img， points， color=color） # 獲得區域性相對座標遮蓋 def get_mask_relative（self， ksize=None）： if ksize == None： ksize = self。ksize landmarks_re = self。landmarks。copy（） landmarks_re［：， 1］ -= np。max（［self。top-self。move， 0］） landmarks_re［：， 0］ -= np。max（［self。left-self。move， 0］） mask = np。zeros（self。patch_img。shape［：2］， dtype=np。float64） self。_draw_convex_hull（mask， landmarks_re， color=1） mask = np。array（［mask， mask， mask］）。transpose（（1， 2， 0）） mask = （cv2。GaussianBlur（mask， ksize， 0） > 0） * 1。0 return cv2。GaussianBlur（mask， ksize， 0）［：］ # 獲得全域性絕對座標遮蓋 def get_mask_abs（self， ksize=None）： if ksize == None： ksize = self。ksize mask = np。zeros（self。img。shape， dtype=np。float64） patch = self。get_patch（mask） patch［：］ = self。patch_mask［：］ return mask

主要美顏效果進行的處理如下：

# 美白 def whitening（self， rate=0。15， confirm=True）： if confirm： self。confirm（） self。patch_hsv［：，：， -1］ = np。minimum（self。patch_hsv［：，：， -1］+self。patch_hsv［：，：， -1］*self。patch_mask［：，：， -1］*rate， 255）。astype（‘uint8’） self。img［：］=cv2。cvtColor（self。img_hsv， cv2。COLOR_HSV2BGR）［：］ self。update_temp（） else： self。patch_hsv_temp［：］ = cv2。cvtColor（self。patch_img_temp， cv2。COLOR_BGR2HSV）［：］ self。patch_hsv_temp［：，：， -1］ = np。minimum（self。patch_hsv_temp［：，：， -1］+self。patch_hsv_temp［：，：， -1］*self。patch_mask［：，：， -1］*rate， 255）。astype（‘uint8’） self。patch_img_temp［：］ = cv2。cvtColor（self。patch_hsv_temp， cv2。COLOR_HSV2BGR）［：］ # 提升鮮豔度 def brightening（self， rate=0。3， confirm=True）： patch_mask = self。get_mask_relative（（1， 1）） if confirm： self。confirm（） patch_new = self。patch_hsv［：，：， 1］*patch_mask［：，：， 1］*rate patch_new = cv2。GaussianBlur（patch_new，（3， 3）， 0） self。patch_hsv［：，：， 1］ = np。minimum（self。patch_hsv［：，：， 1］+patch_new， 255）。astype（‘uint8’） self。img［：］=cv2。cvtColor（self。img_hsv， cv2。COLOR_HSV2BGR）［：］ self。update_temp（） else： self。patch_hsv_temp［：］ = cv2。cvtColor（self。patch_img_temp， cv2。COLOR_BGR2HSV）［：］ patch_new = self。patch_hsv_temp［：，：， 1］*patch_mask［：，：， 1］*rate patch_new = cv2。GaussianBlur（patch_new，（3， 3）， 0） self。patch_hsv_temp［：，：， 1］ = np。minimum（self。patch_hsv［：，：， 1］+patch_new， 255）。astype（‘uint8’） self。patch_img_temp［：］ = cv2。cvtColor（self。patch_hsv_temp， cv2。COLOR_HSV2BGR）［：］ # 磨平 def smooth（self， rate=0。6， ksize=None， confirm=True）： if ksize == None： ksize=self。get_ksize（80） index = self。patch_mask > 0 if confirm： self。confirm（） patch_new = cv2。GaussianBlur（cv2。bilateralFilter（self。patch_img， 3， *ksize）， ksize， 0） self。patch_img［index］ = np。minimum（rate*patch_new［index］+（1-rate）*self。patch_img［index］， 255）。astype（‘uint8’） self。img_hsv［：］ = cv2。cvtColor（self。img， cv2。COLOR_BGR2HSV）［：］ self。update_temp（） else： patch_new = cv2。GaussianBlur（cv2。bilateralFilter（self。patch_img_temp， 3， *ksize）， ksize， 0） self。patch_img_temp［index］ = np。minimum（rate*patch_new［index］+（1-rate）*self。patch_img_temp［index］， 255）。astype（‘uint8’） self。patch_hsv_temp［：］ = cv2。cvtColor（self。patch_img_temp， cv2。COLOR_BGR2HSV）［：］ # 銳化 def sharpen（self， rate=0。3， confirm=True）： patch_mask = self。get_mask_relative（（3， 3）） kernel = np。zeros（（9， 9）， np。float32） kernel［4， 4］ = 2。0 boxFilter = np。ones（（9， 9）， np。float32） / 81。0 kernel = kernel - boxFilter index = patch_mask > 0 if confirm： self。confirm（） sharp = cv2。filter2D（self。patch_img， -1， kernel） self。patch_img［index］ = np。minimum（（（1-rate）*self。patch_img）［index］+sharp［index］*rate， 255）。astype（‘uint8’） self。update_temp（） else： sharp = cv2。filter2D（self。patch_img_temp， -1， kernel） self。patch_img_temp［：］ = np。minimum（self。patch_img_temp+self。patch_mask*sharp*rate， 255）。astype（‘uint8’） self。patch_hsv_temp［：］ = cv2。cvtColor（self。patch_img_temp， cv2。COLOR_BGR2HSV）［：］ # 額頭class ForeHead（Organ）： def __init__（self， img， img_hsv， temp_img， temp_hsv， landmarks， mask_organs， name， ksize=None）： self。mask_organs = mask_organs super（ForeHead， self）。__init__（img， img_hsv， temp_img， temp_hsv， landmarks， name， ksize） # 獲得區域性相對座標mask def get_mask_relative（self， ksize=None）： if ksize == None： ksize = self。ksize landmarks_re = self。landmarks。copy（） landmarks_re［：， 1］ -= np。max（［self。top-self。move， 0］） landmarks_re［：， 0］ -= np。max（［self。left-self。move， 0］） mask = np。zeros（self。patch_img。shape［：2］， dtype=np。float64） self。_draw_convex_hull（mask， landmarks_re， color=1） mask = np。array（［mask， mask， mask］）。transpose（（1， 2， 0）） mask = （cv2。GaussianBlur（mask， ksize， 0） > 0） * 1。0 patch_organs = self。get_patch（self。mask_organs） mask= cv2。GaussianBlur（mask， ksize， 0）［：］ mask［patch_organs>0］ = （1-patch_organs［patch_organs>0］） return mask# 臉類class Face（Organ）： def __init__（self， img， img_hsv， temp_img， temp_hsv， landmarks， index）： self。index = index # 五官：下巴、嘴、鼻子、左右眼、左右耳 self。organs_name = ［‘jaw’， ‘mouth’， ‘nose’， ‘left_eye’， ‘right_eye’， ‘left_brow’， ‘right_brow’］ # 五官標記點 self。organs_point = ［list（range（0， 17））， list（range（48， 61））， list（range（27， 35））， list（range（42， 48））， list（range（36， 42））， list（range（22， 27））， list（range（17， 22））］ self。organs = {name： Organ（img， img_hsv， temp_img， temp_hsv， landmarks［points］， name） for name， points in zip（self。organs_name， self。organs_point）} # 額頭 mask_nose = self。organs［‘nose’］。get_mask_abs（） mask_organs = （self。organs［‘mouth’］。get_mask_abs（）+mask_nose+self。organs［‘left_eye’］。get_mask_abs（）+self。organs［‘right_eye’］。get_mask_abs（）+self。organs［‘left_brow’］。get_mask_abs（）+self。organs［‘right_brow’］。get_mask_abs（）） forehead_landmark = self。get_forehead_landmark（img， landmarks， mask_organs， mask_nose） self。organs［‘forehead’］ = ForeHead（img， img_hsv， temp_img， temp_hsv， forehead_landmark， mask_organs， ‘forehead’） mask_organs += self。organs［‘forehead’］。get_mask_abs（） # 人臉的完整標記點 self。FACE_POINTS = np。concatenate（［landmarks， forehead_landmark］） super（Face， self）。__init__（img， img_hsv， temp_img， temp_hsv， self。FACE_POINTS， ‘face’） mask_face = self。get_mask_abs（） - mask_organs self。patch_mask = self。get_patch（mask_face） # 計算額頭座標 def get_forehead_landmark（self， img， face_landmark， mask_organs， mask_nose）： radius = （np。linalg。norm（face_landmark［0］-face_landmark［16］）/2）。astype（‘int32’） center_abs = tuple（（（face_landmark［0］+face_landmark［16］）/2）。astype（‘int32’）） angle = np。degrees（np。arctan（（lambda l：l［1］/l［0］）（face_landmark［16］-face_landmark［0］）））。astype（‘int32’） mask = np。zeros（mask_organs。shape［：2］， dtype=np。float64） cv2。ellipse（mask， center_abs，（radius， radius）， angle， 180， 360， 1， -1） # 剔除與五官重合部分 mask［mask_organs［：，：， 0］>0］=0 # 根據鼻子的膚色判斷真正的額頭面積 index_bool = ［］ for ch in range（3）： mean， std = np。mean（img［：，：， ch］［mask_nose［：，：， ch］>0］）， np。std（img［：，：， ch］［mask_nose［：，：， ch］>0］） up， down = mean+0。5*std， mean-0。5*std index_bool。append（（img［：，：， ch］up）） index_zero = （（mask>0）&index_bool［0］&index_bool［1］&index_bool［2］） mask［index_zero］ = 0 index_abs = np。array（np。where（mask>0）［：：-1］）。transpose（） landmark = cv2。convexHull（index_abs）。squeeze（） return landmark# 化妝器class Makeup（）： def __init__（self， predictor_path=‘。/predictor/shape_predictor_68_face_landmarks。dat’）： self。photo_path = ［］ self。predictor_path = predictor_path self。faces = {} # 人臉檢測與特徵提取 self。detector = dlib。get_frontal_face_detector（） self。predictor = dlib。shape_predictor（self。predictor_path） # 人臉定位和特徵提取 # img為numpy陣列 # 返回值為人臉特徵（x， y）座標的矩陣 def get_faces（self， img， img_hsv， temp_img， temp_hsv， name， n=1）： rects = self。detector（img， 1） if len（rects） < 1： print（‘［Warning］：No face detected。。。’） return None return {name：［Face（img， img_hsv， temp_img， temp_hsv， np。array（［［p。x， p。y］ for p in self。predictor（img， rect）。parts（）］）， i） for i， rect in enumerate（rects）］} # 讀取圖片 def read_img（self， fname， scale=1）： img = cv2。imdecode（np。fromfile（fname， dtype=np。uint8）， -1） if not type（img）： print（‘［ERROR］：Fail to Read %s’ % fname） return None return img def read_and_mark（self， fname）： img = self。read_img（fname） img_hsv = cv2。cvtColor（img， cv2。COLOR_BGR2HSV） temp_img， temp_hsv = img。copy（）， img_hsv。copy（） return img， temp_img， self。get_faces（img， img_hsv， temp_img， temp_hsv， fname）

效果如下：