人臉美白原理說透了，就是一種圖像的顏色空間處理，所以我們需要通過顏色空間進(jìn)行設(shè)計。
不過，我們先來參考以下PS對于圖像美白的處理步驟：
通過PS的操作，我們大致可以知道需要創(chuàng)建一個與原圖同等大小維度的圖像，然后全部賦值為白色，然后通過圖像圖像加權(quán)和將兩個圖像疊加即可。
不過，這里明顯存在很多問題，在PS中，我們雖然創(chuàng)建了全白色的圖層，但是我們可以剪裁或者使用畫筆工具只讓白色疊加倒人物身上。而程序中，我們這么做會導(dǎo)致整個圖像偏白，效果非常不理想。
那么，我們就需要考慮一個新的思路來實現(xiàn)人臉美白效果。
根據(jù)論文“A Two-Stage Contrast Enhancement Algorithm for Digital Images”，采用映射表，使原圖在色階上有所增強，并在圖像兩端亮度相對減弱，中間增強，則會產(chǎn)生不錯的美白效果，又能使圖像白的更自然。
這里，我們提供一個美白映射表Color_list：
Color_list = [ 1, 2, 4, 6, 8, 10, 12, 14, 16, 18, 20, 22, 24, 26, 28, 30, 31, 33, 35, 37, 39, 41, 43, 44, 46, 48, 50, 52, 53, 55, 57, 59, 60, 62, 64, 66, 67, 69, 71, 73, 74, 76, 78, 79, 81, 83, 84, 86, 87, 89, 91, 92, 94, 95, 97, 99, 100, 102, 103, 105, 106, 108, 109, 111, 112, 114, 115, 117, 118, 120, 121, 123, 124, 126, 127, 128, 130, 131, 133, 134, 135, 137, 138, 139, 141, 142, 143, 145, 146, 147, 149, 150, 151, 153, 154, 155, 156, 158, 159, 160, 161, 162, 164, 165, 166, 167, 168, 170, 171, 172, 173, 174, 175, 176, 178, 179, 180, 181, 182, 183, 184, 185, 186, 187, 188, 189, 190, 191, 192, 193, 194, 195, 196, 197, 198, 199, 200, 201, 202, 203, 204, 205, 205, 206, 207, 208, 209, 210, 211, 211, 212, 213, 214, 215, 215, 216, 217, 218, 219, 219, 220, 221, 222, 222, 223, 224, 224, 225, 226, 226, 227, 228, 228, 229, 230, 230, 231, 232, 232, 233, 233, 234, 235, 235, 236, 236, 237, 237, 238, 238, 239, 239, 240, 240, 241, 241, 242, 242, 243, 243, 244, 244, 244, 245, 245, 246, 246, 246, 247, 247, 248, 248, 248, 249, 249, 249, 250, 250, 250, 250, 251, 251, 251, 251, 252, 252, 252, 252, 253, 253, 253, 253, 253, 254, 254, 254, 254, 254, 254, 254, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 256]
既然人臉美白的原理，以及美白的顏色映射表都給到了你。下面，我們就可以實現(xiàn)人臉美白效果，具體代碼如下所示：
def face_whitening(fileName):
img = cv2.imread(fileName)
img = cv2.bilateralFilter(img, 19, 75, 75)
height, width, n = img.shape
img2 = img.copy()
for i in range(height):
for j in range(width):
b = img2[i, j, 0]
g = img2[i, j, 1]
r = img2[i, j, 2]
img2[i, j, 0] = Color_list[b]
img2[i, j, 1] = Color_list[g]
img2[i, j, 2] = Color_list[r]
cv2.imwrite("59_1.jpg",img2)
image = Image.open("59_1.jpg")
# 銳度調(diào)節(jié)
enh_img = ImageEnhance.Sharpness(image)
image_sharped = enh_img.enhance(1.2)
# 顏色均衡調(diào)節(jié)
con_img = ImageEnhance.Contrast(image_sharped)
image_con = con_img.enhance(1.2)
image_con.save("59_2.jpg")
img1 = cv2.imread("58.jpg")
img2 = cv2.imread("59_2.jpg")
cv2.imshow("1", img1)
cv2.imshow("2", img2)
cv2.waitKey()
cv2.destroyAllWindows()
if __name__ == "__main__":
face_whitening("58.jpg")
運行之后，效果如下：
到此這篇關(guān)于OpenCV-Python實現(xiàn)人臉美白算法的實例的文章就介紹到這了,更多相關(guān)OpenCV人臉美白 內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
標(biāo)簽：揚州 撫州 迪慶 牡丹江 南寧 聊城 楊凌 六盤水
巨人網(wǎng)絡(luò)通訊聲明：本文標(biāo)題《OpenCV-Python實現(xiàn)人臉美白算法的實例》，本文關(guān)鍵詞 OpenCV-Python,實現(xiàn),人臉,美白,；如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問題，煩請?zhí)峁┫嚓P(guān)信息告之我們，我們將及時溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò)，涉及言論、版權(quán)與本站無關(guān)。
