快捷導(dǎo)航

pytorch?膨脹算法實(shí)現(xiàn)大眼效果

更新時(shí)間：2021年11月26日 08:41:38 作者：watersink

在PS中，我們可以利用液化工具對人像進(jìn)行瘦臉、放大眼睛等系列的常規(guī)操作。今天我們來了解一下這些操作的算法原理，并用pytorch?膨脹算法來實(shí)現(xiàn)大眼效果，感興趣的可以了解一下

算法思路：

以眼睛中心為中心點(diǎn)，對眼睛區(qū)域向外放大，就實(shí)現(xiàn)了大眼的效果。大眼的基本公式如下，

假設(shè)眼睛中心點(diǎn)為O(x,y)，大眼區(qū)域半徑為Radius，當(dāng)前點(diǎn)位為A(x1,y1)，對其進(jìn)行改進(jìn)，加入大眼程度控制變量Intensity，其中Intensity的取值范圍為0～100。?

其中，dis表示AO的歐式距離，k表示縮放比例因子，k0表示大眼程度，xd,yd表示A點(diǎn)經(jīng)過大眼變換后的目標(biāo)點(diǎn)B的坐標(biāo)。

當(dāng)k=0時(shí)，目標(biāo)點(diǎn)B與O點(diǎn)重合。

當(dāng)k=1時(shí)，目標(biāo)點(diǎn)B與A點(diǎn)重合。

當(dāng)k<1.0時(shí)，目標(biāo)點(diǎn)B的計(jì)算函數(shù)單調(diào)遞增，眼睛放大。

當(dāng)k>1.0時(shí)，目標(biāo)點(diǎn)B的計(jì)算函數(shù)單調(diào)遞減，眼睛縮小。

人眼半徑求法，

根據(jù)眼睛左右2個(gè)關(guān)鍵點(diǎn)來計(jì)算大眼區(qū)域所在的半徑Radius?

大眼程度Intensity求法，

根據(jù)圖像分辨率，結(jié)合實(shí)際經(jīng)驗(yàn)來計(jì)算大眼程度Intensity。

比如Intensity = 15*512*512/(width*height)

應(yīng)用場景：

適用于任何球形局部形變的場景，比如大眼，比如嘴唇微笑。

代碼實(shí)現(xiàn)：

import cv2
import math
import numpy as np
 
def big_eye_adjust_fast(src, PointX, PointY, Radius, Strength):
    processed_image = np.zeros(src.shape, np.uint8)
    processed_image = src.copy()
    height = src.shape[0]
    width = src.shape[1]
    PowRadius = Radius * Radius
 
    maskImg = np.zeros(src.shape[:2], np.uint8)
    cv2.circle(maskImg, (PointX, PointY), math.ceil(Radius), (255, 255, 255), -1)
 
    mapX = np.vstack([np.arange(width).astype(np.float32).reshape(1, -1)] * height)
    mapY = np.hstack([np.arange(height).astype(np.float32).reshape(-1, 1)] * width)
 
    OffsetX = mapX - PointX
    OffsetY = mapY - PointY
    XY = OffsetX * OffsetX + OffsetY * OffsetY
 
    ScaleFactor = 1 - XY / PowRadius
    ScaleFactor = 1 - Strength / 100 * ScaleFactor
    UX = OffsetX * ScaleFactor + PointX
    UY = OffsetY * ScaleFactor + PointY
    UX[UX < 0] = 0
    UX[UX >= width] = width - 1
    UY[UY < 0] = 0
    UY[UY >= height] = height - 1
 
    np.copyto(UX, mapX, where=maskImg == 0)
    np.copyto(UY, mapY, where=maskImg == 0)
 
    UX = UX.astype(np.float32)
    UY = UY.astype(np.float32)
 
    processed_image = cv2.remap(src, UX, UY, interpolation=cv2.INTER_LINEAR)
 
    return processed_image
 
image = cv2.imread("tests/images/klst.jpeg")
processed_image = image.copy()
PointX_left, PointY_left, Radius_left, Strength_left = 150, 190, 44, 19.78
PointX_right, PointY_right, Radius_right, Strength_right = 244, 194, 42, 19.78
processed_image = big_eye_adjust_fast(processed_image, PointX_left, PointY_left, Radius_left, Strength_left)
processed_image = big_eye_adjust_fast(processed_image, PointX_right, PointY_right, Radius_right, Strength_right)
cv2.imwrite("big.jpg", processed_image)