人像美肤-人脸检测+双边滤波

一、人像美肤

使用人脸检测 + 自实现的双边滤波，可以对图像中多张人脸进行美肤平滑。
项目地址：https://github.com/wchstrife/DigitalImageProcessing

1.1 运行环境

• python 3.7
• numpy
• opencv

1.2 运行

1. cd Skin-Filter
2. 修改beatyskin.py中main函数的filename为输入图片的路径，默认为data下的图片
3. python beatyskin.py
4. 默认输出在根目录下newimage.jpg处理后的图像

1.3 算法原理

首先对于输入的图片，调用detect函数进行人脸检测。

人脸检测使用了opencv预训练好的模型，模型存在haarcascade_frontalface_default.xml中，返回一个list，list中每一项代表存在人脸的一个矩形区域。

对于每个人脸矩形区域，进行双边滤波bilateral_filter()。

双边滤波的基本原理是在高斯滤波的基础上，同时考虑模板的空间位置距离和颜色值域的距离。所以在计算卷积模板的时候，需要同时计算两个因素，合成一个卷积模板。根据以下公式进行计算：
$w(i,j,k,l) = exp(-\frac{(i-k)^2+(j-l)^2}{2\delta _d^2} - \frac{||I(i,j)-I(k,l)||^2}{2\delta_r^2})$w(i,j,k,l)=exp(−2δd2​(i−k)2+(j−l)2​−2δr2​∣∣I(i,j)−I(k,l)∣∣2​)
$I_D(i,j) = \frac{\sum_{k,l}I(k,l)w(i,j,k,l)}{\sum_{k,l}w(i,j,k,l)}$ID​(i,j)=∑k,l​w(i,j,k,l)∑k,l​I(k,l)w(i,j,k,l)​
其中 $I_D(i,j)$ID​(i,j)代表$pixel(i,j)$pixel(i,j)的滤波后的像素，需要注意的是，在双边滤波的时候要对图像的三个通道进行分别处理。

超参数设置：

1. 卷积模板使用7*7大小
2. $\delta_d$δd​， $\delta_r$δr​代表空间域和像素域的平滑程度，各取20

1.4 算法效果

输入一张512*512，tiff格式的Lenna图，左边为滤波前效果，右边为滤波后效果。

细节对比:可以观察到只有在框内的区域进行了平滑。