論文：Interactive Image Warping（1993年Andreas Gustafsson）

算法思路：

以眼睛中心為中心點，對眼睛區域向外放大，就實現了大眼的效果。大眼的基本公式如下，

假設眼睛中心點為O(x,y)，大眼區域半徑為Radius，當前點位為A(x1,y1)，對其進行改進，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點經過大眼變換后的目標點B的坐標。

當k=0時，目標點B與O點重合。

當k=1時，目標點B與A點重合。

當k<1.0時，目標點B的計算函數單調遞增，眼睛放大。

當k>1.0時，目標點B的計算函數單調遞減，眼睛縮小。

人眼半徑求法，

根據眼睛左右2個關鍵點來計算大眼區域所在的半徑Radius 

大眼程度Intensity求法，

根據圖像分辨率，結合實際經驗來計算大眼程度Intensity。

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

應用場景：

適用于任何球形局部形變的場景，比如大眼，比如嘴唇微笑。

代碼實現：

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)

實驗效果： 

到此這篇關于pytorch 膨脹算法實現大臉效果的文章就介紹到這了,更多相關pytorch 膨脹算法內容請搜索服務器之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持服務器之家！

原文鏈接：https://blog.csdn.net/qq_14845119/article/details/121516646