基於VC++的人臉美化的實現實踐篇（含程式碼）
阿新 • • 發佈：2018-12-20
作者：張皓霖 上海電力學院
課程老師：秦倫明
上篇我將人臉美化的過程列出來了，這篇我是用VS2012（VC++）+MFC+OpenCv 將這些功能實現。
- 實驗目的
利用VC++實現人臉美化軟體，要求：
1、具有人臉美化介面；
2、具有磨皮功能，引數可調；
3、具有美白功能，引數可調；
- 實驗內容
基於VS2012+OpenCv+MFC製作人臉美化軟體
- 實驗原理
磨皮：濾波（均值濾波、高斯濾波、雙邊濾波）
美白：使用閾值白平衡法
融合：使用高反差保留進行融合
- 實驗步驟
1、建立MFC工程，搭建外殼（視覺化介面）
2、編寫圖片開啟、自動調整長寬顯示和圖片儲存部分
3、編寫磨皮部分，引數可調
4、編寫融合部分，引數可調
5、編寫美白部分，引數可調
- 關鍵程式碼
1、在標頭檔案中XXXDlg.h新增
#include <iostream>
#include<opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include<string>
using namespace std;
using namespace cv; 2、在OnInitDialog初始化函式中新增
namedWindow("view",WINDOW_AUTOSIZE);
HWND hWnd = (HWND)cvGetWindowHandle("view");
HWND hParent = ::GetParent(hWnd);
::SetParent(hWnd,GetDlgItem(IDC_PIC_STATIC)->m_hWnd);
::ShowWindow(hParent,SW_HIDE);3、開啟指定路徑圖片並自動調節尺寸顯示
void CzhanghaolinDlg::OnBnClickedOpenButton() { // TODO: 在此新增控制元件通知處理程式程式碼 //CString picPath; //定義圖片路徑變數 CFileDialog dlg(TRUE, NULL, NULL, OFN_HIDEREADONLY | OFN_OVERWRITEPROMPT|OFN_ALLOWMULTISELECT, NULL, this); //選擇檔案對話方塊 if(dlg.DoModal() == IDOK) { picPath= dlg.GetPathName(); //獲取圖片路徑 } //CString to string 使用這個方法記得字符集選用“使用多位元組字元”，不然會報錯 string picpath=picPath.GetBuffer(0); srcImage=imread(picpath); Mat imagedst; //以下操作獲取圖形控制元件尺寸並以此改變圖片尺寸 CRect rect; GetDlgItem(IDC_PIC_STATIC)->GetClientRect(&rect); Rect dst(rect.left,rect.top,rect.right,rect.bottom); resize(srcImage,imagedst,cv::Size(rect.Width(),rect.Height())); imshow("view",imagedst); }
4、磨皮演算法
void CzhanghaolinDlg::OnBnClickedOpenButton2()
{
/* Mat srcImage = imread("C:\\Users\\zhanghaolin\\Desktop\\我發誓這是最後一遍測試\\zhanghaolin\\ceshi.bmp");
if (!srcImage.data){
cout << "falied to read" << endl;
system("pause");
return;
}*/
Mat imagedst1;
Mat imagedst2;
srcImage.copyTo(src);
blur(src,imagedst1, Size(3, 3));//均值濾波
GaussianBlur(imagedst1, imagedst2, Size(3, 3), 0);//高斯濾波
UpdateData(TRUE); //mValue的值在此時更新
int d,sc,ss;
d=zhijing;
sc=sColor;
ss=sSPACE;
//C++: void bilateralFilter(InputArray src, OutputArray dst, int d, double sigmaColor, double sigmaSpace, int borderType=BORDER_DEFAULT )
bilateralFilter(imagedst2, dst1, d, sc, ss);//雙邊濾波
dst1.copyTo(dst1src);
dst1.copyTo(src);
CRect rect;
GetDlgItem(IDC_PIC_STATIC)->GetClientRect(&rect);
Rect dst(rect.left,rect.top,rect.right,rect.bottom);
resize(dst1,dst1,cv::Size(rect.Width(),rect.Height()));
imshow("view", dst1);
}5、融合演算法
void CzhanghaolinDlg::OnBnClickedOpenButton3()
{
// TODO: 在此新增控制元件通知處理程式程式碼
int width=srcImage.cols;
int heigh=srcImage.rows;
//srcImage.copyTo(src);
//dst1src是第一步做完的雙邊濾波後的影象
float tmp;
Mat dstH(src.size(),CV_8UC3);//RGB3通道就用CV_8UC3 高反差結果 H=F-I+128
for (int y=0;y<heigh;y++)
{
uchar* srcP=src.ptr<uchar>(y);
uchar* lvboP=dst1src.ptr<uchar>(y);
uchar* dstHP=dstH.ptr<uchar>(y);
for (int x=0;x<width;x++)
{
float r0 = abs((float)lvboP[3*x]-(float)srcP[3*x]);
tmp = abs( r0 + 128 );
tmp=tmp>255?255:tmp;
tmp=tmp<0?0:tmp;
dstHP[3*x]=(uchar)(tmp);
float r1 = abs((float)lvboP[3*x+1]-(float)srcP[3*x+1]);
tmp = abs( r1+ 128 );
tmp=tmp>255?255:tmp;
tmp=tmp<0?0:tmp;
dstHP[3*x+1]=(uchar)(tmp);
float r2 = abs((float)lvboP[3*x+2]-(float)srcP[3*x+2]);
tmp = abs( r2 + 128 );
tmp=tmp>255?255:tmp;
tmp=tmp<0?0:tmp;
dstHP[3*x+2]=(uchar)(tmp);
}
}
Mat dstY(dstH.size(),CV_8UC3);
UpdateData(TRUE); //mValue的值在此時更新
int ksize;
ksize=banjing;
GaussianBlur(dstH, dstY, Size(ksize,ksize),0,0,0); //高斯濾波得到Y
//void GaussianBlur(InputArray src, OutputArray dst, Size ksize, double sigmaX, double sigmaY=0, int borderType=BORDER_DEFAULT);
srcImage.copyTo(src);
Mat dstZ(src.size(),CV_8UC3);//Z = X * Op + (X + 2 * Y - 256)* Op= X + (2*Y-256) *Op OP不透明度 X原圖 Y是高斯濾波後圖像
float OP;//不透明度
OP=(float)(OPvalue*0.01);
for (int y=0;y<heigh;y++) //圖層混合
{
uchar* XP=src.ptr<uchar>(y);
uchar* dstYP=dstY.ptr<uchar>(y);
uchar* dstZP=dstZ.ptr<uchar>(y);
for (int x=0;x<width;x++)
{
float r3 = ((float)dstYP[3*x]+(float)dstYP[3*x]-256)*OP;
tmp = r3+(float)XP[3*x];
tmp=tmp>255?255:tmp;
tmp=tmp<0?0:tmp;
dstZP[3*x]=(uchar)(tmp);
float r4 = ((float)dstYP[3*x+1]+(float)dstYP[3*x+1]-256)*OP;
tmp = r4+(float)XP[3*x+1];
tmp=tmp>255?255:tmp;
tmp=tmp<0?0:tmp;
dstZP[3*x+1]=(uchar)(tmp);
float r5 = ((float)dstYP[3*x+2]+(float)dstYP[3*x+2]-256)*OP;
tmp = r5+(float)XP[3*x+2];
tmp=tmp>255?255:tmp;
tmp=tmp<0?0:tmp;
dstZP[3*x+2]=(uchar)(tmp);
}
}
dstZ.copyTo(dst2);
dstZ.copyTo(src);
CRect rect;
GetDlgItem(IDC_PIC_STATIC)->GetClientRect(&rect);
Rect dst(rect.left,rect.top,rect.right,rect.bottom);
resize(dst2,dst2,cv::Size(rect.Width(),rect.Height()));
imshow("view", dst2);
}6、美白演算法
void CzhanghaolinDlg::OnBnClickedOpenButton4()
{
// TODO: 在此新增控制元件通知處理程式程式碼
int width=srcImage.cols;
int heigh=srcImage.rows;
src.copyTo(dst3);
//Mat dst3(src.size(),CV_8UC3); //融合後的RGB三通道
/*vector<Mat> imageRGB;
Mat Y,Cr,Cb;
Mat RL;
//RGB三通道分離
split(src, imageRGB);*/
/*轉換顏色空間並分割顏色通道*/
/*cvtColor(src, src, CV_BGR2YCrCb);
split(src,imageRGB);
Y = imageRGB.at(0);
Cr = imageRGB.at(1);
Cb = imageRGB.at(2);
RL.create(heigh, width, CV_8UC3);*/
//float Y[1024][1024];
//float Cr[1024][1024];
//float Cb[1024][1024];
//float RL[1024][1024];
Y = (float **)malloc(heigh * sizeof(float*));
Cr = (float **)malloc(heigh * sizeof(float*));
Cb = (float **)malloc(heigh * sizeof(float*));
float Mr,Mb,number;
float sumR=0;
float sumB=0;
for (int y=0;y<heigh;y++)
{
Y[y] = (float *)malloc(width * sizeof(float));
Cr[y] = (float *)malloc(width * sizeof(float));
Cb[y] = (float *)malloc(width * sizeof(float));
}
//把影象從RGB轉換到YCrCb空間 分別計算Cr，Cb的平均值Mr，Mb******************
for (int y=0;y<heigh;y++)
{
uchar* dst3P=dst3.ptr<uchar>(y);
for (int x=0;x<width;x++)
{
Y[y][x] = (0.299f * (float)dst3P[3*x]) + (0.587f * (float)dst3P[3*x+1]) + (0.114f * (float)dst3P[3*x+2])+0.0f;
Cr[y][x] =(0.500f * (float)dst3P[3*x])- (0.419f * (float)dst3P[3*x+1]) -( 0.081f * (float)dst3P[3*x+2])+128.0f;
Cb[y][x] = ((-0.169f) * (float)dst3P[3*x])+( (- 0.331f) * (float)dst3P[3*x+1])+ (0.500f * (float)dst3P[3*x+2])+128.0f;
sumR=sumR+Cr[y][x];
sumB=sumB+Cb[y][x];
}
}
number=(float)heigh*(float)width;
Mr=sumR/number;
Mb=sumB/number;
//分別計算Cr，Cb的方差Dr，Db******************
float Dr=0;
float Db=0;
for (int y=0;y<heigh;y++) //求方差
{ uchar* dst3P=dst3.ptr<uchar>(y);
for (int x=0;x<width;x++)
{
//Cr[y][x] =(0.500f * (float)dst3P[3*x])- (0.419f * (float)dst3P[3*x+1]) -( 0.081f * (float)dst3P[3*x+2]);
// Cb[y][x] = ((-0.169f) * (float)dst3P[3*x])+( (- 0.331f) * (float)dst3P[3*x+1])+ (0.500f * (float)dst3P[3*x+2]);
Dr=Dr+((Cr[y][x]-Mr)*(Cr[y][x]-Mr));
Db=Dr+((Cb[y][x]-Mb)*(Cb[y][x]-Mb));
}
}
Dr=Dr/number;
Db=Db/number;
//判別參考點******************
float sumR2=0; float sumG2=0; float sumB2=0;
R2 = (float **)malloc(heigh * sizeof(float*));
G2 = (float **)malloc(heigh * sizeof(float*));
B2 = (float **)malloc(heigh * sizeof(float*));
RL = (float **)malloc(heigh * sizeof(float*));
for (int y=0;y<heigh;y++)
{
R2[y] = (float *)malloc(width * sizeof(float));
G2[y] = (float *)malloc(width * sizeof(float));
B2[y] = (float *)malloc(width * sizeof(float));
RL[y] = (float *)malloc(width * sizeof(float));
}
float panbie1;
float panbie2;
float panbie3;
float panbie4;
for (int y=0;y<heigh;y++)
{
for (int x=0;x<width;x++)
{
panbie1=Cr[y][x]-(Mb+Db);
panbie2=1.50f * Db;
panbie3=Cr[y][x]-(1.50f *Mr+Dr);
panbie4=1.50f * Dr;
if(panbie1<panbie2 && panbie3<panbie4)
{
RL[y][x]=Y[y][x];
}
else {RL[y][x]=0.0f;}
}
}
//提取白色點前10%的最小值LUmin*****************
float* YY = (float *)malloc((int)number* sizeof(float));
int q=0;
for(int y=0;y<heigh;y++)
{
for(int x=0;x<width;x++)
{
YY[q]=RL[y][x];
q++;
}
}
float t;int j;int i;
for(i=1;i<((int)number);i++)
{
t=YY[i];
j=i-1;
while(YY[j]>t && j>=0)
{
YY[j+1]=YY[j];
j--;
}
if(j!=(i-1))
YY[j+1]=t;
}
/*
float t=0;
for(int i=0;i<((int)number)-1;i++)
{
for(int j=i+1;j<(int)number;j++)
{
if(YY[i]<YY[j]) //由大到小
{
t=YY[i];
YY[i]=YY[j];
YY[j]=t;
}
}
}*/
float LUmin=0;
int percent10;
percent10=(int)(number*0.9);//前10%中的最小值
LUmin=YY[percent10];
//調整RL************************
for (int y=0;y<heigh;y++)
{
for (int x=0;x<width;x++)
{
if(RL[y][x]<LUmin)
{
RL[y][x]=0.0f;
}
else {RL[y][x]=1.0f;}
}
}
//分別把 R，G，B與RL點乘，得到 R2，G2，B2.分別計算其均值得到 Rav,Gav,Bav*****************
for (int y=0;y<heigh;y++) //判別參考點
{ uchar* dst3P=dst3.ptr<uchar>(y);
for (int x=0;x<width;x++)
{
R2[y][x]=((float)dst3P[3*x])*(float)RL[y][x];
G2[y][x]=((float)dst3P[3*x+1])*(float)RL[y][x];
B2[y][x]=((float)dst3P[3*x+2])*(float)RL[y][x];
sumR2=sumR2+R2[y][x];
sumG2=sumG2+G2[y][x];
sumB2=sumB2+B2[y][x];
}
}
float Rav,Gav,Bav;
Rav=sumR2/number;
Gav=sumG2/number;
Bav=sumB2/number;
//計算出圖片中亮度最大值，其中Y為亮度值矩陣
free(Cr);
free(Cb);
free(R2);
free(G2);
free(B2);
free(RL);
//float Y2[1024][1024];
//計算出圖片中亮度最大值
Y2 = (float **)malloc(heigh * sizeof(float*));
for (int y=0;y<heigh;y++)
{
Y2[y] = (float *)malloc(width * sizeof(float));
}
float Ymax=0;
for (int y=0;y<heigh;y++) // 找Y的最大值
{ uchar* dst3P=dst3.ptr<uchar>(y);
for (int x=0;x<width;x++)
{ //Y[y][x] =( 0.299f * (float)dst3P[3*x]) + (0.587f * (float)dst3P[3*x+1] )+ (0.114f * (float)dst3P[3*x+2]);
Y2[y][x]=Y[y][x];
if(Y2[y][x]>Ymax)
{Ymax=Y2[y][x];}
}
}
float Yzengyi,zengyi;
zengyi=(float)liangdu*0.01f;
zengyi=1.00f-zengyi;
Yzengyi=10.0f * zengyi;
Ymax=Ymax/Yzengyi;
free(Y2);
//得到調整增益
free(Y);
float Rgain,Ggain,Bgain;
Rgain=Ymax/Rav;
Ggain=Ymax/Gav;
Bgain=Ymax/Bav;
//調整原影象
//float Rgain,Ggain,Bgain;
//Rgain=2.0f;
//Ggain=2.0f;
//Bgain=2.0f;
float tmp=0;
Mat dst4(src.size(),CV_8UC3);
for(int y=0;y<heigh;y++)
{
uchar* dst4P=dst3.ptr<uchar>(y);
for(int x=0;x<width;x++)
{
float r6 = (float)dst4P[3*x]*Rgain;
tmp = r6;
tmp=tmp>255?255:tmp;
tmp=tmp<0?0:tmp;
dst4P[3*x]=(uchar)(tmp);
float r7 = (float)dst4P[3*x+1]*Ggain;
tmp = r7;
tmp=tmp>255?255:tmp;
tmp=tmp<0?0:tmp;
dst4P[3*x+1]=(uchar)(tmp);
float r8 = (float)dst4P[3*x+2]*Bgain;
tmp = r8;
tmp=tmp>255?255:tmp;
tmp=tmp<0?0:tmp;
dst4P[3*x+2]=(uchar)(tmp);
}
}
dst3.copyTo(dst4);
dst4.copyTo(dstmeibai);
dst4.copyTo(src);
CRect rect;
GetDlgItem(IDC_PIC_STATIC)->GetClientRect(&rect);
Rect dst(rect.left,rect.top,rect.right,rect.bottom);
resize(dstmeibai,dstmeibai,cv::Size(rect.Width(),rect.Height()));
imshow("view", dstmeibai);
}- 實驗難點
總結起來，因為使用了Opencv2.4.10,減少了濾波的工作量（因為有現成庫），剩下的難點在於融合演算法和美白演算法，尤其是美白演算法裡涉及到多次計算，因此選用了二維陣列來處理，確實在二維陣列的學習上吃了不少報錯的苦頭。
- 心得體會
本以為使用了Opencv能把任務變得非常簡單，但是因為不熟悉，還是參考了大量的資料（包括CSDN部落格、各種論壇、各種影象處理程式碼），肝了整整一整天！
由於我沒有找到融合和美白的一些參考程式碼，決定自己根據PPT的效果和公式進行編寫程式，在這個過程中，Opencv對我來說又失去意義了，從底層還是選擇了用二維陣列來儲存影象資料來依次處理。
這個過程對我來說很艱難，在檢查報錯和無效果的過程中，我接受了一次又一次打擊，最終在一次一次失敗、一次一次查資料學習、一次一次嘗試中最終把成品完成了，我自我覺得這次作業完成的非常用心，也學習了非常多的知識，MFC的基本應用（傳遞值、函式、操作框等）、VC++影象處理的指標的應用、Opencv讀取顯示儲存等庫函式的實用，非常有意義的一次課程設計！
PS：大家如果自己寫的話，尤其是使用二維陣列多的時候，可能會出現記憶體訪問失敗這種很難受的報錯（別問我為什麼難受，新手面對這個花費了2個小時學習動態陣列定義、初始化、釋放和應用），所以大家可以參考我下面的資料幫助你們在過程中少一點錯誤，多一點希望！
- 參考資料（以下是我在學習過程中參考的博主或網上的資料，謝謝各位的分享）
我剛開始是根據這個博主的MFC教程一步步學習VC6.0+MFC處理7個影象處理實驗來入門的，如果不入門，可能對影象處理的概念不清晰，導致使用陣列的時候也被搞得暈頭轉向！唯一可惜的就是用VC6.0做一些比較難的比較麻煩，所以可以拿來入門，建議程式設計使用VS2008以上版本。