皮肤检测及对检测到皮肤单独校色 （基于自动白平衡）

2024-06-08 18:32
文章标签 检测 自动 单独 皮肤 白平衡 校色

本文主要是介绍皮肤检测及对检测到皮肤单独校色 （基于自动白平衡），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

原理见前几篇博客，修改修改可以做美颜的程序直接贴代码：

/*对照片中的皮肤单独进行较色，然后塞进原始图片作为输出*/
/*包含皮肤的检测、皮肤的校正两步*/
/*单张照片测试效果不错，但对于一百多张照片，结果还是有偏差，这种单独校正然后再用于贴图的方法 行不通*/
/*时间:2015.8.24*/
#include <opencv2/core/core.hpp>  
#include <opencv2/highgui/highgui.hpp>  
#include <opencv2/face.hpp>
#include <opencv2/imgproc/imgproc.hpp>  
#include <iostream>  
#include <vector>  using namespace std;  
using namespace cv;  
double baidianave(Mat frame,int n)
{  int a[256];for (int i=0;i<256;i++){a[i]=0;}double sum=0;double ave;for (int i=0;i<n;i++){int d=frame.at<double>(0,i);a[d]++;}int n0=255;for (int k=255;k>0;k--){sum+=a[k];if (sum>frame.rows*frame.cols/25){break;}n0--;}sum=0;for (int i=n0;i<256;i++){sum+=a[i]*i;}ave=sum/(frame.rows*frame.cols/25);return ave;
}
double baidianave(Mat frame)
{ int a[256];
//cvZero(a);for (int i=0;i<256;i++){a[i]=0;}double sum=0;double ave;for (int i=0;i<frame.rows;i++){for (int j=0;j<frame.cols;j++){int d=(int)frame.at<uchar>(i,j);a[d]++;}}int n0=255;for (int k=255;k>0;k--){sum+=a[k];if (sum>frame.rows*frame.cols/25){break;}n0--;}sum=0;for (int i=n0;i<256;i++){sum+=a[i]*i;}ave=sum/(frame.rows*frame.cols/25);return ave;}Mat input_image;  
Mat output_mask;  
Mat output_image;  
Mat mask;  int main(int argc,char *argv[])  
{  if (2 != argc) {cout << "Please enter the image list!" <<endl;return -1;}vector<string>  file_names;FILE *file_list =  fopen(argv[1],"r");char buf[255];memset(&buf,0,sizeof(buf));while(fgets(buf,255,file_list)){if(buf[strlen(buf)-1] == '\n') buf[strlen(buf)-1] = '\0';file_names.push_back(string(buf));}fclose(file_list);int count = file_names.size();Mat skinCrCbHist = Mat::zeros(Size(256, 256), CV_8UC1);  ellipse(skinCrCbHist, Point(113, 155.6), Size(25,12), -20, 0.0, 360.0, Scalar(255, 255, 255), -1);  Mat element = getStructuringElement(MORPH_RECT, Size(3, 3), Point(-1, -1) );  for(int  i=0; i<count; i++){  string img_nm = file_names[i];string img_mask = "mask" + img_nm;int pos = img_nm.rfind('.');string img_fmt = img_nm.substr(pos+1);if("jpg" != img_fmt){cout << "Unknown format: " << img_fmt << endl;continue;}input_image=imread(img_nm,1);  if(input_image.empty())  return 0;  Mat ycrcb_image;  output_mask = Mat::zeros(input_image.size(), CV_8UC1);  cvtColor(input_image, ycrcb_image, CV_BGR2YCrCb); CvScalar s;s.val[0]=0;s.val[1]=0;s.val[2]=255;for(int i = 0; i < input_image.rows; i++) {  uchar* p = (uchar*)output_mask.ptr<uchar>(i);  Vec3b* ycrcb = (Vec3b*)ycrcb_image.ptr<Vec3b>(i);  for(int j = 0; j < input_image.cols; j++)  {  if(skinCrCbHist.at<uchar>(ycrcb[j][1], ycrcb[j][2]) > 0)  {// input_image.at<Vec3b>(i,j)[2]=255;p[j] = 255;  }}  }     // imwrite("test.jpg",input_image);morphologyEx(output_mask,output_mask,MORPH_CLOSE,element);   vector< vector<Point> > contours;   vector< vector<Point> > filterContours; vector< Vec4i > hierarchy;   contours.clear();    hierarchy.clear();   filterContours.clear();  findContours(output_mask, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE);    for (size_t i = 0; i < contours.size(); i++)   {  if (fabs(contourArea(Mat(contours[i]))) > 2000&&fabs(arcLength(Mat(contours[i]),true))>500) filterContours.push_back(contours[i]);  }  output_mask.setTo(0);  drawContours(output_mask, filterContours, -1, Scalar(255,0,0), CV_FILLED);     input_image.copyTo(output_image, output_mask);  Mat tempimage=Mat::zeros(input_image.size(), CV_8UC3); threshold(output_mask,output_mask,20, 255, THRESH_BINARY);cvtColor(output_mask,output_mask,CV_GRAY2BGR);Mat frame=Mat::zeros(input_image.size(), CV_8UC3); output_image.copyTo(frame);// imshow("frame",frame);// waitKey(0);//cout<<frame.rows<<"  "<<frame.cols<<endl;// cvShowImage("处理前图像",frame);int heightyiban=frame.rows;int widthyiban=frame.cols;double Ysum=0;//Y的总和double Cbsum[4]={0,0,0.0};//图像分成四部分，每部分Cb的总和double Crsum[4]={0,0,0,0};//图像分成四部分，每部分Cr的总和double Mb[4],Db[4];//图像分成四部分，每部分Cb的均值和均方差double Mr[4],Dr[3];//Cr的均值和均方差  Mat imageYCrCb =  Mat::zeros(frame.size(), CV_8UC3);Mat imageCb = Mat::zeros(frame.size(), CV_8UC1);Mat imageCr = Mat::zeros(frame.size(), CV_8UC1);Mat imageY = Mat::zeros(frame.size(), CV_8UC1);// imageYCrCb = cvCreateImage(cvGetSize(frame),8,3);   // imageCb = cvCreateImage(cvGetSize(frame),8,1);  // imageCr = cvCreateImage(cvGetSize(frame),8,1); // imageY = cvCreateImage(cvGetSize(frame),8,1); cvtColor(frame,imageYCrCb,CV_BGR2YCrCb); std::vector<cv::Mat>ybr(imageYCrCb.channels());split(imageYCrCb,ybr);// namedWindow("test",0);// imshow("test",ybr[2]);// waitKey(0);//分成三个通道，，，// imageY,imageCr,imageCbMat imageb=Mat::zeros(frame.size(), CV_8UC1);Mat imagec=Mat::zeros(frame.size(), CV_8UC1);ybr[1].copyTo(imageb);ybr[2].copyTo(imagec);Mat  savg,sfangcha;//全局scalar 变量用来放平均值和方差meanStdDev(ybr[2],savg,sfangcha);// cvAvgSdv(imageb,&savg,&sfangcha,NULL);// cout<<savg.at<double>(0)<<endl;// cout<<sfangcha.at<double>(0)<<endl;Mb[0]=savg.at<double>(0);cout<<"Mb:  "<<Mb[0]<<endl;Db[0]=sfangcha.at<double>(0);//求出第一部分cb的均值和均方差cout<<"Db:  "<<Db[0]<<endl;// cvAvgSdv(imagec,&savg,&sfangcha,NULL);meanStdDev(ybr[1],savg,sfangcha);Mr[0]=savg.at<double>(0);cout<<"Mr:  "<<Mr[0]<<endl;Dr[0]=sfangcha.at<double>(0);;//求出第一部分cr的均值和均方差cout<<"Dr:  "<<Dr[0]<<endl;double b[4],c[4];for (int i=0;i<1;i++){if (Mb[i]<0)//计算mb+db*sign（mb）{ b[i]=Mb[i]+Db[i]*(-1);}elseb[i]=Mb[i]+Db[i];}for (int i=0;i<4;i++){if (Mr[i]<0)//计算1.5*mr+dr*sign（mb）；{c[i]=1.5*Mr[i]+Dr[i]*(-1);}elsec[i]=1.5*Mr[i]+Dr[i];}double Ymax=baidianave(ybr[0]);//下面是对第一部分进行白点的选择Mat Bbaidian=Mat::zeros(1,6000000,CV_64FC1);Mat Gbaidian=Mat::zeros(1,6000000,CV_64FC1);Mat Rbaidian=Mat::zeros(1,6000000,CV_64FC1);//CvScalar s1;int n1=0;cout<<"b[0]:   "<<b[0]<<"  c[0]:  "<<c[0]<<endl;for (int i=0;i<heightyiban;i++){for (int j=0;j<widthyiban;j++){// input_image.at<Vec3b>(i,j)[2]=255if (((ybr[2].at<uchar>(i,j)-b[0])<(1.5*Db[0]))&&((ybr[1].at<uchar>(i,j)-c[0])<(1.5*Dr[0]))){double d1=frame.at<Vec3b>(i,j)[0];Bbaidian.at<double>(0,n1)=d1;double d2=frame.at<Vec3b>(i,j)[1];Gbaidian.at<double>(0,n1)=d2;double d3=frame.at<Vec3b>(i,j)[2];Rbaidian.at<double>(0,n1)=d3;n1++;}}}// cout<<"n1:  "<<n1<<endl;double Bave1=baidianave(Bbaidian,n1);double Gave1=baidianave(Gbaidian,n1);double Rave1=baidianave(Rbaidian,n1);cout<<"Bave1:  "<<Bave1<<"    Gave1:  "<<Gave1<<"      Rave1:   "<<Rave1<<"  Ymax:  "<<Ymax<<endl;Ymax=Ymax;double Bgain1=Ymax/(Bave1);double Ggain1=Ymax/(Gave1);double Rgain1=Ymax/(Rave1);// CvScalar s1;// cout<<Bgain1<<"  "<<Ggain1<<"  "<<Rgain1<<endl; // int count_out=0;for (int i=0;i<heightyiban;i++){for (int j=0;j<widthyiban;j++){int tb=Bgain1*frame.at<Vec3b>(i,j)[0];int tg=Ggain1*frame.at<Vec3b>(i,j)[1];int tr=Rgain1*frame.at<Vec3b>(i,j)[2];if (tb>255){tb=255;// count_out++;}if (tg>255){tg=255;// count_out++;}if (tr>255){tr=255;// count_out++;}frame.at<Vec3b>(i,j)[0]=tb;frame.at<Vec3b>(i,j)[1]=tg;frame.at<Vec3b>(i,j)[2]=tr;}}// cout<<count_out<<endl;imwrite("frame.jpg",frame);        // cout<<"Finish!"<<endl;imwrite("img_nm1.jpg",input_image);     for(int i = 0; i < input_image.rows; i++) {  uchar* p = (uchar*)output_mask.ptr<uchar>(i);  uchar* p2 = (uchar*)input_image.ptr<uchar>(i);  uchar* p3 = (uchar*)frame.ptr<uchar>(i);  for(int j = 0; j < 3*input_image.cols; )  {  if(p[j] != 0)  {// cout<<"p:  "<<i<<"   "<<j<<"  "<<float(p[j])<<endl;// input_image.at<Vec3b>(i,j)[2]=255;p2[j]=0;p2[j] = p3[j++];  // cout<<"B:   "<<int (p2[j-1])<<"  ";p2[j]=0;p2[j] = p3[j++];  // cout<<"G:  "<<int (p2[j-1])<<"  ";p2[j]=0;p2[j] = p3[j++];  // cout<<"R:  "<<int (p2[j-1])<<endl;;// cout<<"p2:  "<<i<<"   "<<j<<"  "<<float(p2[j])<<endl;}elsej++;}  }// Mat tempimage=Mat::zeros(input_image.size(), CV_8UC3); // cvtColor(output_mask,tempimage,CV_GRAY2BGR);// imwrite("output_mask.jpg",output_mask); // imwrite("tempimage.jpg",tempimage);     imwrite(img_nm,input_image);     imwrite(img_mask,output_image);// imwrite(img_mask,output_mask);// namedWindow("input image",0);// // namedWindow("output mask",0);// namedWindow("output image",0);// imshow("input image", input_image);  // imshow("output image", output_image);  cout<<"Finish!"<<endl;// output_image.setTo(0);  // waitKey(0);}  return 0;  
}


这篇关于皮肤检测及对检测到皮肤单独校色 （基于自动白平衡）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/1042972。

相关文章

基于CTPN（tensorflow）+CRNN（pytorch）+CTC的不定长文本检测和识别

基于CTPN（tensorflow）+CRNN（pytorch）+CTC的不定长文本检测和识别

转发来源：https://swift.ctolib.com/ooooverflow-chinese-ocr.html chinese-ocr 基于CTPN（tensorflow）+CRNN（pytorch）+CTC的不定长文本检测和识别 环境部署 sh setup.sh 使用环境： python 3.6 + tensorflow 1.10 +pytorch 0.4.1 注：CPU环境
阅读更多...
WordPress网创自动采集并发布插件

WordPress网创自动采集并发布插件

网创教程：WordPress插件网创自动采集并发布 阅读更新：随机添加文章的阅读数量，购买数量，喜欢数量。 使用插件注意事项 如果遇到404错误，请先检查并调整网站的伪静态设置，这是最常见的问题。需要定制化服务，请随时联系我。 本次更新内容 我们进行了多项更新和优化，主要包括： 界面设置：用户现在可以更便捷地设置文章分类和发布金额。代码优化：改进了采集和发布代码，提高了插件的稳定
阅读更多...
【青龙面板辅助】JD商品自动给好评获取京豆脚本

【青龙面板辅助】JD商品自动给好评获取京豆脚本

1.打开链接 开下面的链接进入待评价商品页面 https://club.jd.com/myJdcomments/myJdcomments.action?sort=0 2.登陆后执行脚本 登陆后，按F12键，选择console，复制粘贴以下代码，先运行脚本1，再运行脚本2 脚本1代码 可以自行修改评价内容。 var content = '材质很好，质量也不错，到货也很快物流满分，包装快递满
阅读更多...
AI炒股：自动画出A股股票的K线图并添加技术指标

AI炒股：自动画出A股股票的K线图并添加技术指标

在deepseek中输入提示词： 你是一个Python编程专家，要完成一个编写Python脚本的任务，具体步骤如下： 用AKShare库获取股票贵州茅台（股票代码：600519）在2024年3月7日到2024年6月5日期间的历史行情数据-前复权。 然后绘制K线图，并在K线图上添加布林线、MACD 注意： 每一步都要输出信息到屏幕上； 日期格式是YYYYMMDD； 设置中文字体，以解决
阅读更多...
XMG 自动提示宏 #define keyPath(objc,keyPath) @(((void)objc.keyPath,#keyPath));

XMG 自动提示宏 #define keyPath(objc,keyPath) @(((void)objc.keyPath,#keyPath));

1. int a=((void)5,4)  C语言逗号表达式默认会取右边的内容 如果不写void的话 a会被报警告，写上void标明请忽略左边的内容 插曲刚才弄得，已经上线的苹果产品如果需要下架的话，点击 价格与销售范围，然后点击下架。这个产品就会在AppStore 中移除。如果想再让改产品重新在Apple store中显示，那么再次让他上线就可以了。但是会有一定的时间延迟 /
阅读更多...
基于深度学习的轮廓检测

基于深度学习的轮廓检测

基于深度学习的轮廓检测 轮廓检测是计算机视觉中的一项关键任务，旨在识别图像中物体的边界或轮廓。传统的轮廓检测方法如Canny边缘检测和Sobel算子依赖于梯度计算和阈值分割。而基于深度学习的方法通过训练神经网络来自动学习图像中的轮廓特征，能够在复杂背景和噪声条件下实现更精确和鲁棒的检测效果。 深度学习在轮廓检测中的优势 自动特征提取：深度学习模型能够自动从数据中学习多层次的特征表示，而不需要
阅读更多...
自动驾驶---Perception之Lidar点云3D检测

自动驾驶---Perception之Lidar点云3D检测

1 背景         Lidar点云技术的出现是基于摄影测量技术的发展、计算机及高新技术的推动以及全球定位系统和惯性导航系统的发展，使得通过激光束获取高精度的三维数据成为可能。随着技术的不断进步和应用领域的拓展，Lidar点云技术将在测绘、遥感、环境监测、机器人等领域发挥越来越重要的作用。         目前全球范围内纯视觉方案的车企主要包括特斯拉和集越，在达到同等性能的前提下，纯视觉方
阅读更多...
YOLOv9摄像头或视频实时检测

YOLOv9摄像头或视频实时检测

1、下载yolov9的项目 地址：YOLOv9 2、使用下面代码进行检测 import torchimport cv2from models.experimental import attempt_loadfrom utils.general import non_max_suppression, scale_boxesfrom utils.plots import plot_o
阅读更多...
Linux开机自动启动ORACLE设置

Linux开机自动启动ORACLE设置

Redhat init简介： Linux启动时，会运行一个init程序，然后由init来启动后面的任务，包括多用户环境（inittab中设定）和网络等。运行级就是当前程序运行的功能级别，这个级别从1到6，具有不同的功能。这些级别在/etc/inittab（其他发行版这个文件位置不同）中指定，该文件就是init程序寻找的主要文件。最先运行的服务放在/etc/rc.d目录下。
阅读更多...
自动驾驶规划中使用 OSQP 进行二次规划 代码原理详细解读

自动驾驶规划中使用 OSQP 进行二次规划 代码原理详细解读

目录 1 问题描述 什么是稀疏矩阵 CSC 形式 QP Path Planning 问题 1. Cost function 1.1 The first term: 1.2 The second term: 1.3 The thrid term: 1.4 The forth term: 对 Qx''' 矩阵公式的验证 整体 Q 矩阵（就是 P 矩阵，二次项的权重矩阵）
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2