論文：Interactive Image Warping（1993年Andreas Gustafsson）
算法思路：
以眼睛中心為中心點(diǎn)，對(duì)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(duì)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(guò)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(lái)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(lái)計(jì)算大眼程度Intensity。
比如Intensity = 15*512*512/(width*height)
應(yīng)用場(chǎng)景：
適用于任何球形局部形變的場(chǎng)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)
實(shí)驗(yàn)效果：
到此這篇關(guān)于pytorch 膨脹算法實(shí)現(xiàn)大臉效果的文章就介紹到這了,更多相關(guān)pytorch 膨脹算法內(nèi)容請(qǐng)搜索服務(wù)器之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持服務(wù)器之家！
原文鏈接：https://blog.csdn.net/qq_14845119/article/details/121516646
