基于人臉關(guān)鍵點(diǎn)檢測(cè)和引導(dǎo)濾波算法的圖像美顏研究

王丙正 韓蔚琪 劉世豪

【摘? ?要】隨著科技的快速發(fā)展，人們開始追求自拍美。然而單純手機(jī)影像硬件帶來的提升，會(huì)過分突出臉部細(xì)節(jié)的不足。故本文提出基于人臉關(guān)鍵點(diǎn)檢測(cè)與引導(dǎo)濾波技術(shù)的人臉圖像美顏算法。該算法首先對(duì)圖片中的人臉進(jìn)行檢測(cè)，定位關(guān)鍵臉部器官的位置，再根據(jù)引導(dǎo)濾波器，濾除臉部存在的皮膚缺陷，完成對(duì)人臉圖像的美顏效果。經(jīng)過實(shí)驗(yàn)結(jié)果得出結(jié)論，該算法能夠較好的濾除臉部噪點(diǎn)，對(duì)臉部的關(guān)鍵五官有很好的保邊效果，總體上能得到一張真實(shí)性強(qiáng)、磨皮效果好的結(jié)果圖。

【關(guān)鍵詞】人臉圖像美顏;人臉關(guān)鍵點(diǎn)檢測(cè);保邊濾波;引導(dǎo)濾波

引言

隨著社會(huì)的發(fā)展和科技的進(jìn)步，越來越多的人開始追求時(shí)尚和美麗。手機(jī)拍照硬件的快速提升更是加速了這一過程。隨著硬件的飛速發(fā)展，人們臉上的缺陷也毫無保留地暴露出來，嚴(yán)重影響了圖像的美觀。故針對(duì)此情況，提出人像美顏算法，使其在后期能通過圖像修正等手段對(duì)圖片進(jìn)行美化。圖像濾波技術(shù)是人臉美顏的關(guān)鍵技術(shù)之一，在盡可能保留圖像細(xì)節(jié)的同時(shí)，能夠很好地抑制目標(biāo)圖像的噪聲。對(duì)于數(shù)字圖像而言，噪聲表現(xiàn)為像素值大小的極值。正是噪聲的存在，極大地降低了圖像的質(zhì)量。一般來說，要構(gòu)造一個(gè)良好的噪聲抑制濾波器，需要考慮其對(duì)人像圖片的瑕疵噪點(diǎn)產(chǎn)生的過濾效果，同時(shí)也要考慮其是否能有效的保留圖像中的邊緣信息，不損失圖像的細(xì)節(jié)。引導(dǎo)濾波算法就是實(shí)現(xiàn)上述效果的典型算法之一，它在實(shí)現(xiàn)對(duì)人臉圖片美化的同時(shí)，保留了圖像臉部輪廓及面部器官的細(xì)節(jié)，在一定程度上降低了人臉圖像的美顏痕跡，給人以更加真實(shí)的自然美的感覺，在人臉美顏方面有著廣泛的應(yīng)用。

1.人臉關(guān)鍵點(diǎn)檢測(cè)

對(duì)于人像美顏算法而言，實(shí)際主要的美化工作更集中在對(duì)人臉面部的美化上。所以要對(duì)面部進(jìn)行美化，首先需要對(duì)圖片進(jìn)行人臉面部檢測(cè)，定位到圖片中人臉?biāo)诘奈恢?。人臉本身具有一定的特殊屬性，如人臉形狀大體上是一個(gè)橢圓形，在色彩上皮膚與其它非皮膚區(qū)域有很大的區(qū)別，在數(shù)字化圖像里表現(xiàn)為像素點(diǎn)值的跳變;除此之外，人臉的中心區(qū)域也是由眉毛、眼睛、鼻子、嘴巴等具有特點(diǎn)的器官構(gòu)成，這些特殊的屬性成為了人臉圖像的特征區(qū)域?；谶@些特征區(qū)域以及面部輪廓的關(guān)鍵點(diǎn)，我們可以準(zhǔn)確地獲取臉部以及臉部各個(gè)器官的位置信息，進(jìn)而能夠?qū)D片進(jìn)行濾波美化處理。

利用Python語(yǔ)言進(jìn)行人臉關(guān)鍵點(diǎn)的檢測(cè)，圖（a）是輸入?yún)?shù)圖片，即原圖，圖（b）是原圖的86個(gè)面部關(guān)鍵點(diǎn)檢測(cè)結(jié)果。從（b）可以看到，圖像中人臉輪廓以及人臉主要特征器官被關(guān)鍵點(diǎn)標(biāo)識(shí)出。

2.濾波算法

2.1 高斯濾波

高斯濾波器是一種適用于消除高斯噪聲的線性平滑濾波器。經(jīng)過高斯濾波處理后的圖像，該圖像里面每個(gè)像素點(diǎn)的值都是經(jīng)過該像素點(diǎn)與其鄰域內(nèi)的其它像素點(diǎn)經(jīng)過加權(quán)平均后得到。其公式如下：

在公式（1）中，是濾波權(quán)重，是歸一化常量，和是圖像像素索引。從公式中可以看出，像素點(diǎn)的過濾值由該點(diǎn)與其鄰域像素點(diǎn)通過加權(quán)平均后得到，且該像素點(diǎn)鄰域內(nèi)的其它像素點(diǎn)的權(quán)值大小與其距離成單調(diào)關(guān)系。對(duì)的數(shù)值進(jìn)行改變，相當(dāng)于改變了該點(diǎn)鄰域內(nèi)的其它像素點(diǎn)對(duì)當(dāng)前像素點(diǎn)的權(quán)重影響程度。如增大的數(shù)值就是提高該點(diǎn)鄰域的遠(yuǎn)處像素點(diǎn)對(duì)該像素點(diǎn)的權(quán)重，造成的濾波效果也會(huì)更加明顯。

但在實(shí)際使用中發(fā)現(xiàn)，對(duì)圖像進(jìn)行高斯濾波過濾，人臉面部的一些細(xì)節(jié)無法被保留，面部輪廓和五官同樣進(jìn)行了模糊，沒有達(dá)到理想效果。因此基本的高斯濾波無法滿足需求，需要在其基礎(chǔ)上考慮其它影響權(quán)值的因素。

2.2 保邊濾波

人臉圖像一般都存在噪聲，而噪聲和邊緣在局部方差方面表現(xiàn)相似，所以對(duì)于圖像中存在的噪聲和邊緣，一些濾波算法并不能區(qū)分。故而在很多情況下，濾波后圖像的邊緣會(huì)變得模糊，存在邊緣模糊且殘余噪聲較大等缺點(diǎn)。如上面提到的高斯濾波算法就存在這樣的問題。這時(shí)候就需要對(duì)算法進(jìn)行更新。保邊濾波器是指在濾波過程中能夠有效的保留圖像中的邊緣信息的一類濾波器，能夠很好地解決壓噪和保邊之間的矛盾。引導(dǎo)濾波器屬于保邊濾波器的一種，與大多數(shù)邊緣保持濾波算法相比，它最大的優(yōu)點(diǎn)是窗口的大小不影響算法的復(fù)雜度，在對(duì)大型圖像進(jìn)行濾波處理時(shí)效率有明顯的提升。

2.3 引導(dǎo)濾波

引導(dǎo)濾波是保邊濾波器的一種，它需要引導(dǎo)圖像作為輸入，對(duì)待濾波圖像進(jìn)行濾波處理，屬于一種圖像濾波技術(shù)。相比于雙邊濾波算法（另一種保邊濾波算法），引導(dǎo)濾波算法降低了濾波器的算法復(fù)雜度，在時(shí)間效率上有明顯提升。

引導(dǎo)濾波器是一種線性濾波器，如公式（2）所示。當(dāng)對(duì)圖像中第個(gè)像素點(diǎn)進(jìn)行處理時(shí)，引導(dǎo)圖像會(huì)對(duì)該點(diǎn)鄰域內(nèi)點(diǎn)的權(quán)重造成影響，得到一個(gè)受該引導(dǎo)圖像影響的濾波輸出：

在公式（2）中，是經(jīng)過濾波處理后的輸出圖像，是濾波窗口，為輸入的引導(dǎo)圖像，是受輸入的引導(dǎo)圖像影響的權(quán)值，是輸入的待濾波圖像。和都是該算法的輸入。

假設(shè)在濾波窗口上，輸出圖像和引導(dǎo)圖像存在局部線性關(guān)系，即表示為公式（3）。對(duì)于原圖可以這樣認(rèn)為，原人臉圖像是輸出圖像疊加了噪聲影響的圖像，用數(shù)學(xué)符號(hào)表示就是，即原人臉圖像減去噪聲就為我們的輸出圖像。所以我們要優(yōu)化這個(gè)公式，使其滿足噪聲最小?？梢詫⑵滢D(zhuǎn)化為求最優(yōu)化問題，得到濾波窗口內(nèi)的損失函數(shù)為：

根據(jù)推導(dǎo)結(jié)果看出，當(dāng)在圖像的邊緣區(qū)域時(shí)，在該區(qū)域像素點(diǎn)值的波動(dòng)很大，方差會(huì)遠(yuǎn)遠(yuǎn)大于，根據(jù)上式，得到，根據(jù)公式（3），得到，表明在該區(qū)域保持邊緣不變;當(dāng)在圖像的平滑區(qū)域時(shí)，在該區(qū)域內(nèi)像素點(diǎn)值的波動(dòng)很小，方差無限接近于，遠(yuǎn)小于，根據(jù)上式得到的結(jié)果，得到，根據(jù)公式（3），得到，表明在該區(qū)域?qū)D像產(chǎn)生了濾波操作。所以，引導(dǎo)濾波在對(duì)人臉圖像美顏的處理方面，可以很好的濾除人臉圖像表面皮膚的噪點(diǎn)，對(duì)人臉五官和邊緣輪廓有很好的保留效果。

3.實(shí)驗(yàn)結(jié)果及分析

通過Python語(yǔ)言編寫代碼，先經(jīng)過人臉關(guān)鍵點(diǎn)檢測(cè)定位，再分別用高斯濾波算法與引導(dǎo)濾波算法實(shí)現(xiàn)人臉美顏效果。

下圖中，圖（a）是輸入圖片，即原圖;圖（b）是經(jīng)過高斯濾波算法處理后的人像圖片;圖（c）是經(jīng)過引導(dǎo)濾波算法處理后的人像圖片。

經(jīng)過對(duì)比可以發(fā)現(xiàn)，經(jīng)過高斯濾波處理的人像圖片，瑕疵去除效果一般，而且其面部輪廓與五官也都進(jìn)行了模糊處理，導(dǎo)致五官顯示不清晰。經(jīng)過引導(dǎo)濾波處理的人像圖片，其臉部瑕疵基本被濾除，噪聲減弱效果好，且面部輪廓與五官變得非常清晰，五官與皮膚之間的過度更加平滑，圖像整體更加真實(shí)，美顏效果明顯優(yōu)于高斯濾波。

4 .結(jié)語(yǔ)

本文基于人臉關(guān)鍵點(diǎn)檢測(cè)技術(shù)與引導(dǎo)濾波算法的原理，對(duì)人臉圖像美顏進(jìn)行了概述和探討。人臉關(guān)鍵點(diǎn)檢測(cè)技術(shù)可以快速的找到圖片中人臉面部輪廓以及臉部各個(gè)器官的位置?；谶@些輪廓及關(guān)鍵點(diǎn)，對(duì)圖像面部進(jìn)行美化處理。普通的濾波算法雖然可以有效的濾除圖片面部的瑕疵噪點(diǎn)，但對(duì)人臉圖像邊緣化的特征也進(jìn)行了過分的過濾。于是本文提出了保邊濾波算法中的引導(dǎo)濾波算法，讓引導(dǎo)圖像與輸入圖像一致，使該算法成為一個(gè)保邊算法。利用Python語(yǔ)言，實(shí)現(xiàn)本文提到的人臉關(guān)鍵點(diǎn)檢測(cè)以及引導(dǎo)濾波算法，完成美顏效果。根據(jù)實(shí)驗(yàn)所得圖像進(jìn)行對(duì)比，發(fā)現(xiàn)該算法不僅有效的去除了人臉皮膚面部的瑕疵噪點(diǎn)，而且對(duì)耳眼口鼻等器官以及面部輪廓邊緣有很好的保留效果。

參考文獻(xiàn)

[1]張明麗. 人臉關(guān)鍵點(diǎn)檢測(cè)算法研究[D].北方工業(yè)大學(xué)，2018.

[2]石胡森. 基于深度學(xué)習(xí)的人臉關(guān)鍵點(diǎn)檢測(cè)方法研究[D].中國(guó)科學(xué)技術(shù)大學(xué)，2020.

[3]石野，王曉凱，劉慧鋒.基于局部濾波模板的雙邊濾波算法研究[J].測(cè)試技術(shù)學(xué)報(bào)，2021，35（01）：49-53.

[4]張楊洋.濾波算法在數(shù)字圖像降噪中的應(yīng)用[J].自動(dòng)化應(yīng)用，2020（12）：49-51.

[5]張娜，劉娜，杜清漪.基于高斯同態(tài)濾波和引導(dǎo)濾波對(duì)圖像增強(qiáng)的研究[J].電腦知識(shí)與技術(shù)，2020，16（03）：190-191.

作者簡(jiǎn)介： 王丙正 （2000.6-），男，漢族，河南信陽(yáng)， 本科，天津科技大學(xué)，研究方向：軟件工程。

韓蔚琪（1999.12-），女，漢族，甘肅蘭州，本科，天津科技大學(xué)，研究方向：軟件工程。

劉世豪（2000.3-），男，漢族，河南開封，本科，天津科技大學(xué)，研究方向： 軟件工程。

天津科技大學(xué)? ? 天津? ? ?300450