1.3 皮膚變色器的實(shí)現(xiàn)

無須去檢測皮膚顏色和所在的區(qū)域，只需使用OpenCV的floodFill()函數(shù)即可，該函數(shù)類似于大多數(shù)圖像處理軟件中的顏料桶工具。我們知道屏幕中間區(qū)域就是皮膚像素（因?yàn)橐笥脩魧⑺麄兊哪樂旁谥虚g）。為了將整個人臉變成綠色皮膚，只需對圖像中心位置的像素進(jìn)行綠色漫水填充，這樣做總能讓人臉的某些部分變成綠色。實(shí)際上，顏色、飽和度和亮度在臉部的不同部位可能會有所不同，這會使漫水填充很少覆蓋面部的所有像素，除非將其閾值設(shè)為很低以至于覆蓋人臉以外的不想要的像素。為了解決這個問題，可在圖像中心區(qū)域不采用單個的漫水填充，而是對人臉區(qū)域中6個不同的皮膚像素點(diǎn)進(jìn)行漫水填充。

OpenCV的floodFill()函數(shù)有一個很好的特性，它會將漫水填充的效果繪制到新的圖像中而不（直接）修改輸入圖像。這一特性可得到一幅掩碼圖像，該圖像用來調(diào)整皮膚像素的顏色而不必改變亮度和飽和度，產(chǎn)生比所有皮膚都為綠色像素的圖像（這會導(dǎo)致重要臉部細(xì)節(jié)丟失）更為逼真的圖像。

在RGB顏色空間改變皮膚顏色效果并不好，因?yàn)楦淖兤つw顏色需要改變臉部圖像的亮度，但皮膚顏色不允許變化太大，而RGB無法從色彩中分離亮度。解決該問題的方法之一是采用HSV顏色空間，因?yàn)樗軐⒘炼扰c色彩（色調(diào)）以及色度（飽和度）分開。不幸的是，HSV將色調(diào)值包裹在紅色周圍，又因?yàn)槠つw大多是紅色的，這就意味著需要同時使用<10%和>90%的色調(diào)值，因?yàn)樵谶@里它們都是紅色。所以，我們可使用Y’CrCb顏色空間（OpenCV中的YUV空間的變種）來解決此問題。Y’CrCb顏色空間不僅能將顏色和亮度分開，而且對于通常的皮膚顏色，其取值只有一種。注意，實(shí)際上對于大多數(shù)相機(jī)而言，其圖像和視頻在轉(zhuǎn)換成RGB前都使用某種YUV類型作為顏色空間，所以在很多情形下可直接得到Y(jié)UV圖像，無須自己轉(zhuǎn)換。

由于我們想獲得像卡通畫一樣的外星人模式，可對圖像進(jìn)行卡通化之后再用外星人濾波器。換言之，可使用由雙邊濾波器產(chǎn)生的縮小顏色圖像和全尺寸的邊緣掩碼。皮膚檢測通常在低分辨率下工作較好，因?yàn)樗c分析高分辨率像素的近鄰的平均值等價（或者可看作是用低頻信號代替高頻噪聲信號）。接下來的工作是在對圖像進(jìn)行縮放后進(jìn)行的，其縮放大小與用雙邊濾波器處理圖像時一樣（即只取圖像一半的寬度和高度）。下面先將繪畫圖像轉(zhuǎn)換為YUV：

我們還需要縮小邊緣掩碼，使其與繪畫圖像的比例相同。當(dāng)存儲一幅單獨(dú)的掩碼圖像時，若用OpenCV的floodFill()函數(shù)會遇到困難，即掩碼圖像應(yīng)在整個圖像周圍用1個像素作邊界，若輸入圖像大小為W×H個像素，則單獨(dú)的掩碼圖像大小為（W運(yùn)算符2）×（H運(yùn)算符2）個像素。但floodFill()函數(shù)也允許初始化邊緣掩碼來確保漫水填充算法不會越界。使用這一特性，可防止漫水填充的區(qū)域擴(kuò)展到人臉外面。因此，需要提供兩幅掩碼圖像：一幅的邊緣掩碼大小為W×H，另一幅則因?yàn)榘藞D像的邊界，所以大小為（W運(yùn)算符2）×（H運(yùn)算符2），邊緣掩碼相同。可讓多個cv::Mat對象（或頭部）引用同一數(shù)據(jù)，或者甚至可讓一個cv::Mat對象引用另一個cv::Mat圖像的區(qū)域。因此，無須分配兩個分離的圖像，然后復(fù)制邊緣掩碼給它們，只需分配一個包含邊界的掩碼圖像并創(chuàng)建一個額外的大小為W×H的cv::Mat頭部（這僅是在沒有邊界的情況下引用漫水填充掩碼中的感興趣區(qū)域）。換句話說，僅僅只有一個（W運(yùn)算符2）×（H運(yùn)算符2）大小的像素?cái)?shù)組，但有兩個cv::Mat對象，其中一個引用整個（W運(yùn)算符2）×（H運(yùn)算符2）大小的圖像，另一個引用圖像中間大小為W×H的區(qū)域：

整個邊緣掩碼有強(qiáng)邊緣也有弱邊緣（如下圖的左圖所示），但我們只想要強(qiáng)邊緣，所以將采用二值化閾值法來過濾（效果見下圖的中圖）。為了在邊緣之間加入一些間隙，我們將結(jié)合形態(tài)算子dilate()和erode()來消除一些間隙（也稱為關(guān)閉算子），結(jié)果見下圖的右圖：

我們可以在下圖中看到應(yīng)用閾值化和形態(tài)算子的結(jié)果，第一幅圖是輸入邊緣圖，第二幅是經(jīng)過閾值化濾波器得到的圖像，最后一幅是經(jīng)過膨脹和侵蝕形態(tài)濾波器的圖像：

如前所述，我們希望對臉部周圍的許多像素點(diǎn)使用漫水填充算法，從而確保包含了整個人臉圖像的各種顏色和色調(diào)。我們選擇鼻子、臉頰和前額周圍的六個點(diǎn)，如下面屏幕截圖的左側(cè)所示。注意，這些值取決于前面繪制的臉部輪廓：

現(xiàn)在，僅需要為漫水填充找到一些好的下界和上界。注意，漫水填充算法基于Y’CrCb顏色空間，因此基本上可以決定亮度、紅色分量、藍(lán)色分量變化多少。我們希望允許包括陰影、高亮、反射在內(nèi)的亮度變化較大，但不希望顏色變化很大：

調(diào)用floodFill()函數(shù)時，除了存儲外部掩碼需要指定參數(shù)FLOODFILL_MASK_ONLY外，其他參數(shù)默認(rèn)：

下圖左邊有六個漫水填充的位置（見小圓圈），右邊圖像顯示生成的外部掩碼，其中皮膚為灰色，邊緣為白色。注意右圖已針對本書進(jìn)行了修改，以便使皮膚像素（值為1）清晰可見：

圖像變量mask（上面的右圖為它對應(yīng)的圖像）包含以下的值：

●值為255的邊緣像素

●值為1的皮膚像素

●其余值為0的像素

其間，變量edgeMask僅包含邊緣像素（值為255）。因此為了得到皮膚像素，可從變量中移除邊緣：

變量mask現(xiàn)在僅包含值為1的皮膚像素和值為0的非皮膚像素。為了改變原圖的皮膚顏色和亮度，可使用帶有皮膚掩碼的cv::add()函數(shù)來增加原始BGR圖像中的綠色成分：

下圖展示了左邊的原圖和右邊最終的外星人卡通圖，其中臉部至少有六個部分是綠色的了！

請注意，我們已經(jīng)使皮膚看起來更綠，但也更亮（看起來像一個在黑暗中發(fā)光的外星人）。如果你只想改變膚色而不使它更亮，可以使用其他顏色更改方法，例如將綠色分量加到70，同時紅色和藍(lán)色分量減少70，或者使用cvtColor(src,dst,"CV_BGR2HSV_FULL")將圖像轉(zhuǎn)換成HSV顏色空間，并調(diào)整色度和飽和度。

降低素描圖像的隨機(jī)椒鹽噪聲

大多數(shù)智能手機(jī)的微型相機(jī)、樹莓派相機(jī)模塊和一些攝像頭都有明顯的圖像噪聲。這通常可以接受，但對于5×5的Laplacian邊緣濾波器則影響很大。邊緣掩碼（素描模式顯示）經(jīng)常會有很多黑色小斑點(diǎn)，它們被稱為椒鹽噪聲，由白色背景上相鄰的幾個黑色像素組成。我們已經(jīng)在使用中值濾波器了，通常強(qiáng)度足以去除椒鹽噪聲，但現(xiàn)有情況下則可能不夠強(qiáng)。因?yàn)檫吘壯诖a大多為帶著一些黑色邊緣（值為0）的純白色背景（值為255）和噪點(diǎn)（值也為0）。我們可使用標(biāo)定的閉形態(tài)算子，但那會消除很多邊緣。因此，本項(xiàng)目采用一個自定義濾波器，用于刪除被白色像素完全包圍的小黑色區(qū)域像素。這樣可以消除很多噪聲，同時對實(shí)際的邊緣影響不大。

我們將掃描圖像中的黑色像素，在每個黑色像素處，我們將檢查它周圍5×5正方形區(qū)域的邊界像素是否為白色，如果它們都為白色，則說明有一個黑色噪聲小島，可用白色像素來填充整個塊以去除黑色小島。為了簡化5×5濾波器，可忽略掉圖像周圍邊框的兩個像素，并保持其原樣。

下圖左邊的原始圖像來自Android平板電腦，中間圖像為素描模式，帶有椒鹽噪聲的小黑點(diǎn)，右圖顯示了使用上述方法刪除椒鹽噪聲的結(jié)果，皮膚看起來干凈了很多：

為方便起見，我們封裝了名為removePepperNoise()的函數(shù)來處理圖像，其代碼如下：

就這樣了！反復(fù)測試你的應(yīng)用程序，直到準(zhǔn)備好移植到嵌入式設(shè)備！