高防服务器

pytorch液态算法如何实现瘦脸效果


pytorch液态算法如何实现瘦脸效果

发布时间:2021-11-25 15:28:37 来源:高防服务器网 阅读:98 作者:小新 栏目:开发技术

这篇文章主要介绍了pytorch液态算法如何实现瘦脸效果,具有一定借鉴价值,感兴趣的朋友可以参考下,希望大家阅读完这篇文章之后大有收获,下面让小编带着大家一起了解一下。

算法思路:

假设当前点为(x,y),手动指定变形区域的中心点为C(cx,cy),变形区域半径为r,手动调整变形终点(从中心点到某个位置M)为M(mx,my),变形程度为strength,当前点对应变形后的目标位置为U。变形规律如下,

  • 圆内所有像素均沿着变形向量的方向发生偏移

  • 距离圆心越近,变形程度越大

  • 距离圆周越近,变形程度越小,当像素点位于圆周时,该像素不变形

  • 圆外像素不发生偏移

其中,x是圆内任意一点坐标,c是圆心点,rmax为圆心半径,m为调整变形的终点,u为圆内任意一点x对应的变形后的位置。

对上面公式进行改进,加入变形程度控制变量strength,改进后瘦脸公式如下,

优缺点:

优点:形变思路简单直接

缺点:

  • 局部变形算法,只能基于一个中心点,向另外一个点的方向啦。如果想多个点一起拉伸,只能每个点分别做一次液化,通过针对多个部位多次液化来实现。

  • 单点拉伸的变形,可以实现瘦脸的效果,但是效果自然度有待提升。

代码实现:

import cv2  import math  import numpy as np     def localTranslationWarpFastWithStrength(srcImg, startX, startY, endX, endY, radius, strength):      ddradius = float(radius * radius)      copyImg = np.zeros(srcImg.shape, np.uint8)      copyImg = srcImg.copy()            maskImg = np.zeros(srcImg.shape[:2], np.uint8)      cv2.circle(maskImg, (startX, startY), math.ceil(radius), (255, 255, 255), -1)         K0 = 100/strength         # 计算公式中的|m-c|^2      ddmc_x = (endX - startX) * (endX - startX)      ddmc_y = (endY - startY) * (endY - startY)      H, W, C = srcImg.shape         mapX = np.vstack([np.arange(W).astype(np.float32).reshape(1, -1)] * H)      mapY = np.hstack([np.arange(H).astype(np.float32).reshape(-1, 1)] * W)         distance_x = (mapX - startX) * (mapX - startX)      distance_y = (mapY - startY) * (mapY - startY)      distance = distance_x + distance_y      K1 = np.sqrt(distance)      ratio_x = (ddradius - distance_x) / (ddradius - distance_x + K0 * ddmc_x)      ratio_y = (ddradius - distance_y) / (ddradius - distance_y + K0 * ddmc_y)      ratio_x = ratio_x * ratio_x      ratio_y = ratio_y * ratio_y         UX = mapX - ratio_x * (endX - startX) * (1 - K1/radius)      UY = mapY - ratio_y * (endY - startY) * (1 - K1/radius)         np.copyto(UX, mapX, where=maskImg == 0)      np.copyto(UY, mapY, where=maskImg == 0)      UX = UX.astype(np.float32)      UY = UY.astype(np.float32)      copyImg = cv2.remap(srcImg, UX, UY, interpolation=cv2.INTER_LINEAR)         return copyImg           image = cv2.imread("./tests/images/klst.jpeg")  processed_image = image.copy()  startX_left, startY_left, endX_left, endY_left = 101, 266, 192, 233  startX_right, startY_right, endX_right, endY_right = 287, 275, 192, 233  radius = 45  strength = 100  # 瘦左边脸                                                                             processed_image = localTranslationWarpFastWithStrength(processed_image, startX_left, startY_left, endX_left, endY_left, radius, strength)  # 瘦右边脸                                                                             processed_image = localTranslationWarpFastWithStrength(processed_image, startX_right, startY_right, endX_right, endY_right, radius, strength)  cv2.imwrite("thin.jpg", processed_image)

实验效果:

感谢你能够认真阅读完这篇文章,希望小编分享的“pytorch液态算法如何实现瘦脸效果”这篇文章对大家有帮助,同时也希望大家多多支持高防服务器网,关注高防服务器网行业资讯频道,更多相关知识等着你来学习!

[微信提示:高防服务器能助您降低 IT 成本,提升运维效率,使您更专注于核心业务创新。

[图文来源于网络,不代表本站立场,如有侵权,请联系高防服务器网删除]
[