數(shù)字圖像處理課程設(shè)計(jì)報(bào)告綜合實(shí)驗(yàn)綜合實(shí)驗(yàn)圖像增強(qiáng)與合成目錄TOC\o"1-3"\h\u2367數(shù)字圖像處理 127768一、實(shí)驗(yàn)要求 219005二、實(shí)驗(yàn)環(huán)境 324529三、實(shí)驗(yàn)原理及操作 37351.照片準(zhǔn)備 3238102.圖像增強(qiáng) 3308833.實(shí)現(xiàn)美顏功能 430234.背景虛化 4132005.圖像二值化處理 477256.人像遷移 526536四、實(shí)驗(yàn)結(jié)果 58814五、結(jié)果分析 721226六、附錄代碼 7實(shí)驗(yàn)要求利用Python和Opencv算法，實(shí)現(xiàn)下述功能：從網(wǎng)上下載一張純色背景前的老人面部照片，并且要求背景顏色與皮膚、衣服的顏色區(qū)別較大。準(zhǔn)備一張風(fēng)景圖片。利用圖像增強(qiáng)算法處理人像照片，以提升照片的品質(zhì)。利用圖像處理算法去除老人面部的皺紋或色斑，實(shí)現(xiàn)美顏功能。利用圖像處理算法處理風(fēng)景圖片，使風(fēng)景圖片變得模糊，實(shí)現(xiàn)背景虛化。利用圖像處理算法將步驟4得到的人像圖像進(jìn)行二值化處理，人像部分為0，背景部分為1。利用步驟6得到的二值圖像將步驟5得到的風(fēng)景圖像中用于合成人像區(qū)域的像素置為黑色后，與步驟4得到的人像圖像進(jìn)行合成，實(shí)現(xiàn)人像遷移。撰寫實(shí)驗(yàn)報(bào)告，將上述處理的原理與處理流程進(jìn)行介紹；保存上述每一步的結(jié)果圖像，并附加在實(shí)驗(yàn)報(bào)告中；最終對(duì)處理結(jié)果進(jìn)行分析，并附加程序。實(shí)驗(yàn)環(huán)境解釋器：Python3.9、開發(fā)環(huán)境：PyCharm實(shí)驗(yàn)原理及操作照片準(zhǔn)備原圖老人照片(左)、風(fēng)景照片（右）圖像增強(qiáng) 圖像增強(qiáng)使用自適應(yīng)直方圖均衡化操作。因?yàn)樵紙D像為RGB彩色圖像，直接使用直方圖均衡化操作后會(huì)使顏色失真，故先將原始圖像轉(zhuǎn)化到HSI空間，對(duì)其中I通道（亮度）進(jìn)行直方圖均衡化，再轉(zhuǎn)回RGB空間，這就實(shí)現(xiàn)了彩色圖像的直方圖均衡化，圖像的亮度直方圖會(huì)分布的更加均衡。如果在RGB彩色空間內(nèi)完成直方圖均衡化的，雖然的確有將原圖中的陰暗部分變得明亮起來，但是顏色的失真也是比較嚴(yán)重的。在均衡化過程中不僅改變了亮度，也改變了彩色，產(chǎn)生了不正確的彩色。在HSI彩色空間均衡化方法得到的結(jié)果圖像效果是比較好的，整個(gè)圖像都有效的加亮了，而彩色本身（色調(diào)）是不變的。這里使用的是自適應(yīng)直方圖均衡化，能夠降低圖像的全局依賴性，更多的保留圖像的局部特征。實(shí)現(xiàn)美顏功能磨皮算法的功能就是消除臉部的斑點(diǎn)、瑕疵或者雜色，使得人物臉部更加細(xì)膩，輪廓更加清晰。在實(shí)際的人臉磨皮中，一般還包含不同程度的預(yù)處理。我們使用傳統(tǒng)的方法先對(duì)人臉中的臉部皮膚區(qū)域進(jìn)行提取?；谄つw的顏色特性，我們將圖像轉(zhuǎn)換到HSV色域，然后對(duì)逐像素點(diǎn)閾值判斷，分離出了人臉面部皮膚像素點(diǎn)集合。在代碼運(yùn)行中，我們先對(duì)整張圖片進(jìn)行了雙邊濾波，然后將雙邊濾波結(jié)果和原圖片輸入原函數(shù)，使用皮膚像素點(diǎn)判斷的方法，將原圖中皮膚的像素替換成了對(duì)應(yīng)的雙邊濾波后的像素。使用雙邊濾波，能夠使濾波算法在處理人臉皮膚時(shí)，不對(duì)其它器官，如嘴唇，眼睛，眉毛等造成影響，同時(shí)不會(huì)干擾到背景。注意滑動(dòng)窗口的大小和雙邊方差的參數(shù)不宜設(shè)置的過大，否則會(huì)造成磨皮效果模糊或者過于磨皮。同時(shí)設(shè)置過小，磨皮效果不明顯，我們使用的是參數(shù)是：15*3，這樣可以很好的實(shí)現(xiàn)我們想要的效果。背景虛化利用圖像處理算法中的均值濾波處理風(fēng)景圖片，使風(fēng)景圖片變得模糊，實(shí)現(xiàn)背景虛化。然后再利用cv2.resize方法將風(fēng)景圖片尺寸調(diào)整為與人像圖片一致，便于之后進(jìn)行人像遷移。圖像二值化處理獲取純色背景的RGB值，遍歷整張圖片，顏色接近背景顏色的像素點(diǎn)置為1，其余部分置為0。同時(shí)我也想到了第二種方法，就是準(zhǔn)備額外準(zhǔn)備一張沒有人像的純色背景的圖片，將原始圖片與背景圖片做減法并取絕對(duì)值，背景部分兩張圖片RGB值相似相減后趨近于0，其余部分不為0。這里注意的是由于設(shè)備原因，使用手機(jī)拍攝的背景圖會(huì)因人像的離開而自動(dòng)補(bǔ)光改變亮度，故在這里額外使用了亮度增強(qiáng)算法，將轉(zhuǎn)化為HSI空間的背景圖I通道乘系數(shù)1.25，再轉(zhuǎn)回RGB空間，實(shí)現(xiàn)亮度補(bǔ)足。相減后將近似于0的像素點(diǎn)置為1，其余部分置為0，實(shí)現(xiàn)圖片二值化操作。人像遷移首先將上述二值化圖片進(jìn)行中值濾波處理，去除一些可能存在的噪聲點(diǎn)（黑色區(qū)域中的白色點(diǎn)或白色區(qū)域中的黑色點(diǎn)），然后進(jìn)行腐蝕操作，去毛刺兒，腐蝕邊界，一定的腐蝕膨脹操作使人像更加貼合。將二值化圖片中人像部分置為1，其余部分置為0，與原始圖片相乘后即可得到背景為黑色，人像部分正常的圖片。將虛化后的風(fēng)景圖片與人像部分為0、背景部分為1的二值圖相乘，即可得到人像區(qū)域置為黑色的風(fēng)景圖。再將該圖與上一步得到的背景為黑、人像不變的圖片相加，即可得到人像遷移后的圖片。實(shí)驗(yàn)結(jié)果圖1原圖(左)、I空間直方圖均衡化后圖像(右)對(duì)比圖圖2、圖3美顏后的人物圖像（左）與更改尺寸并虛化后的風(fēng)景圖像（右）圖4、圖5經(jīng)過圖像處理的人像二值圖圖6、圖7人像部分為黑風(fēng)景圖(左)與人像遷移圖(右)結(jié)果分析對(duì)亮度空間進(jìn)行直方圖均衡化操作后，人臉部分亮度明顯增強(qiáng)，一些特征更加清晰可辨，說明圖像增強(qiáng)效果良好。人像圖片的二值化處理，但相較于法二，法一只能夠?qū)我患兩尘斑M(jìn)行操作，若背景中有噪聲點(diǎn)(如白墻上的黑色污漬等)效果就會(huì)變差。但對(duì)于本次實(shí)驗(yàn)而言，我們采用的是方法一，因?yàn)槲覀兊谋尘巴耆前咨?，我們便可以十分?zhǔn)確地得到我們想要的效果。人像遷移的過程中可能存在白邊，這時(shí)使用腐蝕膨脹操作將人像收縮，可實(shí)現(xiàn)消除白邊的操作。最后人像遷移效果良好。附錄代碼#@Time:2022/10/3116:18#@Author:是Dream呀#@File:圖像增強(qiáng)與合成.pyimportcv2importnumpyasnp#圖片展示函數(shù)defshow(name,img):cv2.imshow(name,img)cv2.waitKey(0)cv2.destroyAllWindows()#1.自適應(yīng)直方圖均衡化進(jìn)行圖像增強(qiáng)defhist(image):img=image.copy()#先轉(zhuǎn)換到HSI色彩空間，再將處理后的結(jié)果轉(zhuǎn)換到RGB色彩空間。img=cv2.cvtColor(img,cv2.COLOR_BGR2HLS)I=img[:,:,1]clahe=cv2.createCLAHE(clipLimit=1)#自適應(yīng)直方圖均衡化img[:,:,1]=clahe.apply(img[:,:,1])#將cv2.createCLAHE（）應(yīng)用到每個(gè)通道上。show('Equalization',np.hstack((I,img[:,:,1])))img=cv2.cvtColor(img,cv2.COLOR_HLS2BGR)returnimgIMG=cv2.imread('1.png')IMG=cv2.resize(IMG,(422,496))show('Originalimage',IMG)IMG_new=hist(IMG)#自適應(yīng)直方圖均衡化進(jìn)行圖像增強(qiáng)show('Contrast',np.hstack((IMG,IMG_new)))cv2.imwrite('img1.jpg',np.hstack((IMG,IMG_new)))#2.圖像美化#雙邊濾波dst=cv2.bilateralFilter(IMG_new,15,35,35)show('Beauty',dst)cv2.imwrite('img2.jpg',dst)#3.利用圖像處理算法處理風(fēng)景圖片，使風(fēng)景圖片變得模糊，實(shí)現(xiàn)背景虛化test=cv2.imread('2.png')test=cv2.blur(test,(9,9))#使用均值濾波處理test=cv2.resize(test,(422,496))#將風(fēng)景圖片尺寸調(diào)整為與人像圖片一致show('Falsification',test)cv2.imwrite('img3.jpg',test)#4.對(duì)圖像進(jìn)行二值化處理img=IMG.copy()print(len(img))print(len(img[0]))print(len(img[1]))foriinrange(len(img)):#獲取純色背景的RGB值，遍歷整張圖片forjinrange(len(img[1])):if255==IMG[i][j][0]and255==IMG[i][j][1]and255==IMG[i][j][2]:#顏色接近背景顏色的像素點(diǎn)置為1，其余部分置為0img[i][j]=255else:img[i][j]=0#5.人像遷移#中值濾波處理img=cv2.medianBlur(img,3)#先進(jìn)行腐蝕操作，再做膨脹操作kernel=np.ones((3,3),np.uint8)#腐蝕操作，去毛刺兒，腐蝕邊界img=cv2.dilate(img,kernel,iterations=1)show('Handle',img)cv2.imwrite('img4.jpg',img)img_t=np.where(img==0,1,0)#人像部分置為1，其余部分置為0img=np.uint8(img_t*IMG_new)#與原始圖片相乘show('OppositeHandle',img)cv2.imwrite('img5.jpg',img)#背景為黑、人像不變的圖片#像素值0和1交換等價(jià)于img_t=np.where(img_t==0,1,0)img_t=np.where(img_t==1,2,img_t)img_t=np.where(img_t==0,1,img_t)img_t