原文:人像美妆---妆容迁移算法研究(Makeup transfer)

对于人像美妆算法,现在的美妆相机、玩美彩妆之类的app已经做的比较成熟了,但是具体算法,基本网络上是杳无可查,今天本人介绍一种自动的人像美妆算法----(Makeup Transfer)妆容迁移

妆容迁移相关的论文不多,有如下几篇:

1.Example-Based cosmetic transfer

2.Makeup Transfer using Multi-example

3.A new digtial face makeup method

4.An automatic framework for example vased virtual makeup

本人主要介绍第一篇《Example-Based cosmetic transfer》,论文效果图如下:

注意:A和A*是两张输入,B是原始图像,B*是根据A*迁移过来的妆容效果图;

本文的算法流程如下:

1,Face warp

若要讲A*的妆容迁移到B上,文中有几个条件:

①背景单一;

②肤色相近;

这两个条件也是为了最后的效果更加自然;

首先,Face warp的过程需要有人脸特征点,因此,这一步之前需要进行人脸检测和点位对齐,拿到A*和B的特征点;

然后,根据变形算法讲A*和B的特征点对齐,从而将A*变形到与B一致;

变形算法有以下几种(个人总结):

①最小二乘MLS变形算法:Image Deformation Using Moving Least Squares.

详细介绍参考博客:http://blog.csdn.net/hjimce/article/details/46550001

②基于线的变形算法:As-Rigid-As-Possible Shape Manipulation.

详细介绍参考博客:http://blog.csdn.net/hjimce/article/details/45766321

③三角网格仿射变换

给出这一步的效果图如下:

左边是原图B(为避免 侵权,眼睛做了处理),中间是妆容图A*,右边是Face warp之后的效果图(我这里采用的是三角网格变形);

2,Cosmetic Map计算

文中介绍的重点也就是这一步,计算Cosmetic Map,即CP,其实算法很简单,公式如下:

Cp = ap / ap*

ap:妆容图像A*对应的原图A

ap*:妆容图像A*

就这么一个简单的公式,就可以化腐朽为神奇。

文中所给CP效果图如下:

3,Makeup transfer

得到了CP之后,我们就可以来进行妆容迁移了,具体算法如下:

4,Others

实际上论文中还介绍一些其他内容,这里我没有写出,因为我的重点是妆容迁移,所以就主要提取了这块内容。

论文中实际上还进行了Freckle remove雀斑去除,眉毛眼睛纹理细节提取等等,如下所示:

这些内容,我这里不关心,实际上,就是为了让最后的效果更加自然更加逼真;

以上整个过程就是这篇论文的核心算法;

现在,好东东才刚刚开始:

本人对这篇论文提出一下几个问题,实际上也是应用中的缺陷:

①,论文要求三个输入(A, A*, B),一个输出B*

这一点,实际应用中就有很大限制,一般而言,我们能拿到A*,也就是好看的妆容效果图,然后想对自己的照片B进行化妆,这个逻辑中是没有未化妆的原图A的。

②,论文中要求肤色相近,背景单一

这一点,普适性太低,很难应用;

③,按照论文的逻辑,嘴巴区域是闭合的,无法适应于各种大笑等开口的情况,或者是效果太差;

介于以上三点,本人对算法进行了改进:

①,根据A*,对A进行估计,估算得到A,这样就只要求用户输入一张好看的效果图,即可对自己的自拍照等进行妆容迁移了;

②,根据人脸特征点,获取A*中的肤色特征,构建精准的人脸Mask,去除背景,这样就避免了背景的影响,同时,进行肤色转换,将A*中的肤色转换到B*中去,从而避免肤色差异过大造成的影响;

③获取A*中的唇色特征,对B进行唇色转换,即将A*的肤色和唇色迁移到B*中去,从而使用于各种大笑等开口场景;

根据上述三点,本人改进算法,得到如下的结果:

原图B

三个目标妆容B*

上述三个妆容B*分别对应的效果图如下:

在给一组测试图:

以上效果本人做了化妆程度自适应,所以没有出现很饱满的艳妆,这样是为了看起来更自然一点。

注意:本人使用的测试图来自美颜相机和互联网,若有侵权敬请告知。

本人提供简单的代码调用如下:

      private void pictureBox4_Click(object sender, EventArgs e)
{
if (pictureBox1.Image != null)
{
Graphics g = Graphics.FromImage(curBitmap);
int[] eyePoints = {
173, 370, 177, 441, 191, 509, 212, 577, 236, 640,
267, 698, 303, 748, 347, 793, 399, 826, 465, 837,
526, 825, 575, 792, 611, 748, 643, 699, 671, 643,
695, 578, 714, 507, 727, 435, 728, 364, 214, 316,
245, 284, 285, 273, 328, 274, 370, 281, 402, 308,
363, 309, 325, 304, 287, 302, 251, 307, 513, 307,
544, 282, 583, 275, 623, 274, 660, 284, 688, 313,
654, 306, 620, 302, 585, 304, 549, 309, 269, 390,
282, 373, 300, 364, 323, 361, 347, 366, 365, 380,
378, 401, 360, 406, 342, 410, 321, 412, 300, 408,
283, 401, 533, 399, 544, 378, 562, 365, 585, 359,
607, 362, 625, 371, 638, 386, 624, 398, 608, 406,
588, 410, 567, 408, 550, 404, 424, 394, 424, 453,
417, 512, 386, 542, 398, 580, 446, 588, 480, 588,
528, 576, 536, 539, 506, 511, 494, 452, 490, 393,
363, 653, 394, 643, 429, 637, 462, 642, 495, 636,
527, 643, 557, 654, 535, 687, 506, 713, 461, 726,
415, 715, 384, 688, 373, 656, 417, 657, 462, 661,
504, 657, 546, 657, 505, 676, 460, 686, 414, 676,
322, 389, 586, 387, 457, 392, 461, 502, 463, 554,
463, 588 }; eyePoints[2 * 50 + 1] -= 2;
eyePoints[2 * 49 + 1] -= 3;
eyePoints[2 * 48 + 1] -= 4;
eyePoints[2 * 47 + 1] -= 3;
eyePoints[2 * 46 + 1] -= 2; eyePoints[2 * 52 + 1] -= 1;
eyePoints[2 * 61 + 1] -= 2;
eyePoints[2 * 60 + 1] -= 3;
eyePoints[2 * 59 + 1] -= 2;
eyePoints[2 * 58 + 1] -= 1;
for (int i = 0; i < 101; i++)
{
g.DrawRectangle(new Pen(Color.Red, 1), new Rectangle(eyePoints[2 * i] - 1, eyePoints[2 * i + 1] - 1, 2, 2));
}
g.Dispose();
DateTime start = DateTime.Now;
curBitmap = ip.SoftSkin(srcBitmap, new Bitmap(startPath + "\\MakeUp\\MAP.png"), null, skinRatio, 30); curBitmap = ip.MKMakeupTransfer(curBitmap, new Bitmap(Application.StartupPath + "\\M3.JPG"), curFacePoints, eyePoints);
DateTime end = DateTime.Now;
label1.Text = "TC: " + (end - start).ToString();
pictureBox1.Image = curBitmap;
}
}
 [DllImport("TestDemo_C.dll", CallingConvention = CallingConvention.Cdecl, CharSet = CharSet.None, ExactSpelling = true)]
        private static extern int IN_Pic_MakeupTransfer(byte* srcData, int width, int height, int stride, int[] srcFacePointsAll, byte* maskData, int mWidth, int mHeight, int mStride, int[] mKeyPointsAll);
        public Bitmap MKMakeupTransfer(Bitmap src, Bitmap mask, int[] srcFacePointsAll, int[] mskFacePointsAll)
        {
            Bitmap a = new Bitmap(src);
            int w = a.Width;
            int h = a.Height;
            BitmapData srcData = a.LockBits(new Rectangle(0, 0, a.Width, a.Height), ImageLockMode.ReadWrite, PixelFormat.Format32bppArgb);
            BitmapData mskData = mask.LockBits(new Rectangle(0, 0, mask.Width, mask.Height), ImageLockMode.ReadWrite, PixelFormat.Format32bppArgb);
            IN_Pic_MakeupTransfer((byte*)srcData.Scan0, w, h, srcData.Stride, srcFacePointsAll,(byte*)mskData.Scan0, mask.Width, mask.Height, mskData.Stride,  mskFacePointsAll);
            a.UnlockBits(srcData);
            mask.UnlockBits(mskData);
            return a;
        }

最后,给一个测试DEMO:点击打开链接

如果问题,请联系QQ:1358009172

人像美妆---妆容迁移算法研究(Makeup transfer)的更多相关文章

  1. 美图美妆由Try Try接手运营

    美图又把一个拖累营收的业务转让出去了. 美图的电商业务——美图美妆应用在向用户发布终止运营的公告后,宣布把业务交给了寺库旗下公司 Try Try 运营.Try Try 接手了美图美妆的所有管理运营权, ...

  2. MugLife静态照片变3D动画算法研究

    原文:MugLife静态照片变3D动画算法研究 MugLife app是一款可以将静态照片变成3D动画的手机应用,如下效果图所示: 大家可以看到,这个静态图具有了类3D的动画特效,是不是很好玩? 这种 ...

  3. 照片美妆---基于Haar特征的Adaboost级联人脸检测分类器

    原文:照片美妆---基于Haar特征的Adaboost级联人脸检测分类器 本文转载自张雨石http://blog.csdn.net/stdcoutzyx/article/details/3484223 ...

  4. 《A Survey on Transfer Learning》迁移学习研究综述 翻译

    迁移学习研究综述 Sinno Jialin Pan and Qiang Yang,Fellow, IEEE 摘要:   在许多机器学习和数据挖掘算法中,一个重要的假设就是目前的训练数据和将来的训练数据 ...

  5. python opencv 实现Reinhard颜色迁移算法

    Reinhard颜色迁移算法的过程很简单,流程如下,细节部分见原文,题目为color transfer between images: 将参考图片和目标图片转换到LAB空间下 得到参考图片和目标图片的 ...

  6. July-程序员面试、算法研究、编程艺术、红黑树、数据挖掘5大经典原创系列集锦与总结

    程序员面试.算法研究.编程艺术.红黑树.数据挖掘5大经典原创系列集锦与总结 http://blog.csdn.net/v_july_v/article/details/6543438

  7. Akamai在内容分发网络中的算法研究(翻译总结)

    作者 | 钱坤 钱坤,腾讯后台开发工程师,从事领域为流媒体CDN相关,参与腾讯TVideo平台开发维护. 原文是<Algorithmic Nuggets in Content Delivery& ...

  8. 经典算法研究系列:二、Dijkstra 算法初探

    July   二零一一年一月 本文主要参考:算法导论 第二版.维基百科. 一.Dijkstra 算法的介绍 Dijkstra 算法,又叫迪科斯彻算法(Dijkstra),算法解决的是有向图中单个源点到 ...

  9. 静态频繁子图挖掘算法用于动态网络——gSpan算法研究

    摘要 随着信息技术的不断发展,人类可以很容易地收集和储存大量的数据,然而,如何在海量的数据中提取对用户有用的信息逐渐地成为巨大挑战.为了应对这种挑战,数据挖掘技术应运而生,成为了最近一段时期数据科学的 ...

随机推荐

  1. eclipse jdt

    http://www.cnblogs.com/hoojo/p/use_eclipse_ant_javac_JDT_compiler_class.html

  2. js字符串转换为数字的三种方法。(转换函数)(强制类型转换)(利用js变量弱类型转换)

    js字符串转换为数字的三种方法.(转换函数)(强制类型转换)(利用js变量弱类型转换) 一.总结 js字符串转换为数字的三种方法(parseInt("1234blue"))(Num ...

  3. Android 延时执行的几种方法

    开启新线程 new Thread(new Runnable(){ public void run(){ Thread.sleep(XXXX); handler.sendMessage(); //告诉主 ...

  4. 【codeforces 757C】Felicity is Coming!

    time limit per test2 seconds memory limit per test256 megabytes inputstandard input outputstandard o ...

  5. Color the ball(杭电1556)

    Color the ball Time Limit : 9000/3000ms (Java/Other)   Memory Limit : 32768/32768K (Java/Other) Tota ...

  6. Android自定义控件View(二)继承控件

    在前一篇博客中学习了Android自定义控件View的流程步骤和注意点,不了解的童鞋可以参考Android自定义控件View(一).这一节开始学习自定义控件View(二)之继承系统已有的控件.我们来自 ...

  7. findbugs静态代码分析工具使用教程

    FindBugs 是一个静态分析工具,很多程序猿都在使用,再次详细列出findbugs的使用教程,希望对大家有帮助. 1 安装 FindBugs通过检查类文件或 JAR文件,将字节码与一组缺陷模式进行 ...

  8. JVM源码分析之System.currentTimeMillis及nanoTime原理详解

    JDK7和JDK8下的System.nanoTime()输出完全不一样,而且差距还非常大,是不是两个版本里的实现不一样,之前我也没注意过这个细节,觉得非常奇怪,于是自己也在本地mac机器上马上测试了一 ...

  9. oracle数据库零散知识01

    1,rownum 是一个虚列,使用时必须包括1才能使用,rownum = 1,rownum < 10;  rownum = 2是不可以的: 2,if case loop 要加end结束,end ...

  10. 新技能 get —— 五笔打字

    推荐一个图表记忆网站,五笔字根表图五笔字根表五笔输入法下载口诀五笔打字练习_查询: 1. 键盘的认识 键盘的版式就是那样设定的,主要是 26 个拉丁字母,分三排: QWERT(撇区), YUIOP(捺 ...