pytorch液态算法如何实现瘦脸效果(pytorch,开发技术)

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：

importcv2importmathimportnumpyasnpdeflocalTranslationWarpFastWithStrength(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|^2ddmc_x=(endX-startX)*(endX-startX)ddmc_y=(endY-startY)*(endY-startY)H,W,C=srcImg.shapemapX=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_yK1=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_xratio_y=ratio_y*ratio_yUX=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)returncopyImgimage=cv2.imread("./tests/images/klst.jpeg")processed_image=image.copy()startX_left,startY_left,endX_left,endY_left=101,266,192,233startX_right,startY_right,endX_right,endY_right=287,275,192,233radius=45strength=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：