1.3 皮肤变色器的实现

无须去检测皮肤颜色和所在的区域，只需使用OpenCV的floodFill()函数即可，该函数类似于大多数图像处理软件中的颜料桶工具。我们知道屏幕中间区域就是皮肤像素（因为要求用户将他们的脸放在中间）。为了将整个人脸变成绿色皮肤，只需对图像中心位置的像素进行绿色漫水填充，这样做总能让人脸的某些部分变成绿色。实际上，颜色、饱和度和亮度在脸部的不同部位可能会有所不同，这会使漫水填充很少覆盖面部的所有像素，除非将其阈值设为很低以至于覆盖人脸以外的不想要的像素。为了解决这个问题，可在图像中心区域不采用单个的漫水填充，而是对人脸区域中6个不同的皮肤像素点进行漫水填充。

OpenCV的floodFill()函数有一个很好的特性，它会将漫水填充的效果绘制到新的图像中而不（直接）修改输入图像。这一特性可得到一幅掩码图像，该图像用来调整皮肤像素的颜色而不必改变亮度和饱和度，产生比所有皮肤都为绿色像素的图像（这会导致重要脸部细节丢失）更为逼真的图像。

在RGB颜色空间改变皮肤颜色效果并不好，因为改变皮肤颜色需要改变脸部图像的亮度，但皮肤颜色不允许变化太大，而RGB无法从色彩中分离亮度。解决该问题的方法之一是采用HSV颜色空间，因为它能将亮度与色彩（色调）以及色度（饱和度）分开。不幸的是，HSV将色调值包裹在红色周围，又因为皮肤大多是红色的，这就意味着需要同时使用<10%和>90%的色调值，因为在这里它们都是红色。所以，我们可使用Y’CrCb颜色空间（OpenCV中的YUV空间的变种）来解决此问题。Y’CrCb颜色空间不仅能将颜色和亮度分开，而且对于通常的皮肤颜色，其取值只有一种。注意，实际上对于大多数相机而言，其图像和视频在转换成RGB前都使用某种YUV类型作为颜色空间，所以在很多情形下可直接得到YUV图像，无须自己转换。

由于我们想获得像卡通画一样的外星人模式，可对图像进行卡通化之后再用外星人滤波器。换言之，可使用由双边滤波器产生的缩小颜色图像和全尺寸的边缘掩码。皮肤检测通常在低分辨率下工作较好，因为它与分析高分辨率像素的近邻的平均值等价（或者可看作是用低频信号代替高频噪声信号）。接下来的工作是在对图像进行缩放后进行的，其缩放大小与用双边滤波器处理图像时一样（即只取图像一半的宽度和高度）。下面先将绘画图像转换为YUV：

我们还需要缩小边缘掩码，使其与绘画图像的比例相同。当存储一幅单独的掩码图像时，若用OpenCV的floodFill()函数会遇到困难，即掩码图像应在整个图像周围用1个像素作边界，若输入图像大小为W×H个像素，则单独的掩码图像大小为（W运算符2）×（H运算符2）个像素。但floodFill()函数也允许初始化边缘掩码来确保漫水填充算法不会越界。使用这一特性，可防止漫水填充的区域扩展到人脸外面。因此，需要提供两幅掩码图像：一幅的边缘掩码大小为W×H，另一幅则因为包含了图像的边界，所以大小为（W运算符2）×（H运算符2），边缘掩码相同。可让多个cv::Mat对象（或头部）引用同一数据，或者甚至可让一个cv::Mat对象引用另一个cv::Mat图像的区域。因此，无须分配两个分离的图像，然后复制边缘掩码给它们，只需分配一个包含边界的掩码图像并创建一个额外的大小为W×H的cv::Mat头部（这仅是在没有边界的情况下引用漫水填充掩码中的感兴趣区域）。换句话说，仅仅只有一个（W运算符2）×（H运算符2）大小的像素数组，但有两个cv::Mat对象，其中一个引用整个（W运算符2）×（H运算符2）大小的图像，另一个引用图像中间大小为W×H的区域：

整个边缘掩码有强边缘也有弱边缘（如下图的左图所示），但我们只想要强边缘，所以将采用二值化阈值法来过滤（效果见下图的中图）。为了在边缘之间加入一些间隙，我们将结合形态算子dilate()和erode()来消除一些间隙（也称为关闭算子），结果见下图的右图：

我们可以在下图中看到应用阈值化和形态算子的结果，第一幅图是输入边缘图，第二幅是经过阈值化滤波器得到的图像，最后一幅是经过膨胀和侵蚀形态滤波器的图像：

如前所述，我们希望对脸部周围的许多像素点使用漫水填充算法，从而确保包含了整个人脸图像的各种颜色和色调。我们选择鼻子、脸颊和前额周围的六个点，如下面屏幕截图的左侧所示。注意，这些值取决于前面绘制的脸部轮廓：

现在，仅需要为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颜色空间，因此基本上可以决定亮度、红色分量、蓝色分量变化多少。我们希望允许包括阴影、高亮、反射在内的亮度变化较大，但不希望颜色变化很大：

调用floodFill()函数时，除了存储外部掩码需要指定参数FLOODFILL_MASK_ONLY外，其他参数默认：

下图左边有六个漫水填充的位置（见小圆圈），右边图像显示生成的外部掩码，其中皮肤为灰色，边缘为白色。注意右图已针对本书进行了修改，以便使皮肤像素（值为1）清晰可见：

图像变量mask（上面的右图为它对应的图像）包含以下的值：

●值为255的边缘像素

●值为1的皮肤像素

●其余值为0的像素

其间，变量edgeMask仅包含边缘像素（值为255）。因此为了得到皮肤像素，可从变量中移除边缘：

变量mask现在仅包含值为1的皮肤像素和值为0的非皮肤像素。为了改变原图的皮肤颜色和亮度，可使用带有皮肤掩码的cv::add()函数来增加原始BGR图像中的绿色成分：

下图展示了左边的原图和右边最终的外星人卡通图，其中脸部至少有六个部分是绿色的了！

请注意，我们已经使皮肤看起来更绿，但也更亮（看起来像一个在黑暗中发光的外星人）。如果你只想改变肤色而不使它更亮，可以使用其他颜色更改方法，例如将绿色分量加到70，同时红色和蓝色分量减少70，或者使用cvtColor(src,dst,"CV_BGR2HSV_FULL")将图像转换成HSV颜色空间，并调整色度和饱和度。

降低素描图像的随机椒盐噪声

大多数智能手机的微型相机、树莓派相机模块和一些摄像头都有明显的图像噪声。这通常可以接受，但对于5×5的Laplacian边缘滤波器则影响很大。边缘掩码（素描模式显示）经常会有很多黑色小斑点，它们被称为椒盐噪声，由白色背景上相邻的几个黑色像素组成。我们已经在使用中值滤波器了，通常强度足以去除椒盐噪声，但现有情况下则可能不够强。因为边缘掩码大多为带着一些黑色边缘（值为0）的纯白色背景（值为255）和噪点（值也为0）。我们可使用标定的闭形态算子，但那会消除很多边缘。因此，本项目采用一个自定义滤波器，用于删除被白色像素完全包围的小黑色区域像素。这样可以消除很多噪声，同时对实际的边缘影响不大。

我们将扫描图像中的黑色像素，在每个黑色像素处，我们将检查它周围5×5正方形区域的边界像素是否为白色，如果它们都为白色，则说明有一个黑色噪声小岛，可用白色像素来填充整个块以去除黑色小岛。为了简化5×5滤波器，可忽略掉图像周围边框的两个像素，并保持其原样。

下图左边的原始图像来自Android平板电脑，中间图像为素描模式，带有椒盐噪声的小黑点，右图显示了使用上述方法删除椒盐噪声的结果，皮肤看起来干净了很多：

为方便起见，我们封装了名为removePepperNoise()的函数来处理图像，其代码如下：

就这样了！反复测试你的应用程序，直到准备好移植到嵌入式设备！