基于opencv的自动祛斑算法

首先我们先来看一下详细的逻辑思路：

1. 灰度化
2. 对比度增强
3. 梯度极大值查找
4. 皮肤排除
5. 孤立点消除
6. 高斯模糊
7. 阈值处理
8. 区域表求和得到最终结果D
9. 根据结果D与梯度最大值查找的结果对图像A里的斑点进行泊松放出处理，得到自动祛斑的最终效果

概括来说就是一下三个主要步骤：

- 1.sobel算子————》找到斑点的可能区域
sobel算子的主要目的是为了检测边缘。图像边缘一般指图像的灰度变化率最大的位置。
先看看关键性代码：

src1 = cv2.cvtColor(src,cv2.COLOR_BGR2GRAY)
x_gray = cv2.Sobel(src1,cv2.CV_32F,1,0)
y_gray = cv2.Sobel(src1,cv2.CV_32F,0,1)
x_gray = cv2.convertScaleAbs(x_gray)
y_gray = cv2.convertScaleAbs(y_gray)
dst = cv2.add(x_gray,y_gray,dtype=cv2.CV_16S)
dst = cv2.convertScaleAbs(dst)

解析一下：

• cv2.Sobel(src1,cv2.CV_32F,1,0,ksize=3):
  1,src1:原灰度图
  2,cv2.CV_32F：表示32位浮点数即32float
  3,4,第三个和第四个参数分别是对X和Y方向的导数（dx，dy），对于图像而言就是差分，这里1，0表示对X求导。对X求导就是检测纵向上是否有边缘。
  5,ksize是指核大小，可以省略，使用默认参数。
• cv2.convertScaleAbs(x_gray)函数是一个位深转化函数，可将任意类型的数据转化为CV_8UC1。经过cv2.Sobel()梯度增强，增强后的图像识别会出现大于255和小于0的值。

- 2.连通域分析————》确定斑点的位置
上面使用sobel算子计算边缘后，五官等区域也被是视为一个连通域，如果直接作为后续的处理，那显然不正确。这里我们设置一个面积的阈值来区别开斑点和其他区域。
关键性代码：

# 注意：输入的是二值图，高斯滤波后效果更好
num_labels,labels,stats,centers = cv2.connectedComponentsWithStats(binary, connectivity=8,ltype=cv2.CV_32S)
# 参数说明：
num_labels： 代表连通域的数量，包含背景
labels ： 记录img中每个位置对应的label
stats： 每个连通域的外接矩形和面积
x, y, w, h, area = stats[t]
centers : 连通域的质心坐标

依据连通域面积的大小做阈值分割的标准：

for t in range(1, num_labels, 1):
        x, y, w, h, area = stats[t]
        if area>100:
            index = np.where(labels==t)
            labels[index[0], index[1]] = 0

通过遍历每个连通域，并根据连通域的面积（这里设置阈值100），将面积超过的连通域label设置为0，即为背景。

- 3.图像修复inpaint————》去除斑点
这里opencv提供了两种算法。
（1）第一种算法基于Alexandru Telea于2004年发表的“基于快速行进方法的图像修复技术”。它基于快速行进方法。考虑图像中要修复的区域。算法从该区域的边界开始，然后进入区域内，逐渐填充边界中的所有内容。它需要在邻近的像素周围的一个小邻域进行修复。该像素由邻居中所有已知像素的归一化加权和代替。选择权重是一个重要的问题。对于靠近该点的那些像素，靠近边界的法线和位于边界轮廓上的像素，给予更多的权重。一旦像素被修复，它将使用快速行进方法移动到下一个最近的像素。FMM确保首先修复已知像素附近的像素，这样它就像手动启发式操作一样工作。使用标志cv2.INPAINT_TELEA启用此算法。
（2）第二种算法基于Bertalmio，Marcelo，Andrea L. Bertozzi和Guillermo Sapiro于2001年撰写的“Navier-Stokes，流体动力学和图像和视频修补”一文。该算法基于流体动力学并利用偏微分方程。基本原则是heurisitic。它首先沿着已知区域的边缘行进到未知区域（因为边缘是连续的）。它继续等照片（连接具有相同强度的点的线，就像轮廓连接具有相同高度的点一样），同时在修复区域的边界处匹配渐变矢量。为此，使用来自流体动力学的一些方法。获得颜色后，填充颜色以减少该区域的最小差异。使用标志cv2.INPAINT_NS启用此算法。

# 方法 1：
dst_TELEA = cv2.inpaint(img,mask,3,cv2.INPAINT_TELEA)
# 方法2：
dst_NS = cv2.inpaint(img,mask,3,cv2.INPAINT_NS)

下面我们看看最后的效果展示：

参考链接：
https://blog.csdn.net/flyfor2013/article/details/107527395