Gradio美颜系统（python）

• gradio、cv2和numpy。Gradio用于构建用户界面，而OpenCV（cv2）负责图像处理。接下来，定义了一个名为beauty_processing的函数，它接受图片和几个参数，执行美颜处理。这个函数里包括了磨皮、美白、调整对比度和亮度等步骤。

  磨皮处理使用了OpenCV的双边滤波，这可以平滑皮肤同时保留边缘细节。美白处理则是通过调整HSV颜色空间的饱和度来实现的。对比度和亮度的调整使用了convertScaleAbs函数，这是一个常用的方法。这些处理步骤都是图像处理中常见的技术，我需要确认它们的实现是否正确。

  然后，脚本使用Gradio的Blocks来构建界面。有一个上传图片的组件，四个滑块控件分别控制磨皮强度、美白程度、对比度和亮度。输出部分显示处理后的图片。

• 磨皮算法：双边滤波（cv2.bilateralFilter）

• 内核大小 = 磨皮强度 × 5（自动转为奇数）

• 颜色空间sigma=100，坐标空间sigma=100

• 美白算法：HSV颜色空间饱和度调整

• 美白程度=1.0时保持原色

• 美白程度=2.0时饱和度降低10%
• 本地访问 local URL:  http://127.0.0.1:7860

import gradio as gr
import cv2
import numpy as np

def beauty_processing(img, smooth=5.0, white=1.2, contrast=1.1, brightness=1.1):
    """图像美颜处理"""
    try:
        # 转换为OpenCV格式
        img = cv2.cvtColor(img, cv2.COLOR_RGB2BGR)
        
        # 磨皮处理（双边滤波）
        smooth = int(smooth * 5)
        smooth = smooth if smooth % 2 == 1 else smooth + 1
        img = cv2.bilateralFilter(img, smooth, 100, 100)
        
        # 美白处理（调整HSV空间）
        hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
        hsv[:,:,1] = hsv[:,:,1] * (1 - white * 0.1)
        img = cv2.cvtColor(hsv, cv2.COLOR_HSV2BGR)
        
        # 调整对比度和亮度
        img = cv2.convertScaleAbs(img, alpha=contrast, beta=(brightness-1)*50)
        
        # 转换回RGB格式
        return cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
    except Exception as e:
        print(f"处理错误: {str(e)}")
        return img

# 创建Gradio界面
with gr.Blocks(title="在线智能美颜") as demo:
    gr.Markdown("# 🎨 智能图片美颜工具")
    
    with gr.Row():
        with gr.Column():
            input_image = gr.Image(label="上传图片", type="numpy")
            smooth = gr.Slider(0, 15, value=5, label="磨皮强度")
            white = gr.Slider(0.5, 2.0, value=1.2, label="美白程度")
            contrast = gr.Slider(0.5, 2.0, value=1.1, label="对比度")
            brightness = gr.Slider(0.5, 2.0, value=1.0, label="亮度")
            
        output_image = gr.Image(label="美颜效果", interactive=False)
    
    # 示例图片
    gr.Examples(
        examples=[["example1.jpg"], ["example2.jpg"]],
        inputs=input_image,
        label="示例图片（点击试试）"
    )
    
    # 实时更新
    input_image.change(
        beauty_processing,
        [input_image, smooth, white, contrast, brightness],
        output_image
    )
    
    # 绑定所有控件的改变事件
    for component in [smooth, white, contrast, brightness]:
        component.change(
            beauty_processing,
            [input_image, smooth, white, contrast, brightness],
            output_image
        )

if __name__ == "__main__":
    demo.launch(server_port=7860, share=True)