Claude)Python)写真を美肌に編集加工するWindowsアプリ作成(2)。毛穴やシミを目立たなくする。AIによる人物顔判別。

2025-10-13 · 写真・カメラ <AI>

先程、写真を美肌にするWindowsアプリを作成した。このバージョンでは、人物の顔判別はしていない。背景も含めて全体にソフトフォーカスをかける感じ。

Claude)Python)写真を美肌に編集加工するWindowsアプリ作成(1)。毛穴やシミを目立たなくする。ソフトフォーカス。Pythonで、写真の人物を美肌にするWindowsアプリ作成。毛穴を目立たなくする。 このバージョンでは、AIによる人物の顔判別はしていな…晴歩雨描 ·

今回、AIによる人物の顔を判別をしている。人物のみを美肌にし、背景はなるべく加工せずそのままにする。ただし、人物顔判別が正しくできない場合は、人物の美肌効果も限られる。

顔認識には、PythonのMediaPipeライブラリを使用。

【Pythonプログラム】

【Pythonライブラリインストール】

次のライブラリが必要なので、インストールする。

pip install mediapipe
【Pythonプログラムコード】
import sys
import os
from PIL import Image, ImageFilter, ImageEnhance
import numpy as np
import cv2
from PyQt5.QtWidgets import (QApplication, QMainWindow, QLabel, QPushButton, 
                             QSlider, QVBoxLayout, QHBoxLayout, QWidget, QMessageBox)
from PyQt5.QtCore import Qt, QTimer
from PyQt5.QtGui import QPixmap, QImage, QDragEnterEvent, QDropEvent

try:
    import mediapipe as mp
    MEDIAPIPE_AVAILABLE = True
except ImportError:
    MEDIAPIPE_AVAILABLE = False
    print("警告: MediaPipeがインストールされていません。顔認識精度が低下します。")

class BeautySkinApp(QMainWindow):
    def __init__(self):
        super().__init__()
        self.setWindowTitle("AI美肌処理アプリ")
        self.setGeometry(100, 100, 1200, 800)
        
        self.original_image = None
        self.processed_image = None
        self.image_path = None
        self.current_intensity = 70
        self.mp_face_detection = None
        self.face_cascade = None
        
        # 顔認識モデルの初期化
        self.init_face_detection()
        
        # スライダー更新用タイマー
        self.update_timer = QTimer()
        self.update_timer.setSingleShot(True)
        self.update_timer.timeout.connect(self.process_image)
        
        self.init_ui()
        
    def init_face_detection(self):
        """顔認識モデルを初期化"""
        try:
            if MEDIAPIPE_AVAILABLE:
                # MediaPipeの高精度な顔認識を使用
                mp_face = mp.solutions.face_detection
                self.mp_face_detection = mp_face.FaceDetection(
                    model_selection=1,  # 0: 2m以内用, 1: 5m以内用(より広範囲)
                    min_detection_confidence=0.3  # 検出感度を上げる
                )
                print("MediaPipe顔認識を使用します(高精度)")
            else:
                # OpenCVのHaar Cascade分類器をフォールバック
                cascade_path = cv2.data.haarcascades + 'haarcascade_frontalface_default.xml'
                self.face_cascade = cv2.CascadeClassifier(cascade_path)
                print("OpenCV顔認識を使用します(通常精度)")
                
        except Exception as e:
            print(f"顔認識の初期化エラー: {e}")
        
    def init_ui(self):
        # メインウィジェット
        main_widget = QWidget()
        self.setCentralWidget(main_widget)
        main_layout = QVBoxLayout()
        main_widget.setLayout(main_layout)
        
        # 画像表示エリア
        self.image_label = QLabel()
        self.image_label.setAlignment(Qt.AlignCenter)
        self.image_label.setMinimumSize(1000, 600)
        self.image_label.setStyleSheet("""
            QLabel {
                background-color: #2b2b2b;
                border: 3px dashed #666;
                border-radius: 10px;
                color: #999;
                font-size: 16px;
            }
        """)
        self.image_label.setText("ここに画像をドラッグ&ドロップ\n(JPG, PNG, BMP対応)")
        main_layout.addWidget(self.image_label, 1)
        
        # コントロールエリア
        control_widget = QWidget()
        control_widget.setStyleSheet("background-color: #1e1e1e; padding: 15px; border-radius: 8px;")
        control_layout = QHBoxLayout()
        control_widget.setLayout(control_layout)
        
        # スライダーラベル
        slider_label = QLabel("美肌効果:")
        slider_label.setStyleSheet("color: white; font-size: 15px; font-weight: bold;")
        control_layout.addWidget(slider_label)
        
        # 美肌効果スライダー
        self.beauty_slider = QSlider(Qt.Horizontal)
        self.beauty_slider.setMinimum(0)
        self.beauty_slider.setMaximum(100)
        self.beauty_slider.setValue(70)
        self.beauty_slider.setEnabled(False)
        self.beauty_slider.setStyleSheet("""
            QSlider::groove:horizontal {
                border: 1px solid #555;
                height: 10px;
                background: #333;
                border-radius: 5px;
            }
            QSlider::handle:horizontal {
                background: #4CAF50;
                border: 2px solid #45a049;
                width: 20px;
                margin: -6px 0;
                border-radius: 10px;
            }
            QSlider::handle:horizontal:hover {
                background: #45a049;
            }
        """)
        self.beauty_slider.valueChanged.connect(self.on_slider_changed)
        control_layout.addWidget(self.beauty_slider, 1)
        
        # スライダー値表示
        self.value_label = QLabel("70%")
        self.value_label.setStyleSheet("color: white; font-size: 15px; font-weight: bold; min-width: 60px;")
        control_layout.addWidget(self.value_label)
        
        main_layout.addWidget(control_widget)
        
        # ボタンエリア
        button_widget = QWidget()
        button_widget.setStyleSheet("background-color: #1e1e1e; padding: 10px;")
        button_layout = QHBoxLayout()
        button_widget.setLayout(button_layout)
        
        button_layout.addStretch()
        
        # 保存ボタン
        self.save_button = QPushButton("💾 保存")
        self.save_button.setEnabled(False)
        self.save_button.setStyleSheet("""
            QPushButton {
                background-color: #4CAF50;
                color: white;
                font-size: 16px;
                font-weight: bold;
                padding: 12px 40px;
                border-radius: 6px;
                border: none;
            }
            QPushButton:hover {
                background-color: #45a049;
            }
            QPushButton:disabled {
                background-color: #333;
                color: #666;
            }
        """)
        self.save_button.clicked.connect(self.save_image)
        button_layout.addWidget(self.save_button)
        
        main_layout.addWidget(button_widget)
        
        # ドラッグ&ドロップを有効化
        self.setAcceptDrops(True)
        
    def dragEnterEvent(self, event: QDragEnterEvent):
        if event.mimeData().hasUrls():
            event.acceptProposedAction()
            
    def dropEvent(self, event: QDropEvent):
        files = [u.toLocalFile() for u in event.mimeData().urls()]
        if files:
            file_path = files[0]
            if file_path.lower().endswith(('.png', '.jpg', '.jpeg', '.bmp', '.tiff', '.webp')):
                self.load_image(file_path)
            else:
                QMessageBox.warning(self, "エラー", "サポートされていない画像形式です。\nJPG, PNG, BMPなどの形式をご使用ください。")
                
    def load_image(self, file_path):
        """画像を読み込む"""
        try:
            self.image_path = file_path
            self.original_image = Image.open(file_path).convert('RGB')
            
            # UI更新
            self.beauty_slider.setEnabled(True)
            self.save_button.setEnabled(True)
            
            # 初期効果を適用
            self.current_intensity = 70
            self.process_image()
            
        except Exception as e:
            import traceback
            error_msg = f"画像の読み込みに失敗しました。\n\nエラー詳細:\n{str(e)}\n\n{traceback.format_exc()}"
            QMessageBox.warning(self, "エラー", error_msg)
            self.original_image = None
            self.processed_image = None
            
    def on_slider_changed(self, value):
        """スライダー変更時(遅延処理でスムーズに)"""
        self.current_intensity = value
        self.value_label.setText(f"{value}%")
        
        # タイマーをリセットして再スタート(200ms後に処理)
        self.update_timer.stop()
        self.update_timer.start(200)
        
    def process_image(self):
        """美肌処理を実行"""
        if self.original_image is None:
            return
        
        try:
            intensity = self.current_intensity / 100.0
            
            if intensity == 0:
                self.processed_image = self.original_image.copy()
            else:
                self.processed_image = self.apply_beauty_effect(self.original_image, intensity)
            
            self.display_image()
            
        except Exception as e:
            import traceback
            error_msg = f"画像処理中にエラーが発生しました。\n\nエラー詳細:\n{str(e)}\n\n{traceback.format_exc()}"
            QMessageBox.warning(self, "エラー", error_msg)
        
    def apply_beauty_effect(self, image, intensity):
        """
        AI顔認識を使用した高品質な美肌効果
        顔部分だけを自動認識して処理
        """
        # 顔を検出
        faces = self.detect_faces(image)
        
        if len(faces) == 0:
            # 顔が検出されない場合は全体に処理を適用
            return self.apply_beauty_to_image(image, intensity)
        
        # オリジナル画像をNumPy配列に変換
        result_array = np.array(image, dtype=np.float32)
        
        # 各顔に対して処理
        for face_rect in faces:
            x, y, w, h = face_rect
            
            # 顔領域を拡張(首や耳も含める)
            expand_ratio = 0.5
            exp_w = int(w * expand_ratio)
            exp_h = int(h * expand_ratio)
            
            x1 = max(0, x - exp_w)
            y1 = max(0, y - int(exp_h * 0.3))  # 上は少なめに拡張
            x2 = min(image.width, x + w + exp_w)
            y2 = min(image.height, y + h + int(exp_h * 1.2))  # 下は多めに拡張(首まで)
            
            # 顔領域を切り出し
            face_region = image.crop((x1, y1, x2, y2))
            
            # 美肌処理を適用
            processed_face = self.apply_beauty_to_image(face_region, intensity)
            processed_face_array = np.array(processed_face, dtype=np.float32)
            
            # 高品質なマスクを作成
            mask_array = self.create_smooth_mask(x2 - x1, y2 - y1)
            
            # マスクを3チャンネルに拡張
            mask_3d = mask_array[:, :, np.newaxis]
            
            # アルファブレンドで自然に合成
            result_array[y1:y2, x1:x2] = (
                result_array[y1:y2, x1:x2] * (1.0 - mask_3d) +
                processed_face_array * mask_3d
            )
        
        # uint8に変換して返す
        result_array = np.clip(result_array, 0, 255).astype(np.uint8)
        return Image.fromarray(result_array)
    
    def detect_faces(self, image):
        """顔を検出する(MediaPipeまたはOpenCV)"""
        # OpenCV形式に変換
        img_array = np.array(image)
        
        faces = []
        
        if MEDIAPIPE_AVAILABLE and self.mp_face_detection is not None:
            # MediaPipeで顔検出(より高精度・高速)
            rgb_image = cv2.cvtColor(img_array, cv2.COLOR_RGB2BGR)
            results = self.mp_face_detection.process(rgb_image)
            
            if results.detections:
                img_height, img_width = img_array.shape[:2]
                
                for detection in results.detections:
                    bbox = detection.location_data.relative_bounding_box
                    x = int(bbox.xmin * img_width)
                    y = int(bbox.ymin * img_height)
                    w = int(bbox.width * img_width)
                    h = int(bbox.height * img_height)
                    
                    # 境界チェック
                    x = max(0, x)
                    y = max(0, y)
                    w = min(w, img_width - x)
                    h = min(h, img_height - y)
                    
                    faces.append((x, y, w, h))
                    
        elif self.face_cascade is not None:
            # OpenCVで顔検出(フォールバック)
            gray = cv2.cvtColor(img_array, cv2.COLOR_RGB2GRAY)
            
            # 複数のスケールで検出を試みる
            detected = self.face_cascade.detectMultiScale(
                gray,
                scaleFactor=1.05,
                minNeighbors=3,
                minSize=(30, 30),
                flags=cv2.CASCADE_SCALE_IMAGE
            )
            
            for (x, y, w, h) in detected:
                faces.append((x, y, w, h))
        
        return faces
    
    def create_smooth_mask(self, width, height):
        """高品質なグラデーションマスクを作成"""
        # NumPyで滑らかな楕円形マスクを作成
        y_coords, x_coords = np.ogrid[:height, :width]
        
        center_x, center_y = width / 2.0, height / 2.0
        
        # 各ピクセルの中心からの正規化距離を計算
        dx = (x_coords - center_x) / (width / 2.0)
        dy = (y_coords - center_y) / (height / 2.0)
        distance = np.sqrt(dx * dx + dy * dy)
        
        # より滑らかなグラデーション(コサインカーブ使用)
        mask = np.zeros((height, width), dtype=np.float32)
        
        # 中心部は完全に適用
        mask[distance <= 0.6] = 1.0
        
        # 境界部分は滑らかにフェードアウト
        fade_region = (distance > 0.6) & (distance <= 1.3)
        fade_distance = distance[fade_region]
        # コサインカーブで自然なフェード
        mask[fade_region] = 0.5 * (1.0 + np.cos((fade_distance - 0.6) * np.pi / 0.7))
        
        # さらにガウシアンブラーで滑らかに
        blur_size = max(3, min(width, height) // 20)
        if blur_size % 2 == 0:
            blur_size += 1
        
        mask = cv2.GaussianBlur(mask, (blur_size, blur_size), 0)
        
        return mask
    
    def apply_beauty_to_image(self, image, intensity):
        """
        画像に美肌効果を適用(既存のロジック)
        """
        # NumPy配列に変換
        img_array = np.array(image, dtype=np.float32)
        
        # 1. 基本的な平滑化(Pillow使用)
        pil_img = image.copy()
        
        # 強度に応じた平滑化
        radius = 2 + int(intensity * 4)
        smoothed = pil_img.filter(ImageFilter.GaussianBlur(radius=radius))
        
        # 2. エッジ検出でマスクを作成
        edges = pil_img.filter(ImageFilter.FIND_EDGES)
        edge_array = np.array(edges.convert('L'), dtype=np.float32) / 255.0
        edge_array = 1.0 - edge_array  # 反転(エッジ以外を保護)
        
        # エッジマスクを3チャンネルに拡張
        edge_mask = np.stack([edge_array] * 3, axis=-1)
        
        # 3. ディテール保持フィルタ
        detail = pil_img.filter(ImageFilter.DETAIL)
        detail_array = np.array(detail, dtype=np.float32)
        
        # 4. 平滑化画像とオリジナルをブレンド
        smoothed_array = np.array(smoothed, dtype=np.float32)
        
        # エッジ部分は保護、肌の部分は平滑化
        blend_strength = intensity * 0.7
        blended = img_array * (1.0 - blend_strength * edge_mask) + smoothed_array * (blend_strength * edge_mask)
        
        # 5. 微細なディテールを戻す
        detail_strength = 0.15 * (1.0 - intensity * 0.5)
        result = blended * (1.0 - detail_strength) + detail_array * detail_strength
        
        # PIL Imageに戻す
        result = np.clip(result, 0, 255).astype(np.uint8)
        result_img = Image.fromarray(result)
        
        # 6. 明るさとコントラストの微調整
        enhancer_brightness = ImageEnhance.Brightness(result_img)
        result_img = enhancer_brightness.enhance(1.0 + intensity * 0.08)
        
        enhancer_contrast = ImageEnhance.Contrast(result_img)
        result_img = enhancer_contrast.enhance(1.0 + intensity * 0.05)
        
        # 7. 色の彩度を微調整(自然な肌色)
        enhancer_color = ImageEnhance.Color(result_img)
        result_img = enhancer_color.enhance(1.0 + intensity * 0.1)
        
        # 8. シャープネスを微調整
        enhancer_sharpness = ImageEnhance.Sharpness(result_img)
        result_img = enhancer_sharpness.enhance(1.0 - intensity * 0.2)
        
        return result_img
        
    def display_image(self):
        """画像をラベルに表示(ウィンドウサイズに合わせて拡大縮小)"""
        if self.processed_image is None:
            return
        
        # PIL ImageをQPixmapに変換
        img_copy = self.processed_image.copy()
        
        # ラベルのサイズを取得
        label_size = self.image_label.size()
        
        # アスペクト比を維持してリサイズ
        img_copy.thumbnail((label_size.width(), label_size.height()), Image.Resampling.LANCZOS)
        
        # QImageに変換
        img_array = np.array(img_copy)
        height, width, channel = img_array.shape
        bytes_per_line = 3 * width
        q_image = QImage(img_array.data, width, height, bytes_per_line, QImage.Format_RGB888)
        
        pixmap = QPixmap.fromImage(q_image)
        self.image_label.setPixmap(pixmap)
        
    def resizeEvent(self, event):
        """ウィンドウリサイズ時にプレビュー画像も更新"""
        super().resizeEvent(event)
        if self.processed_image is not None:
            # リサイズ後すぐに表示を更新
            QTimer.singleShot(10, self.display_image)
            
    def save_image(self):
        """画像を保存"""
        if self.processed_image is None or self.image_path is None:
            return
        
        try:
            # ファイル名を生成
            directory = os.path.dirname(self.image_path)
            filename = os.path.basename(self.image_path)
            name, ext = os.path.splitext(filename)
            
            # 拡張子がない場合はJPGにする
            if not ext:
                ext = '.jpg'
            
            new_filename = f"{name}-AI美肌{self.current_intensity}{ext}"
            save_path = os.path.join(directory, new_filename)
            
            # 元の画像サイズで保存(表示用ではなく処理済み画像)
            self.processed_image.save(save_path, quality=95, optimize=True)
            
            QMessageBox.information(
                self, 
                "保存完了", 
                f"画像を保存しました:\n{new_filename}"
            )
            
        except Exception as e:
            QMessageBox.warning(self, "エラー", f"画像の保存に失敗しました。\n{str(e)}")

def main():
    app = QApplication(sys.argv)
    app.setStyle('Fusion')  # モダンなスタイル
    window = BeautySkinApp()
    window.show()
    sys.exit(app.exec_())

if __name__ == "__main__":
    main()
【サンプル画像】

オリジナル画像は、生成AIで作成。

AIによる顔判別していないバージョンの画像も合わせて掲載。

オリジナル画像

美肌効果(AI人物顔判別なし):30%

美肌効果(AI人物顔判別):30%

美肌効果(AI人物顔判別なし):50%

美肌効果(AI人物顔判別):50%

美肌効果(AI人物顔判別なし):70%

美肌効果(AI人物顔判別):70%

美肌効果(AI人物顔判別なし):90%

美肌効果(AI人物顔判別):90%

オリジナル画像

美肌効果(AI人物顔判別なし):70%

美肌効果(AI人物顔判別):70%

※ (↓)改良バージョン作成。

Claude)Python)写真を美肌に編集加工するWindowsアプリ作成(3)。毛穴やシミを目立たなくする。AI顔認識+手動顔指定。先日、写真を美肌に編集加工するWindowsアプリを作成した。毛穴を目立たなくする効果がある。AIによる人物の顔認識もする。 ただ、AIによ…晴歩雨描 ·

※ (↓)更なる改良バージョン作成。

Claude)Python)写真を美肌に編集加工するWindowsアプリ作成(5)。毛穴やシミを目立たなくする。AI顔検出+AI輪郭抽出(精度向上版)。ICCプロファイル維持。先日、写真を美肌に編集加工するWindowsアプリをPythonで作成した。 輪郭抽出枠が大雑把だったので、もう少し細かく輪郭を抽出できるバ…晴歩雨描 ·

Claude)Python)「写真オブジェクト除去」Windowsアプリ作成。シミ消しにも使える。2日前、 JavaScript で「 写真スポッティング編集ツール 」を作成した。 今回、 Python で「 写真オブジェクト除去アプリ …晴歩雨描 ·

Claude)JavaScript)「写真スポッティング編集ツール」作成。写真のオブジェクト除去やシミ消しに。JavaScriptで、「 写真スポッティング編集ツール 」を作成。 写真の中のちょっとした不要物を除去するためのツール。除去したい不要物を…晴歩雨描 ·

Claude)Python)ローカル)写真のシャープネス、コントラスト、明度、彩度を調整するWindowsアプリ作成。野鳥写真で、等倍高画質化をTopaz Labs、Aiarty Image Enhancerと比較。Pythonで「 写真のシャープネス、コントラスト、明度、彩度を調整する 」Windowsアプリを作成。「Claude」で作成。 【機能概略…晴歩雨描 ·

「Topaz Labs」で、アップスケーリングなしで写真の等倍高画質化が出来るかを検証。結果は優秀。野鳥写真で「Aiarty Image Enhancer」と比較。『 Topaz Labs 』の「 Upscale(Standard V2) 」で、アップスケーリングなしで等倍高画質化を検証してみた。 野鳥…晴歩雨描 ·

写真の高画質化/鮮明化Windowsアプリ「Aiarty Image Enhancer」「Upscayl」最新版で、等倍高画質化(アップスケーリングなし)を野鳥写真で比較。先日、写真の高画質化Webツールで、アップスケーリングなしの高画質化の検証をしたが、使えるレベルのものはなかった。 今回、写真の高画質化/鮮…晴歩雨描 ·

Claude)Python)写真のEXIF情報を表示するWindowsアプリ(ExifTool)を作成。Pythonで「 写真のEXIF情報を表示する 」Windowsアプリを作成。「Claude」で作成。 【機能概略】 JPEGファイルを画面…晴歩雨描 ·

「Gemini 2.5 Flash Image(Nano Banana)」で、写真の高画質化を試した。高画質化ツールとしては使えない。Googleが無料の超高品質な画像編集AI「 Gemini 2.5 Flash Image 」をリリース。 「 Gemini 2.5 Fla…晴歩雨描 ·

ChatGPTの画像生成AI「4o Image Generation」の写真の高画質化は凄まじい(?)。一般的なアップスケーリングツールとは一線を画す。「DALL・E」との比較も。先日、写真の高画質化/鮮明化Windowsアプリ「Aiarty Image Enhancer」「Upscayl」で、アップスケーリングなしの…晴歩雨描 ·

Windows無料アプリ「Upscayl」で、ノイズ除去、鮮明化を、野鳥写真で試した。「Aiarty Image Enhancer」とも比較。昨日、Windowsアプリ「 Aiarty Image Enhancer 」で、ノイズ除去、ピンボケ補正、シャープネス強化、鮮明化を、野鳥写…晴歩雨描 ·

JPEG写真の高画質化(ノイズ除去+シャープネスなど)を無料でできるWebツールアプリ「AI Ease」。野鳥写真で試した。先程、オブジェクト除去Webツール「 AI Ease 」を試した。 「AI Ease」は、オブジェクト除去以外にも多くの機能を持っている。 …晴歩雨描 ·

写真解像度を上げる(アップスケーリング、高画質化)無料Webツール「AnyRec AI」比較。「Adobe スーパー解像度」「Aiarty Image Enhancer」「Upscayl」と。写真解像度を上げる(アップスケーリング)ツールを色々試している。 今回、Webツール「 AnyRec AI 」を試してみた。会員登録なしで無…晴歩雨描 ·

キヤノン「EOS R1 / R5 Mark II」カメラ内アップスケーリング(高画質化)とWindows高解像度化、高画質化ツール「Aiarty Image Enhancer」「Upscayl」によるアップスケーリングを比較してみた。キヤノン「 EOS R1 / R5 Mark II 」が発表されている。「 EOS R1 / R5 Mark II」には、「カメラ内アップス…晴歩雨描 ·

「Adobe スーパー解像度」と写真解像度を上げる(アップスケーリング、高画質化)Windowsアプリ「Aiarty Image Enhancer」を比較。写真解像度を上げる(アップスケーリング、高画質化)Windowsアプリ「 Aiarty Image Enhancer 」を試してきた。 今回…晴歩雨描 ·

AIを使って写真の解像度を6倍にできる(アップスケーリング、高画質化)ソフト「Topaz A.I. Gigapixel」を試してみた。AIを使って写真の解像度を6倍にできるソフト「Topaz A.I. Gigapixel」を試してみた。 A.I. Gigapixel™ – …晴歩雨描 ·

写真解像度を上げる(アップスケーリング、高画質化)Webツールアプリ「kakudaiAC」「AI Image Enlarger」「Bigjpg」「waifu2x」「Let's Enhance」「Topaz Gigapixel AI」比較。以前、写真の解像度を上げるサービスアプリ「 Bigjpg 」「 waifu2x 」「 Let's Enhance 」を試してみた。 今回、新…晴歩雨描 ·