美妝演算法---磨皮演算法研究彙總
寫這篇部落格，也是對自己這段時間關於磨皮演算法內容研究做個小結。
目前，對於人臉磨皮演算法，大家並不陌生，從PS到APP應用，可謂是層出不窮，這裡我總結一下，具體流程如下：
1，保邊濾波器
2，膚色檢測
3，影象融合
4，銳化
對於保邊濾波器：
此類濾波器主要作用是在平滑面板的同時，保留五官的細節。目前可以做磨皮的保邊濾波主要有以下幾種：
1，表面模糊
這個演算法是PS中的一個功能，具有較好的保邊作用，它的演算法實現連線：點選開啟連結
效果如下：
原圖 表面模糊
2，雙邊濾波
這個演算法是由一個高斯分量+梯度分量組成權重資訊來實現模糊平滑影象的同時，保留邊緣的功能的，程式碼連線：點選開啟連結
效果圖如下：
原圖 雙邊濾波r=15
3，導向濾波
導向濾波是基於導向圖的一種保邊濾波演算法，最開始由He kai ming提出，用於基於暗通道去霧演算法中，它的實現演算法和程式碼DEMO連線：點選開啟連結
效果圖如下：
原圖 導向濾波 快速導向濾波
3，基於均值濾波的保邊濾波器演算法
這個演算法速度很快，單效果一般，參考論文《Lee Filter Digital Image Enhancement and Noise Filtering by Use of Local Statistics》
演算法實現及程式DEMO連線：點選開啟連結
效果圖如下：
原圖 效果圖
4，選擇性模糊演算法
這個演算法的具體實現及程式DEMO連線：點選開啟連結
效果圖如下：
原圖 選擇性濾波演算法效果
5，基於高斯濾波的磨皮實現演算法
這個演算法不多說，大家可以直接看連線：點選開啟連結
相關程式碼DEMO連線：點選開啟連結
效果如圖：
原圖 磨皮效果圖
以上就是我收集到的，目前可以用來做磨皮演算法的濾波器，大家可以參考一下。
對於膚色檢測：
膚色檢測的相關資料比較多，主要可以分為兩大類，基於顏色空間統計資訊的方法，基於機器學習分類的方法。
這裡給出一些連結：點選開啟連結
一種基於RGB顏色空間的演算法：
對於影象融合：
這個影象融合，主要是指將濾波影象和細節影象進行融合，得到一張具有較強細節真實感和磨皮效果的結果圖。
一般基於alpha通道，或者使用羽化操作來進行融合，公式如下：
res = (basePixel * alpha + filterPixel * (255 - alpha)) >>8
注意，這裡的alpha在0-255之間，這裡舉的是原圖和濾波圖的融合。
對於銳化演算法：
在得到磨皮融合的效果圖後，我們還需要進行一定的銳化演算法，來進一步增強細節感，這裡大家可以使用USM銳化或者經典的鄰域銳化，laplace銳化等等，相關資料自行百度吧。
上述所有內容，都是磨皮演算法相關的內容，跟大家分享一下，最後一個，就是演算法的效率問題了，這個問題解決的核心，還在於濾波演算法的選擇，大家可以自行優化。本人基於Sobel運算元和均值濾波實現了一種保邊濾波器，只需進行一次均值濾波，一次sobel運算元即可，速度很不錯，這裡給個效果圖：
注意，這裡簡單的進行了全圖濾波呵呵。
本文轉自：http://www.zealfilter.com/article-138-1.html