在图像处理领域，大家接触最多的算法应该就是手机中的美颜自拍了，除了专门的美颜APP之外，很多手机原生系统也都支持美颜滤镜功能。当然，像是直播、短视频平台和一部分社交软件则是选择接入第三方美颜sdk。今天，小编就为大家介绍下美颜滤镜背后的算法。

美颜滤镜按功能需求来看可分为基础、高级和附加功能三大块。基础概念就是磨皮、处理肤色。目前直播平台接入的美颜sdk已可实现较为高级即时演算，比如祛痘、瘦脸、增大眼睛、五官立体等。此前翻车的某网红女主播就是在扭头瞬间人脸未被识别，现了不到1秒的原形但被吃瓜网友抓包，所以人脸识别是实现美颜，特别是实时美颜的第一前提。而年龄计算、AR装饰、智能美妆等就属于美颜滤镜之外（或之上）的另一类图像算法了。

美颜滤镜的基本架构就是这样，接下来就来聊聊算法上的细节。

首当其冲的自然是最重要的基本功能：磨皮。从算法的角度来看，磨皮是用滤波器将痘印、胎记、伤痕等高频信息给滤除，再用光滑皮肤灯领域低频信息进行填充。在种类繁多的高频滤波器里，适用于人像修复的主要都是带通滤波器，比如双边滤波、导向滤波、灰度图像各向异性扩散等，因为它们的特色是可以保留边缘信息，在磨皮的同时不会像高斯滤波那样让整张图片都模糊掉。

双边滤波，简单来说它是高斯滤波的衍生版，区别在于双边滤波在把像素空域距离纳入计算的同时，还考虑了像素值域之间差值的高斯系数，两个像素的值域差距越大，计算过程中的权重就越小，反之亦然，所以这个值域系数的作用就很关键。

对于完全从背景中抽离的人像来说，双边滤波磨皮很实用，但不足也比较明显，第一是一些面积较大的雀斑或胎记因为值域相差较大，就无法被磨皮操作简单平滑掉，很多时候就需要手动干预，在用户选取区域后以该区域中心为起点，选取一个包含但大于整个选取面积的矩形窗口并计算均值，再将整个均值融合到选取范围内，实现肤色自然过渡。

双边滤波的第二个不足恰恰就是缺乏人脸区域计算机制，手机自拍不可能总是在纯色或大纵深的环境里，在能清晰辨别背景的情况下，双边滤波会对整张图像进行磨皮，这时候虽然皮肤磨得很光滑，边缘也比较清晰，但想要清晰呈现的背景细节也都跟着被磨掉了，照片严重失真。所以磨皮的进阶就必须要先把人脸部分识别并抠出来，单独进行。

关于人脸皮肤抠图算法的研究有很多，可以说是美颜滤镜算法里最经典的主题了。但是由于篇幅的原因，关于人脸皮肤抠图算法，就要留到下一篇文章中再说了。

除了本篇介绍的磨皮算法，关于美颜滤镜，还包含人脸抠图算法、人脸检测、五官立体算法、智能美妆算法等。在下篇文章中，小编会对这些算法进行一一详解，如果你对美颜sdk接入有需求，欢迎咨询客服。

声明：本文由美狐原创，未经允许禁止转载，谢谢合作。