图像美颜篇(磨皮、锐化、美白)

 

肤色检测、磨皮、锐化、美白算法都比较成熟了，只要选对方案，针对平台作进一步优化即可。

 一、磨皮篇

 此处感谢imageshop，更多的内容可以参考他的的博文。

 尝试过双边滤波，利用空间位置关系和像素值的双边关系，对其进行低通高斯滤波处理，opencv里面有内置的功能，而且针对CPU等进行了优化，无奈速度还是太慢，无法满足实时性。

最后通过imageshop了解到了导向滤波算法，如果直接使用这个算法，效率还是比较慢，幸亏后面作者提出了加速的算法，效果还不错，速度大大提升了。最后通过汇编并行指令、建表等方法进行进一步优化。

 

             

 

              

 

                  

                  

 

二、锐化篇

 没有太多可说的，自身图像叠加上高频分量，选择好几组档位的滤波器系数，滤波即可。

 

   

 

三、美白篇

 选用了一个最简单的方法，增强光线，可以提前建表减少计算量，也没有太多的东西。

      

针对比较大的图像，1080p以上，可以先进行人脸检测和跟踪，对指定区域进行美颜处理。

针对720p不算很大的图像，可以直接进行上述处理。

 

四、声音与图像

最后，通过这2个月对图像相关东西的接触，下面谈一下自己对声音与图像的认识。

声音和图像很相似，又有很多的不同。

声音更多偏向物理波、信号分析、心理听觉，不够直接，可能需要通过设备去捕捉，全部的客观信息就可以用一张时频分析图来表示，如果加上空间信息，里面的内容还是挺多的。

对于人类交流来说，声音的第一要义就是要听清楚，听懂，还原真实现场感。

如果是作品，通常这一点基于都能保证。

如果是通话，通常要做回声消除、去噪、信息压缩、可懂度增强。

如果是娱乐，音效、空间声场增强，趋向真实、高保真，模拟真实的3D场景感。

过去，都是靠奴隶来解放自己，完成各种各样的杂事，又给予最低级的报酬。

如今，这些都是非法的，那就只有通过机器帮助自己完成这些事，自己从事更高级的劳动。

对于人类与机器来说，机器听懂人类的指令、理解指令、完成指令，和人类通过语言交流。

对应着智能化的技术：识别、自然语言理解、合成。

 

对于一幅图，人接触图像的时候，会自动关注自己感兴趣的内容。

图像更多偏向图形、几何、视觉。软件算法方面侧重寻找像素点之间的关系，基于块之间的规律，关注点的跟踪，通常是基于矩阵块的运算。应用面广，信息量大，有更多的开源项目，例如Opencv。

一个图像处理效果，它通常有多种可以尝试的算法，这个需要根据实际场景和熟悉程度，选择合适的算法并进行场景优化。

其次，图像的数据量大，通常需要进行指令集或者算法级层面的效率优化。

最后，牛逼的Paper里面通常能看到相关的作者会开放代码，这一点比音频、语音论文要好。