基于GPUImage的實(shí)時(shí)美顏濾鏡

1.背景

前段時(shí)間由于項(xiàng)目需求巍棱,做了一個(gè)基于GPUImage的實(shí)時(shí)美顏濾鏡。現(xiàn)在各種各樣的直播辐棒、視頻App層出不窮,美顏濾鏡的需求也越來(lái)越多牍蜂。為了回饋開(kāi)源漾根,現(xiàn)在我把它放到了GitHub上面,感興趣的朋友可以去下載鲫竞。下面將主要介紹實(shí)現(xiàn)美顏濾鏡的原理和思路辐怕。

2.GPUImage

GPUImage是一個(gè)開(kāi)源的基于GPU的圖片或視頻的處理框架,其本身內(nèi)置了多達(dá)120多種常見(jiàn)的濾鏡效果从绘。有了它寄疏,添加實(shí)時(shí)的濾鏡只需要簡(jiǎn)單地添加幾行代碼。下面的例子是以攝像頭的數(shù)據(jù)為源僵井,對(duì)其實(shí)時(shí)地進(jìn)行反色的操作(類似相片底片的效果):

利用GPUImage對(duì)攝像頭數(shù)據(jù)添加濾鏡的示例2.1

其實(shí)美顏也是一樣陕截,如果有這么一個(gè)美顏的濾鏡(姑且叫做GPUImageBeautifyFilter),那么只需要把示例2.1中的GPUImageColorInvertFilter替換成GPUImageBeautifyFilter即可批什。我們只需要做一個(gè)GPUImageBeautifyFilter就能實(shí)現(xiàn)實(shí)時(shí)美顏了农曲,問(wèn)題來(lái)了,到底什么算是美顏呢渊季?我的理解是朋蔫,大家對(duì)于美顏比較常見(jiàn)的需求就是磨皮罚渐、美白却汉。當(dāng)然提高飽和度、提亮之類的就根據(jù)需求而定荷并。本文將著重介紹磨皮的實(shí)現(xiàn)(實(shí)際上GPUImageBeautifyFilter也實(shí)現(xiàn)了美白合砂、提亮等效果)。

3.磨皮

磨皮的本質(zhì)實(shí)際上是模糊源织。而在圖像處理領(lǐng)域翩伪,模糊就是將像素點(diǎn)的取值與周邊的像素點(diǎn)取值相關(guān)聯(lián)微猖。而我們常見(jiàn)的高斯模糊,它的像素點(diǎn)取值則是由周邊像素點(diǎn)求加權(quán)平均所得缘屹,而權(quán)重系數(shù)則是像素間的距離的高斯函數(shù)凛剥,大致關(guān)系是距離越小、權(quán)重系數(shù)越大轻姿。下圖3.1是高斯模糊效果的示例:

高斯模糊效果示例3.1

如果單單使用高斯模糊來(lái)磨皮犁珠,得到的效果是不盡人意的。原因在于互亮,高斯模糊只考慮了像素間的距離關(guān)系犁享,沒(méi)有考慮到像素值本身之間的差異。舉個(gè)例子來(lái)講豹休,頭發(fā)與人臉?lè)纸缣帲伾町惡艽蟠独ィ谏c人皮膚的顏色),如果采用高斯模糊則這個(gè)邊緣也會(huì)模糊掉威根,這顯然不是我們希望看到的凤巨。而雙邊濾波(Bilateral Filter)則考慮到了顏色的差異,它的像素點(diǎn)取值也是周邊像素點(diǎn)的加權(quán)平均医窿,而且權(quán)重也是高斯函數(shù)磅甩。不同的是,這個(gè)權(quán)重不僅與像素間距離有關(guān),還與像素值本身的差異有關(guān)栅隐,具體講是盏触,像素值差異越小,權(quán)重越大僧叉,也是這個(gè)特性讓它具有了保持邊緣的特性,因此它是一個(gè)很好的磨皮工具棺榔。下圖3.2是雙邊濾波的效果示例:

雙邊濾波效果示例3.2

對(duì)比3.1和3.2瓶堕,雙邊濾波效果確實(shí)在人臉細(xì)節(jié)部分保留得更好,因此我采用了雙邊濾波作為磨皮的基礎(chǔ)算法症歇。雙邊濾波在GPUImage中也有實(shí)現(xiàn)郎笆,是GPUImageBilateralFilter。

根據(jù)圖3.2忘晤,可以看到圖中仍有部分人臉的細(xì)節(jié)保護(hù)得不夠宛蚓,還有我們并不希望將人的頭發(fā)也模糊掉(我們只需要對(duì)皮膚進(jìn)行處理)。由此延伸出來(lái)的改進(jìn)思路是結(jié)合雙邊濾波设塔,邊緣檢測(cè)以及膚色檢測(cè)凄吏。整體邏輯如下:

磨皮處理邏輯圖3.3

Combination? Filter是我們自己定義的三輸入的濾波器。三個(gè)輸入分別是原圖像A(x, y),雙邊濾波后的圖像B(x, y),邊緣圖像C(x, y)痕钢。其中A,B,C可以看成是圖像矩陣图柏,(x,y)可以看成其中某一像素的坐標(biāo)。Combination? Filter的處理邏輯如下圖:

Combination Filter邏輯圖3.3

下面是主要的shader代碼:

combination filter的shader代碼3.4

Combination Filter通過(guò)膚色檢測(cè)和邊緣檢測(cè)任连,只對(duì)皮膚和非邊緣部分進(jìn)行處理蚤吹。下面是采用這種方式進(jìn)行磨皮之后的效果圖:

最終磨皮效果圖3.5

對(duì)比3.5與3.2,可以看到3.5對(duì)人臉細(xì)節(jié)的保護(hù)更好随抠,同時(shí)對(duì)于面部磨皮效果也很好距辆,給人感覺(jué)更加真實(shí)。

4.延伸

我所采用的磨皮算法是基于雙邊濾波的暮刃,主要是考慮到它同時(shí)結(jié)合了像素間空間距離以及像素值本身的差異跨算。當(dāng)然也不一定要采用雙邊濾波,也有通過(guò)改進(jìn)高斯模糊(結(jié)合像素值差異)來(lái)實(shí)現(xiàn)磨皮的椭懊,甚至能取得更好的效果诸蚕。另外GPUImageBeautifyFilter不僅僅具有磨皮功能,也實(shí)現(xiàn)了log曲線調(diào)色氧猬,亮度背犯、飽和度的調(diào)整,具體詳情可以參見(jiàn)demo盅抚。

文/琨君(簡(jiǎn)書作者)

原文鏈接:http://www.reibang.com/p/945fc806a9b4

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末漠魏,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子妄均,更是在濱河造成了極大的恐慌柱锹,老刑警劉巖,帶你破解...
    沈念sama閱讀 211,561評(píng)論 6 492
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件丰包,死亡現(xiàn)場(chǎng)離奇詭異禁熏,居然都是意外死亡,警方通過(guò)查閱死者的電腦和手機(jī)邑彪,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,218評(píng)論 3 385
  • 文/潘曉璐 我一進(jìn)店門瞧毙,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái),“玉大人寄症,你說(shuō)我怎么就攤上這事宙彪。” “怎么了有巧?”我有些...
    開(kāi)封第一講書人閱讀 157,162評(píng)論 0 348
  • 文/不壞的土叔 我叫張陵释漆,是天一觀的道長(zhǎng)。 經(jīng)常有香客問(wèn)我剪决,道長(zhǎng)灵汪,這世上最難降的妖魔是什么? 我笑而不...
    開(kāi)封第一講書人閱讀 56,470評(píng)論 1 283
  • 正文 為了忘掉前任柑潦,我火速辦了婚禮享言,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘渗鬼。我一直安慰自己览露,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,550評(píng)論 6 385
  • 文/花漫 我一把揭開(kāi)白布譬胎。 她就那樣靜靜地躺著差牛,像睡著了一般。 火紅的嫁衣襯著肌膚如雪堰乔。 梳的紋絲不亂的頭發(fā)上偏化,一...
    開(kāi)封第一講書人閱讀 49,806評(píng)論 1 290
  • 那天,我揣著相機(jī)與錄音镐侯,去河邊找鬼侦讨。 笑死,一個(gè)胖子當(dāng)著我的面吹牛苟翻,可吹牛的內(nèi)容都是我干的韵卤。 我是一名探鬼主播,決...
    沈念sama閱讀 38,951評(píng)論 3 407
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼崇猫,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼沈条!你這毒婦竟也來(lái)了?” 一聲冷哼從身側(cè)響起诅炉,我...
    開(kāi)封第一講書人閱讀 37,712評(píng)論 0 266
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤蜡歹,失蹤者是張志新(化名)和其女友劉穎,沒(méi)想到半個(gè)月后涕烧,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體季稳,經(jīng)...
    沈念sama閱讀 44,166評(píng)論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,510評(píng)論 2 327
  • 正文 我和宋清朗相戀三年澈魄,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了景鼠。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 38,643評(píng)論 1 340
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡痹扇,死狀恐怖铛漓,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情鲫构,我是刑警寧澤浓恶,帶...
    沈念sama閱讀 34,306評(píng)論 4 330
  • 正文 年R本政府宣布,位于F島的核電站结笨,受9級(jí)特大地震影響包晰,放射性物質(zhì)發(fā)生泄漏湿镀。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,930評(píng)論 3 313
  • 文/蒙蒙 一伐憾、第九天 我趴在偏房一處隱蔽的房頂上張望勉痴。 院中可真熱鬧,春花似錦树肃、人聲如沸蒸矛。這莊子的主人今日做“春日...
    開(kāi)封第一講書人閱讀 30,745評(píng)論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)雏掠。三九已至,卻和暖如春劣像,著一層夾襖步出監(jiān)牢的瞬間乡话,已是汗流浹背。 一陣腳步聲響...
    開(kāi)封第一講書人閱讀 31,983評(píng)論 1 266
  • 我被黑心中介騙來(lái)泰國(guó)打工耳奕, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留蚊伞,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 46,351評(píng)論 2 360
  • 正文 我出身青樓吮铭,卻偏偏與公主長(zhǎng)得像时迫,于是被迫代替她去往敵國(guó)和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子谓晌,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,509評(píng)論 2 348

推薦閱讀更多精彩內(nèi)容