NDK 開發實戰實現相機美顏功能

在《圖形影象處理 - 實現的美容效果》一文中提到了的美容，採用雙邊濾波演算法來實現，具體的演算法流程和實現思路，大家可以在上篇文章中了解，這篇文章就在不再反覆囉嗦了。這裡我們再次來看下處理效果：

上面的效果看似好像不錯，其實存在了大量的問題。從處理速度上來說，雙邊模糊演算法是在二維的高斯函式上新增畫素差值來實現的，使得演算法的時間複雜度比較大（處理時間 > 1s），其次從處理效果上來說，使用者一眼就能看出來，這是一張經過加工處理過的，眼睛很迷茫沒了深邃，效果看上去很模糊沒真實感。因此本文就從這兩個方面下手，第一優化美容演算法，其次優化美顏效果，使其能夠真正的用到我們的手機移動端，實現實時美顏的功能。

1. 實現快速模糊

之前我們在實現模糊時，採用的是做卷積操作，其演算法的複雜度是 image.rows * image.cols* kernel.rows * kernel.cols 且內部採用的是 float 運算，我們的卷積核 kernel 越大其演算法的複雜度就越大。寫法如下：

mat src = imread("c:/users/hcdarren/desktop/android/example.png");
if (!src.data)
imshow("src", src);
mat dst;
int size = 13;
mat kernel = mat::ones(size(size,size),cv_32fc1)/(size*size);
filter2d(src,dst,src.depth(),kernel);
imshow("dst", dst);
複製**

上圖的實現原理其實很簡單，處理的流程就是我們根據原圖建立一張積分圖，通過積分圖就可以求得原圖某一塊區域的畫素大小總和。之前做卷積操作的複雜度是 kernel.rows * kernel.cols , 而通過積分圖來求就變成了 o(1) ，且不會隨著卷積核的增大而增加其演算法的複雜度。我們來看下具體的**實現：

// 積分圖的模糊演算法 size 模糊的直徑
void meanblur(mat & src, mat &dst, int size)
}	}}複製**

2. 快速邊緣保留

實現了快速模糊演算法後，我們就得思考一下如何才能實現，快速的邊緣保留效果呢？我們來看幾個公式：

具體的實現分析，大家可以參考上面的實現思路，方差公式的推倒大家可以參考這裡 en.wikipedia.org/wiki/varian… 。剩下的就是直接開始套公式了：

int getblocksum(mat &sum_mat, int x0, int y0, int x1, int y1, int ch)
float getblocksqsum(mat &sqsum_mat, int x0, int y0, int x1, int y1, int ch)
// 積分圖的模糊演算法 size 模糊的直徑
void fatsbilateralblur(mat & src, mat &dst, int size, int sigma)
}	}}複製**

3. 檢測與融合**區域

實現了快速邊緣保留後，我們有了兩方面的提公升，第乙個是演算法時間上面的提公升，第二個是效果上面的提公升，臉上的水滴效果還在，眼睛區域基本沒有變化，看上去比較真實。但我們發現效果還不是很好，如脖子上面的頭髮與原圖相比有些模糊，因此我們打算只對**區域實現美顏，其他區域採用其他演算法。那我們怎麼去判斷**區域呢？最簡單的一種方式就是根據 rgb 或者 ycrcb 的值來篩選，然後根據**區域來進行融合。

// **區域檢測
void skindetect(const mat &src, mat &skinmask)
else
}	}}// **區域融合
void fuseskin(const mat &src, const  mat &blur_mat, mat &dst, const mat &mask)
else
*/// src ，通過指標去獲取， 指標 -> vec3b -> 獲取
uchar b1 = src.at(row, col)[0];
uchar g1 = src.at(row, col)[1];
uchar r1 = src.at(row, col)[2];
// blur_mat
uchar b2 = blur_mat.at(row, col)[0];
uchar g2 = blur_mat.at(row, col)[1];
uchar r2 = blur_mat.at(row, col)[2];
// dst 254  1
float k = mask_f.at(row,col);
dst.at(row, col)[0] = b2*k + (1 - k)*b1;
dst.at(row, col)[1] = g2*k + (1 - k)*g1;
dst.at(row, col)[2] = r2*k + (1 - k)*r1;
}	}}複製**

4. 最後總結

如果我們對處理效果依舊不是很滿意的話，我們可以自己再做一些折騰，像邊緣加強或者模糊疊加等等。

// 邊緣的提公升 (可有可無)
mat cannymask;
canny(src, cannymask, 150, 300, 3, false);
imshow("canny", cannymask);
// & 運算  0 ，255 
bitwise_and(src, src, fusedst, cannymask);
imshow("bitwise_and", fusedst);
// 稍微提公升一下對比度(亮度)
add(fusedst, scalar(10, 10, 10), fusedst);
複製**

最後總結一下：無論我們怎麼處理要保證兩個方面，第乙個是速度方面，因為如果整合到移動端手機上必須得考慮實時性，第二個是效果方面，要讓使用者看上去自然，盡量不要讓使用者感知這是處理過的特效。至於怎麼整合到 android 移動端，大家感興趣可以自己去試試，我將在後面的直播美顏部分來為大家進行講解。

NDK 開發實戰實現相機美顏功能

iOS開發高階實現類似美顏相機的相機啟動動畫

Camera相機開發實現開啟相機

使用Matlab實現美顏功能（雙邊濾波器）

NDK 開發實戰 實現相機美顏功能

iOS開發高階 實現類似美顏相機的相機啟動動畫

Camera相機開發 實現開啟相機

使用Matlab實現美顏功能（雙邊濾波器）

相關推薦

NDK 開發實戰實現相機美顏功能

iOS開發高階實現類似美顏相機的相機啟動動畫

Camera相機開發實現開啟相機