人像美颜算法-保边滤波

双边滤波

Surface Blur滤波

Y值越大，越稀释边缘像素的差异，各个点的权重就更接近，可以想象：当Y无限大时，每个点的权重几乎等于1，就没有保边的效果

Y:阈值[0, 255]

Guided滤波算法

Guided滤波算法 论文

局部均值滤波算法

局部均值滤波算法是 JONG-SEN LEE于 1980年在论⽂[8]中提出的⼀种基于局部均值⽅差的滤波算法。在普通的均值滤波基础之上，增加了方差的权重，由于效率高被广泛应用。

1. 假设图像当前像素为xij，周围邻域⼤⼩宽为n、⾼为m
2. 计算当前像素xij邻域范围内的像素均值mij、⽅差vij：

3. 根据均值⽅差，计算权重系数k，为了防⽌k过⼤，添加σ
   

   项，该项为⽤户输⼊参数，范围为[0，++]：
4. 计算滤波输出值X ij：
   

   方差越大，说明该点与周边的像素差值大，即视为边界，尽量保持原像素。方差值小，则视为平坦区域，取平均值。另外σ2越大，对边界的定义阈值越高，则大部分都参与均值滤波，边界就不明显。

   
   调节r

调节σ

Anisotropic滤波

算法原理有点复杂，需要复习多元微积分，熟悉“散度”的定义

Anisotropic滤波也叫各向异性扩散滤波，由Pietro Perona和Jagannatch Malik在1990年发表的论⽂[9]中提出，在图像去噪中效果明显。此算法可以在去噪的同时，保留图像的边缘，因此，笔者认为此算法也可以作为美颜算法的可选算法之⼀

Smart Blur滤波算法

Smart Blur是Photoshop 2018（简称PS2018）中出现的⼀种保边滤波器，具体参考论⽂不详。在PS2018中，该滤波器有半径Radius和阈值Threshold两个参数

该算法⽐较简单，具体算法开发流程如下所述。假设像素I（i， j）周围半径 Radius ⼤⼩的邻域为 S，邻域内的像素为I（k，l），滤波后的像素值为ID，计算如下：

对上述公式的通俗理解就是设定⼀个阈值 Threshold，遍历当前像素 I 周围半径Radius⼤⼩的邻域内的所有像素，计算像素值在区间[I-Threshold， I+Threshold]范围内的所有像素的均值，以此作为滤波结果值。

MeanShift滤波算法(均值飘移)

MeanShift即均值漂移，最早由Fukunaga在1975年提出，论⽂题⽬为“The Estimation of the Gradient of a density function”。MeanShift滤波算法是⽤MeanShift算法来实现的⼀种图像保边滤波算。理解起来有点复杂，算法复杂度较高，感觉不适合实际的应用，且当参考。

参考上图，先理解原理：以当前点为原点，计算一定范围内的向量之和，求平均，按照平均后的结果，将当前像素飘移过去。对所有点进行一次计算为一轮，对二维图像来说就是两个for循环，实际需要进行多轮。可以看出均值飘移是一个渐进式迭代的过程。

公式：

其中，Sh（X）表⽰包含X的⼩区域，k为⼩区域内样本总数，h为半径。

我们来看⼆维图像的MeanShift滤波。
将图 3.24 所⽰的离散样本看作⼀个个图像像素点，这⾥不再使⽤X表⽰像素点，⽽是改⽤P。遍历图像中的每⼀个像素P，对于像素P（x0， y0），计算它周围半径为h的圆形邻域内的MeanShift特征，其特征包含位置特征Mpos和像素RGB值特征Mrgb，计算规则如下所述。
（1）假设阈值Threshold的范围为[0，255]，遍历当前像素P（x0，
y0）周围邻域S内所有的像素P，计算核函数K，若K⼩于阈值，那么该
像素点P即为有效像素。
（2）统计有效像素数⽬N，计算所有有效像素的位置特征Mpos和
像素RGB特征Mrgb，公式如下：

其中， Prgb表⽰像素RGB， 表⽰像素位置（x， y）。
（3）将当前像素 RGB 信息和位置信息更新为规则（2）中的计算
结果，到此，完成⼀次MeanShift迭代计算。
（4）设置最⼤迭代次数maxiter，重复当前规则步骤（1）～（3），MeanShift 滤波结果即为最后⼀次迭代后的结果。注意，在MeanShift滤波算法中，实际上设置了邻域半径h、像素阈值Threshold和最⼤迭代次数maxiter三个参数，这三个参数的选择将会影响滤波的实际效果。

BEEPS滤波算法

，BEEPS 滤波算法⽤来处理⼈像⽪肤，具有较强的平滑保边能⼒，在效果上要优于MeanShift滤波算法，是美颜算法研究中常⽤的算法[12]。
算法有一定复杂度，暂时不做研究

其他滤波算法

我们介绍了⼏种笔者认为⽐较适合做磨⽪算法开发的保边滤波算法，这些算法具有以下⼏个共同点。
（1）平滑图像且保留部分边缘信息。
（2）速度快，或者经过算法优化后可以进⾏⼯程考量。
以上两点是磨⽪算法的基本要求。针对这两点，这些滤波器都可

以⽤来做磨⽪算法，结合⽪肤检测以及⼈脸识别等技术，便可以达到
不错的效果。⽽实际上，除了这些滤波器之外，还有⼀些保边滤波
器，效果也⾮常不错，这⾥总结如下：
①⾮局部均值滤波[13]
②加权最⼩⼆乘WLS滤波[14]
③加权中值滤波[15]
④L0范数平滑滤波[16]
⑤全变分（TⅤ）降噪滤波[17]
⑥DCT降噪滤波
上述滤波器也都具有较强的平滑保边能⼒。其中⾮局部均值滤波和 DCT 降噪效果更优，甚⾄超过了前⽂介绍的双边滤波等⼤部分滤波器。个⼈认为，如果不考虑时间消耗，它们⾮常适合⽤来做美颜磨⽪处理，这⾥简单列举部分效果测试结果。