如何对深度图像进行双边滤波器处理程序

双边滤波（Bilateralfilter）是一种非线性的滤波方法，是结合图像的空间邻近度和像素值相似度的一种折衷处理，同时考虑空域信息和灰度相似性，达到保边去噪的目的。

具有简单、非迭代、局部的特点。

[cpp] view plaincopyprint?

1. UCHAR3 BBColor(int posX , int posY)

2. {

3. int centerItemIndex = posY * picWidth4 + posX * 3 , neighbourItemIndex

4. int weightIndex

5. double gsAccumWeight = 0

6. double accumColor = 0

7.

8. // 计算各个采样点处的Gaussian权重，包括closeness，similarity

9. for(int i = -number i <= number ++i)

10. {

11. for(int j = -number j <= number ++j)

12. {

13. weightIndex = (i + number) * (number * 2 + 1) + (j + number)

14. neighbourItemIndex = min(noiseImageHeight - 1 , max(0 , posY + j * radius)) * picWidth4 +

15. min(noiseImageWidth - 1 , max(0 , posX + i * radius)) * 3

16.

17. pCSWeight[weightIndex] = LookupGSWeightTable(pSrcDataBuffer[neighbourItemIndex] , pSrcDataBuffer[centerItemIndex])

18. pCSWeight[weightIndex] = pGSWeight[weightIndex] * pGCWeight[weightIndex]

19. gsAccumWeight += pCSWeight[weightIndex]

20. }

21. }

22.

23. // 单位化权重因子

24. gsAccumWeight = 1 / gsAccumWeight

25. for(int i = -number i <= number ++i)

26. {

27. for(int j = -number j <= number ++j)

28. {

29. weightIndex = (i + number) * (number * 2 + 1) + (j + number)

30. pCSWeight[weightIndex] *= gsAccumWeight

31. }

32. }

33.

34. // 计算最终的颜色并返回

35. for(int i = -number i <= number ++i)

36. {

37. for(int j = -number j <= number ++j)

38. {

39. weightIndex = (i + number) * (number * 2 + 1) + (j + number)

40. neighbourItemIndex = min(noiseImageHeight - 1 , max(0 , posY + j * radius)) * picWidth4 +

41. min(noiseImageWidth - 1 , max(0 , posX + i * radius)) * 3

42. accumColor += pSrcDataBuffer[neighbourItemIndex + 0] * pCSWeight[weightIndex]

43. }

44. }

45.

46. return UCHAR3(accumColor , accumColor , accumColor)

47. }

已发至邮箱，查收吧。。。。

能，美颜能把一般般长相的人整的好看的。

拜各类技术和软件的发展所赐，当我们出现在镜头面前时，计算机算法就已经自动将采集到的人像进行了美颜处理。因此，镜头里的人总是那么“不真实”。

那么，这些软件背后需要用到什么程序算法？计算机是如何识别人的面部和身体，并对这些部位进行美化的呢？

其实，美颜和绘画有很多相似性，绘画首先是画线稿，确定人体基础结构，然后在线稿之上进行上色，逐步丰富细节，最后完成一幅作品。

我们拍摄的原始人体图像也是“画线稿”，手机收集原始数据，将图像上传到后台进行定位和识别。这一步的目的是确定人体的特征位置。

接下来开始“上色”，用算法和技术对五官或身体部位进行分析、处理、美化，最后得到美颜后的图像。

只不过完成一幅绘画作品需要较长的时间，而美颜却是瞬时的、即刻的，这背后需要有强大的计算机技术作为支撑。

人脸关键点定位技术识别五官

美颜技术有多强大？美颜技术原理与程序算法

如今的美颜相机，已经可以给眼睛画眼影、给嘴唇涂口红。那么，这些功能是怎么精准识别图像中人脸的特定部位的呢？

这其中利用的是人脸关键点检测技术，即通过寻找脸部特征点来确定五官的精准位置。一般来说，定位的关键点数量越多，最终的美颜效果越好。

目前主流的人脸关键点检测方法有两种：基于特征的人脸检测和基于图像的人脸检测。目前使用最多的是基于特征的人脸检测方法。

原始人脸数据被上传至后台后，人脸检测技术会对原始的图像帧进行识别。眼睛、眉毛、T型区（即眼睛+鼻子构成的区域）、嘴、下巴会被依次识别，识别的数据被放入人脸信息结构体中，之后再被应用到具体的美颜算法中，对特定部位进行美化。

图像平滑技术帮你磨皮

女生在化妆时会先涂一层粉底液，主要作用是美白和减少皮肤瑕疵。这其实就相当于美颜功能中的美白和磨皮。

美颜技术有多强大？美颜技术原理与程序算法

好的磨皮效果应该是怎样的？首先最重要的是让皮肤变光滑，同时还要尽量保留更多细节（如皮肤肌理），让五官轮廓清晰可见，这样的图片看起来更真实、更有质感。

磨皮利用的是图像平滑技术，因为在拍摄图像时会受到噪声干扰，使图像质量降低，因此要对噪声进行过滤。过滤后的图像将变得平滑，多余无用的信息会被剔除掉。

过滤图像噪声的工具是滤波器，一般常用的滤波器有中值滤波、边缘保持滤波、双边滤波（又称高斯双边滤波）等。中值滤波和边缘保持滤波的缺点是不能很好地保留图像的边缘信息；而双边滤波可以保留大量人脸细节且确保边界处不会被模糊掉，因此其应用最为普遍。

色彩模式切换美白皮肤

我们人眼的“像素”很高，能看见世界的色彩斑斓，那没有“眼睛”的计算机怎么识别颜色呢？

图像中的色彩一般用RGB模式表示，R、G、B分别代表红、绿、蓝，具体数值从0—255变化。R、G、B的数值越趋于0，图像越黑；相反，越接近255就越白。此外，还有HSV模式（H、S、V分别代表色彩、饱和度、明度），这两种色彩模式可以通过算法实现转换。

很多美白技术会将RGB模式转化为HSV模式后再进行调整：先用算法对皮肤像素的颜色数据进行大量统计，得到肤色像素的取值范围，然后再调节像素的各项数值大小，让图像中的皮肤变白、变亮。

美颜技术有多强大？美颜技术原理与程序算法

美颜技术有多强大？美颜技术原理与程序算法

模板与原图合成“定制”妆容

美颜相机里还能“定制”妆容，包括口红、腮红、眼妆等。这是因为相机软件里植入了预先设计的、不同风格的妆容模板，当人脸出现后，首先会基于人脸关键点检测技术，识别出特定部位，然后妆容模板会投射到人脸特定区域，最后妆容和原始图像进行高效合成，给图像里的人“化妆”。

以画眉为例，许多软件都提供了多套眉毛的图片模板，先检测出原始图像眉毛的关键点位置，眉毛的第一个关键点会作为贴合的起始位置；算法还会对眉毛模板的大小和范围作出调整，使模板和人的原始眉毛能更好地贴合；最后在原图上进行融合，得到自然、逼真的画眉效果。

这样一看，美颜果然是个“技术活”。

---