NDK 开发实战 - 实现相机美颜功能

在《图形图像处理 - 实现图片的美容效果》一文中提到了图片的美容，采用双边滤波算法来实现，具体的算法流程和实现思路，大家可以在上篇文章中了解，这篇文章就在不再反复啰嗦了。这里我们再次来看下处理效果：

上面的效果看似好像不错，其实存在了大量的问题。从处理速度上来说，双边模糊算法是在二维的高斯函数上新增像素差值来实现的，使得算法的时间复杂度比较大（处理时间 > 1s），其次从处理效果上来说，用户一眼就能看出来，这是一张经过加工处理过的图片，眼睛很迷茫没了深邃，效果看上去很模糊没真实感。因此本文就从这两个方面下手，第一优化美容算法，其次优化美颜效果，使其能够真正的用到我们的手机移动端，实现实时美颜的功能。

1. 实现快速模糊

之前我们在实现模糊时，采用的是做卷积操作，其算法的复杂度是 image.rows * image.cols* kernel.rows * kernel.cols 且内部采用的是 float 运算，我们的卷积核 kernel 越大其算法的复杂度就越大。写法如下：

    Mat src = imread("C:/Users/hcDarren/Desktop/android/example.png");if (!src.data){printf("imread error!");return -1;}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);
复制代码

那么有没有什么办法可以优化呢？这里给大家介绍一种新的算法 积分图运算，我们先来看下算法实现思路：

上图的实现原理其实很简单，处理的流程就是我们根据原图创建一张积分图，通过积分图就可以求得原图某一块区域的像素大小总和。之前做卷积操作的复杂度是 kernel.rows * kernel.cols , 而通过积分图来求就变成了 O(1) ，且不会随着卷积核的增大而增加其算法的复杂度。我们来看下具体的代码实现：

// 积分图的模糊算法 size 模糊的直径
void meanBlur(Mat & src, Mat &dst, int size){// size % 2 == 1// 把原来进行填充，方便运算Mat mat;int radius = size / 2;copyMakeBorder(src, mat, radius, radius, radius, radius, BORDER_DEFAULT);// 求积分图 (作业去手写积分图的源码) Mat sum_mat, sqsum_mat;integral(mat, sum_mat, sqsum_mat, CV_32S, CV_32S);dst.create(src.size(), src.type());int imageH = src.rows;int imageW = src.cols;int area = size*size;// 求四个点，左上，左下，右上，右下int x0 = 0, y0 = 0, x1 = 0, y1 = 0;int lt = 0, lb = 0, rt = 0, rb = 0;int channels = src.channels();for (int row = 0; row < imageH; row++){// 思考，x0，y0 , x1 , y1  sum_mat// 思考，row, col, dsty0 = row;y1 = y0 + size;for (int col = 0; col < imageW; col++){x0 = col;x1 = x0 + size;for (int i = 0; i < channels; i++){// 获取四个点的值lt = sum_mat.at<Vec3i>(y0, x0)[i];lb = sum_mat.at<Vec3i>(y1, x0)[i];rt = sum_mat.at<Vec3i>(y0, x1)[i];rb = sum_mat.at<Vec3i>(y1, x1)[i];// 区块的合int sum = rb - rt - lb + lt;dst.at<Vec3b>(row, col)[i] = sum / area;}}}
}
复制代码

2. 快速边缘保留

实现了快速模糊算法后，我们就得思考一下如何才能实现，快速的边缘保留效果呢？我们来看几个公式：

具体的实现分析，大家可以参考上面的实现思路，方差公式的推倒大家可以参考这里 en.wikipedia.org/wiki/Varian… 。剩下的就是直接开始套公式了：

int getBlockSum(Mat &sum_mat, int x0, int y0, int x1, int y1, int ch){// 获取四个点的值int lt = sum_mat.at<Vec3i>(y0, x0)[ch];int lb = sum_mat.at<Vec3i>(y1, x0)[ch];int rt = sum_mat.at<Vec3i>(y0, x1)[ch];int rb = sum_mat.at<Vec3i>(y1, x1)[ch];// 区块的合int sum = rb - rt - lb + lt;return sum;
}float getBlockSqSum(Mat &sqsum_mat, int x0, int y0, int x1, int y1, int ch){// 获取四个点的值float lt = sqsum_mat.at<Vec3f>(y0, x0)[ch];float lb = sqsum_mat.at<Vec3f>(y1, x0)[ch];float rt = sqsum_mat.at<Vec3f>(y0, x1)[ch];float rb = sqsum_mat.at<Vec3f>(y1, x1)[ch];// 区块的合float sqsum = rb - rt - lb + lt;return sqsum;
}// 积分图的模糊算法 size 模糊的直径
void fatsBilateralBlur(Mat & src, Mat &dst, int size, int sigma){// size % 2 == 1// 把原来进行填充，方便运算Mat mat;int radius = size / 2;copyMakeBorder(src, mat, radius, radius, radius, radius, BORDER_DEFAULT);// 求积分图 (作业去手写积分图的源码) Mat sum_mat, sqsum_mat;integral(mat, sum_mat, sqsum_mat, CV_32S, CV_32F);dst.create(src.size(), src.type());int imageH = src.rows;int imageW = src.cols;int area = size*size;// 求四个点，左上，左下，右上，右下int x0 = 0, y0 = 0, x1 = 0, y1 = 0;int lt = 0, lb = 0, rt = 0, rb = 0;int channels = src.channels();for (int row = 0; row < imageH; row++){// 思考，x0，y0 , x1 , y1  sum_mat// 思考，row, col, dsty0 = row;y1 = y0 + size;for (int col = 0; col < imageW; col++){x0 = col;x1 = x0 + size;for (int i = 0; i < channels; i++){int sum = getBlockSum(sum_mat, x0, y0, x1, y1, i);float sqsum = getBlockSqSum(sqsum_mat, x0, y0, x1, y1, i);float diff_sq = (sqsum - (sum * sum) / area) / area;float k = diff_sq / (diff_sq + sigma);int pixels = src.at<Vec3b>(row, col)[i];pixels = (1 - k)*(sum / area) + k * pixels;dst.at<Vec3b>(row, col)[i] = pixels;}}}
}
复制代码

3. 检测与融合皮肤区域

实现了快速边缘保留后，我们有了两方面的提升，第一个是算法时间上面的提升，第二个是效果上面的提升，脸上的水滴效果还在，眼睛区域基本没有变化，图片看上去比较真实。但我们发现效果还不是很好，如脖子上面的头发与原图相比有些模糊，因此我们打算只对皮肤区域实现美颜，其他区域采用其他算法。那我们怎么去判断皮肤区域呢？最简单的一种方式就是根据 RGB 或者 YCrCb 的值来筛选，然后根据皮肤区域来进行融合。

// 皮肤区域检测
void skinDetect(const Mat &src, Mat &skinMask){skinMask.create(src.size(), CV_8UC1);int rows = src.rows;int cols = src.cols;Mat ycrcb;cvtColor(src, ycrcb, COLOR_BGR2YCrCb);for (int row = 0; row < rows; row++){for (int col = 0; col < cols; col++){Vec3b pixels = ycrcb.at<Vec3b>(row, col);uchar y = pixels[0];uchar cr = pixels[1];uchar cb = pixels[2];if (y>80 && 85<cb<135 && 135<cr<180){skinMask.at<uchar>(row, col) = 255;}else{skinMask.at<uchar>(row, col) = 0;}}}
}// 皮肤区域融合
void fuseSkin(const Mat &src, const  Mat &blur_mat, Mat &dst, const Mat &mask){// 融合？dst.create(src.size(),src.type());GaussianBlur(mask, mask, Size(3, 3), 0.0);Mat mask_f;mask.convertTo(mask_f, CV_32F);normalize(mask_f, mask_f, 1.0, 0.0, NORM_MINMAX);int rows = src.rows;int cols = src.cols;int ch = src.channels();for (int row = 0; row < rows; row++){for (int col = 0; col < cols; col++){// mask_f (1-k)/*uchar mask_pixels = mask.at<uchar>(row,col);// 人脸位置if (mask_pixels == 255){dst.at<Vec3b>(row, col) = blur_mat.at<Vec3b>(row, col);}else{dst.at<Vec3b>(row, col) = src.at<Vec3b>(row, col);}*/// src ，通过指针去获取， 指针 -> Vec3b -> 获取uchar b1 = src.at<Vec3b>(row, col)[0];uchar g1 = src.at<Vec3b>(row, col)[1];uchar r1 = src.at<Vec3b>(row, col)[2];// blur_matuchar b2 = blur_mat.at<Vec3b>(row, col)[0];uchar g2 = blur_mat.at<Vec3b>(row, col)[1];uchar r2 = blur_mat.at<Vec3b>(row, col)[2];// dst 254  1float k = mask_f.at<float>(row,col);dst.at<Vec3b>(row, col)[0] = b2*k + (1 - k)*b1;dst.at<Vec3b>(row, col)[1] = g2*k + (1 - k)*g1;dst.at<Vec3b>(row, col)[2] = r2*k + (1 - k)*r1;}}
}
复制代码

4. 最后总结

如果我们对处理效果依旧不是很满意的话，我们可以自己再做一些折腾，像边缘加强或者模糊叠加等等。

// 边缘的提升 (可有可无)
Mat cannyMask;
Canny(src, cannyMask, 150, 300, 3, false);
imshow("Canny", cannyMask);
// & 运算  0 ，255 
bitwise_and(src, src, fuseDst, cannyMask);
imshow("bitwise_and", fuseDst);
// 稍微提升一下对比度(亮度)
add(fuseDst, Scalar(10, 10, 10), fuseDst);
复制代码

最后总结一下：无论我们怎么处理要保证两个方面，第一个是速度方面，因为如果集成到移动端手机上必须得考虑实时性，第二个是效果方面，要让用户看上去自然，尽量不要让用户感知这是处理过的特效。至于怎么集成到 android 移动端，大家感兴趣可以自己去试试，我将在后面的直播美颜部分来为大家进行讲解。

视频地址：pan.baidu.com/s/1Ax6qunmE…

视频密码：xzts