前言

最近看了一个磨皮算法祛斑感觉效果不错，效果图看文末就行，个人觉得效果非常不错滴。

国际惯例，参考博客：

磨皮算法的源码：YUCIHighPassSkinSmoothing

How To Smooth And Soften Skin With Photoshop

图像算法—磨皮算法研究汇总

妹纸们的最爱 - 美颜算法，美颜SDK

.Net里面的coreImage

IOS里面的coreImage

Core Image Kernel Language Reference

Core Image Filter Reference

如何分析ps中的曲线？曲线都能做哪些方面的调整？原理是什么？

Core Image框架详细解析（十三） —— 在写一个自定义滤波器之前你需要知道什么？

Python Pillow – Adjust Image Sharpness

先看看它惊艳的结果

源码剖析

本博文重点是解析源码结构和简单的python复现，不会深究其原理，因为作者也说了，是按照PhotoShop的一个磨皮祛斑步骤(参考博客二)实现的。

源码的核心实现在YUCIHighPassSkinSmoothing.m中，最后一个output函数记录了整个算法的流程。

以下图为例

整体步骤

首先是通过类似于高反差保留的代码，制作一个mask，这个可以看参考博客四的解释

YUCIHighPassSkinSmoothingMaskGenerator *maskGenerator = [[YUCIHighPassSkinSmoothingMaskGenerator alloc] init];maskGenerator.inputRadius = self.inputRadius;maskGenerator.inputImage = self.inputImage;

然后通过Photoshop里面的曲线操作，调整图像亮度

YUCIRGBToneCurve *skinToneCurveFilter = self.skinToneCurveFilter;
skinToneCurveFilter.inputImage = self.inputImage;
skinToneCurveFilter.inputIntensity = self.inputAmount;

亮度调整完毕以后，就将原图和亮度图按照mask定义的混合系数进行混合

double sharpnessValue = self.inputSharpnessFactor.doubleValue * self.inputAmount.doubleValue;if (sharpnessValue > 0) {CIFilter *shapenFilter = [CIFilter filterWithName:@"CISharpenLuminance"];[shapenFilter setValue:@(sharpnessValue) forKey:@"inputSharpness"];[shapenFilter setValue:blendWithMaskFilter.outputImage forKey:kCIInputImageKey];return shapenFilter.outputImage;

高反差保留

进入到YUCIHighPassSkinSmoothingMaskGenerator的实现中，发现有四个步骤:

• 先进行曝光度调整CIExposureAdjust，系数为$-1.0$

• 然后进行绿色和蓝色通道的混合叠加YUCIGreenBlueChannelOverlayBlend，代码也很简单

  vec4 base = vec4(image.g,image.g,image.g,1.0);
  vec4 overlay = vec4(image.b,image.b,image.b,1.0);
  float ba = 2.0 * overlay.b * base.b + overlay.b * (1.0 - base.a) + base.b * (1.0 - overlay.a);
  

  使用的时候直接$2\times G_{channel}\times B_{channel}$

• 接下来进入高通滤波YUCIHighPass的环节，非常简单，先高斯模糊一下子，然后跟原图做个混合，别人说这应该是就是高反差保留的计算方法：

  CIFilter *blurFilter = [CIFilter filterWithName:@"CIGaussianBlur"];
  [blurFilter setValue:self.inputImage.imageByClampingToExtent forKey:kCIInputImageKey];
  

  image.rgb - blurredImage.rgb + vec3(0.5,0.5,0.5)
  

• 最后要做三次增强YUCIHighPassSkinSmoothingMaskBoost，也是一个公式
  $$p^{\prime }=\{\begin{array}{ll}p\ast p\ast 2& p\le 0.5\\ 1-(1-p)(1-p)\ast 2& p>0.5\end{array}$$
  对上面的公式循环三次

  float hardLightColor = image.b;
  for (int i = 0; i < 3; ++i) {if (hardLightColor < 0.5) {hardLightColor = hardLightColor  * hardLightColor * 2.;} else {hardLightColor = 1. - (1. - hardLightColor) * (1. - hardLightColor) * 2.;}
  }
  

  但是源码实现的时候，又加入了进一步的操作

  const float k = 255.0 / (164.0 - 75.0);hardLightColor = (hardLightColor - 75.0 / 255.0) * k;
  

至此，计算mask的流程结束

曲线调亮

这个源码部分实现很复杂，但是从这个issue可以发现，源码的实现其实就是和PhotoShop里面的曲线调整一模一样，去搜索PS的曲线调整原理(参考博客有)，就会发现很简单，直接用三次样条曲线，将旧的像素值映射到新的像素值就行了，源码里面计算三次样条的锚点有三个$(0,0),(120/255.0,146/255.0),(1,1)$，在python里面有很多库都有这个函数。

简单的融合与锐化

最后计算按照高反差保留计算得到的mask，将曲线调亮后的图与原图进行融合，关于CIBlendWithMask这个API的解释看这里，系数为0时候得到背景，系数为1的时候得到前景。

因为上面图像有点模糊，所以就加了锐化，其实还有很多超高清算法或者人脸mask划分的方法去优化最终成图。

python实现的核心

因为代码贴的有点多，这里只介绍复现时候遇到的坑，完整python源码文末获取。

第一个坑就是计算mask中有一步要高斯模糊，但是opencv的高斯模糊函数除了半径外，还有一个sigma系数，怎么调都和源码不一样，后来看了PIL库，貌似没有这个多余的系数，和源码效果一模一样，所以这一步不要用opencv的函数，而是用PIL去处理

# YUCIHighPass
# 先进行高斯模糊 
# PIL的方法
pil_img = np2pil(ba_img)
pil_blur = pil_img.filter(ImageFilter.GaussianBlur(radius))
blur_img = np.asarray(pil_blur,np.float32)/255.0
plt.figure(figsize=(8,8))
plt.imshow(blur_img)
plt.axis('off')

第二个坑是，我们的理解中像素值以0-1为标准，但是在进行三次增强时候，作者加入了其它的一个操作，导致值超出了这个范围，所以需要对结果加个clip 规整到0-1

# YUCIHighPassSkinSmoothingMaskBoost
hardLightColor = hp_img[...,2]
[x1,y1] = np.where(hardLightColor<0.5)
[x2,y2] = np.where(hardLightColor>=0.5)
for i in range(3):hardLightColor[x1,y1] = hardLightColor[x1,y1]*hardLightColor[x1,y1]*2.0hardLightColor[x2,y2] = 1.0 - (1.0 - hardLightColor[x2,y2]) * (1.0 - hardLightColor[x2,y2]) * 2.0
k = 255.0/(164.0-75.0);
hardLightColor = (hardLightColor - 75.0/255.0) * k
hpss_img = np.zeros((hardLightColor.shape[0],hardLightColor.shape[1],3))
hpss_img[...,0] = hardLightColor
hpss_img[...,1] = hardLightColor
hpss_img[...,2] = hardLightColorhpss_img = np.clip(hpss_img,0,1)

最终得到的mask类似于这样

第四个坑，就是做RGB tone curve的时候，一直不知道是啥操作，最后去看PS的方法，实现了一个粗略的版本，从结果来看，和源码跑出来的结果差不多

from scipy.interpolate import CubicSpline
x = [0,120.0/255.0,1]
y = [0,146.0/255.0,1]#146
cs = CubicSpline(x,y)
tc_img = cs(input_img)

最后进行加和就行了，结果对比如下：

自己的python脚本结果

源码结果：

效果差不多，只不过我的图片貌似糊了一点，无伤大雅，斑点没了就行。

后记

博客只是做了最基本的理论实现，里面有很多优化方向，涉及商业机密就不放出来了，最基本理论实现就是按照源码一步步走。

完整的python脚本实现放在微信公众号的简介中描述的github中，有兴趣可以去找找，同时文章也同步到微信公众号中，有疑问或者兴趣欢迎公众号私信。