基于保边滤波的人脸美颜技术分析

杨虎 李航 朱展辰 佟佳荟

摘 要：随着科学技术的发展，相机和手机的拍照功能不断提高，拍摄的人像均为高清晰度的，但人脸部的斑、痘、皱纹等瑕疵同时会被清楚地记录下来。针对这一课题，本文提出了保边滤波的人脸美颜算法。首先分析了人脸美颜的原理，然后研究了保边滤波的两种方法，最后通过试验进行对比分析，得出清晰的美颜图像。经MATLAB2014a试验，该方法可以有效清除图像瑕疵噪点，明确图像的边缘化特征，基本可以实现对面部图像的美颜处理。

关键词：人脸美颜;保边滤波;双边滤波;引导滤波

中图分类号：TP391.41文献标识码：A文章编号：1003-5168（2020）05-0038-03

Abstract： With the development of science and technology， the functions of cameras and mobile phones continue to improve. The portraits taken are all high-definition， but spots， acne， and wrinkles on the face are also clearly recorded at the same time. Aiming at this problem， this paper proposed a face-preserving algorithm based on edge-preserving filtering. Firstly， the principle of face beauty was analyzed， then two methods of edge-preserving filtering were researched， and finally a comparative analysis was carried out through experiments to obtain a clear beauty image. After MATLAB2014a test， this method can effectively remove image defects and noise， clarify the edge characteristics of the image， and basically achieve facial beauty treatment.

Keywords： face beauty;edge-preserving filtering;bilateral filtering;guided filtering

爱美之心人皆有之，尤其是女性朋友，在拍摄静态图片和动态视频时，都希望自己脸上的斑、痘、皱纹等瑕疵尽量少，甚至不可见。图像数字化不仅给影像记录和保存带来方便，也给影像后期编辑修正带来可能。由此，人脸美颜技术应运而生，该技术属于图像滤波技术。相机的美颜工具就是人脸美颜技术在数字成像设备中的应用，可以滤除脸上那些不受欢迎的瑕疵，使人脸看上去更加完美。图像滤波技术分为空间域滤波和频率域滤波。常见的空间滤波器包括均值滤波器、顺序统计滤波器、自适应滤波器等;频率域滤波器包括带阻滤波器、带通滤波器和陷波滤波器等。尽管国内外已有许多关于图像滤波技术的研究成果，滤波性能也比传统滤波器有所改善，但是大多数是无选择或无区别地对输入样本图像的所有像素进行滤波处理，这样必然会对样本图像的某些原始信息造成损失，产生负面效果。比如，这些滤波技术能较好地柔化粗糙的皮肤，去除皮肤表面的斑、痘、皱纹等瑕疵，但是计算时间较长，过程烦琐，处理速度较慢，特别是会使人脸的一些细节受到破坏，如脸部轮廓模糊、鬓角发丝消失等缺点。理想的图像滤波方法是在滤波处理过程中加入判断，即首先检测样本图像的每个像素是否受到污染，然后有选择性地进行滤波处理，输出图像可以在原像素灰度值和滤波结果之间进行切换，在实现对人脸美化的同时，还兼顾保留脸部细节，在一定程度上降低了人脸的美颜痕迹，给人以更加真实的自然美感觉。双边滤波和引导滤波是两种典型的保边滤波技术，在人脸美颜方面有着广泛的应用[1]。

1 人脸美颜原理

1.1 对于面部瑕疵的分析

在数字化人像中，脸部皮肤光滑区域的像素数值分布比较均匀，但是对于皮肤瑕疵部分，如斑、痘、皱纹等，像素数值分布波动较大。这些瑕疵在空間域内表现为小范围数值波动，而在频率域内则表现为高频噪声。通过对整个脸部像素数值进行统计运算，不难发现，瑕疵区域的像素均值与其他区域的像素均值差异较大，并且远大于脸部像素的方差。因此，采用图像滤波技术对人像脸部进行滤波处理，可以消除皮肤瑕疵部分，达到人脸美颜的效果。

在实际操作过程中，采用高斯滤波方法，虽然可以消除脸部瑕疵，但是人物五官和边缘轮廓也因滤波而产生模糊，弱化了人脸的细节特征，难以实现预想的美颜效果。因此，在对人脸图像进行滤波处理时，要采用保持图像边缘特征的保边滤波方法，既要对人像脸部实现美化操作，又要兼顾五官轮廓特征，淡化美颜修改痕迹。

1.2 基于肤色的面部检测

采用保边滤波对人脸面部进行保边处理，效果比较理想，但是对于非皮肤部分效果并不明显，例如，边缘模糊，发梢消失。所以，要采用皮肤检测技术对人脸皮肤部分和非皮肤部分进行分割。目前，这是一个复杂而具有挑战性的问题，其难点主要包括两部分：第一，内在因素变化所致，如人脸复杂的表情细节变化，眼镜、头发和装饰物等造成的人脸遮挡等;第二，外在因素变化所致，如光照条件、成像系统、环境干扰等。

人脸面部检测主要有两大方向：一是根据人脸五官特征进行划分，二是根据肤色模型分离出皮肤区域。根据人脸五官特征进行划分时，要先提取人脸的五官，描述人脸的面部特征，但是人脸面部表情变化复杂，参数变化明显，造成检测算法难以实现;肤色模型分离是一种基于统计原理的分割技术，人脸肤色和头发在色彩空间中分别属于不同阈值的色调参数，利用这一特性可以分离出需要美颜的面部。采用保边滤波与面部肤色检测相结合的方法对人脸美颜处理，会使得处理效果更加生动自然。

2 保边滤波

2.1 双边滤波

双边滤波是一种非线性、边缘保持良好的图像滤波方法[2]。其原理与高斯滤波相似：将图像中每个像素的灰度值替换为相邻像素灰度值的加权平均值，权重是基于高斯分布的，更重要的是，双边滤波拥有两个高斯滤波核，其权重不仅取决于强度差异（灰度、颜色强度等），还取决于像素点之间的欧氏距离。这样，双边滤波在滤除噪声的基础上保留了图像锐利的边缘。

双边滤波的定义如下：

其中，归一化项为：

式中，[J]为经过双边滤波的输出图像;[I]为输入图像;[x]为图像的像素坐标;[Ω]为以[x]为中心的滤波窗口;[fr]为用于平滑强度差异的范围内核（这个函数可以是高斯函数）;[gs]为用于平滑坐标差异的空间内核，这两个内核函数均可以是高斯函数。

2.2 引导滤波

引导滤波是由何恺明等人提出的一种图像滤波的新算法[3]，基本思想如下：将引导滤波的引导图像记为[M]，输入图像记为[I]，引导滤波的输出图像记为[J]。假设[J]和[M]在滤波窗口[Ωm]中存在局部线性关系（[Ωm]以像素[m]为中心，[r]为半径的滤波窗口），则

式中，[i]和[m]为像素索引;[am]和[bm]为式（2）的线性系数，且在滤波窗口[Ωm]中为常数。线性系数[am]和[bm]的确定，需要通过式（3）对[J]进行约束获得，即希望取得[I]和[J]之间的最小差值，记为[E]：

式中，[ε>0]，[ε]的作用是为了防止求得过大的[am]而引入的正则化参数;[Ii]表示输入图像[I]的一个像素[i]，通过最小二乘法，可以求出线性系数[am]和[bm]。由于像素[i]是被多个滤波窗口[Ωm]所覆盖，在不同的窗口[Ωm]中，[am]和[bm]数值自然不同，所以需要计算滤波窗口[Ωm]内所有[am]、[bm]的平均值[am]、[bm]。因此，引导滤波的最终输出图像为：

可以看出，引导滤波的局部线性和最优化约束，使得输出图像获得了引导图像的变化细节，同时保留了输入图像的整体特征。将引导滤波应用于人脸美颜处理中，在线性回归运算中，逐渐去除了皮肤表面的瑕疵，同时最大限度地保留了人脸的五官特征[3]。

3 试验结果及分析

在MATLAB2014a试验环境下，采用双边滤波和引导滤波分别对两幅人像照片进行美颜处理，并对美颜效果进行对比分析[4]。

使用高斯滤波处理的图像，对比图（a）原始图像，图（b）虽然可以在一定程度上弱化脸部瑕疵，但是人物五官对比图（a）原始图像，使用双边滤波美颜处理后的图像见图（c）不仅可以进一步消除脸部雀斑瑕疵，减弱图像的噪点，还可以突出和保护五官和边缘轮廓，边缘特征得到完整的保留，清晰度也明显提高。但处理后的图像自然阴影效果减弱，眼部瞳孔变得更加浑浊，难以辨识。与高斯滤波和双边滤波处理后的图像对比，使用引导滤波处理后的美颜图像见图（d）更加有效地消除面部瑕疵，同时还能使图像更加平滑，自然阴影效果更加圆润明显，面部轮廓特点更加接近原始图像，使图像的整体效果更加真实，其去噪效果明显优于双边滤波。

4 结语

针对美颜软件中一些滤波器处理图像的不足，本文提出了利用保边滤波处理图像噪点。通过介绍保边滤波，笔者提出两种滤波的算法，让人更加清楚对保边滤波的理解。试验表明，本文提出的保邊滤波能有效地去除瑕疵噪点，明确图像的边缘化等特征，在利用MATLAB2014a试验环境下对处理的图像进行对比分析，可以得出上述结论，从而最终得到需要的有效目的图像。同时，人们可以根据原始图像的情况，适当调整相对应的参数，使得此图像处理的程度具有很强的灵活性，然后进行进一步的比对试验。

参考文献：

[1]徐涛.基于Android平台美颜APP的实现[D].南京：东南大学，2018.

[2]Tomasi C，Manduchi R.Bilateral filtering for gray and color images[C]//Proceedings of the 6th IEEE International Conference on Computer Vision.1998.

[3]He K M，Sun J，Tang X O.Guided image filtering[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2013（6）：1397-1409.

[4]张志涌，杨祖樱.MATLAB教程[M].北京：北京航空航天大学出版社，2014.