机器学习实践系列之2 - GPUImage

        最近直播比较火，作者也饶有兴趣的研究了一番，有句话说的好：

        “每个光鲜亮丽的女主播后面，都有一个技术宅男！”，这里指的就是传说中的美颜相机。

        

        随便找了两张图，作者也不知道是谁，大家先饱饱眼福吧。至于真实相貌是否比得上 凤姐，我们不得而知，这绝对取决于技术男的实力

一. 何为美颜

        美颜1.0，即传统意义上美颜用到的技术 主要是：美白、磨皮。

               美白 是指借助美白滤镜，将检测到对应图像的皮肤部分进行 图像处理，使肤色看上去更光滑、亮丽。

               磨皮 主要采用 双边滤波器(Bilateral Filter) 对皮肤部分进行 平滑处理，消除 色斑、痣 等。

               美颜1.0 只是对图像进行简单处理，不涉及形状和位置调整，与优秀的化妆师类似。

        美颜2.0，是指借助于人脸检测技术，对眼睛、嘴巴、鼻子 等进行二次加工，可能改变其位置和形状，可以说算是 整容 了。

        本节不涉及美颜2.0的内容。

二. 大杀器GPUImage

        开源框架GPUImage 是当下流行的大杀器，下载地址：https://github.com/BradLarson/GPUImage

        GPUImage 源自于IOS，通过GPU加速（openglES）来进行图像处理，配合Shader，可以支持多达上百种滤镜效果，并支持自定义滤镜。也有对应在安卓下的实现，下载地址：https://github.com/CyberAgent/android-gpuimage

        （CoreImage目前应用的也不错，苹果公司 官方支持，大家可以了解下，这里不讲）

>编译 GPUImage

        根据下载的文件解压，用 Xcode打开 GPUImage-master/framework 下的 GPUImage.xcodeproj 进行编译（for iOS），生成库文件 libGPUImage.a，这个就是我们将要在后面用到的静态库。

        新建项目，将需要引用的头文件和lib库加入。

>代码测试

        GPUImageBeautifyFilter是基于GPUImage的美颜滤镜，包括GPUImageBilateralFilter、GPUImageCannyEdgeDetectionFilter、GPUImageCombinationFilter和GPUImageHSBFilter。

@implementation ViewController

- (void)viewDidLoad
{
    [super viewDidLoad];
    UIImage *inputImage = [UIImage imageNamed:@"k"];
    // 使用美颜滤镜
    GPUImageBeautifyFilter *pFilter = [[GPUImageBeautifyFilter alloc] init];
 
    // 设置渲染区域
    [pFilter forceProcessingAtSize:inputImage.size];
    [pFilter useNextFrameForImageCapture];
    
    // 获取数据源
    GPUImagePicture *srcImage = [[GPUImagePicture alloc]initWithImage:inputImage];

    // 添加滤镜
    [srcImage addTarget:pFilter];
    // 渲染
    [srcImage processImage];

    // 获取渲染后的图片
    UIImage *outImage = [pFilter imageFromCurrentFramebuffer];
    // 加载出来
    UIImageView *imageView = [[UIImageView alloc] initWithImage:outImage];
    imageView.frame = CGRectMake(50,50,inputImage.size.width ,inputImage.size.height);
    [self.view addSubview:imageView];
}

        初始化加载时即进行图像处理。

>双边滤波(Bilateral Filter) 

        对于磨皮 来讲，这里面最重要的就是前面讲到的 双边滤波(Bilateral Filter) ，对应实现为 GPUImageBilateralFilter。

        双边滤波 特点在于不仅考虑空间距离（满足高斯分布），同时也考虑了像素的差异（差异越小，权重越大），因此 双边滤波器在 去噪的同时 能够比较好的保持边缘。

>边缘检测

        实际上，这里面有一个问题，我们希望不处理边缘、头发等信息，因此不应该作用于整图，那样会丢失很多细节（失真比较严重）。基于此，通常的做法是 基于原始图像、边缘、滤波图像 三个输入进行合并，得到最终的输出。

>合并滤波器、颜色过滤器

        当然 基于皮肤检测结果、边缘、滤波 能得到更好的效果，仅处理检测到的皮肤部分，这里大家可以调研一下并自己扩展。

        GPUImageCombinationFilter 实现纹理合并，GPUImageHSBFilter实现最终的颜色过滤，看一下效果：

图待上传……