基于保邊濾波的人臉美顏技術分析

楊虎 李航 朱展辰 佟佳薈

摘 要：隨著科學技術的發展，相機和手機的拍照功能不斷提高，拍攝的人像均為高清晰度的，但人臉部的斑、痘、皺紋等瑕疵同時會被清楚地記錄下來。針對這一課題，本文提出了保邊濾波的人臉美顏算法。首先分析了人臉美顏的原理，然后研究了保邊濾波的兩種方法，最后通過試驗進行對比分析，得出清晰的美顏圖像。經MATLAB2014a試驗，該方法可以有效清除圖像瑕疵噪點，明確圖像的邊緣化特征，基本可以實現對面部圖像的美顏處理。

關鍵詞：人臉美顏;保邊濾波;雙邊濾波;引導濾波

中圖分類號：TP391.41文獻標識碼：A文章編號：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

愛美之心人皆有之，尤其是女性朋友，在拍攝靜態圖片和動態視頻時，都希望自己臉上的斑、痘、皺紋等瑕疵盡量少，甚至不可見。圖像數字化不僅給影像記錄和保存帶來方便，也給影像后期編輯修正帶來可能。由此，人臉美顏技術應運而生，該技術屬于圖像濾波技術。相機的美顏工具就是人臉美顏技術在數字成像設備中的應用，可以濾除臉上那些不受歡迎的瑕疵，使人臉看上去更加完美。圖像濾波技術分為空間域濾波和頻率域濾波。常見的空間濾波器包括均值濾波器、順序統計濾波器、自適應濾波器等;頻率域濾波器包括帶阻濾波器、帶通濾波器和陷波濾波器等。盡管國內外已有許多關于圖像濾波技術的研究成果，濾波性能也比傳統濾波器有所改善，但是大多數是無選擇或無區別地對輸入樣本圖像的所有像素進行濾波處理，這樣必然會對樣本圖像的某些原始信息造成損失，產生負面效果。比如，這些濾波技術能較好地柔化粗糙的皮膚，去除皮膚表面的斑、痘、皺紋等瑕疵，但是計算時間較長，過程煩瑣，處理速度較慢，特別是會使人臉的一些細節受到破壞，如臉部輪廓模糊、鬢角發絲消失等缺點。理想的圖像濾波方法是在濾波處理過程中加入判斷，即首先檢測樣本圖像的每個像素是否受到污染，然后有選擇性地進行濾波處理，輸出圖像可以在原像素灰度值和濾波結果之間進行切換，在實現對人臉美化的同時，還兼顧保留臉部細節，在一定程度上降低了人臉的美顏痕跡，給人以更加真實的自然美感覺。雙邊濾波和引導濾波是兩種典型的保邊濾波技術，在人臉美顏方面有著廣泛的應用[1]。

1 人臉美顏原理

1.1 對于面部瑕疵的分析

在數字化人像中，臉部皮膚光滑區域的像素數值分布比較均勻，但是對于皮膚瑕疵部分，如斑、痘、皺紋等，像素數值分布波動較大。這些瑕疵在空間域內表現為小范圍數值波動，而在頻率域內則表現為高頻噪聲。通過對整個臉部像素數值進行統計運算，不難發現，瑕疵區域的像素均值與其他區域的像素均值差異較大，并且遠大于臉部像素的方差。因此，采用圖像濾波技術對人像臉部進行濾波處理，可以消除皮膚瑕疵部分，達到人臉美顏的效果。

在實際操作過程中，采用高斯濾波方法，雖然可以消除臉部瑕疵，但是人物五官和邊緣輪廓也因濾波而產生模糊，弱化了人臉的細節特征，難以實現預想的美顏效果。因此，在對人臉圖像進行濾波處理時，要采用保持圖像邊緣特征的保邊濾波方法，既要對人像臉部實現美化操作，又要兼顧五官輪廓特征，淡化美顏修改痕跡。

1.2 基于膚色的面部檢測

采用保邊濾波對人臉面部進行保邊處理，效果比較理想，但是對于非皮膚部分效果并不明顯，例如，邊緣模糊，發梢消失。所以，要采用皮膚檢測技術對人臉皮膚部分和非皮膚部分進行分割。目前，這是一個復雜而具有挑戰性的問題，其難點主要包括兩部分：第一，內在因素變化所致，如人臉復雜的表情細節變化，眼鏡、頭發和裝飾物等造成的人臉遮擋等;第二，外在因素變化所致，如光照條件、成像系統、環境干擾等。

人臉面部檢測主要有兩大方向：一是根據人臉五官特征進行劃分，二是根據膚色模型分離出皮膚區域。根據人臉五官特征進行劃分時，要先提取人臉的五官，描述人臉的面部特征，但是人臉面部表情變化復雜，參數變化明顯，造成檢測算法難以實現;膚色模型分離是一種基于統計原理的分割技術，人臉膚色和頭發在色彩空間中分別屬于不同閾值的色調參數，利用這一特性可以分離出需要美顏的面部。采用保邊濾波與面部膚色檢測相結合的方法對人臉美顏處理，會使得處理效果更加生動自然。

2 保邊濾波

2.1 雙邊濾波

雙邊濾波是一種非線性、邊緣保持良好的圖像濾波方法[2]。其原理與高斯濾波相似：將圖像中每個像素的灰度值替換為相鄰像素灰度值的加權平均值，權重是基于高斯分布的，更重要的是，雙邊濾波擁有兩個高斯濾波核，其權重不僅取決于強度差異（灰度、顏色強度等），還取決于像素點之間的歐氏距離。這樣，雙邊濾波在濾除噪聲的基礎上保留了圖像銳利的邊緣。

雙邊濾波的定義如下：

其中，歸一化項為：

式中，[J]為經過雙邊濾波的輸出圖像;[I]為輸入圖像;[x]為圖像的像素坐標;[Ω]為以[x]為中心的濾波窗口;[fr]為用于平滑強度差異的范圍內核（這個函數可以是高斯函數）;[gs]為用于平滑坐標差異的空間內核，這兩個內核函數均可以是高斯函數。

2.2 引導濾波

引導濾波是由何愷明等人提出的一種圖像濾波的新算法[3]，基本思想如下：將引導濾波的引導圖像記為[M]，輸入圖像記為[I]，引導濾波的輸出圖像記為[J]。假設[J]和[M]在濾波窗口[Ωm]中存在局部線性關系（[Ωm]以像素[m]為中心，[r]為半徑的濾波窗口），則

式中，[i]和[m]為像素索引;[am]和[bm]為式（2）的線性系數，且在濾波窗口[Ωm]中為常數。線性系數[am]和[bm]的確定，需要通過式（3）對[J]進行約束獲得，即希望取得[I]和[J]之間的最小差值，記為[E]：

式中，[ε>0]，[ε]的作用是為了防止求得過大的[am]而引入的正則化參數;[Ii]表示輸入圖像[I]的一個像素[i]，通過最小二乘法，可以求出線性系數[am]和[bm]。由于像素[i]是被多個濾波窗口[Ωm]所覆蓋，在不同的窗口[Ωm]中，[am]和[bm]數值自然不同，所以需要計算濾波窗口[Ωm]內所有[am]、[bm]的平均值[am]、[bm]。因此，引導濾波的最終輸出圖像為：

可以看出，引導濾波的局部線性和最優化約束，使得輸出圖像獲得了引導圖像的變化細節，同時保留了輸入圖像的整體特征。將引導濾波應用于人臉美顏處理中，在線性回歸運算中，逐漸去除了皮膚表面的瑕疵，同時最大限度地保留了人臉的五官特征[3]。

3 試驗結果及分析

在MATLAB2014a試驗環境下，采用雙邊濾波和引導濾波分別對兩幅人像照片進行美顏處理，并對美顏效果進行對比分析[4]。

使用高斯濾波處理的圖像，對比圖（a）原始圖像，圖（b）雖然可以在一定程度上弱化臉部瑕疵，但是人物五官對比圖（a）原始圖像，使用雙邊濾波美顏處理后的圖像見圖（c）不僅可以進一步消除臉部雀斑瑕疵，減弱圖像的噪點，還可以突出和保護五官和邊緣輪廓，邊緣特征得到完整的保留，清晰度也明顯提高。但處理后的圖像自然陰影效果減弱，眼部瞳孔變得更加渾濁，難以辨識。與高斯濾波和雙邊濾波處理后的圖像對比，使用引導濾波處理后的美顏圖像見圖（d）更加有效地消除面部瑕疵，同時還能使圖像更加平滑，自然陰影效果更加圓潤明顯，面部輪廓特點更加接近原始圖像，使圖像的整體效果更加真實，其去噪效果明顯優于雙邊濾波。

4 結語

針對美顏軟件中一些濾波器處理圖像的不足，本文提出了利用保邊濾波處理圖像噪點。通過介紹保邊濾波，筆者提出兩種濾波的算法，讓人更加清楚對保邊濾波的理解。試驗表明，本文提出的保邊濾波能有效地去除瑕疵噪點，明確圖像的邊緣化等特征，在利用MATLAB2014a試驗環境下對處理的圖像進行對比分析，可以得出上述結論，從而最終得到需要的有效目的圖像。同時，人們可以根據原始圖像的情況，適當調整相對應的參數，使得此圖像處理的程度具有很強的靈活性，然后進行進一步的比對試驗。

參考文獻：

[1]徐濤.基于Android平臺美顏APP的實現[D].南京：東南大學，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]張志涌，楊祖櫻.MATLAB教程[M].北京：北京航空航天大學出版社，2014.