你每天在朋友圈里会看到无数的朋友自拍，可是这些朋友的照片和你现实认识的他/她长相差距很大，皮肤完美无瑕，各个都是小尖脸，不知道各位看官是否想过，这个到底是如何实现呢？

我们全世界每天都有数亿张自拍(Selfies)产生。在2013年11月，Selfie被收录到《牛津英语词典》。研究机构发现36%的自拍者承认他们会在拍完照的第一时间美化照片，而13%的人修图时几乎不放过任何一张自拍。（这研究机构一定是外国的吧，在中国我估计得超过90%）那么我们实现美颜，就要提到图像处理技术，首先人脸识别是美颜模块中核心技术，人脸识别的准确与否直接决定了美颜应用的效果，其中影响最大的便是美妆功能模块，只有对人体面部以及五官进行精准定位才能呈现出自然融合的妆容。

要理解图像识别，我们首先把一张图像看作是一个二维的数据集合，其中每个元素都是一个像素点。如果将这些数据用几何的方式来呈现出来，“痘”就是和周围点差异较大的点。在图像处理领域，这个差异是通过灰度值来衡量的灰度，也叫“亮度”。灰度图，也就是黑白图。将彩色图转换为灰度图，图像的关键特征不会丢失。

这么说可能会有点晦涩，我们用简单一点的话阐述：原图首先经过磨皮处理，也就是把痘、斑这些消除掉。磨皮的本质实际上是模糊。而在图像处理领域，模糊就是将像素点的取值与周边的像素点取值相关联。然后把经过磨皮的图片与原图进行混合。混合这个步骤是不可缺少的，因为如果只用磨皮后的图，很容易丢失细节。而且把两张图混合，还可以通过调整两个图的混合权重，来控制磨皮的程度，达成不同级别的磨皮效果。剩下的一步就是美肤，比如把皮肤肤色调得白一点、红嫩一点，或者一些特殊的需求都可以实现。基本上大部分的美颜，都是这样的流程。

为什么是这样的流程呢，事实上，人的眼睛在观察物体时，首先注意的是物体的边缘。而在一张图像里面，边缘，即与周边灰度差异较大的点。类似的，“痘”也是与周边点的灰度差异较大的点。相比色彩，人的眼睛对灰度更敏感。这也是为什么对视频进行压缩的时候，会偏向于丢弃色彩部分的数据，而尽量保留亮度数据。比如脸上有个痘，这个痘自然产生一个灰度值的变化，从抽象意义上说就是一个噪点。所以美颜磨皮的算法，核心是去噪。

那么更加难以自动判断的该怎么处理呢？比如黑痣，皱纹这些有棱角快速变化的都有丰富的高频分量，用数字方法滤去高频分量就可以是图片看起来更圆润，斑点变少，光滑细腻。

刚才我们只是说了照片的自动美颜，如果是现在各类直播平台的实时美颜会怎么样？这个技术上就更加先进了，实时显示的图片是经过磨皮加美白的，不是原始视频数据，这时并没有涉及到人脸检测相关的算法，拍摄后的会经过人脸检测并根据人脸做一些处理，比如轻微的瘦脸。而保存的原图是摄像头里的原始数据，是没有经过美颜处理的。实时的美颜处理需要使用GPU加速，CPU性能无法做到实时处理。

直播美颜用的主流技术是OpenGL ES。它的好处首先是直接在GPU上运行的，所以性能高、功耗小，用在直播上比较划算。第二，它是跨平台的，iOS和安卓都支持，美颜效果能够直接在这两个平台上达到跨平台的效果。

美颜技术如果深入去讲，属于一个学科了，如果美颜1.0只是化妆的话，美颜2.0基本就能达到整容的效果——把眼睛变大，把圆脸变成瓜子脸。文章开头我们提到了实现这一效果的基础就是人脸识别。只有确定了有没有人脸，知道了五官在什么位置，我们才能把它们“整”的更漂亮。

现在你知道自动美颜是如何实现的吗？