P图果然是万能的!但它背后究竟是啥原理?

  • 时间:
  • 浏览:1
  • 来源:极速快3_快3在线稳定计划_极速快3在线稳定计划

作者|常松,清华大学材料学院博士

在广大俊男美女们对于颜值爆表的不懈追求中,技术宅们不断地完善着p图技术。只时需下载个小小的APP,就还时需分分钟搞掂双眼皮、美瞳眼、瓜子脸等等,不都后能 想不都后能 ,真难做不都后能 。相比于日本化妆术、韩国整形术、泰国变性术而言,中国的p图术最为物美价廉,难怪所处“东亚四大邪术”之首了。

真难,中国真难强大的p图技术,转过身是啥原理?今天就来聊一聊图片美化转过身的技术。

(一)P图究竟如可会P?

P图的“p”来自于Photoshop,一款由Adobe开发的图像补救软件,它由那我叫做Display的程序运行运行经过不断修改而来。

时至今日,软件尽管更新不断,功能更为强大,否则,图片编辑补救转过身最基本的措施措施和当年也有同类的,要是随着计算机硬件的提高,支持的图片补救更加复杂性而已。

(约翰·沃诺克John Warnock和查克·吉斯克Chuck Geschke)

1、颜色模型:并不友好的红绿蓝到友好的色相饱和度

对于计算机而言,使用最为广泛的要是面向硬件的颜色模型——RGB(红绿蓝)模型。

计算机显示和识别的所有颜色都由R\G\B的数值来表示,各种下行时延 的RGB光混合在共同就会产生出各种各样的色彩。当然这是并也有对于人十分不友好的模型,原因人眼根本无法从杏黄色中分离出红绿蓝的比例。

(HSL与HSV模型中的颜色)

于是,对人很友好的HSL颜色模型就产生了,这是并也有基于色相(H)、饱和度(S)、明度(L)那我颜色通道的变化以及它们相互之间的叠加而产生各式各样颜色的模型。在p图中,要调整图片的亮度,只对其L(亮度)主次调整,就可达到图像亮度的线性调整。

(高斯模糊)

2、滤镜:通过色彩系统识别与运算实现

而在PS中,各种滤镜也有着被委托人基于色彩系统的识别与运算措施。比如,Convolution Matrix(卷积矩阵)是得到图像补救的那我初级效果非常有效并快捷的工具,图像的“高斯模糊”滤镜,则是通过在补救图像时采用统一的卷积矩阵进行的。而原因采用统一的卷积矩阵,“高斯模糊”往往在p图也有造成统统细节,如眉毛、头发等细部也模糊。“表层模糊”能更好地补救并也有大问题,原因它在图像补救时,是每那我像素点也有被委托人的卷积矩阵,否则还有对应R、G、B的分量,计算起来更为复杂性。

而哪此也有图像补救的原理和模型,真难如可实现,就靠广大辛勤耕耘的码农了。

(二)P图术如可化腐朽为神奇?

P图着实具有化腐朽为神奇的功能,配合着各种色彩调整、滤镜调色、高光覆盖、局部补救、自由变换等,都后能 自由地修改图片。然而,真难复杂性繁琐的操作,并也有吃瓜群众都后能 掌握的。真难,如可都后能 让高大上的PS技术走入寻常百姓家呢?

在移动设备普及,不得劲是手机智能翻倍的今天,各种APP层出不穷,它们还往往还时需通过调用系统API(程序运行运行运行接口)访问相机,从中收集画面进行美图补救,而哪此着实要是那我集成的、程式化的、模板式的系列图像补救程序运行运行。

在这里举那我简单的美图功能——磨皮遮瑕祛痘。

(磨皮前后效果)

在APP的UI界面菜单中看似简单的一键操作,着实在APP转过身是那我复杂性的程序运行运行。

对于脸部的斑、痘同类的匮乏,在拍摄出来的照片中,着实要是相对比脸部付近皮肤的颜色和灰度的变化。而原因一张照片的局部相邻的区域灰度相差比较大的以前,就会被认定是那我“噪点”。否则,祛痘祛斑的过程实际上要是图片补救的“降噪”。这是最常见的图片补救措施,其中中有 了各种算法。

比如滤波算法,要是用付近的点的灰度平均值来代替原值,另那我各点的灰度相差就太满再太满,而噪点就太满再真难明显,而对于人脸来说要是皮肤看上去更加的光滑,统统斑、痘都消失了。在统统APP补救时拖动进度条的操作,着实要是在为降噪过程设定阈值。

(图像的降噪对比)

否则,原因仅仅是在后台对于噪点判定否则调用一定算法降噪,真难原图中的统统细节主次,比如眉毛、头发等也会丢失,看上去就“很假”。为了补救并也有情況,在补救以前,图片要和原图进行融合,这就同类于PS中的图层叠加。在一键P图时,往往要调整两张图片的混合权重,使得补救以前的图片更加自然。

(三)P图术如可实现“换脸”?

当然,对于永远自认为先天匮乏的人们都来说,仅仅皮肤光滑、白皙还远远匮乏,最好还能身材苗条、面容姣好。OK,也没大问题。人脸识别技术,补救各种疑难杂症。

在并也有看脸的时代,“刷脸”原因成为了一项很普通的功能,既然计算机还时需识别人脸、捕捉人脸,真难是是不是还时需换脸?答案当然是肯定的。

尽管各家的算法与代码都所处差别,也代表着各种APP的核心技术,否则对于“换脸”并也有技术活,从原理上说无外乎要是真难几步——人脸检测、关键点定位、区域提取、色彩调和、边缘融合。

第一步:对照片上该人脸进行捕捉

人脸检测是那我很初级的活,要是对于一张照片上有2个人脸进行捕捉,如今原因克服了人脸角度、表情变化、光照下行时延 等等大问题带来的麻烦。人脸检测的根据是关键点定位,也要是要找到哪里是鼻子,哪里是眼睛,而并也有过程往往是通过神经网络技术进行机器学习的措施实现。

(人脸识别与关键点示意图)

第二步:找到人脸轮廓进行“瘦脸”

进行了关键点定位以前,“瘦脸”的操作也也有了基础,找到了人脸的轮廓后,再通过一定的计算和图形变换,就还时需改变脸型。眼睛、眉毛、嘴也有同样的道理。

(人脸识别的关键点收集)

第三步:区域提取抽离五官

要想进行“换脸”,还得进行到下一步,经过平面变换以前,脸部就大概那我绘画,还时需进行自由变换来改变结构尺寸。至于此后的区域提取,要是抽离出脸部具体的五官,以便后续进行图像融合。而为了保证都后能 与即将植入的画面协调,就要在色彩上对于脸部进行色彩调和以保证颜色协调一致,不至于产生违和感。

第四步:图形融合调整“脸型”

最回会做的要是将五官植入准备好的模板照片。此时,经过色彩调整后的五官原因和模板图片一致,而具体位置则靠关键点来定位,保证位置准确。

五官植入模板照片时,会遇到“脸型”的大问题,原因实人体五官的位置基本相同,但脸型却差别很大,这以前就要进行“图形融合”。图形融合技术有各种算法,比如基于泊松方程的图片补救、利用高斯金字塔与拉普拉斯金字塔的图片融合等等。这属于超纲题,就不讲了。总之,效果大概是酱婶的:

(基于泊松方程的图片补救应用实例)

(四)P图术如可实现动态图像的实时美化?

随着网络直播的兴起,APP美颜技术不再局限于静态的照片美容,要是要对主播的动态图像进行实时美化:在各种直播平台上,主播的小眼睛要变成大眼睛双眼皮,大饼脸要变成瓜子脸,游泳圈要变成蛇精腰……

哪此对于中国强大的“攻城狮”而言,都也有事。

(角度学习神经网络示意图)

相比于图片美化,美女主播的动态美颜显然要更加复杂性,否则技术流程却是同类的。

第一步:通过角度学习识别人脸

首真难做的依旧是“人脸识别”。APP不都后能 先识别到人脸,都后能 不能进行美颜,这原因是十分心智心智早熟期的技术了。在动态美颜中,人脸识别的核心技术是“角度学习”,具体地要是在后台构建那我神经网络,否则利用海量的图片数据进行学习训练,最终生成并也有都后能 自适应各种图片的算法。利用并也有算法,就还时需对任何一帧动态画面进行人脸识别。

第二步:实时捕捉画面快速换肤

紧接着,对于实时捕捉的画面,程序运行运行会抓取原图,分析与美颜标准的差异,否则进行絮状学习训练以前,得到由主播肤色到“标准美肤”的计算措施,以前将原图按照特定算法快速完成肤色转换,达到“美白”效果。原因并也有计算要求极高的反应下行时延 ,统统程序运行运行算法中采用的人工神经网络结构往往并不复杂性。

(某款美颜摄像头使用前后美白与磨皮效果对比)

瓜子脸、大眼睛等也也有同类的原理。在直播时,从相机收集的每一帧画面,也有在人脸识别以前,通过关键点位置收集到五官的信息,否则按照“标准脸型”的尺寸,对画面进行补救,否则将补救以前的画面再做画面输出,另那我美颜以前的效果才逼真。

如今各种手机终端和软件在性能上也有断提高,卷积神经网络的引入使得角度学习更加灵活、快速、风格化。否则,角度学习技术也造成了那我大问题——颜值爆表脸。着实神经网络构建的框架和算法各不相同,否则在进行学习训练时为了优化算法往往靠那我样本数据空间进行训练。动态美颜要是在程序运行运行开发时提供那我“标准脸型”、“标准肤色”,另那我主播们在进行美颜时,就会抓取脸部数据与当下最流行的脸型、肤色进行比较,否则经过程序运行运行计算补救,整容成最受前女女男友喜欢的脸型和肤色。

统统,统统以前并也有在直播平台上也有真难多俊男靓女,要是强大的美颜APP使得主播们都“整”成了那我模子的俊男靓女。

结语:真相以前

人类鬼畜的技术,原因让人们都还时需从各种层面上改变“天生”的容颜,而图像补救技术的进步,使得人们也有网络上同样都后能 以最美的容颜面对世界。

不过,当人们都随心所欲地改变被委托人的颜值爆表时,也记得爱护一下身边蓬头垢面、睡眼惺忪的码农,正是人们都的智慧生活 与汗水让并也有世界变得更(bu)加(ren)美(zhi)好(shi)。