from：http://www.cnblogs.com/Imageshop/p/4679065.html 基于局部均方差相關(guān)信息的圖像去噪及其在實時磨皮美容算法中的應(yīng)用。 ??? ?在1979年Lee發(fā)表的論文《Lee Filter Digital Image Enhancement and Noise Filtering by Use of Local Statistics》中，提出了基于局部信息去除加性噪音、乘性噪音及加性乘性混合噪音的方法，經(jīng)過仔細(xì)的學(xué)習(xí)和編碼，發(fā)現(xiàn)其去除加性噪音的方法效果非常好，具有現(xiàn)在一些EPF算法類似的邊緣保留功能，并且其運(yùn)算并不復(fù)雜，可以應(yīng)用到類似于磨皮這種項目中。 ? ? ?簡單的算法描述如下，對于一幅N*M大小灰度圖像，用表示(i,j)位置處的像素值，那么在（2*n+1)*(2*m+1)窗口內(nèi)部的局部平均值及局部均方差可表示為： ? ? ? ? ? ? ? ? ?? ? ? ? ?及 ? ? ? ? ? ? ? ? ? ? ?加性去噪后的結(jié)果為： ? ? ? ? ? ? 　　 其中： ? ? ? ? ? ? ? ?? ? ? ? ?式（4）中σ為用戶輸入的參數(shù)。 ? ? ? ?就是這么個簡單的過程，能平滑圖像但同時保持邊緣基本不受影響，比如下圖的結(jié)果： ? ? ? ? ? ? ? ??這個優(yōu)良的品質(zhì)讓其能在圖像磨皮方面發(fā)揮一定的作用。 ? ? ? 在來看看這個算法的效率如何。由上面的計算公式可以看到，其主要的計算量是局部均值以及均布均方差，均值的計算優(yōu)化方式很多，典型的比如累計積分圖。而關(guān)于均布均方差的優(yōu)化，推薦大家看這里：http://fiji.sc/Integral_Image_Filters，其核心的推倒公式為： ??

? ? ? ? ? ? ? ? ??

? ? ? ? which expands to

? ? ? ? ? ? ? ? ? ? ?

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??

? ? ? ?Both sums can be generated from two Integral Images over??and??respectively.

? ? ?? 經(jīng)過這樣的推導(dǎo)，可以看到局部均方差也可以通過累計積分圖快速實現(xiàn)，這樣的結(jié)果是程序的效率和局部的半徑參數(shù)無關(guān)，因此，效率非常高。 ? ? ? ?我個人在這個的基礎(chǔ)上，從編碼角度進(jìn)一步進(jìn)行了優(yōu)化，對于一幅30W（500*600）像素的彩色圖像處理時間約為20ms（I3的筆記本CPU）。 ? ? ? ? ?上述公式是針對灰度圖像進(jìn)行的，對于常見的RGB彩色圖，只要對R/G/B三通道分別進(jìn)行處理就OK了。 ? ? ? ? ?有了上述基礎(chǔ)，經(jīng)過個人的摸索，對于磨皮應(yīng)用，這個算法的兩個參數(shù)（1）半徑可取：max(Src->Width, Src->Height) * 0.02， 用戶輸入的σ可取10 + DenoiseLevel * DenoiseLevel * 5，其中DenoiseLevel 為磨皮的程度參數(shù)，范圍從1到10，越大磨皮越厲害。 ? ? ? ?? ? ? ? ?正如我在文章《?一種具有細(xì)節(jié)保留功能的磨皮算法?》中提出的一樣，磨皮算法需要考慮眼睛頭發(fā)等非膚色部位不被過分處理，一種簡單的處理方式就是用非常簡易的顏色判斷來決定是每個像素點是否為需要處理的部位，比如我在實際的處理中就簡單用了如下的方式： ? ? ? ? ? ? for (Y = 0; Y < Height; Y++){LinePS = Src->Data + Y * Src->WidthStep;LinePD = Skin->Data + Y * Skin->WidthStep;for (X = 0; X < Width; X++){if (LinePS[0] >20 && LinePS[1] > 40 && LinePS[2] > 50) // 皮膚識別有很多算法，但沒有一個能完美的包含所有的皮膚區(qū)域，我認(rèn)為寧愿多處理一些非皮膚 區(qū)域，也比少處理更合理些LinePD[X] = 255; // 為什么取這些數(shù)據(jù)，我只能告訴這些數(shù)據(jù)是前人的一些經(jīng)驗沒有什么數(shù)學(xué)公式來推導(dǎo)和證明的LinePS += 3; }} // 以上處理得到的是硬邊界，直接使用會到底結(jié)果圖有較為明顯的痕跡，因此可使用模糊平滑下

? ? ?為了讓識別的區(qū)域邊界不是特別生硬，需要對識別區(qū)域進(jìn)行一定的處理，一般就是用羽化算法，標(biāo)準(zhǔn)的羽化算法是高斯模糊，但是高斯模糊有浮點計算，一種替代方式就是用方框模糊來替代，實際上兩種方式得到的結(jié)果在視覺上是沒有太多的區(qū)別的，但是方框模糊只有整數(shù)運(yùn)算，效率上會高很多。

? ? ?這樣的識別處理后，把處理后圖和原圖進(jìn)行Alpha混合，這樣即保留了磨皮的光滑區(qū)域，又能保證頭發(fā)等部位不被平滑掉。

for (Y = 0; Y < Height; Y++){LinePS = Src->Data + Y * Src->WidthStep;LinePD = Dest->Data + Y * Dest->WidthStep;LinePM = Mask->Data + Y * Mask->WidthStep;for (X = 0; X < Width; X++){Alpha = LinePM[0]; if (Alpha != 255){InvertAlpha = 255 - Alpha; // AlphaBlend的混合過程,使用DIV255來提高速度LinePD[0] = Div255(LinePD[0] * Alpha + LinePS[0] * InvertAlpha); // Blue分量LinePD[1] = Div255(LinePD[1] * Alpha + LinePS[1] * InvertAlpha); // Green分量 LinePD[2] = Div255(LinePD[2] * Alpha + LinePS[2] * InvertAlpha); // Red分量}LinePS += 3; // 移動到下一個像素，24位 LinePD += 3;LinePM++; // 移動到下一個Mask值}}

? ? ?在處理完成后，從視覺角度考慮，整體圖還是有點模糊，這個時候應(yīng)該進(jìn)行了適度的銳化來增強(qiáng)圖像的整體銳度，最合適的是USM銳化，但是USM銳化是基于高斯模糊的，因此又非常耗時，這個時候可以考慮用最簡答的領(lǐng)域銳化方式來處理，比如借助于下面的卷積矩陣，就能獲得不錯的視覺效果。

? ? ? ? -1 ? 0 ? ?-1?

? ? ? ? 0 ? ? 8 ? ?0 ? ? ?/ ? ? 4?

? ? ? ?-1 ? ? 0 ? ?-1

? ? ?考慮到這個算法對每個像素的亮度值的改變并不是很大，對于彩色圖像，如果能夠轉(zhuǎn)換到其他的包含亮度分量的顏色空間后，只對亮度進(jìn)行處理，然后在轉(zhuǎn)換回來，應(yīng)該對視覺的影響不大，這樣去除顏色空間的轉(zhuǎn)換時間，可以提高三倍的速度，是相當(dāng)可觀的，常見的包含亮度的顏色空間有LAB,HSV,YUV,YCbCr等，其中YCbCr和RGB的轉(zhuǎn)換公式非常簡單，沒有浮點計算，對整體的效率影響不大，因此可以選用這個空間。

? ? 再者，經(jīng)過實驗，發(fā)現(xiàn)也可以把銳化操作放在對亮度處理這步，而不是放在最后，這樣，銳化操作也只需要處理一個分量，同樣能提高效率。

? ? 貼出我處理的函數(shù)的流程：

/// <summary> /// 實現(xiàn)圖像的磨皮。 /// <param name="Src">需要處理的源圖像的數(shù)據(jù)結(jié)構(gòu)。</param> /// <param name="Dest">需要處理的源圖像的數(shù)據(jù)結(jié)構(gòu)。</param> /// <param name="DenoiseMethod">磨皮的算法，0為雙邊磨皮，1為均方差磨皮。</param> /// <param name="DenoiseLevel">磨皮的程度，有效范圍[1,10]，數(shù)據(jù)越大，磨皮越明顯。</param> /// <param name="WhiteMethod">美白的算法，0為Log曲線美白，1為色彩平衡磨皮。</param> /// <param name="NonSkinLevel">美白的程度，有效范圍[1,10]，數(shù)據(jù)越大，美白越明顯。</param> /// <remarks>原圖、目標(biāo)圖必須都是24位的。</remarks> IS_RET __stdcall SkinBeautification(TMatrix *Src, TMatrix *Dest, int DenoiseLevel, int WhiteMethod, int WhiteLevel) {if (Src == NULL || Dest == NULL) return IS_RET_ERR_NULLREFERENCE;if (Src->Data == NULL || Dest->Data == NULL) return IS_RET_ERR_NULLREFERENCE;if (Src->Width != Dest->Width || Src->Height != Dest->Height || Src->Channel != Dest->Channel || Src->Depth != Dest->Depth) return IS_RET_ERR_PARAMISMATCH;if (Src->Channel != 3) return IS_RET_ERR_NOTSUPPORTED;if ((DenoiseLevel < 1 || DenoiseLevel > 10)) return IS_RET_ERR_ARGUMENTOUTOFRANGE;if ((WhiteMethod != 0 && WhiteMethod != 1) || (WhiteLevel < 1 || WhiteLevel > 10)) return IS_RET_ERR_ARGUMENTOUTOFRANGE;IS_RET Ret = IS_RET_OK;TMatrix *Skin = NULL, *Y = NULL, *Cb = NULL, *Cr = NULL, *YY = NULL;unsigned char *Table = (unsigned char *)IS_AllocMemory(256, true); Ret = IS_CreateMatrix(Src->Width, Src->Height, Src->Depth, 1, &Skin); // 分配皮膚區(qū)域的內(nèi)存if (Ret != IS_RET_OK) goto Done;Ret = IS_CreateMatrix(Src->Width, Src->Height, Src->Depth, 1, &Y);if (Ret != IS_RET_OK) goto Done;Ret = IS_CreateMatrix(Src->Width, Src->Height, Src->Depth, 1, &Cb);if (Ret != IS_RET_OK) goto Done;Ret = IS_CreateMatrix(Src->Width, Src->Height, Src->Depth, 1, &Cr);if (Ret != IS_RET_OK) goto Done;Ret = IS_CreateMatrix(Src->Width, Src->Height, Src->Depth, 1, &YY);if (Ret != IS_RET_OK) goto Done;Ret = RGBToYCbCr(Src, Y, Cb, Cr); // 第一步： 將RGB轉(zhuǎn)換到Y(jié)CbCr空間if (Ret != IS_RET_OK) goto Done;int SpaceError = 10 + DenoiseLevel * DenoiseLevel * 5;Ret = LeeAdditvieNoiseFilter(Y, YY, max(Src->Width, Src->Height) * 0.02, SpaceError); // 第二步：對Y分量進(jìn)行加性噪音的去除if (Ret != IS_RET_OK) goto Done;Ret = Sharpen(YY, YY); // 第三步：對處理后的Y分量進(jìn)行銳化if (Ret != IS_RET_OK) goto Done;YCbCrToRGB(YY, Cb, Cr, Dest); // 第四步：將圖像從YCbCr空間轉(zhuǎn)換會RGB空間if (WhiteMethod == 0){for (int V = 0; V < 256; V++){// Table[V] = .........}}else if (WhiteMethod == 1){for(int V = 0; V < 256; V++){// Table[V] = ............}}Ret = Curve(Dest, Dest, Table, Table, Table); // 第五步：在RGB空間對磨皮后的圖進(jìn)行美白處理if (Ret != IS_RET_OK) goto Done;Ret = GetRawSkinRegion(Src, Skin); // 第六步：分析圖像大概的皮膚區(qū)域if (Ret != IS_RET_OK) goto Done;Ret = BlendImageWithMask(Src, Dest, Skin); // 第七步：對全局磨皮、美白后的圖和原始圖按照屬于皮膚區(qū)域的程度進(jìn)行混合if (Ret != IS_RET_OK) goto Done;Done:;IS_FreeMatrix(&Skin); // 注意釋放內(nèi)存IS_FreeMatrix(&Y);IS_FreeMatrix(&Cb);IS_FreeMatrix(&Cr);IS_FreeMatrix(&YY);IS_FreeMemory(Table);return IS_RET_OK; }

?　　第五步的美白處理如果放在對亮度分量的處理過程中，圖像整體會有所偏色，似乎有一種膚色紅潤的效果，但是對部分圖像會感覺顏色不自然。

? ? ? 各部分耗時比例見下圖，測試圖像大小是500*600。

序號	函數(shù)名	用時（ms）	百分比（%）	備注
1	RGBToYCbCr	2	10	?
2	LeeAdditvieNoiseFilter	7	35	?
3	Sharpen	2	10	?
4	YCbCrToRGB	2	10	?
5	Curve	1	5	?
6	GetRawSkinRegion	4	20	?
7	BlendImageWithMask	2	10	?
8	合計	20	100	?

?

?

?

? ? ? ? ? ? ?? ? ? ? ? ? ?

　

?

?

?

?

?

? ? ?

?

? ? 各種效果比較如下：

? ? ? ??

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 原圖　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 　　磨皮后的圖

? ? ? ??

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 刪除第三步后的圖 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?刪除第六第七步后的圖

?

　　這個算法最大的優(yōu)點是整個過程的任何函數(shù)都沒有浮點計算，這對于某些硬件來說是很重要的，但是一個缺點是優(yōu)化后的算法不能并行，在我的I3筆記本電腦上30W的像素處理時間20ms，完全能實現(xiàn)實時效果。

? ? ?有興趣的朋友可根據(jù)我的描述自己實現(xiàn)，測試程序：?快速磨皮。

? ? ?可調(diào)參數(shù)如下界面所示：

?

****************************作者： laviewpbt ? 時間： 2015.7.27 ? ?聯(lián)系QQ: ?33184777 轉(zhuǎn)載請保留本行信息**********************

總結(jié)

以上是生活随笔為你收集整理的基于局部均方差相关信息的图像去噪及其在实时磨皮美容算法中的应用。的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。