iOS实时滤镜实现--基于GPUImage。



1. 背景

前段时间由于项目需求，做了一个基于GPUImage的实时美颜滤镜。现在各种各样的直播、视频App层出不穷，美颜滤镜的需求也越来越多。为了回馈开源，现在我把它放到了GitHub上面，感兴趣的朋友可以去下载。下面将主要介绍实现美颜滤镜的原理和思路。

2. GPUImage

GPUImage是一个开源的基于GPU的图片或视频的处理框架，其本身内置了多达120多种常见的滤镜效果。有了它，添加实时的滤镜只需要简单地添加几行代码。下面的例子是以摄像头的数据为源，对其实时地进行反色的操作(类似相片底片的效果)：

1 2 3 4 5 6 7 8 9 10

self.videoCamera = [[GPUImageVideoCamera alloc] initWithSessionPreset:AVCaptureSessionPreset640x480 cameraPosition:AVCaptureDevicePositionFront]; self.videoCamera.outputImageOrientation = UIInterfaceOrientationPortrait; self.videoCamera.horizontallyMirrorFrontFacingCamera = YES; GPUImageColorInvertFilter *invert = [[GPUImageColorInvertFilter alloc] init]; [self.videoCamera addTarget:invert]; self.filterView = [[GPUImageView alloc] initWithFrame:self.view.frame]; self.filterView.center = self.view.center; [self.view addSubview:self.filterView]; [invert addTarget:self.filterView]; [self.videoCamera startCameraCapture];

其实美颜也是一样，如果有这么一个美颜的滤镜（姑且叫做GPUImageBeautifyFilter)，那么只需要把上面代码中的GPUImageColorInvertFilter替换成GPUImageBeautifyFilter即可。我们只需要做一个GPUImageBeautifyFilter就能实现实时美颜了，问题来了，到底什么算是美颜呢？我的理解是，大家对于美颜比较常见的需求就是磨皮、美白。当然提高饱和度、提亮之类的就根据需求而定。本文将着重介绍磨皮的实现（实际上GPUImageBeautifyFilter也实现了美白、提亮等效果）。

3. 磨皮

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。而我们常见的高斯模糊 ，它的像素点取值则是由周边像素点求加权平均所得，而权重系数则是像素间的距离的高斯函数，大致关系是距离越小、权重系数越大。下图3.1是高斯模糊效果的示例:

高斯模糊效果图3.1

如果单单使用高斯模糊来磨皮，得到的效果是不尽人意的。原因在于，高斯模糊只考虑了像素间的距离关系，没有考虑到像素值本身之间的差异。举个例子来讲，头发与人脸分界处（颜色差异很大，黑色与人皮肤的颜色），如果采用高斯模糊则这个边缘也会模糊掉，这显然不是我们希望看到的。而双边滤波(Bilateral Filter) 则考虑到了颜色的差异，它的像素点取值也是周边像素点的加权平均，而且权重也是高斯函数。不同的是，这个权重不仅与像素间距离有关，还与像素值本身的差异有关，具体讲是，像素值差异越小，权重越大，也是这个特性让它具有了保持边缘的特性，因此它是一个很好的磨皮工具。下图3.2是双边滤波的效果示例：

双边滤波效果图3.2

对比3.1和3.2，双边滤波效果确实在人脸细节部分保留得更好，因此我采用了双边滤波作为磨皮的基础算法。双边滤波在GPUImage中也有实现，是GPUImageBilateralFilter。
根据图3.2，可以看到图中仍有部分人脸的细节保护得不够，还有我们并不希望将人的头发也模糊掉（我们只需要对皮肤进行处理）。由此延伸出来的改进思路是结合双边滤波，边缘检测以及肤色检测。整体逻辑如下：

Combination  Filter是我们自己定义的三输入的滤波器。三个输入分别是原图像A(x, y),双边滤波后的图像B(x, y），边缘图像C(x, y)。其中A,B,C可以看成是图像矩阵，(x,y)可以看成其中某一像素的坐标。Combination  Filter的处理逻辑如下图：

下面是主要的shader代码：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29

NSString * const  kGPUImageBeautifyFragmentShaderString = SHADER_STRING (   varying highp vec2 textureCoordinate;   varying highp vec2 textureCoordinate2;   varying highp vec2 textureCoordinate3;      uniform sampler2D inputImageTexture;   uniform sampler2D inputImageTexture2;   uniform sampler2D inputImageTexture3;   uniform mediump  float  smoothDegree;      void  main()   {       highp vec4 bilateral = texture2D(inputImageTexture, textureCoordinate);       highp vec4 canny = texture2D(inputImageTexture2, textureCoordinate2);       highp vec4 origin = texture2D(inputImageTexture3,textureCoordinate3);       highp vec4 smooth;       lowp  float  r = origin.r;       lowp  float  g = origin.g;       lowp  float  b = origin.b;       if  (canny.r < 0.2 && r > 0.3725 && g > 0.1568 && b > 0.0784 && r > b && (max(max(r, g), b) - min(min(r, g), b)) > 0.0588 &&  abs (r-g) > 0.0588) {           smooth = (1.0 - smoothDegree) * (origin - bilateral) + bilateral;       }       else  {           smooth = origin;       }       gl_FragColor = smooth;   }   );

Combination Filter通过肤色检测和边缘检测，只对皮肤和非边缘部分进行处理。下面是采用这种方式进行磨皮之后的效果图:

最终磨皮效果图3.3

对比3.3与3.2，可以看到3.3对人脸细节的保护更好，同时对于面部磨皮效果也很好，给人感觉更加真实。

4.延伸
我所采用的磨皮算法是基于双边滤波的，主要是考虑到它同时结合了像素间空间距离以及像素值本身的差异。当然也不一定要采用双边滤波，也有通过改进高斯模糊（结合像素值差异）来实现磨皮的，甚至能取得更好的效果。另外GPUImageBeautifyFilter不仅仅具有磨皮功能，也实现了log曲线调色，亮度、饱和度的调整，具体详情可以参见demo 。

zz http://www.cocoachina.com/ios/20160513/16171.html