P图果然是万能的！但它背后究竟是啥原理？

制作|网易新闻

作者|常松，博士，清华大学材料学院

在广大俊男靓女对颜价值的不懈追求中，技术屋不断完善着Pchart技术。只需要下载一个小APP，你就可以在几分钟内修复双眼皮、漂亮的瞳孔、椭圆形的脸等等，只是意想不到，并非不可能。与日本整容手术、韩国整容手术和泰国变性手术相比，中国的ptu手术质量最好，价格低廉。难怪它在东亚“四大魔术”中名列第一。

那么，中国如此强大的压电陶瓷技术背后的原理是什么？今天，让我们来谈谈图片美化背后的技术。

(1)什么是保时捷核心竞争力？

普哈特的“P”来自Photoshop，这是一个由Adobe开发的图像处理软件，它经常被一个叫做Display的程序修改。

今天，虽然软件不断更新，功能更强大，但图片编辑过程背后最基本的方法和手段与当年相似，只是随着计算机硬件的改进，支持的图片处理更加复杂。

(约翰·沃尔诺克，约翰·沃尔诺克和查克·吉斯克，查克·吉斯克)

1.颜色模型:从不友好的红色、绿色和蓝色到友好的色调饱和度

对于计算机来说，最广泛使用的颜色模型是面向硬件的——RGB(红、绿、蓝)模型。

计算机显示和识别的所有颜色都是用红色值表示的。不同强度的RGB光混合在一起会产生不同的颜色。当然，这对于人们来说是一个非常不友好的模型，因为人眼无法区分红色、绿色和蓝色与杏色的比例。

(HSL和HSV车型中的颜色)

因此，产生了对人友好的HSL颜色模型。它是一种基于色调(H)、饱和度(S)、亮度(L)及其叠加的变化产生各种颜色的模型。在Pchart中，要调整图像的亮度，只能调整图像的L(亮度)部分，以实现图像亮度的线性调整。

(高斯模糊)

2.滤光:通过颜色系统识别和计算实现

在PS中，每个滤镜都有自己基于颜色系统的识别和计算方法。例如，卷积矩阵是获得图像处理主要效果的非常有效和快速的工具，并且在处理图像时通过采用统一的卷积矩阵来进行图像的“高斯模糊”滤波。然而，由于采用了统一的卷积矩阵，“高斯模糊”通常会导致一些细节，如眉毛、头发和其他细节在图像中模糊。“表面模糊”能更好地解决这个问题，因为在图像处理中，每个像素都有自己的卷积矩阵，并且有对应于R、G、B的分量，计算起来比较复杂。

这些是图像处理的原理和模型，所以如何实现它们取决于广大辛勤工作的代码农民。

(2)压电陶瓷如何将衰变转化为魔法？

普哈特确实有将衰变转化为魔法的功能。通过各种颜色调整、滤镜配色、高光覆盖、局部处理、*变换等，可以*修改图片。然而，如此复杂的操作超出了吃瓜者的控制范围。那么，高达的PS技术如何才能走进普通人的家庭呢？

随着移动设备的普及，尤其是手机智能的倍增，各种应用层出不穷。他们还可以通过调用系统应用程序接口(应用程序接口)来访问相机，以从相机中收集图片进行美容处理。这些实际上是一个集成的、程序化的和模板化的图像处理程序系列。

这是一个简单的美容图表功能-脱皮，遮瑕膏和痤疮去除。

(剥离前后的效果)

应用程序界面菜单中看似简单的一键操作实际上是应用程序背后的一个复杂程序。

对于面部斑点和痤疮等缺陷，在拍摄的照片中，实际上是面部周围皮肤的颜色和灰度的变化。然而，如果照片的局部相邻区域的灰度差异很大，它将被认为是一个“噪声点”。因此，去除痤疮和雀斑的过程实际上是图像处理的“降噪”。这是最常见的图像处理方法，包括各种算法。

例如，滤波算法是用周围点的灰度平均值来代替原始值，这样每个点的灰度差不会太大，噪声点也不会那么明显，但是对于人脸来说，皮肤看起来更光滑，一些斑点和痤疮消失了。在许多应用程序过程中，拖动进度条实际上是为降噪过程设置一个阈值。

(图像的降噪对比度)

然而，如果只在背景中确定噪声，并调用某种算法来降低噪声，原始图像中的一些细节，如眉毛和头发，也会丢失，看起来“假的”。为了避免这种情况，在处理之后，图片应该与原始图片合并，这类似于PS中的图层叠加。按下Pgraph按钮时，通常需要调整两张图片的混合权重，以使处理后的图片更加自然。

(3)普哈特是如何实现“变脸”的？

当然，对那些总是认为自己有先天缺陷的朋友来说，拥有光滑白皙的皮肤是不够的。身材苗条、面容姣好更好。好的，没问题。人脸识别技术解决了各种困难和复杂的疾病。

在这个看脸的时代，“刷脸”已经成为一种非常普遍的功能。既然计算机能识别和捕捉人脸，我们能改变人脸吗？答案肯定是肯定的。

虽然不同公司的算法和代码有所不同，这也代表了各种APP的核心技术，但原则上，“换脸”的技术活动只不过是几个步骤——人脸检测、关键点定位、区域提取、颜色调和和边缘融合。

第一步:捕捉照片中的所有面孔

人脸检测是一项非常重要的任务，它是捕捉照片上有多少张人脸。现在它已经克服了因面部角度、表情变化、光照强度等问题而带来的麻烦。人脸检测的基础是关键点的定位，即找出鼻子和眼睛的位置，这个过程通常是通过神经网络技术的机器学习来实现的。

(人脸识别示意图及要点)

第二步:找到人脸的轮廓和“瘦脸”

关键点定位后，“薄面”的操作也有了基础。找到人脸轮廓后，通过一定的计算和图形变换，可以改变人脸形状。眼睛、眉毛、嘴巴都一样。

(人脸识别的关键点收集)

步骤3:区域提取

如果你想“改变你的面貌”，你必须进入下一步。经过平面变换后，你的脸就相当于一幅画，你可以*变换来改变形状和大小。对于后续的区域提取，是提取人脸的特定面部特征，用于后续的图像融合。为了确保与要植入的图片的协调性，面部应该是颜色协调的，以确保颜色一致并且不会产生不和谐的感觉。

步骤4:通过图形融合调整“脸型”

最后要做的是将面部特征植入到准备好的模板照片中。此时，色彩调整后的面部特征已经与模板图片一致，具体位置由关键点确定，以保证准确定位。

当面部特征被植入模板照片时，会遇到“脸型”的问题，因为虽然人脸特征的位置基本相同，但是脸型却有很大的不同，此时需要“图形融合”。图像融合技术有多种算法，如基于泊松方程的图像处理、基于高斯金字塔和拉普拉斯金字塔的图像融合等。这是一个过度的话题，所以我们不会谈论它。简而言之，这种效果可能与调味汁阿姨的效果相同

(基于泊松方程的图像处理应用示例)

(4)压电陶瓷如何实现动态图像的实时美化？

随着在线直播的兴起，APP美容技术不再局限于静态照片美容，而是实时美化主持人的动态形象:在各种直播平台上，主持人的小眼睛应该变成大眼睛和双眼皮，馅饼脸变成瓜子脸，游泳圈变成蛇腰& hellip& hellip

对于中国强大的“狮子攻击城市”来说，这些都不是问题。

(深度学习神经网络示意图)

与图片的美化相比，美女主播的动态美化显然要复杂得多，但工艺流程却是相似的。

第一步:深度学习的人脸识别

首先要做的仍然是“人脸识别”。应用程序只有首先识别人脸才能做出漂亮的脸，这已经是一项非常成熟的技术。在动态面部美化中，人脸识别的核心技术是“深度学习”。具体来说，就是在背景中建立一个神经网络，然后利用大量的图像数据进行学习和训练，最后生成一个能够适应各种图像的算法。使用这种算法，人脸识别可以在任何一帧运动图像上进行。

第二步:实时捕捉图像并快速改变皮肤

然后，对于实时捕获的图像，程序会抓取原始图像，分析与美容标准的差异，然后经过大量的学习和训练，得到从宿主肤色到“标准美容”的计算方法，然后根据特定的算法快速完成原始图像的肤色转换，达到“美白”的效果。因为这种计算要求极高的响应速度，所以程序算法中使用的人工神经网络结构通常并不复杂。

(使用某款美容相机前后美白和去角质效果的比较)

瓜子脸、大眼睛等等都是类似的原理。在直播过程中，摄像机捕捉到的每一帧都将通过人脸识别后的关键点位置获取人脸特征信息，然后按照“标准人脸形状”的大小进行处理，再将处理后的图片输出，使人脸美化后的效果栩栩如生。

如今，各种手机终端和软件的性能都在提高。卷积神经网络的引入使得深度学习更加灵活、快速和程式化。然而，深度学习技术也引发了一个问题——红着脸。虽然神经网络构造的框架和算法是不同的，但是为了优化算法，通常在样本数据空间上进行训练。动态面部美化是在程序开发过程中提供一个“标准脸型”和一个“标准肤色”，这样主持人在进行面部美化时，会抓取面部数据，并与目前最流行的脸型和肤色进行比较，然后经过程序计算处理，使脸型和肤色最受网民欢迎。

因此，现场直播平台上并不经常有这么多英俊的男女，但是强大的美女应用程序使主持人“完整”成为同样英俊的男女。

结论:真相大白后

人类幽灵动物的技术使我们能够从不同层面改变我们的“自然”外貌。图像处理技术的进步也使我们能够在互联网上以最美丽的外观面对世界。

然而，当我们随意改变我们的美丽价值观时，我们也应该记住照顾我们周围不修边幅、睡眼朦胧的代码农民。是他们的智慧和汗水让这个世界变得更加美好。