这里的图像处理，参数要人工设置，参数不合适，不仅可能没有效果，而且可能与设想目标大相径庭。
此处，我的解决思路是：设定参数变化阈值和步长，组合测试，把测试结果保存为图片（图片名中包括参数值），肉眼分析所有的图片结果，选取效果满意的，并根据其参数取值修改方法。
缺陷：1、人工设定的参数变化阈值和步长，受经验限制，并且，如果步长设置的变化尺度小，计算量大，人工判别结果的量也巨大；如果步长设置的变化尺度大，计算量和人工判别的集合虽小，但有可能漏掉最佳的参数组合。
2、不智能——参数选取不智能、调优结果判别不智能
3、鲁棒性差——换一张人像呢，从刘亦菲换到高晓松，美颜效果还一样好吗？
技术干货
Bilateral Filters（双边滤波算法）
双边滤波算法原理
双边滤波是一种非线性滤波器，它可以达到保持边缘、降噪平滑的效果。和其他滤波原理一样，双边滤波也是采用加权平均的方法，用周边像素亮度值的加权平均代表某个像素的强度，所用的加权平均基于高斯分布[1]。最重要的是，双边滤波的权重不仅考虑了像素的欧氏距离（如普通的高斯低通滤波，只考虑了位置对中心像素的影响），还考虑了像素范围域中的辐射差异（例如卷积核中像素与中心像素之间相似程度、颜色强度，深度距离等），在计算中心像素的时候同时考虑这两个权重。 公式1a,1b给出了双边滤过的操作，Iq为输入图像，Ipbf为滤波后图像：
mark下双边滤波里的两个权重域的概念：空间域（spatial domain S）和像素范围域（range domain R）,这个是它跟高斯滤波等方法的最大不同点。下面是我找到的对比说明，更好地理解双边滤波，首先是高斯滤波的情况：
然后对比再看一下双边滤波的过程：
双边滤波的核函数是空间域核与像素范围域核的综合结果：在图像的平坦区域，像素值变化很小，对应的像素范围域权重接近于1，此时空间域权重起主要作用，相当于进行高斯模糊；在图像的边缘区域，像素值变化很大，像素范围域权重变大，从而保持了边缘的信息。
为了更加形象的说明两个权重的影响，作者还给出了二维图像的直观说明:
