iOS 基于GPUImage的实时美颜滤镜

前言

目前是准备做一个美颜相机类的项目,这篇将介绍美颜滤镜的一些思路。
代码已上传MagicCamera,你的star和fork是对我最好的支持和动力。

实现

  • 流程图
GPUImage

GPUImage 是一个开源的基于GPU的图片或视频的处理框架,在这基础上我们可以很方便的实现各种滤镜效果。本文的主要实现继承自GPUImageThreeInputFilter的三输入:双边滤波、边缘检测、原图

     // 双边滤波
     highp vec4 bilateral = texture2D(inputImageTexture, textureCoordinate);
     // 边缘检测
     highp vec4 canny = texture2D(inputImageTexture2, textureCoordinate2);
     // 原图
     highp vec4 source = texture2D(inputImageTexture3,textureCoordinate3);

双边滤波:在高斯模糊的基础上加了梯度分量来组成权重信息实现模糊平滑图像,具有保留边缘的功能。

高反差保留算法

通过高反差来得到皮肤细节的MASK,根据MASK中细节区域,比如皮肤中的斑点区域位置,将原图对应区域进行颜色减淡处理,以此来达到斑点弱化,美肤的目的,使得皮肤看起来比较光滑自然。
公式 = 原图 - 高斯模糊图,注:用双边代替高斯避免多一个输入源
高反差保留算法

//高反差保留算法 (原图 - 高斯模糊图 注:双边代替高斯)
highp vec4 highPass = source - bilateral;

经过高反差以后,图像比较暗淡,这里进行一个强光操作

// 强光处理 color = 2 * color1 * color2
mediump float intensity = 24.0;   // 强光程度
highPass.r = clamp(2.0 * highPass.r * highPass.r * intensity,0.0,1.0);
highPass.g = clamp(2.0 * highPass.g * highPass.g * intensity,0.0,1.0);
highPass.b = clamp(2.0 * highPass.b * highPass.b * intensity,0.0,1.0);
融合
// 融合 -> 磨皮
// 蓝色通道
mediump float value = clamp((min(source.b, bilateral.b) - 0.2) * 5.0, 0.0, 1.0);
// RGB 的最大值
mediump float maxChannelColor = max(max(highPass.r, highPass.g), highPass.b);
// 磨皮程度
mediump float currentIntensity = (1.0 - maxChannelColor / (maxChannelColor + 0.2)) * value * buffingDegree;
// 混合
// mix = x⋅(1−a)+y⋅a
highp vec4 fuse = vec4(mix(source.rgb,bilateral.rgb,currentIntensity), 1.0);
肤色检测
//精准磨皮 肤色
lowp float r = source.r;
lowp float g = source.g;
lowp float b = source.b;

highp vec4 result;

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) {
 result = fuse;
} else {
 result = source;
}
细节调整

最后加上USM锐化、HSB增强边沿细节、色调、饱和度、亮度等。

效果图

参考
https://blog.csdn.net/Trent1985/article/details/80661230
https://www.jianshu.com/p/945fc806a9b4
https://www.jianshu.com/p/5f860f14f665

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 206,214评论 6 481
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 88,307评论 2 382
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 152,543评论 0 341
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 55,221评论 1 279
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 64,224评论 5 371
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,007评论 1 284
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,313评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,956评论 0 259
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,441评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,925评论 2 323
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,018评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,685评论 4 322
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,234评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,240评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,464评论 1 261
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,467评论 2 352
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,762评论 2 345

推荐阅读更多精彩内容