一种具有肤质保留功能的磨皮算法

基本原理

1、复制原图Src作为HighPass层：HighPass = Copy(Src)。
2、对HighPass层磨皮（就是进行保边滤波，可以选择表面模糊、导向滤波、双边滤波、各向异性扩散、BEEP、局部均方差、Domain transfer、 Adaptive Manifolds、 Local Laplacian Filters等任何具有保边效果的EPF-Filter）：HighPass = EPF-Filter(HighPass)。
3、得到高频信息：HihgPass = HighPass - Src + 128。
4、对高频信息进行平滑：HighPass = GuassBlur(HighPass, Radius); 其中Radius为高斯模糊的半径。
5、进行图层混合，利用线性光混合：Dest =(Src * (100 - Opacity) + (Src + 2 * GuassBlur(EPFFilter(Src) - Src + 128) - 256) * Opacity) /100 ;

补充说明下线性光混合的计算公式。假定两个相邻图层X和Y，X在下方，Y在上方，X与Y混合，则X是基色，Y是混合色，X与Y混合得到的颜色是结果色Z，对于线性光混合模式，其计算公式为：
Z = X + 2 * Y - 256;　　　　(原先以为是 - 255，后用PS CS6验证是 - 256）
不透明度的计算公式就更为简单，如果Opacity表示Y的不透明度，则合成公式为：
Z = (X * (100- Opacity) + Y * Opacity ) / 100;
那么两个综合在一起的计算公式为：
Z = (X * (100- Opacity) + (X + 2 * Y - 256)* Opacity ) / 100;
其中关键的恢复皮肤质感的步骤是第四步的高斯模糊，这个模糊的半径一般越大，质感越强，但是太大，磨皮效果就没有了，因此，这里需要把握合适的度，一般半径在0.5-2之间比较合适。

示例演示

#include
#include 
using namespace cv;

int main(int argc, char *argv[])
{
	Mat image = cv::imread("1.jpg", 1);
	std::vector<cv::Mat> images;
	split(image, images);
	for (int i = 0; i < image.channels(); i++)
	{
		Mat& img = images[i];
		img.convertTo(img, CV_32F, 1, 0);
		cv::Mat  highPass;
		img.convertTo(highPass, CV_32F, 1, 0);

		cv::Mat EPFFilter;
		cv::bilateralFilter(highPass, EPFFilter, 15, 30, 60);
	    //cv:imwrite("bilateralFilter.jpg", EPFFilter);
		EPFFilter = EPFFilter - img;
		EPFFilter = EPFFilter + 128.0;
		//cv::imwrite("GaussianBlur0.jpg", EPFFilter);
		cv::GaussianBlur(EPFFilter, highPass, cv::Size(5, 5), 0, 0);
		//cv::imwrite("GaussianBlur.jpg", highPass);
		double opacity = 90.0;
		cv::Mat  dst = (img * (100.0 - opacity) + (img + 2.0 * highPass - 256.0) * opacity) / 100.0;
		//cv::imwrite("dst.jpg", dst);
		images[i] = dst;
	}

	Mat dst;
	merge(images, dst);

	cv::imwrite("dst.jpg", dst);

	waitKey(0);
	return EXIT_SUCCESS;
}

磨皮后