持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第20天，点击查看活动详情
另一种美颜的基本操作是肤色处理算法，主要包括皮肤美白和皮肤换色处理，流程图参照图 6。两种处理的原理是基本一致的，只是需要调节的参数有所不同。这两类算法都需要首先将图 像转化到亮度色彩分离的颜色空间（如 YUV，HSV），美白处理需要将皮肤的亮度调高，减小 色彩之间的色差，达到皮肤区域变白的目的；而肤色变化算法则是将皮肤区域的颜色转换为另一 种颜色（如小麦色），保持亮度基本不变。类似的算法也可以在 RGB 空间通过 gamma correction 实现，通过调节 RGB 三条曲线不同的 gamma correction 参数，达到不同的目的，对于美白算 法来说，RGB 三个通道的调节参数基本相同；对于肤色变化算法来说，三个通道的参数需根据 颜色转换的情况进行调节，如图 7。算法框架中对于皮肤分割的使用目的同磨皮算法是相同的， 保证皮肤在颜色变化的同时，背景颜色不发生变化。谈及高级美颜功能，我们需要先介绍两个基础算法——人脸检测(Face Detection)算法和人 脸对齐(Face Alignment)算法。大部分的高级美颜功能，是根据这两个算法的结果进行后续处 理的。这两个算法是学术以及工业界长期以来都一直在研发的基础算法，本处不在赘述，只说明 其中的物理意义以及后续对于美颜算法的支持作用。人脸检测算法顾名思义，是在任意给定的图 像中自动检测人脸位置的算法，从最早的模板匹配算法，到后续的各种基于传统的机器学习的方 法，到最近的基于深度学习的方法，人们一直在探究如何在不同的环境下更准确的检测人脸位置。 人脸对齐算法则是在检测到人脸位置后，自动配准人脸特征点的算法，如图 8 所示，最为著名、 流行的算法有 ASM（Active Shape Model），AAM（Active Appearance Model）等。通过 face detection 和 facealignment 算法后，我们可以获得，人脸上眼、口、鼻、眉毛等各器官 的轮廓信息，为我们进一步对于脸部器官操作奠定了基础，大部分的高级美颜算法需要以这些轮 廓信息作为基础进行操作。
