集 降噪 美顏 虛化 加強 爲一體的極速圖像潤色算法 附Demo程序 一種具備細節保留功能的磨皮算法。 分享用於學習C++圖像處理的代碼示例

在2015年8月份的時候，決心學習圖像算法。

幾乎把當時市面上的圖像算法相關書籍都看了一遍，

資金有限，採起淘寶買二手書，長期駐留深圳圖書館的作法，

進度老是很慢，學習算法不得其法。

雖然把手上全部書籍都看完了，有那麼一點點頭緒，

可是感受沒有任何實戰經驗，或者說實際的產出。

那時候恰巧看到ImageShop的一篇文章，《一種具備細節保留功能的磨皮算法。》

羨慕至極，在此狀況下，鑑於本人安全出身，逆向功底還算紮實。

對這個算法進行了，長達1個月的逆向工做。

固然其實更多時間，仍是對算法流程的理解上花的較多。

後來，結合一個開源工程的一段代碼(https://github.com/glshort/MapReady)，

這個工程如今看來仍是一個不錯的學習資料。

建議有興趣的同窗能夠花時間好好看看。

當時主要看的代碼是https://github.com/glshort/MapReady/blob/master/src/libasf_raster/kernel.c

然後，我對lee降噪算法進行了全新的解讀和整理。

產出本身第一個圖像算法。

有了此次算法的經驗以後，對後續學習其餘算法而言，入門了，就好辦了。

剛開始學習圖像算法的同窗能夠採用這份代碼，入個門。《分享用於學習C++圖像處理的代碼示例》

本人極其不推薦，基礎知識都沒理解好，就採用諸如 opencv這樣的庫，所謂快速入門。

相信我，後面你會發現，你如今偷的懶，之後仍是要補回來的。

若是你跟我說你很努力，也沒有收穫。

我持保留態度，若是你沒有把市面上全部相關書籍看一遍，你可能真的還不夠努力。

後面固然我也有一段時間一直在研究圖像算法，而去年深度學習大火了一把以後。

我也沒有切進入去作，理解原理以後，天然也會知道弊端在哪裏。

有一段時間個人工做任務就是爲深度學習作一些前向傳播方面的算法優化，

而同事只須要把訓練好的模型丟給我去作集成就好了。

我一我的封裝了安卓以及iOS的api接口給上層調用，都是累心的體力活啊。

包括前段時間很多移動端優化的框架開源出來了，有那個精力去作這個事情，也是不小的體力活啊。

最近幾個月我在研究音頻算法，一通百通，也挺有意思的，

當數據有了時序維度以後，確實比較難理解。

我不太願意去作深度學習的主要緣由是，訓練這塊也是體力活爲主，像我這種懶人，不想去操那種心。

這樣懶懶散散，也快一年了。

這段時間有很多網友給我發郵件，問的問題林林總總。

不過有段時間，確實不少人關注膠片濾鏡算法。

這個其實也沒啥難度，市面上絕大數APP用的是3d lut算法。

你問我怎麼知道的？

我把vscoCam的算法完完整整逆向出來了，因此我知道。

去年與 ImageShop 博主 共事半年多，互相學習，對我也是受益良多。

近期他博客產出了不少乾貨。

問我怎麼博客不寫了，不更新了。

精力有限啊，大多數時間用來睡大覺了。

嗯，說回正題。

早上睡醒，想到一個改進lee降噪算法的思路，下牀，編碼驗證。

完成，收工。

如標題所說，我將lee降噪算法改形成，降噪 美顏 虛化 加強 爲一體的極速算法，

你問我怎麼作到的，應該是昨晚周公託的夢。

上多組 先後對比圖，關注下人物的眼睛以及皮膚。

水潤潤的感受，真好。

提供demo程序給大夥試用。

1080P圖像在博主I5的破機子上，耗時40ms左右。

算法單線程，不採用simd指令集(編譯器的加強指令集也被我關閉了)，omp異步之類的方式，純C實現， 純純的。

PS：有逆向功底的，能夠逆向看一下，代碼摳出來能夠直接編譯的。

演示程序暫不提供算法參數強度調節，採用簡單的自適應方式。

嗯，由於我懶。

剛出爐，沒作過多的處理。

下載地址：demo程序下載

又困了，該睡回籠覺去了。

俺的聯繫方式以下:

郵箱: gaozhihan@vip.qq.com

聯繫我時請說明來意，否則一概忽略，謝謝。 

若此博文能幫到您,歡迎掃碼小額贊助。

微信:  

 

 

支付寶: