隨著各類直播、短視頻和社交媒體的興起，我們仿佛生在一個“人均美女帥哥”的社會，事實真是如此嗎？

拜各類技術和軟件的發展所賜，當我們出現在鏡頭面前時，計算機算法就已經自動將采集到的人像進行了美顏處理。因此，鏡頭里的人總是那么“不真實”。

那么，這些軟件背后需要用到什么程序算法？計算機是如何識別人的面部和身體，并對這些部位進行美化的呢？

其實，美顏和繪畫有很多相似性，繪畫首先是畫線稿，確定人體基礎結構，然后在線稿之上進行上色，逐步豐富細節，最后完成一幅作品。

我們拍攝的原始人體圖像也是“畫線稿”，手機收集原始數據，將圖像上傳到后臺進行定位和識別。這一步的目的是確定人體的特征位置。

接下來開始“上色”，用算法和技術對五官或身體部位進行分析、處理、美化，最后得到美顏后的圖像。

只不過完成一幅繪畫作品需要較長的時間，而美顏卻是瞬時的、即刻的，這背后需要有強大的計算機技術作為支撐。

人臉關鍵點定位技術識別五官

如今的美顏相機，已經可以給眼睛畫眼影、給嘴唇涂口紅。那么，這些功能是怎么精準識別圖像中人臉的特定部位的呢？

這其中利用的是人臉關鍵點檢測技術，即通過尋找臉部特征點來確定五官的精準位置。一般來說，定位的關鍵點數量越多，最終的美顏效果越好。

目前主流的人臉關鍵點檢測方法有兩種：基于特征的人臉檢測和基于圖像的人臉檢測。目前使用最多的是基于特征的人臉檢測方法。

原始人臉數據被上傳至后臺后，人臉檢測技術會對原始的圖像幀進行識別。眼睛、眉毛、T型區（即眼睛+鼻子構成的區域）、嘴、下巴會被依次識別，識別的數據被放入人臉信息結構體中，之后再被應用到具體的美顏算法中，對特定部位進行美化。

圖像平滑技術幫你磨皮

女生在化妝時會先涂一層粉底液，主要作用是美白和減少皮膚瑕疵。這其實就相當于美顏功能中的美白和磨皮。

好的磨皮效果應該是怎樣的？首先最重要的是讓皮膚變光滑，同時還要盡量保留更多細節（如皮膚肌理），讓五官輪廓清晰可見，這樣的圖片看起來更真實、更有質感。

磨皮利用的是圖像平滑技術，因為在拍攝圖像時會受到噪聲干擾，使圖像質量降低，因此要對噪聲進行過濾。過濾后的圖像將變得平滑，多余無用的信息會被剔除掉。

過濾圖像噪聲的工具是濾波器，一般常用的濾波器有中值濾波、邊緣保持濾波、雙邊濾波（又稱高斯雙邊濾波）等。中值濾波和邊緣保持濾波的缺點是不能很好地保留圖像的邊緣信息；而雙邊濾波可以保留大量人臉細節且確保邊界處不會被模糊掉，因此其應用最為普遍。

色彩模式切換美白皮膚

我們人眼的“像素”很高，能看見世界的色彩斑斕，那沒有“眼睛”的計算機怎么識別顏色呢？

圖像中的色彩一般用RGB模式表示，R、G、B分別代表紅、綠、藍，具體數值從0—255變化。R、G、B的數值越趨于0，圖像越黑；相反，越接近255就越白。此外，還有HSV模式（H、S、V分別代表色彩、飽和度、明度），這兩種色彩模式可以通過算法實現轉換。

很多美白技術會將RGB模式轉化為HSV模式后再進行調整：先用算法對皮膚像素的顏色數據進行大量統計，得到膚色像素的取值范圍，然后再調節像素的各項數值大小，讓圖像中的皮膚變白、變亮。

模板與原圖合成“定制”妝容

美顏相機里還能“定制”妝容，包括口紅、腮紅、眼妝等。這是因為相機軟件里植入了預先設計的、不同風格的妝容模板，當人臉出現后，首先會基于人臉關鍵點檢測技術，識別出特定部位，然后妝容模板會投射到人臉特定區域，最后妝容和原始圖像進行高效合成，給圖像里的人“化妝”。

以畫眉為例，許多軟件都提供了多套眉毛的圖片模板，先檢測出原始圖像眉毛的關鍵點位置，眉毛的第一個關鍵點會作為貼合的起始位置；算法還會對眉毛模板的大小和范圍作出調整，使模板和人的原始眉毛能更好地貼合；最后在原圖上進行融合，得到自然、逼真的畫眉效果。