随着各类直播、短视频和社交媒体的兴起，我们仿佛生在一个“人均美女帅哥”的社会，事实真是如此吗？

　　拜各类技术和软件的发展所赐，当我们出现在镜头面前时，计算机算法就已经自动将采集到的人像进行了美颜处理。因此，镜头里的人总是那么“不真实”。

　　那么，这些软件背后需要用到什么程序算法？计算机是如何识别人的面部和身体，并对这些部位进行美化的呢？

　　其实，美颜和绘画有很多相似性，绘画首先是画线稿，确定人体基础结构，然后在线稿之上进行上色，逐步丰富细节，最后完成一幅作品。

　　我们拍摄的原始人体图像也是“画线稿”，手机收集原始数据，将图像上传到后台进行定位和识别。这一步的目的是确定人体的特征位置。

　　接下来开始“上色”，用算法和技术对五官或身体部位进行分析、处理、美化，最后得到美颜后的图像。

　　只不过完成一幅绘画作品需要较长的时间，而美颜却是瞬时的、即刻的，这背后需要有强大的计算机技术作为支撑。

　　人脸关键点定位技术识别五官

　　如今的美颜相机，已经可以给眼睛画眼影、给嘴唇涂口红。那么，这些功能是怎么精准识别图像中人脸的特定部位的呢？

　　这其中利用的是人脸关键点检测技术，即通过寻找脸部特征点来确定五官的精准位置。一般来说，定位的关键点数量越多，最终的美颜效果越好。

　　目前主流的人脸关键点检测方法有两种：基于特征的人脸检测和基于图像的人脸检测。目前使用最多的是基于特征的人脸检测方法。

　　原始人脸数据被上传至后台后，人脸检测技术会对原始的图像帧进行识别。眼睛、眉毛、T型区（即眼睛+鼻子构成的区域）、嘴、下巴会被依次识别，识别的数据被放入人脸信息结构体中，之后再被应用到具体的美颜算法中，对特定部位进行美化。

　　图像平滑技术帮你磨皮

　　女生在化妆时会先涂一层粉底液，主要作用是美白和减少皮肤瑕疵。这其实就相当于美颜功能中的美白和磨皮。

　　好的磨皮效果应该是怎样的？首先最重要的是让皮肤变光滑，同时还要尽量保留更多细节（如皮肤肌理），让五官轮廓清晰可见，这样的图片看起来更真实、更有质感。

　　磨皮利用的是图像平滑技术，因为在拍摄图像时会受到噪声干扰，使图像质量降低，因此要对噪声进行过滤。过滤后的图像将变得平滑，多余无用的信息会被剔除掉。

　　过滤图像噪声的工具是滤波器，一般常用的滤波器有中值滤波、边缘保持滤波、双边滤波（又称高斯双边滤波）等。中值滤波和边缘保持滤波的缺点是不能很好地保留图像的边缘信息；而双边滤波可以保留大量人脸细节且确保边界处不会被模糊掉，因此其应用最为普遍。

　　色彩模式切换美白皮肤

　　我们人眼的“像素”很高，能看见世界的色彩斑斓，那没有“眼睛”的计算机怎么识别颜色呢？

　　图像中的色彩一般用RGB模式表示，R、G、B分别代表红、绿、蓝，具体数值从0—255变化。R、G、B的数值越趋于0，图像越黑；相反，越接近255就越白。此外，还有HSV模式（H、S、V分别代表色彩、饱和度、明度），这两种色彩模式可以通过算法实现转换。

　　很多美白技术会将RGB模式转化为HSV模式后再进行调整：先用算法对皮肤像素的颜色数据进行大量统计，得到肤色像素的取值范围，然后再调节像素的各项数值大小，让图像中的皮肤变白、变亮。

　　模板与原图合成“定制”妆容

　　美颜相机里还能“定制”妆容，包括口红、腮红、眼妆等。这是因为相机软件里植入了预先设计的、不同风格的妆容模板，当人脸出现后，首先会基于人脸关键点检测技术，识别出特定部位，然后妆容模板会投射到人脸特定区域，最后妆容和原始图像进行高效合成，给图像里的人“化妆”。

　　以画眉为例，许多软件都提供了多套眉毛的图片模板，先检测出原始图像眉毛的关键点位置，眉毛的第一个关键点会作为贴合的起始位置；算法还会对眉毛模板的大小和范围作出调整，使模板和人的原始眉毛能更好地贴合；最后在原图上进行融合，得到自然、逼真的画眉效果。

　　这样一看，美颜果然是个“技术活”。