導向濾波磨皮的對應文獻為：Guided Image Filtering，這個算法速度極其之快，比其他的保邊緣磨皮算法都快，甚至快上好幾倍。這個算法最初來自于何明凱的圖像去霧算法中，現在已然被應用封裝與matlab圖像處理函數庫中，可見算法堪稱經典。

看以下算法的偽代碼：

這兒算法中有大量的用到均值卷積，因此可以用快速積分圖的方法，進行簡單加速。這個算法也是一種保邊緣的濾波算法，然而它的用處遠遠不僅僅用于濾波，還有其它非常好用的功能，比如可以用于升采樣，這個感覺非常爽。在一些摳圖算法中，如果對大圖直接進行摳圖，速度非常慢，比如現在的grub cut 分割算法，這個時候我們可以對圖像進行下采樣，然后在小圖上進行摳圖，最后再進行升采樣，這樣速度就非?？炝?#xff0c;這是現在一些大圖處理常用的一種思路，因此這個算法的用處可想而知。最后我把我寫代碼貼出來，以供學習，這個代碼沒有經過整理優化，只是用了快速積分圖進行加速：

float* CGuidedfiler::Guidedfiler(float*inimg,float*guidedimg,int height,int widht,int Radius,float eps)

{

int lenght=height*widht;

float*mult=new float[lenght];

float*oned=new float[lenght];

for (int i=0;i

{

mult[i]=inimg[i]*guidedimg[i];

oned[i]=1;

}

float *covmult=new float[lenght];

float *covone=new float[lenght];

FastGetAVG(covmult,mult,widht,height,Radius);

FastGetAVG(covone,oned,widht,height,Radius);

for (int i=0;i

{

covmult[i]/=covone[i];

}

delete []mult;

delete []oned;

//計算導向圖、原圖的窗口均值

float *mean_inimg=new float[lenght];

FastGetAVG(mean_inimg,inimg,widht,height,Radius);

float*mean_guideimg=new float[lenght];

FastGetAVG(mean_guideimg,guidedimg,widht,height,Radius);

for (int i=0;i

{

mean_guideimg[i]/=covone[i];

mean_inimg[i]/=covone[i];

}

//計算ak的除數

float *var_guideimg=new float[lenght];

float *sqr_guideimg=new float[lenght];

for (int i=0;i

{

sqr_guideimg[i]=guidedimg[i]*guidedimg[i];

}

FastGetAVG(var_guideimg,sqr_guideimg,widht,height,Radius);

delete []sqr_guideimg;

for (int i=0;i

{

var_guideimg[i]=var_guideimg[i]/covone[i]-mean_guideimg[i]*mean_guideimg[i];

}

//計算ak

float*a=new float[lenght];

for (int i=0;i

{

a[i]=(covmult[i]-mean_guideimg[i]*mean_inimg[i])/(var_guideimg[i]+eps);

}

//計算bk

float*b=new float[lenght];

for (int i=0;i

{

b[i]=mean_inimg[i]-a[i]*mean_guideimg[i];

}

delete []covmult;

delete []mean_guideimg;

delete []mean_inimg;

delete []var_guideimg;

float*mean_a=new float[lenght];

float*mean_b=new float[lenght];

FastGetAVG(mean_a,a,widht,height,Radius);

FastGetAVG(mean_b,b,widht,height,Radius);

for (int i=0;i

{

mean_a[i]/=covone[i];

mean_b[i]/=covone[i];

}

delete []a;

delete []b;

//輸出圖像

float *outimg=new float[lenght];

for (int i=0;i

{

outimg[i]=mean_a[i]*guidedimg[i]+mean_b[i];

}

delete []mean_a;

delete []mean_b;

return outimg;

}

然后把結果用于磨皮，測一測效果：

原圖

美圖秀秀智能磨皮

導向濾波磨皮

總的來說美圖的磨皮好像邊緣細節方面保持的不是很好，據此可以推斷，美圖的磨皮沒有用到其他膚色檢測技術，而我是結合了膚色檢測技術在里面的，所以在頭發細節方面會保持的比較好。美圖的磨皮還有：自然磨皮、快速磨皮、普通磨皮，除了普通磨皮、智能磨皮，其它的算法結合了美白技術在里面，而且美白技術好像也沒有膚色結合膚色檢測技術，好像是對全圖進行白偏色處理，感覺美圖的美白效果很差，因為我覺得美白應該是只對皮膚進行美白，而不是整幅圖像進行美白，這邊僅代表我個人觀點，如有冒犯，請聯系本人。更多資源請關注我的博客：http://blog.csdn.net/hjimce ? ? ? ? ? ? ? ? ?原創文章，版權所有，轉載請保留這兩行作者信息

總結

以上是生活随笔為你收集整理的matlab导向滤波磨皮,图像处理（七）导向滤波磨皮的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。