集 降噪 美颜 虚化 增强 为一体的极速图像润色算法 附Demo程序

在2015年8月份的时候，决心学习图像算法。

几乎把当时市面上的图像算法相关书籍都看了一遍，

资金有限，采取淘宝买二手书，长期驻留深圳图书馆的做法，

进度总是很慢，学习算法不得其法。

虽然把手上所有书籍都看完了，有那么一点点头绪，

但是感觉没有任何实战经验，或者说实际的产出。

那时候恰巧看到ImageShop的一篇文章，《一种具有细节保留功能的磨皮算法。》

羡慕至极，在此情况下，鉴于本人安全出身，逆向功底还算扎实。

对这个算法进行了，长达1个月的逆向工作。

当然其实更多时间，还是对算法流程的理解上花的较多。

后来，结合一个开源工程的一段代码(https://github.com/glshort/MapReady)，

这个工程现在看来还是一个不错的学习资料。

建议有兴趣的同学可以花时间好好看看。

当时主要看的代码是https://github.com/glshort/MapReady/blob/master/src/libasf_raster/kernel.c

而后，我对lee降噪算法进行了全新的解读和整理。

产出自己第一个图像算法。

有了这次算法的经验之后，对后续学习其他算法而言，入门了，就好办了。

刚开始学习图像算法的同学可以采用这份代码，入个门。《分享用于学习C++图像处理的代码示例》

本人极其不推荐，基础知识都没理解好，就采用诸如 opencv这样的库，所谓快速入门。

相信我，后面你会发现，你现在偷的懒，以后还是要补回来的。

如果你跟我说你很努力，也没有收获。

我持保留态度，如果你没有把市面上所有相关书籍看一遍，你可能真的还不够努力。

后面当然我也有一段时间一直在研究图像算法，而去年深度学习大火了一把之后。

我也没有切进入去做，理解原理之后，自然也会知道弊端在哪里。

有一段时间我的工作任务就是为深度学习做一些前向传播方面的算法优化，

而同事只需要把训练好的模型丢给我去做集成就行了。

我一个人封装了安卓以及iOS的api接口给上层调用，也没啥难度，就是体力活。

包括前段时间腾讯的ncnn开源出来了，有那个精力去做这个事情，其实说白了也是体力活。

最近几个月我在研究音频算法，没什么难度，一通百通，也挺有意思的，

当数据有了时序维度之后，确实比较难理解。

我不太愿意去做深度学习的主要原因是，训练这块也是体力活为主，像我这种懒人，不想去操那种心。

这样懒懒散散，也快一年了。

这段时间有不少网友给我发邮件，问的问题林林总总。

不过有段时间，确实很多人关注胶片滤镜算法。

这个其实也没啥难度，市面上绝大数APP用的是3d lut算法。

你问我怎么知道的？

我把vocoCam的算法完完整整逆向出来了，你说我怎么知道的？

去年与 ImageShop 博主 共事半年多，互相学习，对我也是受益良多。

近期他博客产出了很多干货。

问我怎么博客不写了，不更新了。

精力有限啊，大多数时间用来睡大觉了。

嗯，说回正题。

早上睡醒，想到一个改进lee降噪算法的思路，下床，编码验证。

完成，收工。

如标题所说，我将lee降噪算法改造成，降噪 美颜 虚化 增强 为一体的极速算法，

你问我怎么做到的，应该是昨晚周公托的梦。

上多组 前后对比图，关注下人物的眼睛以及皮肤。

水润润的感觉，真好。

提供demo程序给大伙试用。

1080P图像在博主I5的破机子上，耗时40ms左右。

算法单线程，不采用simd指令集(编译器的增强指令集也被我关闭了)，omp异步之类的方式，纯C实现， 纯纯的。

PS：有逆向功底的，可以逆向看一下，代码抠出来可以直接编译的。

演示程序暂不提供算法参数强度调节，采用简单的自适应方式。

嗯，因为我懒。

刚出炉，没做过多的处理。

下载地址：demo程序下载

又困了，该睡回笼觉去了。

俺的联系方式如下:

邮箱: gaozhihan@vip.qq.com

联系我时请说明来意，不然一律忽略，谢谢。

若此博文能帮到您,欢迎扫码小额赞助。

微信:

支付宝: