扣扣941716942

美颜功能大多数都是用来美化图片和视频的，而视频美颜SDK所实现的美颜效果通常是以视频形式为主。一个视频美颜SDK中可以包含多种功能，也可以应用多种特效算法，毕竟现在所面向的平台和用户都比较广泛，所以需要提前做好相应的“准备”。本文来简单分享下基于抠图的人像特效算法。

在这里需要提到两种算法，一种是CNN，另一种是FCN，关于这两个名词的具体含义在这里就不再继续展开，可以理解的是这两种算法是专门针对人像抠图的。在人像抠图过程中，会用到CNN或FCN，只不过CNN相对是一种比较传统的算法，所以选择FCN更多一些。

两者之间的优缺点对比

优点：

1.    比起CNN更加高效，可以避免由于使用像素块而带来的重复存储和计算卷积的问题。

2.    可接受任意大小的输入图像，并不要求所有的训练图像和侧视图像尺寸相同。

缺点：

1.    无法充分考虑像素与像素之间的关系，丢失了对空间信息的考量。

2.    无法得到足够精细的结果，最终采样结果比较模糊和平滑，对图像中的细节部分不够敏感。

部分参考代码如下

    current = image

    for i, name in enumerate(layers):

        if name in ['conv3_4', 'relu3_4','conv4_4', 'relu4_4', 'conv5_4', 'relu5_4']:

            continue

        kind = name[:4]

        if kind == 'conv':

            kernels, bias =weights[0][0][0][0]

            # matconvnet: weights are [width,height, in_channels, out_channels]

            # tensorflow: weights are [height,width, in_channels, out_channels]

            kernels =utils.get_variable(np.transpose(kernels, (1, 0, 2, 3)), name=name +"_w")

            bias =utils.get_variable(bias.reshape(-1), name=name + "_b")

            current =utils.conv2d_basic(current, kernels, bias)

        elif kind == 'relu':

            current = tf.nn.relu(current,name=name)

            if FLAGS.debug:

                utils.add_activation_summary(current)

        elif kind == 'pool':

            current =utils.avg_pool_2x2(current)

        net[name] = current

return net

基于抠图的人像特效算法从字面上来看可能还是比较难理解，比如景深模糊的展现效果，就是以抠图为核心的人像特效算法，除此之外还有马赛克之类特效都是基于此实现的。

从应用场景方面来看，视频美颜SDK所对应的偏动态更多一些，换句话说视频美颜SDK应用在直播或短视频这一类场景后，需要着重考虑的算法和机制可以说是重点部分了。

由此可见，随着人们不断增强的美颜需求，美颜效果的选择和美颜所面对的用户群体也随之发生了很大变化，这样一来，视频美颜SDK在开发和算法选择等方面都要多加考虑才行。

声明：以上内容均为作者本人原创，转载需注明作者及原文链接，欢迎转载分享。

xxfgmqm

忘掉岁月，忘掉痛苦，忘掉你的坏，我们永不永不说再见。',

车之子

秀起来~