磨皮是很多人喜聞樂見的功能，尤其女人。

那麼，手機，或者說計算機，

我們首先來看，照片是如何存儲在計算機中的。

圖像的存儲

我們所見的圖像，在電腦中實際上是一個數字陣列，即矩陣。

圖片有寬度（width）和高度（height），而矩陣有行（row）和列（column），正好一個蘿蔔一個坑地對應。

舉一個通俗的例子。

假設圖片分辨率為4×4，那麼，圖片“/”，可在電腦中表示為：

255在顯示器上將被顯示為純白，0為純黑。

介於0到255之間的，將被顯示為不同程度的“灰色”，因此，這圖被稱為“灰度圖”。

為什麼是0到255呢？

這是因為，我們使用一個字節，也就是8bit二進制（0000 0000到1111 1111）來存儲每個像素點，它可以表示256種不同的灰度。

當然，也有用10bits或12bits或16bits的場景，比如一些醫療成像器械。如果用16bits，可以表示65536種灰顏色，顏色分辨得更精準。

彩色圖像由RGB（紅、綠、藍）三色組成，原理一樣。

這樣一來，對圖像的操作，就可以轉換成對矩陣的操作，實際上，圖像處理軟件正是這麼做的。

有了圖像矩陣，如何進行磨皮的操作呢？

平均與模糊

磨皮，實際上就是將該模糊的區域模糊化，這樣就能消除皺紋、痘痘等等細節。

那麼，如何將圖片模糊？

在生活中，我們可能遇到過這種情況：

稱體重時，反覆稱三四次，再求個平均，以確保秤沒問題，是自己真變肥了。

為什麼平均呢？

因為，誤差會產生“干擾”，會使數據“波動”，“平均”可使數據更“平滑”。

“平滑”，就是圖像中的“模糊”。

如果我們將圖像矩陣中的每一個點與其周圍進行“平均”，那麼照片就變平滑了。

比如，上面的4×4矩陣：

我們可以將藍色方框中的像素點與周圍的點進行平均：

藍色點 = (255×7 + 0 + 0) / 9 = 198

然後，我們“從左到右、從上到下”一格一格地移動紅色的窗口，將每一點都重新進行平均計算（邊緣補零），就會發現：

原本純黑的地方，向白色靠攏了；原本純白的地方，向黑色靠攏了。

黑白的界限不再“涇渭分明”，而變成“逐漸過渡”。

這個紅色方框所構成的3×3矩陣，就是一個“濾波器”，該矩陣的各個元素都是1，上面的算法就是矩陣的“卷積”。

如果我們對這張測試圖片進行類似的“平滑”操作：

測試圖片

則效果如下：

平滑處理後的圖片

這樣，圖片就被模糊了。

又比如，經典的lena圖：

原圖

平均一下？

模糊

非常顯然，尖銳的地方，比如帽子上的羽毛，被模糊（平滑）了。

如果我們僅對面部進行模糊，就是一種“磨皮”的效果。

當然，這裡僅採用了“平權平均”，為了追求更好的效果，實際程序員往往會使用“加權平均”。

至於如何選取合適的“加權係數”，這就是數字圖像處理中“卷積與濾波器”的內容，而且，圖像不僅能進行平均，還能進行傅里葉變換等其它操作，在此點到為止，不予展開。

科技的日新月異使我們突然意識到：

1.照片拍得太清晰，並不一定受歡迎，

2.磨皮不僅可以用砂紙，還能用矩陣。

閱讀更多 王珂 的文章

關鍵字: 約瑟夫·傅里葉 程序員 卷積