AI美颜磨皮算法目前还没有具体定义，各大公司也都处于摸索阶段，因此，这里只是依据自己的实现方案做了区分，本文算法与下一篇“AI美颜磨皮算法二”在算法角度，有着很大的差异，由此做了区分。

先看一下磨皮算法的一般流程：

这个流程图是一般传统的磨皮算法流程图，而本文将基于这个流程图，结合深度学习做一些改进。

在这个流程图中，主要的模块有两个：滤波模块和肤色区域检测模块；

滤波模块中，包含了三种算法：

1，保边滤波器滤波算法

该方法是指通过一些具有保留边缘的能力的滤波器，来将图像磨平，达到皮肤平滑的目的；

这类滤波器主要有：

①双边滤波器

②导向滤波器

③Surface Blur表面模糊滤波器

④局部均值滤波器

⑤加权Zui小二乘滤波器(WLS滤波器)

⑥Smart blur等等，详情可参考本人博客。

此方法皮肤区域比较平滑，细节较少，需要后期添加细节信息，来保留一些自然的纹理；

2，高反差减弱算法

高反差保留算法是指通过高反差来得到皮肤细节的MASK，根据MASK中细节区域，比如皮肤中的斑点区域位置，将原图对应区域进行颜色减淡处理，以此来达到斑点弱化，美肤的目的；

该方法在保留纹理的同时，减弱了皮肤瑕疵与斑点的颜色，使得皮肤看起来比较光滑自然；

3，其他算法

这里是指一些未知的算法，当然已知的也有，比如：基于保边滤波和高反差的磨皮算法，该方法同时对原图做了1-2步骤，得到一张光滑的滤波图和高反差对应的细节MASK，然后将MASK作为alpha通道，把原图和滤波图进行Alpha融合，达到平滑皮肤的同时，去除斑点，保留纹理的作用；

皮肤区域识别检测模块

目前常用的皮肤检测主要是基于颜色空间的皮肤颜色统计方法；

该方法具有较高的误检率，容易将类肤色判定为肤色，这样就导致了非皮肤区域图像被滤波器平滑掉了，也就是不该磨皮的图像区域被模糊了。