表面滤波是一种保边滤波方法，它由当前灰度差的绝对值分配权重，具体公式见https://blog.csdn.net/xiaota00/article/details/74908785。下面给出表面滤波用于人脸磨皮实验的matlab代码及处理结果（这里给出了两种融合策略，其中一种是所谓“平湖法”，见https://www.cnblogs.com/Imageshop/p/4709710.html，另一种是由原图+平滑图像+精细纹理三成分组合的融合方法）：
clear all;close all;clc; img=imread('test1.png'); figure('name','原图'),imshow(img); img=double(img); % lpImg=denoiseBasedLocalStat(uint8(img),10,30); lpImg=surfaceBlur(img,10,25); figure('name','滤波结果'),imshow(lpImg); lpImg=double(lpImg); diff=double(img)-double(lpImg)+128; figure('name','高频成分'),imshow(uint8(diff)); f=fspecial('gaussian',5,1.5); fDiff=imfilter(diff,f); figure('name','弱化的高频'),imshow(uint8(fDiff)); blurredImg=img-fDiff+128; figure('name','保留精细纹理的去噪图像'),imshow(uint8(blurredImg)); w=0.8; mergedImg2=(1-w)*img+w*blurredImg; figure('name','第一种融合结果'),imshow(uint8(mergedImg2)); fineImg=diff-fDiff; figure('name','精细纹理(放大结果)'),imshow(uint8(5*fineImg+128)); w1=1.0;w2=0.5; mergedImg=(1-w1)*img+w1*lpImg+w2*fineImg; figure('name','原图+低频+精细纹理'),imshow(uint8(mergedImg)); function blurredImg=surfaceBlur(img,r,th) % 表面滤波 % 只接受值域为[0,255]的图像 if size(img,3)==1 img=double(img); blurredImg=surfaceBlur_gray(img,r,th); blurredImg=uint8(blurredImg); elseif size(img,3)==3 img=double(img); for i=1:3 img(:,:,i)=surfaceBlur_gray(img(:,:,i),r,th); end blurredImg=uint8(img); end end function blurredImg=surfaceBlur_gray(img, r, th) paddedImg=padarray(img,[r,r],'symmetric','both'); blurredImg=img; for i=1+r : size(paddedImg,1)-r for j=1+r : size(paddedImg,2)-r block=paddedImg(i-r:i+r, j-r:j+r); w=max(1-abs(block-paddedImg(i,j))/(2.5*th),0); blurredImg(i-r, j-r)=sum(sum(block.*w))/sum(w(:)); end end end 原图 保边滤波结果高频成分 高频滤波结果(中频） 去除中频的结果 原图与去中频结果叠加 精细纹理 原图+低频+精细纹理
