matlab先磨皮后美白

### Matlab 中实现图像处理效果：先磨皮后美白

#### 磨皮算法的实现
为了实现在Matlab中的磨皮效果，通常采用低通滤波器去除或大幅衰减图像的高频分量，仅保留低频成分，从而达到降噪和平滑的效果。对于彩色图像而言，需针对RGB三通道分别执行此操作，并通过`cat`函数重新组合成完整的彩色图像[^2]。

function smoothedImage = applySkinSmoothing(imagePath)
    % 读取原始图像
    originalImage = imread(imagePath);
    
    % 将图像转换为双精度浮点数以便后续运算
    imgDouble = im2double(originalImage);

    % 对各颜色通道应用表面模糊(Surface Blur)算法
    redChannelSmoothed = surfaceBlur(imgDouble(:,:,1));
    greenChannelSmoothed = surfaceBlur(imgDouble(:,:,2));
    blueChannelSmoothed = surfaceBlur(imgDouble(:,:,3));

    % 组合已平滑的颜色通道
    smoothedImage = cat(3,redChannelSmoothed,greenChannelSmoothed,blueChannelSmoothed);

end

% 表面模糊辅助函数定义
function blurredChannel = surfaceBlur(channelData)
    kernelSize = 7; % 定义卷积核大小
    weights = fspecial('gaussian',kernelSize,2); % 创建高斯权重矩阵
    
    % 应用加权平均法进行模糊化
    blurredChannel = imfilter(channelData,weights,'replicate');
end

#### 白平衡调整（美白）
在完成了初步的皮肤纹理柔化之后，接下来就是增强肤色亮度即所谓的“美白”。这一步骤可以通过调节直方图分布或是直接提升特定范围内的像素强度来达成。这里展示了一种简单的方式——通过对绿色通道轻微增益以及降低蓝色调的比例，模拟自然光下的亮肤效果[^4]。

function whitenedImage = enhanceBrightness(smoothedImage)
    % 调整后的绿色和蓝色比例因子
    greenBoostFactor = 1.08;
    blueReductionFactor = 0.9;

    % 提升绿色并减少蓝色贡献
    enhancedGreen = min(smoothedImage(:,:,2)*greenBoostFactor,1);
    reducedBlue = max(smoothedImage(:,:,3)*blueRedductionFactor,0);

    % 构建新的RGB数组
    whitenedImage = cat(3,...
        smoothedImage(:,:,1),...     % 不改变红色通道
        enhancedGreen,...            % 增强过的绿色通道
        reducedBlue                  % 减弱过后的蓝色通道
    );
end

上述两段代码展示了如何利用Matlab编写程序来进行简单的磨皮与美白处理流程。值得注意的是，在实际应用场景中可能还需要考虑更多因素如用户交互界面的设计、参数优化等问题以满足更广泛的需求[^1]。