最近在做一套移动端人像美颜 SDK，目标不是做一个简单的“磨皮滤镜”，而是把调色、人像保护和美颜精修打成一条完整链路。
demo截图：
我理解的好美颜不是“效果越重越好”，而是这几个点：
- 皮肤看起来更干净，但不能糊成一片；
- 人变亮变通透，但不能假白、发灰、发绿；
- 背景可以更有氛围，但脸和肤色不能被滤镜带偏；
- 美型和瘦身要自然，不能出现折痕、拉花、背景变形；
- 所有处理尽量在本地完成，减少上传图片带来的隐私和延迟问题。
所以这套 SDK 的方向是：端侧 AI 美颜 + 智能调色 + 人像保护。
1. 整体管线
整体处理顺序大概是：
图片解码
→ 色彩空间处理
→ AI 智能调色
→ 人体/肤色/人脸几何分析
→ 磨皮、修瑕、磨颈纹、美白、红润
→ 19 项美型
→ 瘦身/瘦手臂/瘦腿/长腿
→ 输出图片
这里比较关键的是，美颜不是孤立做的，而是和调色放在同一条链路里。这样可以避免一个常见问题：调色把背景调好看了，但人的脸被染色、肤色变脏、白衣服也跟着变色。
2. AI 磨皮：不做全图模糊，只修皮肤区域
磨皮模块采用端侧 ONNX 模型推理。模型只在本地运行，不需要把用户照片上传到服务器。
处理时不是把整张图丢进滤镜，而是先根据人像区域和肤色区域找到需要处理的皮肤 ROI，再做局部推理。推理完成后也不是简单贴回整块结果，而是只回贴模型预测出来的“修复残差”。
这样做有两个好处：
- 原图的高频细节会被保留下来，毛孔和自然纹理不容易被抹平；
- 背景、衣服、头发、五官区域不会被磨皮效果误伤。
对用户来说，观感会更接近“皮肤变干净”，而不是“整张脸被糊了一层”。
3. 美白和红润：只动皮肤，不做全图提亮
很多美白效果翻车，是因为它本质上是在做全图亮度提升。这样背景、衣服、牙齿、墙面都会被一起抬亮，脸也容易发灰、发绿。
我们的处理是先构建 人体分割 × 肤色置信 的皮肤 alpha，再只对皮肤区域做 OkLab 空间里的亮度和色彩调整：
- 亮度提升是按余量做的，亮部不会直接冲白；
- 去黄是轻量处理，避免肤色失去温度；
- 红润单独成一个滑块，用户可以控制“白”和“透红”的比例。
简单说，就是尽量做到“白里透红”，而不是“白到发灰”。
4. 修瑕：去油光、去黑眼圈、磨颈纹
修瑕部分没有完全依赖一个大模型，而是做了更可控的局部算法。
去油光会检测脸部局部高光尖峰，然后做保色压高光，不是简单把 RGB 一起压暗，所以不会变成灰斑。
去黑眼圈采用频率分离思路，只修低频的暗沉和色偏，尽量保留原本的皮肤纹理。
磨颈纹单独做了下颌线以下的颈部区域，结合肤色遮罩和表面模糊，只削弱低幅度横纹，不把下巴、衣领、项链一起糊掉。
这些功能看起来不如“大模型”炫，但对真实用户照片很重要，因为它们解决的是人像里最常见、最影响质感的小问题。
5. 美型：478 点人脸几何 + MLS 形变
美型部分支持 19 项参数，包括瘦脸、小头、下巴、额头、大眼、眼距、开眼角、瘦鼻、鼻梁、小嘴、唇厚、微笑嘴角、眉高、眉间距等。
这里没有采用简单的三角剖分硬拉，而是基于 478 点人脸关键点做 MLS 刚性形变。它的优势是过渡更连续，不容易出现三角折痕和局部拉花。
多脸场景下可以逐脸处理；参数为 0 时保持 identity，不额外改变图片。
6. 瘦身：姿态点 + 人体分割的位移场
瘦身不是简单缩放图片，而是通过人体姿态点和人体分割 mask 构建位移场。
目前支持：
- 瘦身/收腰；
- 瘦手臂；
- 瘦大腿；
- 瘦小腿；
- 长腿。
多人合影场景下，瘦身这类容易影响他人的功能会自动降级或禁用，避免把旁边的人和背景一起拉歪。
7. 智能调色：人像照片不能只看颜色，还要保护人
这套 SDK 里还有一个比较重要的模块：AI 智能调色。
它不是简单套 LUT，而是根据图片内容预测一组调色参数，包括曝光、对比、高光、阴影、色温、色调、自然饱和度、HSL/Color Mixer、曲线等。
在人像照片里，还会做人像保护：
- 背景可以增强，比如天空、草地、主色突出；
- 人物区域降低强风格 LUT 的影响；
- 肤色不参与主色增强，避免脸被调成橙红、黄绿或过饱和。
这点对活动摄影、婚恋、电商模特、证件照/形象照、社交 App 都比较关键。真正的“出片”不是只把脸磨白，而是人物和背景一起协调。
8. 为什么适合做 SDK
这套方向比较适合 SDK 化，原因有几个：
- 端侧运行：核心推理和像素处理在本地完成，隐私友好；
- 模块可拆：只要磨皮、美白，也可以单独接；需要完整美颜，也可以全链路接；
- 参数可控：每个功能都是 0 到 1 或标准范围，方便产品做滑块；
- 可降级：模型或检测失败时走 no-op，不会因为一个模块失败导致 App 崩溃；
- 跨端可对齐：Android 先落地，iOS/Flutter 可以复用同一套算法语义和参数定义。
9. 后续优化方向
接下来我觉得还可以继续优化几个点：
模型加密和热更新
美颜模型属于核心资产，SDK 交付时最好支持模型加密、版本校验和按需更新。
更多实拍场景评测
单人、多人、暗光、逆光、深肤色、舞台光、婚礼现场、电商棚拍都要有固定 golden set。
性能分档
高端机走高质量模型和 GPU/ANE 加速；中低端机走轻量模型和降采样预览。
增强皮肤 matte
当前规则和分割已经能覆盖多数场景，后面可以训练轻量 skin matte 模型，处理长发、暖色衣服、复杂光照等难例。
商业接入层
补齐 license、日志诊断、耗时统计、崩溃隔离、灰度配置，这些比单纯算法更影响 SDK 能不能卖出去。
总结
我认为移动端美颜 SDK 的竞争点，已经不是“有没有磨皮、美白、瘦脸”这么简单，而是：
- 皮肤是否自然；
- 调色是否高级；
- 人像保护是否稳定；
- 本地推理是否隐私友好；
- 接入和降级是否工程化。
如果把这些做好，美颜 SDK 就不只是一个滤镜模块，而是可以变成 App 的人像影像底座。
