本文将尝试使用MeanShift滤波来做磨皮算法；图玩智能科技为企业提供更稳定更优质的美颜产品及服务，欢迎随时咨询www.toivan.com。
MeanShift即均值漂移，最早由Fukunage在1975年提出。
MeanShift一般是指一个迭代的步骤，即先算出当前点的偏移均值，然后以此为新的起始点，继续移动，直到满足一定的结束条件；MeanShift广泛应用于图像聚类、平滑、分割和跟踪方面，本文主要讲的是图像的平滑滤波，尝试应用于人像的磨皮算法中；
我们使用一张图来讲解MeanShift的算法原理
Fig.1基本MeanShift算法示意图
我们假设起始位置的滤波半径为Radius，也就是图a中的蓝色圆形区域半径，图a为起始位置，假设红色点为目标像素，每个目标像素包含位置特征和像素RGB特征；
1，计算图a起始位置处，半径Radius内目标像素的位置特征和像素RGB特征的均值M，如图c所示；
2，将起始位置的初始特征(位置特征和RGB特征)更新为特征M；
3，计算M处半径Radius区域内，目标像素的均值特征M；
4，按照1-3的过程进行迭代，直到满足一定的迭代次数和限制条件；
5，图a中起始位置的RGB特征值即为迭代完成时M的RGB特征值，如图f所示；
整个过程也叫均值漂移，实际上不是位置从图a起始值漂移到了f图中的位置，而是图a和图f处的特征值归为了一类，当然这里指的是RGB像素值；
这里我们只讲最基本的MeanShift平滑滤波算法，对于改进的MeanShift算法不做讲解；
算法流程如下：
1，假设当前像素点P(i,j)，滤波半径为R，迭代次数阈值为maxIter，像素差值阈值为threshold；
2，计算以P为中心，R为半径的圆形区域S内目标像素的均值特征，包含像素rgb的均值特征和位置的均值特征(质心)，计算公式如下：
其中K为核函数，这里取得是|x-y|；
1，将P的特征值M更新为2中计算的新特征值；
2，按照2-3的步骤进行迭代，直到满足迭代次数阈值maxIter停止，P处的像素值即迭代终结时的rgb特征值；
上述即为MeanShift平滑滤波算法的流程，该算法最大缺点为速度慢，本文用它来尝试磨皮效果，采用YCbCr颜色空间，仅对Y通道处理，以此加速；
效果图如下所示：
来源：oschina
链接：https://my.oschina.net/u/4203900/blog/4397266