膚色檢測、磨皮、銳化、美白算法都比較成熟了，只要選對方案，針對平台作進一步優化即可。
一、磨皮篇
此處感謝imageshop，更多的內容可以參考他的的博文。
嘗試過雙邊濾波，利用空間位置關系和像素值的雙邊關系，對其進行低通高斯濾波處理，opencv里面有內置的功能，而且針對CPU等進行了優化，無奈速度還是太慢，無法滿足實時性。
最后通過imageshop了解到了導向濾波算法，如果直接使用這個算法，效率還是比較慢，幸虧后面作者提出了加速的算法，效果還不錯，速度大大提升了。最后通過匯編並行指令、建表等方法進行進一步優化。
二、銳化篇
沒有太多可說的，自身圖像疊加上高頻分量，選擇好幾組檔位的濾波器系數，濾波即可。
三、美白篇
選用了一個最簡單的方法，增強光線，可以提前建表減少計算量，也沒有太多的東西。
針對比較大的圖像，1080p以上，可以先進行人臉檢測和跟蹤，對指定區域進行美顏處理。
針對720p不算很大的圖像，可以直接進行上述處理。
四、聲音與圖像
最后，通過這2個月對圖像相關東西的接觸，下面談一下自己對聲音與圖像的認識。
聲音和圖像很相似，又有很多的不同。
聲音更多偏向物理波、信號分析、心理聽覺，不夠直接，可能需要通過設備去捕捉，全部的客觀信息就可以用一張時頻分析圖來表示，如果加上空間信息，里面的內容還是挺多的。
對於人類交流來說，聲音的第一要義就是要聽清楚，聽懂，還原真實現場感。
如果是作品，通常這一點基於都能保證。
如果是通話，通常要做回聲消除、去噪、信息壓縮、可懂度增強。
如果是娛樂，音效、空間聲場增強，趨向真實、高保真，模擬真實的3D場景感。
過去，都是靠奴隸來解放自己，完成各種各樣的雜事，又給予最低級的報酬。
如今，這些都是非法的，那就只有通過機器幫助自己完成這些事，自己從事更高級的勞動。
對於人類與機器來說，機器聽懂人類的指令、理解指令、完成指令，和人類通過語言交流。
對應着智能化的技術：識別、自然語言理解、合成。
對於一幅圖，人接觸圖像的時候，會自動關注自己感興趣的內容。
圖像更多偏向圖形、幾何、視覺。軟件算法方面側重尋找像素點之間的關系，基於塊之間的規律，關注點的跟蹤，通常是基於矩陣塊的運算。應用面廣，信息量大，有更多的開源項目，例如Opencv。
一個圖像處理效果，它通常有多種可以嘗試的算法，這個需要根據實際場景和熟悉程度，選擇合適的算法並進行場景優化。
其次，圖像的數據量大，通常需要進行指令集或者算法級層面的效率優化。
最后，牛逼的Paper里面通常能看到相關的作者會開放代碼，這一點比音頻、語音論文要好。