【精选】人像保护广角畸变校正算法原理及实现

        广角相机模组在手机中越发普及，一般出现在手机后摄模组中，甚至在部分手机的前摄中也有配备。其FOV一般不小于110°，相比于常规相机模组能够获取更宽广的视野，在拍摄景物与场景表现方面有其独特优势，下图是一张常见的广角镜头相比于普通镜头的拍摄效果对比图。

       但另一方面，广角相机获取的输入图畸变较大，直观感受就是图像边缘处图像弯曲。针对该现象，可通过对相机做标定获取内参，再对输入图像做畸变校正获得校正后图像，可以消除畸变，具体如下图所示。

       目前大部分手机中应用的都是该方法，拍摄风景时成像效果很不错。技术实现方面可将它转换为一个网格插值操作，通过SIMD、多线程等操作可在CPU上获取很高的运行帧率，或者使用GPU进行插值渲染；实时的预览、录像都不在话下。不过在拍摄有人的场景且人像位于图像边缘时，由于畸变校正的“拉伸”操作会使得结果图中人像区域变宽，比例失调，产生了不好的视觉效果，如下图所示。

       由此引出今天讨论的主题，针对已有的畸变校正算法导致人像拉伸的问题，该如何改进，即如何实现具有人像保护效果的广角畸变校正算法。

       目前主流的技术方案大致有三种，现逐一道来。

       该方法的核心在于球面变换，有关球面变换可参考链接。它的一个特性就是输出图相比于输入图，四周的图像呈非等比例收缩，中心区域图像会有一定的放大。将该操作作用于畸变校正后的图像，结果图中处于边缘的人像由于收缩操作其比例得以一定程度的恢复，如下图所示。

       实际工程中，可结合人脸检测操作，在拍照时确定是否存在人像，并根据其距离图像中心的位置和人像大小判断是否需要进一步处理（距离图像中心越远，面积越大的人像变形越严重）。如果不需要，只对输入图做畸变校正；如果需要就在畸变校正后再做一次上述的球面变换。预览时处理流程相似，只不过需要在两种变形操作中可以增加一个过渡过程，避免突然切换导致的图像画面抖动。

       该方法优点是计算量小，实现简单，技术实现上仍然是插值操作；缺点是全图无差别操作，背景也会受到影响导致再次弯曲。总的来说这是一种“二保一”的策略，鱼与熊掌不可兼得，不过确实在一些中低端手机上是如此实施。

       该方法的代表性论文是《Distortion-Free Wide-Angle Portraits on Camera Phones》，是谷歌研究人员于2019年发表的一篇论文，具体效果见https://36kr.com/p/1723902918657。具体实施流程相对复杂，但效果相比于第一种方法的确有明显提升，这里简单介绍一下算法流程。

step1.使用深度学习做人脸检测与人像抠图，获取需要保护的前景区域，论文里主要是头部区域；其余区域被当做背景区域

step2.对输入图像根据畸变校正获取畸变校正结果图，作为上述背景区域的结果参考；对畸变校正结果图做球面变换获取球面变换结果图，作为上述前景区域的结果参考；

step3.前景和背景需要平滑过渡，避免结果图中边界处产生突兀的变换；再辅以其他的一些约束，将上述问题转换为一个变换网格的优化问题进行求解

step4.求解得到变换网格后做插值获取最终结果图

       下图简明扼要地阐述了算法的核心思想（来自于论文作者提供的PPT）

       算法的优点就是兼顾人像（主要是人脸）与背景的处理，提升效果显著；缺点主要是计算流程相对复杂，对平台算力有较高要求，无法在预览中应用。

       查阅到一篇今年新发的论文，见https://arxiv.org/pdf/2104.12464.pdf。作者把上面基于优化的求解操作通过深度学习实现，据说可以改善1.2中方法的一些弊端，譬如人像区域周围对背景的轻微影响可以减小甚至消除。个人对这方面不够熟悉就不展开说了，感兴趣的同学可以自己研究下。

       目前已经完成广角模组的标定算法，采用抽样小批量样本做标定获取一个参考内参数据应用于整批模组。同时基于1.2中的方法为基础实现了人像保护畸变校正算法，基本复现了论文中的效果。算法经过优化后能在中高端安卓手机中在输入13M尺寸图像下在1.2s内完成处理，与主流手机中的效果相比并不逊色，下面放几张效果对比图。