磨皮是很多人喜闻乐见的功能，尤其女人。

那么，手机，或者说计算机，是如何通过计算实现磨皮的呢？

我们首先来看，照片是如何存储在计算机中的。

图像的存储

我们所见的图像，在电脑中实际上是一个数字阵列，即矩阵。

图片有宽度（width）和高度（height），而矩阵有行（row）和列（column），正好一个萝卜一个坑地对应。

举一个通俗的例子。

假设图片分辨率为4×4，那么，图片“/”，可在电脑中表示为：

255在显示器上将被显示为纯白，0为纯黑。

介于0到255之间的，将被显示为不同程度的“灰色”，因此，这图被称为“灰度图”。

为什么是0到255呢？

这是因为，我们使用一个字节，也就是8bit二进制（0000 0000到1111 1111）来存储每个像素点，它可以表示256种不同的灰度。

当然，也有用10bits或12bits或16bits的场景，比如一些医疗成像器械。如果用16bits，可以表示65536种灰颜色，颜色分辨得更精准。

彩色图像由RGB（红、绿、蓝）三色组成，原理一样。

这样一来，对图像的操作，就可以转换成对矩阵的操作，实际上，图像处理软件正是这么做的。

有了图像矩阵，如何进行磨皮的操作呢？

平均与模糊

磨皮，实际上就是将该模糊的区域模糊化，这样就能消除皱纹、痘痘等等细节。

那么，如何将图片模糊？

在生活中，我们可能遇到过这种情况：

称体重时，反复称三四次，再求个平均，以确保秤没问题，是自己真变肥了。

为什么平均呢？

因为，误差会产生“干扰”，会使数据“波动”，“平均”可使数据更“平滑”。

“平滑”，就是图像中的“模糊”。

如果我们将图像矩阵中的每一个点与其周围进行“平均”，那么照片就变平滑了。

比如，上面的4×4矩阵：

我们可以将蓝色方框中的像素点与周围的点进行平均：

蓝色点 = (255×7 + 0 + 0) / 9 = 198

然后，我们“从左到右、从上到下”一格一格地移动红色的窗口，将每一点都重新进行平均计算（边缘补零），就会发现：

原本纯黑的地方，向白色靠拢了；原本纯白的地方，向黑色靠拢了。

黑白的界限不再“泾渭分明”，而变成“逐渐过渡”。

这个红色方框所构成的3×3矩阵，就是一个“滤波器”，该矩阵的各个元素都是1，上面的算法就是矩阵的“卷积”。

如果我们对这张测试图片进行类似的“平滑”操作：

测试图片

则效果如下：

平滑处理后的图片

这样，图片就被模糊了。

又比如，经典的lena图：

原图

平均一下？

模糊

非常显然，尖锐的地方，比如帽子上的羽毛，被模糊（平滑）了。

如果我们仅对面部进行模糊，就是一种“磨皮”的效果。

当然，这里仅采用了“平权平均”，为了追求更好的效果，实际程序员往往会使用“加权平均”。

至于如何选取合适的“加权系数”，这就是数字图像处理中“卷积与滤波器”的内容，而且，图像不仅能进行平均，还能进行傅里叶变换等其它操作，在此点到为止，不予展开。

科技的日新月异使我们突然意识到：

1.照片拍得太清晰，并不一定受欢迎，

2.磨皮不仅可以用砂纸，还能用矩阵。