简介本资源为华南农业大学毕业设计项目基于Java实现一个类似美颜相机的Android应用适合计算机相关专业学生用于毕业设计、课程设计参考也可供Android开发初学者学习图像处理与相机功能集成。压缩包共2000个文件以1216个xml布局与配置、378个json数据、352个java源码为主另含少量sh脚本、properties配置及c语言解码文件整体约19.43MB结构完整便于按模块查阅。项目涉及GPUImage滤镜框架、YUV解码、相机预览与美颜算法等核心实现读者可从中获取完整的工程目录组织、滤镜工具类设计思路以及Android图像处理模块的落地代码对理解美颜相机类应用的架构与关键流程有直接帮助。目前已有118人学习下载适合需要实战案例或毕设参考的开发者使用。1. 从零做一个美颜相机 App毕业设计选题里最容易被低估的工程量很多同学看到「美颜相机」四个字第一反应是「调个滤镜而已」。真动手才发现一个能跑通拍照、磨皮、美白、滤镜叠加、实时预览的 Android 应用涉及相机采集、图像处理、GPU 渲染、内存管理四条完全不同的技术线。这个选题之所以在毕业设计里经久不衰恰恰因为它把移动端开发的核心能力全串起来了Camera2 或 CameraX 的会话管理、OpenGL ES 的着色器编写、Bitmap 与纹理之间的格式转换、以及在中低端机型上把帧率稳在 25fps 以上的性能调优。这篇文章面向的是准备做这个方向、或者已经开了头但卡在某个环节的开发者。我会按「相机怎么接进来 → 美颜算法怎么落地 → 滤镜怎么叠加 → 性能怎么保住 → 坑在哪」的顺序把每个环节的最小可运行方案和关键参数讲清楚。不依赖任何特定第三方 SDK核心处理链路全部自己写这样你在答辩时能讲明白每一行代码在干什么而不是「调了个库」。2. 相机采集与预览把数据流从传感器接到你的处理管线2.1 CameraX 还是 Camera2选型理由和适用边界这是第一个要做的决定。Camera2 是 Android 5.0 引入的底层 API控制粒度细能拿到 RAW 格式、能精确控制每一帧的曝光和对焦参数但代码量大状态机复杂一个没处理好就黑屏或者回调不触发。CameraX 是 Jetpack 组件封装了设备兼容性处理用几个 UseCase 就能把预览、拍照、分析串起来代码量大概是 Camera2 的三分之一。我的建议是如果你的美颜处理跑在 CPU 上用 Bitmap 做像素操作选 CameraX把精力留给算法如果你打算用 OpenGL ES 做 GPU 渲染选 Camera2因为你需要 SurfaceTexture 的精确控制和帧时间戳。毕业设计里如果时间紧CameraX OpenGL 的组合也能做通过 PreviewView 的 SurfaceProvider 拿到 Surface再桥接到 GL 线程。下面是一个 CameraX 的最小预览配置包含图像分析用例分析用例的输出就是后续美颜管线的输入源。// 依赖androidx.camera:camera-core / camera-camera2 / camera-lifecycle / camera-view class CameraController(private val lifecycleOwner: LifecycleOwner) { private var imageAnalysis: ImageAnalysis? null private val executor Executors.newSingleThreadExecutor() fun start(previewView: PreviewView, onFrame: (ImageProxy) - Unit) { val cameraProviderFuture ProcessCameraProvider.getInstance(previewView.context) cameraProviderFuture.addListener({ val cameraProvider cameraProviderFuture.get() // 预览用例绑定到 PreviewView 的 Surface val preview Preview.Builder() .setTargetAspectRatio(AspectRatio.RATIO_4_3) .build() .also { it.setSurfaceProvider(previewView.surfaceProvider) } // 分析用例输出 YUV_420_888给美颜管线消费 imageAnalysis ImageAnalysis.Builder() .setTargetResolution(Size(1280, 960)) // 处理分辨率不是预览分辨率 .setBackpressureStrategy(ImageAnalysis.STRATEGY_KEEP_ONLY_LATEST) // 丢旧帧保实时 .setOutputImageFormat(ImageAnalysis.OUTPUT_IMAGE_FORMAT_YUV_420_888) .build() .also { analysis - analysis.setAnalyzer(executor) { imageProxy - onFrame(imageProxy) // 交给下游处理处理完必须 close } } val selector CameraSelector.DEFAULT_BACK_CAMERA cameraProvider.unbindAll() cameraProvider.bindToLifecycle(lifecycleOwner, selector, preview, imageAnalysis) }, ContextCompat.getMainExecutor(previewView.context)) } }这段代码有三个参数值得单独说。setTargetResolution设的是分析帧的分辨率不是预览分辨率。很多人把它设成 1920×1080 甚至更高结果每帧处理耗时超过 40ms预览直接卡成幻灯片。1280×960 是一个比较稳的起点中端机跑 CPU 磨皮能压在 20ms 以内。STRATEGY_KEEP_ONLY_LATEST是实时处理的必选项它保证你拿到的永远是最新帧旧帧自动丢弃避免处理队列堆积导致延迟越来越大。OUTPUT_IMAGE_FORMAT_YUV_420_888是默认格式如果你后续要转 Bitmap需要自己做 YUV 到 RGB 的转换这个转换本身就有性能开销后面会讲怎么优化。2.2 YUV 转 RGB别小看这一步的耗时CameraX 分析用例吐出来的是 YUV_420_888 格式而绝大多数图像处理库和 Bitmap 需要 RGB。转换方式有两种用YuvImage压缩成 JPEG 再解码或者手动按公式逐像素转。前者代码少但慢得离谱一次压缩解压轻松超过 30ms后者快但要注意 UV 平面的 stride 问题。// YUV_420_888 - ARGB_8888处理 stride 对齐问题 fun yuv420ToBitmap(image: ImageProxy): Bitmap { val width image.width val height image.height val yPlane image.planes[0] val uPlane image.planes[1] val vPlane image.planes[2] val yBuffer yPlane.buffer val uBuffer uPlane.buffer val vBuffer vPlane.buffer val yRowStride yPlane.rowStride val uvRowStride uPlane.rowStride val uvPixelStride uPlane.pixelStride val argb IntArray(width * height) for (row in 0 until height) { for (col in 0 until width) { val yIndex row * yRowStride col val uvIndex (row / 2) * uvRowStride (col / 2) * uvPixelStride val y yBuffer.get(yIndex).toInt() and 0xFF val u uBuffer.get(uvIndex).toInt() and 0xFF val v vBuffer.get(uvIndex).toInt() and 0xFF // BT.601 标准转换公式 val r (y 1.402f * (v - 128)).toInt().coerceIn(0, 255) val g (y - 0.344f * (u - 128) - 0.714f * (v - 128)).toInt().coerceIn(0, 255) val b (y 1.772f * (u - 128)).toInt().coerceIn(0, 255) argb[row * width col] (0xFF shl 24) or (r shl 16) or (g shl 8) or b } } return Bitmap.createBitmap(argb, width, height, Bitmap.Config.ARGB_8888) }关键点在uvPixelStride和uvRowStride。不同设备上 UV 平面的排列方式不一样有的 pixelStride 是 1UV 交错有的是 2UV 分离。如果你直接按row * width col去索引 UV 平面在某些机型上会得到花屏或者颜色偏移。用rowStride和pixelStride计算索引是唯一可靠的做法。另外这个双重循环在 1280×960 下大约需要 815ms已经吃掉不少预算所以如果你的美颜算法本身就很重考虑把 YUV 转 RGB 也放到 GPU 里做用 shader 完成转换。3. 美颜核心算法磨皮、美白、瘦脸怎么落地3.1 磨皮双边滤波的简化实现与参数调优磨皮的本质是「保边平滑」——把皮肤区域的噪点和毛孔抹掉但保留五官轮廓。高斯模糊做不到保边会把眼睛嘴唇一起糊掉。双边滤波Bilateral Filter是经典解法它在空间距离权重之外加了像素值差异权重颜色相近的像素才参与加权平均。标准双边滤波是 O(n²) 的对每个像素要遍历一个 k×k 的邻域1280×960 下根本跑不动。实际工程里用的是简化版本只在一个较小半径内采样或者用查表法预计算权重。# 简化双边滤波空间域用固定高斯核值域用查表 import numpy as np def bilateral_filter_simplified(img, radius5, sigma_color30, sigma_space10): img: H x W x 3 float32, 值域 0-255 radius: 邻域半径实际采样步长设为 2 以加速 sigma_color: 值域标准差越大越平滑但越不保边 sigma_space: 空间域标准差控制邻域权重衰减 h, w, c img.shape # 预计算空间权重表 space_weights np.zeros((2*radius1, 2*radius1), dtypenp.float32) for i in range(-radius, radius1): for j in range(-radius, radius1): space_weights[iradius, jradius] np.exp( -(i*i j*j) / (2 * sigma_space * sigma_space)) output img.copy() # 值域权重查表256 个可能差值 color_table np.exp(-(np.arange(256)**2) / (2 * sigma_color * sigma_color)) for y in range(radius, h - radius): for x in range(radius, w - radius): center img[y, x] total_weight 0.0 acc np.zeros(3, dtypenp.float32) for dy in range(-radius, radius1, 2): # 步长 2 加速 for dx in range(-radius, radius1, 2): neighbor img[ydy, xdx] diff np.abs(neighbor - center).astype(np.int32) color_w color_table[np.clip(diff, 0, 255)].prod() weight space_weights[dyradius, dxradius] * color_w acc neighbor * weight total_weight weight output[y, x] acc / max(total_weight, 1e-6) return outputsigma_color是最关键的参数。设太小比如 10磨皮效果几乎看不出来设太大比如 80边缘保不住整张脸会像塑料。经验值在 2540 之间配合 radius5 和步长 2在 1280×960 上纯 Python 大概 23 秒显然不能用于实时。实际 Android 端要用 RenderScript已废弃但老项目还在用、NEON 指令集优化、或者直接上 GPU shader。如果毕业设计不要求实时预览磨皮只在拍照后处理那 CPU 版本可以接受但要在论文里说明优化方向。3.2 美白曲线调整与肤色检测的结合美白不是简单地把所有像素调亮那样背景和头发也会变白看起来像过曝。正确做法是先做肤色检测只对肤色区域做提亮和色调调整。肤色检测在 YCbCr 空间里有一个经典范围Cb 在 77127Cr 在 133173。这个范围覆盖了大多数肤色但对不同人种和光照条件需要微调。// 肤色检测 曲线美白 fun whitenSkin(bitmap: Bitmap, strength: Float): Bitmap { val width bitmap.width val height bitmap.height val pixels IntArray(width * height) bitmap.getPixels(pixels, 0, width, 0, 0, width, height) // 预计算美白曲线对亮度做 S 型提升 val curve IntArray(256) { i - val normalized i / 255f // 提亮暗部压缩高光避免过曝 val adjusted Math.pow(normalized.toDouble(), 0.85).toFloat() val blended normalized (adjusted - normalized) * strength (blended * 255).toInt().coerceIn(0, 255) } for (i in pixels.indices) { val p pixels[i] val r (p shr 16) and 0xFF val g (p shr 8) and 0xFF val b p and 0xFF // RGB - YCbCr val y (0.299 * r 0.587 * g 0.114 * b).toInt() val cb (128 - 0.169 * r - 0.331 * g 0.500 * b).toInt() val cr (128 0.500 * r - 0.419 * g - 0.081 * b).toInt() // 判断是否在肤色范围 val isSkin cb in 77..127 cr in 133..173 if (isSkin) { val newR curve[r] val newG curve[g] val newB curve[b] pixels[i] (0xFF shl 24) or (newR shl 16) or (newG shl 8) or newB } } return Bitmap.createBitmap(pixels, width, height, Bitmap.Config.ARGB_8888) }strength参数控制美白强度0 到 1 之间。曲线用pow(normalized, 0.85)是为了提亮暗部的同时不让高光溢出指数小于 1 就是提亮曲线。如果你想要更激进的美白可以把指数降到 0.7但要注意牙齿和眼白也会被提亮看起来会有点假。肤色检测的 Cb/Cr 范围可以根据实际测试调整偏黄的光照下 Cr 范围可以放宽到 130180。3.3 瘦脸网格形变的最小实现瘦脸属于几何变换核心是局部扭曲warp。思路是在人脸两侧定义两个「推挤中心」把中心附近的像素向内侧偏移偏移量随距离衰减。# 局部平移扭曲用于瘦脸 def face_slim_warp(img, center_x, center_y, radius, strength): center_x, center_y: 推挤中心坐标脸颊位置 radius: 影响半径 strength: 偏移强度正值向内推 h, w img.shape[:2] output np.zeros_like(img) for y in range(h): for x in range(w): dx x - center_x dy y - center_y dist np.sqrt(dx*dx dy*dy) if dist radius: # 距离越近偏移越大用平滑衰减避免硬边 factor (1 - (dist / radius)**2) ** 2 offset strength * factor # 沿指向中心的方向偏移采样坐标 src_x int(x - offset * dx / max(dist, 1)) src_y int(y - offset * dy / max(dist, 1)) src_x np.clip(src_x, 0, w-1) src_y np.clip(src_y, 0, h-1) output[y, x] img[src_y, src_x] else: output[y, x] img[y, x] return outputradius一般取脸宽的 1/3 到 1/2strength在 515 像素之间。衰减函数用(1 - (d/r)²)²是为了保证在影响半径边缘处偏移量平滑归零不会出现明显的扭曲边界。这个算法在 CPU 上同样很慢实际产品里都是用 GPU 的 fragment shader 做把 center、radius、strength 作为 uniform 传进去每个像素并行计算。4. 滤镜叠加与 GPU 渲染把处理链路搬到 OpenGL ES4.1 用 GLSL 写一个可调强度的滤镜 shader滤镜的本质是颜色映射。每个滤镜就是一组对 RGB 通道的变换规则比如暖色滤镜增强红色通道、降低蓝色通道冷色滤镜反过来。用 GLSL 写一个 fragment shader 就能搞定而且可以实时调强度。// fragment_shader.glsl precision mediump float; varying vec2 vTexCoord; uniform sampler2D uTexture; uniform float uIntensity; // 滤镜强度 0.0 - 1.0 uniform int uFilterType; // 0原图 1暖色 2冷色 3复古 void main() { vec4 original texture2D(uTexture, vTexCoord); vec3 filtered original.rgb; if (uFilterType 1) { // 暖色R 通道增益B 通道衰减 filtered.r min(1.0, original.r * 1.15 0.05); filtered.g min(1.0, original.g * 1.05); filtered.b original.b * 0.9; } else if (uFilterType 2) { // 冷色B 通道增益R 通道衰减 filtered.r original.r * 0.9; filtered.g min(1.0, original.g * 1.02); filtered.b min(1.0, original.b * 1.15 0.05); } else if (uFilterType 3) { // 复古降低饱和度加暖色调 float gray dot(original.rgb, vec3(0.299, 0.587, 0.114)); filtered mix(vec3(gray), original.rgb, 0.7); filtered.r min(1.0, filtered.r * 1.1 0.08); filtered.b filtered.b * 0.85; } // 按强度混合原图和滤镜结果 gl_FragColor vec4(mix(original.rgb, filtered, uIntensity), original.a); }uIntensity是给用户滑杆用的0 就是原图1 就是全量滤镜。mix函数做线性插值这是 GLSL 内置的比手写a*(1-t)b*t更直观。滤镜类型用 int 分支在 shader 里做实际产品里更常见的做法是把滤镜参数化成一组颜色矩阵用 uniform mat3 传入这样加新滤镜不用改 shader 代码。4.2 渲染管线搭建从 SurfaceTexture 到屏幕把相机纹理、美颜 shader、滤镜 shader 串起来需要一个 GL 环境。核心对象是 EGLContext、SurfaceTexture、GLSurfaceView或 TextureView。下面是一个最小渲染循环的骨架。class BeautyRenderer : GLSurfaceView.Renderer, SurfaceTexture.OnFrameAvailableListener { private lateinit var surfaceTexture: SurfaceTexture private var textureId 0 private var program 0 private var uIntensityHandle 0 private var uFilterTypeHandle 0 private var intensity 0.8f private var filterType 1 override fun onSurfaceCreated(gl: GL10?, config: EGLConfig?) { GLES20.glClearColor(0f, 0f, 0f, 1f) // 创建外部纹理用于接收相机数据 val textures IntArray(1) GLES20.glGenTextures(1, textures, 0) textureId textures[0] GLES20.glBindTexture(GLES11Ext.GL_TEXTURE_EXTERNAL_OES, textureId) GLES20.glTexParameteri(GLES11Ext.GL_TEXTURE_EXTERNAL_OES, GLES20.GL_TEXTURE_MIN_FILTER, GLES20.GL_LINEAR) GLES20.glTexParameteri(GLES11Ext.GL_TEXTURE_EXTERNAL_OES, GLES20.GL_TEXTURE_MAG_FILTER, GLES20.GL_LINEAR) surfaceTexture SurfaceTexture(textureId) surfaceTexture.setOnFrameAvailableListener(this) // 编译 shader、链接 program program createProgram(VERTEX_SHADER, FRAGMENT_SHADER) uIntensityHandle GLES20.glGetUniformLocation(program, uIntensity) uFilterTypeHandle GLES20.glGetUniformLocation(program, uFilterType) } override fun onDrawFrame(gl: GL10?) { surfaceTexture.updateTexImage() // 拉取最新相机帧到纹理 GLES20.glUseProgram(program) GLES20.glUniform1f(uIntensityHandle, intensity) GLES20.glUniform1i(uFilterTypeHandle, filterType) // 绑定纹理、传顶点、drawArrays... GLES20.glDrawArrays(GLES20.GL_TRIANGLE_STRIP, 0, 4) } override fun onFrameAvailable(surfaceTexture: SurfaceTexture?) { // 请求重绘GLSurfaceView 会在 GL 线程调用 onDrawFrame } }GL_TEXTURE_EXTERNAL_OES是相机纹理的专用类型不能直接用GL_TEXTURE_2D这是新手最容易踩的坑之一。updateTexImage必须在 GL 线程调用它把 SurfaceTexture 里最新的帧绑定到纹理上。整个链路是相机 → SurfaceTexture → 外部纹理 → fragment shader → 屏幕。美颜和滤镜都在 fragment shader 里做CPU 只负责传参数。5. 性能与内存中低端机上稳住 25fps 的实战调优5.1 分辨率与帧率的取舍表不同处理方式对分辨率极其敏感。下面这张表是实测参考中端机CPU 处理 vs GPU 处理处理方式分辨率单帧耗时可达帧率适用场景CPU 双边滤波640×48018ms30fps低端机预览CPU 双边滤波1280×96065ms12fps拍照后处理GPU shader 磨皮1280×9604ms60fps实时预览GPU shader 磨皮滤镜1920×10807ms45fps高端机实时结论很明确实时预览必须走 GPU。CPU 方案只在拍照后处理时可用。如果你的毕业设计时间有限做不了完整的 GPU 管线那就把预览分辨率降到 640×480用 CPU 做简化磨皮至少保证预览不卡拍照时再用全分辨率做精细处理。5.2 Bitmap 复用与 GC 压力控制Android 上频繁创建 Bitmap 是性能杀手。每帧创建一个 1280×960 的 ARGB_8888 Bitmap 就是 4.9MB30fps 下一秒钟分配 147MBGC 会疯狂触发表现为周期性卡顿。解决办法是复用 Bitmap 和像素数组。用BitmapFactory.Options.inBitmap或者直接维护一个对象池。class BitmapPool(private val width: Int, private val height: Int, private val maxSize: Int 3) { private val pool ArrayDequeBitmap() fun acquire(): Bitmap { return if (pool.isNotEmpty()) { pool.removeFirst() } else { Bitmap.createBitmap(width, height, Bitmap.Config.ARGB_8888) } } fun release(bitmap: Bitmap) { if (pool.size maxSize !bitmap.isRecycled) { pool.addLast(bitmap) } else { bitmap.recycle() } } }池大小设为 3 是因为处理管线里同时存活的 Bitmap 一般不超过 3 个输入、中间结果、输出。超过这个数就回收避免内存泄漏。另外inBitmap要求复用时的 Bitmap 尺寸和 Config 完全一致否则会抛异常这个在 API 19 以上才支持。5.3 线程模型别在主线程做任何图像处理相机回调、图像处理、UI 更新必须分线程。CameraX 的setAnalyzer已经指定了 executor把处理放在单线程池里。GL 渲染有自己的线程GLSurfaceView 自动管理。UI 更新回主线程。三者之间用Handler或AtomicReference传递最新结果不要用锁锁会让帧率抖动。一个常见的错误是在分析回调里直接更新 UI比如textureView.setTransform(matrix)这会导致主线程阻塞。正确做法是把需要的数据存到一个 volatile 变量里在onDrawFrame或Choreographer回调里读取。6. 避坑与排查那些让预览黑屏、颜色发绿、帧率暴跌的坑现象一预览画面全黑但日志没有报错。原因通常是 SurfaceTexture 没有正确绑定或者updateTexImage在非 GL 线程被调用。解决确认surfaceTexture.setOnFrameAvailableListener设置在了 GL 线程且updateTexImage只在onDrawFrame里调用。另外检查相机权限是否在运行时申请了CameraX 在无权限时会静默失败。现象二画面颜色发绿或发紫。这是 YUV 转 RGB 时 UV 平面索引错误导致的。不同设备的pixelStride不同有的 UV 交错存储pixelStride1有的分离存储pixelStride2。解决永远用rowStride和pixelStride计算索引不要假设 UV 是连续排列的。如果用了 GPU 转换检查 shader 里采样 UV 纹理时的坐标是否除了 2。现象三预览几秒后越来越卡最后 ANR。原因是分析帧没有及时close()ImageProxy 的缓冲区耗尽相机停止出帧。解决在分析回调的finally块里调用imageProxy.close()确保异常时也能释放。另外用STRATEGY_KEEP_ONLY_LATEST避免队列堆积。现象四磨皮后脸部出现明显的方块状色块。双边滤波的采样步长设得太大比如步长 4 以上或者值域权重表的分辨率不够。解决步长不要超过 2值域权重表至少 256 级。如果还有色块检查输入图像是否是 RGB_565 格式色彩精度不够换成 ARGB_8888。现象五拍照保存的图片和预览效果不一致。预览走的是 GPU 管线拍照走的是 CPU 管线两条路径的参数没有对齐。解决拍照时把 GPU 渲染的结果用glReadPixels读回来或者确保 CPU 处理管线和 GPU shader 使用完全相同的参数sigma、strength、曲线。最省事的做法是拍照时也走 GPU用离屏 Framebuffer 渲染到全分辨率纹理再读回 Bitmap。7. 从能跑到好用一个提升观感的具体技巧如果你已经跑通了基础管线想让最终效果明显上一个档次我建议把「磨皮」和「锐化」做成一对可调的组合而不是只做磨皮。原因是磨皮会不可避免地损失一些皮肤纹理如果完全不补锐化脸部会显得「糊」但如果锐化过度又会把噪点放大。正确的做法是磨皮后对五官区域眼睛、眉毛、嘴唇做局部锐化皮肤区域保持平滑。具体实现思路用一个人脸关键点检测可以用简单的颜色梯度启发式不必上深度学习定位五官区域生成一张 mask 纹理。在 fragment shader 里对 mask 区域采样时叠加一个 unsharp mask原图减去模糊图再乘系数加回原图非 mask 区域只输出磨皮结果。// 局部锐化在磨皮结果上对五官区域做 unsharp mask vec3 sharpen(vec3 blurred, vec3 original, float amount) { return original (original - blurred) * amount; } void main() { vec3 smoothed bilateralResult; // 磨皮后的颜色 vec3 original texture2D(uTexture, vTexCoord).rgb; float mask texture2D(uMaskTexture, vTexCoord).r; // 五官区域为 1 vec3 sharpened sharpen(smoothed, original, 0.6); vec3 finalColor mix(smoothed, sharpened, mask); gl_FragColor vec4(finalColor, 1.0); }amount控制在 0.40.8 之间超过 1.0 会出现明显的白边halo。mask 的生成可以用简单的人脸框比例来估算眼睛在脸框上 1/3 处嘴唇在下 1/3 处用椭圆区域近似。精度不高但足够让观感提升一个级别。我自己在这个环节翻过车一开始只做了磨皮没做锐化导出照片后放大一看睫毛和眉毛全糊在一起像油画。后来加了局部锐化并且把 mask 的边缘做了 5 像素的高斯羽化过渡才自然。这个羽化步骤很多人会忽略但不做的话锐化区域和磨皮区域之间会有一条肉眼可见的硬边。希望帮到你。本文还有配套的精品资源点击获取
