美顏SDK架構技術分析

美顏 SDK發展至今，功能早已不同於往日，相較於開始最基礎的美白、磨皮，發展到現在的濾鏡、3D面具等各種不同的功能。在這些新興功能的背後，離不開強大的 渲染能力 以及 美顏演算法。那麼，一款優質的美顏 SDK應該如何搭建自己的底層框架呢？下文小編將分享一下相關經驗。

一 、 技術架構

1、 AI計算層

主要用於人臉檢測、肢體追蹤、手勢識別等需要人工智慧輔助的功能，從這個層面完全自研難度確實非常大。比如美型功能，完全就是依賴於人臉檢測和追蹤技術進行大眼瘦臉操作的，一般除了非常專業的美顏 SDK 提供商，這些 AI層面技術還是向具備AI能力企業採購。

2、 渲染層

這是 最核心的一層了，渲染首先離不開 OpenGL，利用OpenGL圖形渲染技術打造一個引擎式的渲染管線。將原影片資料 傳送至 引擎， 然後 經過各個功能的 Filter，向 終點傳輸 相應資料格式的資料即可。 要知道 這裡每層 Filter，又會有OpenGL渲染管線，分為一條小流水線進行座標轉換和著色器運算。座標轉換在CPU中進行計算，送入定點著色器，再送入片元著色器從而利用演算法在GPU中實現我們需要的渲染效果。這一層做好流水線上各個filter的排序尤為重要。

3、 封裝層

封裝層比較好 理解， 既然 是 SDK ，就要有 API介面讓實現業務邏輯的 並行 呼叫。這一層上，安卓是 Java，iOS是OC或者Swift，Win是C/C++，Unity是C#，並不統一，所以要依據不同平臺進行介面封裝。這一層要做好OpenGL上下文、執行緒的處理，否則呼叫時很容易出現白屏，閃屏等現象。

其次， 美顏 SDK 要具備一些特點 ， 這樣 才能 適配 於目前大多數直播、影片社交平臺日常需求。

1、多端共用

現如今直播已經大多數都是基於安卓和 iOS的移動端直播，也有部分遊戲主播或者專業的帶貨主播使用PC直播，那麼跨平臺就成為了衡量美顏 SDK 的標準之一。同樣的渲染 Pipeline和著色器，要能夠多端共用， 如果所有分端都要單獨開發的話，那將徒增巨大的工作量。

2、 低能耗

目前直播、影片等 社交 應用 基於的推拉流音影片 SDK非常耗能，因為它負責高併發和資料分發。所以，美顏渲染應儘可能的減少消耗，否則畫面將非常卡頓。

3、 易擴充套件

如今 使用者對於 美顏功能需求 用 日新月異 來形容也不為過，所以一款優質的美顏 SDK必須易擴充套件，這樣才可以應對後期不斷更替的市場需求。

 

以上，就是從技術層面對 美顏 SDK 的架構分析， 如果您想了解更多美顏知識，請關注我。