本文主要探讨搭建一款Android平台下美颜相机可能需要填的坑，内容会不断更新。。
相机框架
相机框架相对比较简单，现有的开源代码很多，可以很容易的实现拍照和录像的功能。
预览尺寸选择
预览尺寸就是相机显示纹理的尺寸，也是每一帧原始数据的尺寸，一般相对拍照尺寸较低（1080P就算比较高的预览尺寸了）
拍照尺寸选择
拍照尺寸只在拍照时起作用，往往可以调的很高，而且获取数据非常快（例如1300万像素，相当于1080P数据的7倍左右）
拍照:已被弃用的Camera API可以提供takePicture进行拍照，在onPictureTaken(final byte[] data, final Camera camera)中可以获得包括了Exif数据的图片，直接写入到文件就是一张没有做过任何处理的照片，也可以转成bitmap再做处理（图片尺寸就是拍照尺寸），但是很容易出现OOM的问题，例如1300万像素的照片至少占内存50M，分分钟死给你看。
录像:使用MediaRecorder可以进行录像，相机需要在录像模式和预览模式之间切换，使用较为方便
获取每一帧数据:onPreviewFrame(byte[] data, Camera camera)中可以获取到每一帧的原始数据，如果处理不及时下一帧就会被丢弃，帧率并不是固定的（也就是可能比相机预览的速度慢很多），这里的图像大小和设定的预览尺寸相同
Camera2 API
后期会切换到这个API，ImageReader类确实封装的很好，虽然我还没搞清楚怎么获取原始数据
实时滤镜
用CPU来处理图像真的太慢慢慢慢慢慢了，尤其是在移动平台下，因此一定要用GPU来加速处理。
由于是图像处理，OpenGL尚能够胜任，而且兼容性和通用型都比较好，所以不考虑RenderScript和OpenCL，相机的数据可以直接利用GL_TEXTURE_EXTERNAL_OES进行GPU加速的格式转换，在显示层面不需要自己再做YUV420SP/YUV420P到RGB的转换，之后就可以使用GL_TEXTURE_2D来进行各种处理。GPU相对CPU要快很多，举个例子：在Mali400MP1这种渣渣GPU上，高斯模糊可以在720P的图像上连续处理6次依然丝般润滑毫无卡顿之感。
叠加特效后拍照/截屏/离屏渲染
在叠加了滤镜、面具、面部贴纸后，如果要拍照，有两种可能的解决方案:
拍照后离屏渲染:效率较高，但是较为复杂，需要自行管理一个工作线程，因为照片的尺寸远大于预览的纹理尺寸，而且内存开销较大，适合于软件定位为图像处理/专业相机应用时的情况，拍完照片后不影响后续拍照，用户体验可以做的很棒（例如各大国产ROM自带的滤镜功能，拍完后不会感觉到任何卡顿）
直接对Surface截屏：这是最简单粗暴的方法，代码简单，非常鲁棒，内存占用也低（毕竟屏幕分辨率2K已经算高了，也才200万像素），经过测试，Snow相机和FaceU都是采用的这种方法，特点是方便快捷，但是生成的图片尺寸较小（一般就是屏幕分辨率），适合于软件定位为偏社交相机应用的情况，拍完照直接编辑预览。
录屏录像
录屏在Android 5.0之前是没有提供接口的（需要root），如果是5.0及以上版本录屏（直播）就会非常方便，但是如果只是录制相机的预览区域就不同了（对于Surface进行录制）
硬编:硬件编码的CPU占用低，码率可以拉的很高，不卡顿，MediaRecorder可以直接录制视频，但是没法实时处理，在5.0及以上版本也可以录制Surface了，但是封装的太好，使用并不自由。
MediaCodec是一个相对“野生”的API，最常用的硬编格式是”video/avc”，也就是喜闻乐见的h264格式，目前大部分手机都支持硬编（Snow相机、FaceU以及各大直播软件都首选此方案），虽然要求API在4.3以上才能够比较完美的运行，但是不能硬编的手机真的太少了（除了我的破手机）
MediaCodec可以直接对Surface进行录制(参考 Google的grafika)，因为我们直接使用了SurfaceTexture做预览，不需要每次都获取原始数据在用BufferQueue喂数据，这也就意味着我们可以很容易的让预览结果和录制视频的结果不同，分辨率也可以不同，例如视频中可以实时打水印，但是预览不显示水印之类的（当然一般是相同的）
软编:软编就是用CPU来进行编码，常见的例如FFMpeg软编，资源占用高，可能卡顿，增大APK体积，但是兼容性很好，还可以一直兼容到原始社会（Android2.3）
图像后期
如果定位专业相机软件，那么图像后期的功能就多了去了，完全可以把整个PS都搬过来，如果是偏向社交的软件，那么后期主要是一些美化，加文字、贴图的效果（当然一键分享到朋友圈是一定一定一定要有的功能）
视频后期/转码
视频后期其实和实时录制比较类似，就是一个解码，加特效再编码的过程，当然分辨率和码率就可以很高很高啦，毕竟不是实时的应用
人脸相关应用
实际上，稳定高效的人脸检测、对齐才是在做一款美颜类APP是会碰到的最大的问题。市场上主流的软件也都是采用第三方的解决方案，例如商汤(ST)、虹软(ArcSoft)、Face++、优图（Tencent）等，虽然实时的人脸识别技术历史悠久，但是最近的直播热好像又让她焕发了新生。
现在人工智能大热，不管什么方向好像深度学习都能取得非常优异的成绩，也正兴起着一股把神经网络搬到移动平台上来的风潮（OpenCL、RenderScript、Vulkan、Metal等，当然也有直接上GPU跑的），神经网络用来处理图像，识别物体的App大家应该也都见过不少。
然而，如果要在线处理，就要保证算法足够高效，在移动平台上好像还没有公认的很好的公开解决方案。OpenCV的LBP做人脸检测其实很好，但是还有待调教，其他的像JDA、npd等都可以考虑。
在Github上转了一圈，找到不少开源项目，有C语言的，Java封装的，Python封装的，居然还有.so语言的，真是让我大开眼界。
个人感觉国内这一块的风气并不是很好，稍微有点小成果就拿去圈钱(@于仕琪老师，多向山老师学学)，当然这也好理解，毕竟难度远高于拿着别人的轮子自己调调UI做一个App上线，大家都不容易嘛。
有了人脸的特征点就可以做很多很多事情了，例如换脸肯定就建立在高效的人脸特征点跟踪上，剩下的就是贴个图的事情（例如OpenGL的Blend），如果是脸部贴纸就更轻松了。当然，”美颜2.0”也是建立在人脸识别的基础上（例如大眼小脸），如果没有人脸检测，就只能做做肤色、光线调整什么的，或者来个哈哈镜，功能就会大受限制。
直播推流
直播推流有很多现有的解决方案，可能也并不是美颜相机的重点（是直播App的重点呢，哈哈），但是直播App和美颜相机用到的技术有很大的交集，因此直播推流也会成为后期探索的内容之一（例如硬编录屏推流，软编录像等等）。