iOS端如何用Core Image实现专业级图像柔光滤镜效果？

柔光（Soft Light / Soft Focus）是摄影中经典的光学效果，通过让画面高光部分轻微溢出、整体细节适度柔化，达到皮肤通透、氛围朦胧的视觉感受。在胶片时代，摄影师会在镜头前加装柔焦镜片来实现这种效果；而在iOS开发中，我们完全可以借助Core Image框架，用高斯模糊提取画面的低频信息，再通过混合模式把它叠回原图，模拟出同样的光学质感。这篇文章从原理讲到实现，最后给出一份可以直接跑起来的Swift代码。

柔光效果的成像原理与实现思路

真实的柔焦镜头之所以能产生柔光，是因为光线在镜片间发生了扩散，高光区域的能量向四周弥散，而暗部区域受到的影响相对较小。这就解释了为什么柔光照片看起来“亮的地方发光、暗的地方保持干净”。如果在软件层面直接对整张图做模糊再叠加，画面会发灰、发闷，就是因为暗部也被均匀提亮了，违背了柔光的物理特性。

所以软件实现柔光的正确思路是分三步走：第一步，用高斯模糊提取图像的低频成分，得到一张模糊图；第二步，把模糊图与原图做混合模式合成，让高光区域被扩散出去的光斑提亮，暗部几乎不受影响；第三步，叠加一层轻微的光照效果，增加画面的通透感和空气感。这三步在Core Image里都有现成的滤镜支持，核心是理解它们的叠加顺序和参数调节范围。

这里最关键的滤镜是CISoftLightBlendMode和CIScreenBlendMode。Soft Light模式的行为类似于Photoshop中的柔光图层，混合结果取决于上层图像的明暗：上层偏亮时下层被提亮，上层偏暗时下层被压暗，中间调变化平缓，非常适合做自然的柔化叠加。Screen模式则是“变亮合成”，任何颜色与黑色混合保持原样，与白色混合变成白色，天然具有保护暗部的特性，很多商业滤镜的Orton效果（奥顿效果）就是靠Screen混合实现的。

关键滤镜详解：高斯模糊与混合模式

用CIGaussianBlur提取低频信息

CIGaussianBlur是整个柔光管线的起点，它只有一个重要参数inputRadius，控制模糊半径，单位是像素。半径越大，模糊越强，最终柔光效果越明显。需要注意的是，Core Image的坐标系以像素为单位，同一半径在不同分辨率的图片上表现不同，所以在实际项目中建议按图片尺寸做归一化，比如把半径设为图片短边的某个比例，这样滤镜在不同设备上表现才一致。

另一个容易踩的坑是模糊会扩展图像边界。CIGaussianBlur处理后输出图像的尺寸会比原图大，边缘还会出现透明拉伸。解决办法是在模糊之后用CIClamp滤镜把图像边缘向外延伸，或者直接对结果调用cropping(to:)裁回原始区域，否则叠加混合时会出现黑边或透明边。

混合模式的选择：SoftLight还是Screen

Core Image提供了CISoftLightBlendMode和CIScreenBlendMode两个候选。两者的输入参数相同：inputImage作为背景图，inputBackgroundImage作为混合源。实践中有一种非常流行的组合方式：先用Screen混合把模糊图层叠回原图，制造高光溢出；再用Soft Light在模糊层与原图之间做精细柔化，最后用透明度控制整体强度。这种“Screen打底、SoftLight修饰”的组合出来的肤色通透不发灰，比单一混合模式自然得多。

如果想进一步控制柔光的强度，Core Image没有直接的“不透明度”参数，但可以用CISourceOverCompositing配合CIColorMatrix把模糊层整体乘以一个alpha系数再合成，等效于调节柔光层的不透明度，这样用户就能在界面上拖动滑块实时调整效果强弱了。

叠加光照效果增强氛围

纯模糊加混合有时会显得画面“肉”而缺乏层次，这时可以叠一层CIHighlightAdjust，它专门调整高光区域的亮度，参数inputHighlight取值范围0到1，能让高光更亮、扩散感更强。如果想要暖色调的朦胧感，还可以用CIColorControls轻微降低饱和度，再用CITemperatureAndTint加一点点暖色偏移，模拟老式柔焦镜头的成像味道。参数都不需要太激进，柔光效果的精髓在于克制。

完整Swift实现代码

下面这段代码把上面提到的所有环节串成一个可复用的滤镜链，输入一张CIImage，输出带柔光效果的图像。intensity参数控制柔光强度，取值0到1，方便接到滑块上做实时预览。

import CoreImage
import CoreImage.CIFilterBuiltins
import UIKit

enum SoftLightFilter {

    /// 生成柔光效果图像
    /// - Parameters:
    ///   - input: 原始图像
    ///   - intensity: 柔光强度 0.0 ~ 1.0
    static func apply(to input: CIImage, intensity: CGFloat = 0.6) -> CIImage? {
        guard intensity > 0 else { return input }

        // 模糊半径按图片短边比例计算，保证不同分辨率下表现一致
        let shortSide = min(input.extent.width, input.extent.height)
        let radius = shortSide * 0.02 * intensity

        // 1. 高斯模糊提取低频信息
        let blurFilter = CIFilter.gaussianBlur()
        blurFilter.inputImage = input
        blurFilter.radius = Float(radius)
        guard var blurred = blurFilter.outputImage else { return nil }

        // 2. 裁剪回原始尺寸，避免边缘透明扩展
        blurred = blurred.cropped(to: input.extent)

        // 3. Screen混合：高光溢出，暗部受保护
        let screenFilter = CIFilter.screenBlendMode()
        screenFilter.inputImage = blurred
        screenFilter.backgroundImage = input
        guard let screened = screenFilter.outputImage else { return nil }

        // 4. 用透明度控制柔光强度
        let alphaMatrix = CIColorMatrix()
        let fade = 1.0 - intensity * 0.5
        alphaMatrix.setValue(CIVector(x: 0, y: 0, z: 0, w: 0),
                             forKey: "inputRVector")
        alphaMatrix.setValue(CIVector(x: 0, y: 0, z: 0, w: 0),
                             forKey: "inputGVector")
        alphaMatrix.setValue(CIVector(x: 0, y: 0, z: 0, w: 0),
                             forKey: "inputBVector")
        alphaMatrix.setValue(CIVector(x: 0, y: 0, z: 0, w: fade),
                             forKey: "inputAVector")
        alphaMatrix.setValue(screened, forKey: kCIInputImageKey)
        guard let faded = alphaMatrix.outputImage else { return nil }

        // 5. 原图叠加柔光层
        let composite = CIFilter.sourceOverCompositing()
        composite.inputImage = faded
        composite.backgroundImage = input
        guard let result = composite.outputImage else { return nil }

        // 6. 高光增强，让光感更通透
        let highlight = CIFilter.highlightAdjust()
        highlight.inputImage = result
        highlight.highlight = Float(0.1 * intensity)

        // 7. 轻微降饱和，模拟柔焦镜头质感
        let colorControls = CIFilter.colorControls()
        colorControls.inputImage = highlight.outputImage
        colorControls.saturation = Float(1.0 - 0.08 * intensity)

        return colorControls.outputImage
    }
}

使用时只需要把UIImage转成CIImage，调用上面的方法，再用CIContext渲染回UIImage即可。滤镜链的构建是延迟执行的，真正消耗性能的只有最后渲染那一步，所以预览时可以先用低分辨率图渲染，确认效果后再用原图输出成品。

性能优化与实时预览实践

如果滤镜只是用于静态图片导出，性能压力不大，交给CIContext渲染一次就行。但如果要做相机实时预览，每秒要处理30到60帧，就必须认真对待性能。首先，创建CIContext是一个昂贵操作，务必全局复用一个实例，推荐用MTLCreateSystemDefaultDevice()创建基于Metal的上下文，渲染效率比CPU上下文高一个量级。

其次，高斯模糊是整条链路中最耗时的环节。可以在预览阶段降低输入分辨率，比如把模糊半径和输入图同时缩小一半，视觉效果差异不大，但计算量直接降到四分之一。另外，CIFilter对象本身可以重复使用，只需要更新参数而不必每帧重建滤镜链，Core Image内部会自动复用已编译的着色程序。

还有一种进阶方案是把整条滤镜链编译成CIColorKernel自定义Metal着色器，把模糊、混合、高光调整全部在一段shader里完成，避免中间纹理的反复读写。对于美颜相机这类对功耗敏感的场景，这条路线能把单帧处理时间压缩到几毫秒以内。此外，如果需要把滤镜效果导出为可分享的样式，可以用CIFilter的序列化能力，或者干脆把参数封装成JSON配置，方便服务端下发动态更新滤镜。

最后提一个调试技巧：开发阶段可以临时用CIImage的applyingFilter链式写法逐层输出中间结果，分别查看模糊层、Screen混合层和最终合成层，快速定位“画面发灰”或“黑边”这类问题出在哪一环。柔光滤镜的参数没有绝对标准，不同风格的图片适合的强度和半径差异很大，把关键参数暴露成可配置项，再配合LUT调色，就能扩展出一整套风格化滤镜产品。

Core Image柔光滤镜高斯模糊修改时间：2026-09-12 16:58:41