CN103985098B - 一种证件图像的高光去除方法及系统 - Google Patents
一种证件图像的高光去除方法及系统 Download PDFInfo
- Publication number
- CN103985098B CN103985098B CN201410228494.9A CN201410228494A CN103985098B CN 103985098 B CN103985098 B CN 103985098B CN 201410228494 A CN201410228494 A CN 201410228494A CN 103985098 B CN103985098 B CN 103985098B
- Authority
- CN
- China
- Prior art keywords
- pixel
- value
- certificate image
- skin
- gradient
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种证件图像的高光去除方法及系统,所述方法包括对证件图像进行皮肤区域的定位;将证件图像的RGB空间映射到Lab空间,其中L表示的是像素的亮度,范围是0~100;比较皮肤区域中每一个像素的亮度与指定亮度阈值的大小,若某个像素的亮度大于指定亮度阈值,则对该像素进行选取;采用形态学算子对所有大于指定亮度阈值的像素进行膨胀和腐蚀,得到高光区域;对高光区域的梯度进行压缩,将高光去除;所述系统包括皮肤区域定位模块、空间映射模块、像素选取模块、高光区域定位模块和高光去除模块。本发明方法及系统处理速度快,可以在短时间完成这项工作,提高用户的工作效率,减轻用户的工作负担,将用户从繁重的体力劳动中解脱出来。
Description
技术领域
本发明涉及一种图像的高光去除技术,尤其是一种证件图像的高光去除方法及系统。属于图像处理领域。
背景技术
目前,由于拍摄条件和技巧,证件照往往会出现一些高光的情况,尤其是在额头、鼻梁和脸颊这些皮肤部位上,这严重的影响了证件照的质量。
Adobe公司的PhotoShop(以下简称PS)提供了一套工具用来解决高光的问题,用户首先需要选取高光的区域,选取高光区域的时候需要指定容差,容差太大或者太小都会使得选取的不准确,选定区域之后进行羽化,然后使用色彩曲线和色阶进行调整,但使用PS处理高光,虽然可以得到令人比较满意的结果,但是存在以下缺点:
1)操作步骤多且复杂,智能程度比较低,对于需要处理大量的证件照来说是非常繁重的。
2)在进行高光调整的时候,需要操作者有比较的丰富的处理图像的经验,不符合普通用户的需求。
综上所述,需要提供一种处理速度快,可以在短时间内完成这项工作,将用户从繁重的体力劳动中解脱出来的高光去除方法。
发明内容
本发明的目的是为了解决上述现有技术的缺陷,提供一种处理速度快、操作简单的证件图像的高光去除方法。
本发明的另一目的在于提供一种证件图像的高光去除系统。
本发明的目的可以通过采取如下技术方案达到:
一种证件图像的高光去除方法,其特征在于所述方法包括:
对证件图像进行皮肤区域的定位;
将证件图像的RGB空间映射到Lab空间,其中L表示的是像素的亮度,范围是0~100:
比较皮肤区域中每一个像素的亮度与指定亮度阈值的大小,若某个像素的亮度大于指定亮度阈值,则对该像素进行选取;
采用形态学算子对所有大于指定亮度阈值的像素进行膨胀和腐蚀,得到高光区域;
对高光区域的梯度进行压缩,将高光去除。
作为一种优选方案,所述对证件图像进行皮肤区域的定位,包括:
将证件图像由RGB空间转到YcbCr空间;
根据已有的肤色统计模型,计算每一个像素值属于这个模型的概率p,通过所有的概率p计算出一个阈值thd;
遍历整幅证件图像,若某个像素对应的概率p大于阈值thd,判断该像素属于皮肤区域;
采用第三方库OpenCV中已经过训练的数据集对皮肤的位置进行定位,排除非皮肤区域像素对检测结果的干扰;
根据所有属于皮肤区域的像素得到一个皮肤区域,对这个皮肤区域进行膨胀和腐蚀操作。
作为一种优选方案,所述对证件图像进行皮肤区域的定位,还包括:
通过加入多条坐标线对经过膨胀和腐蚀操作后的皮肤区域进行约束。
作为一种优选方案,所述多条坐标线包括一条水平坐标线和左右两条垂直坐标线,其中水平坐标线在证件图像上方1/8高度处,左垂直坐标线在证件图像左边1/8宽度处,右垂直坐标线在证件图像右边1/8宽度处,通过水平坐标线往下、左垂直坐标线往右以及右垂直坐标往左对经过膨胀和腐蚀操作后的皮肤区域进行约束。
作为一种优选方案,所述通过所有的概率p计算出一个阈值thd,具体为:计算出所有概率p的平均值p’,取阈值thd=1.2*p’。
作为一种优选方案,所述指定亮度阈值的范围是80~100。
作为一种优选方案,所述对高光区域的梯度进行压缩,具体如下:
a)将证件图像视为一个二维的函数,每一个像素值表示的是这个二维函数的函数值,即:
P=H(x,y)
其中,x和y表示的是像素在图像中的几何位置,H(x,y)表示高光区域的像素值;
b)用表示H(x,y)的梯度,记为在R通道时,a的计算方式是将当前像素的R值减去该像素左边像素的R值,b的计算方式是将当前像素的R值减去该像素上面像素的R值;在G通道时,a的计算方式是将当前像素的G值减去该像素左边像素的G值,b的计算方式是将当前像素的G值减去该像素上面像素的G值;在B通道时,a的计算方式是将当前像素的B值减去该像素左边像素的B值,b的计算方式是将当前像素的B值减去该像素上面像素的B值;
c)保持高光区域的边界不变,将作用一个衰减函数Φ(x,y),如下式:
得到一个衰减之后的梯度G(x,y),如下:
找出一个梯度与G(x,y)接近的函数I(x,y),即:
求f的最小值,即为所求函数I(x,y);
d)衰减函数Φ(x,y)在[0,+∞)上单调递减,若高光区域内部某个像素的梯度接近0时,衰减函数值接近1,进行较小的压缩或不进行压缩;若高光区域内部某个像素的梯度较大时,衰减函数值小于1,进行一定的压缩。
本发明的另一目的可以通过采取如下技术方案达到:
一种证件图像的高光去除系统,其特征在于所述系统包括:
皮肤区域定位模块,用于对证件图像进行皮肤区域的定位;
空间映射模块,用于将证件图像的RGB空间映射到Lab空间,其中L表示的是像素的亮度,范围是0~100;
像素选取模块,用于比较皮肤区域中每一个像素的亮度与指定亮度阈值的大小,若某个像素的亮度大于指定亮度阈值,则对该像素进行选取;
高光区域定位模块,用于采用形态学算子对所有大于指定亮度阈值的像素进行膨胀和腐蚀,得到高光区域;
高光去除模块,用于对高光区域的梯度进行压缩,将高光去除。
作为一种优选方案,所述皮肤区域定位模块包括:
空间转换单元,用于将证件图像由RGB空间转到YcbCr空间;
概率计算单元,用于根据肤色已有的统计模型,计算每一个像素值属于这个模型的概率p,通过所有的概率p计算出一个阈值thd;
遍历单元,用于遍历整幅证件图像,若某个像素对应的概率p大于阈值thd,判断该像素属于皮肤区域;
皮肤位置定位单元,用于采用第三方库OpenCV中已经过训练的数据集对皮肤的位置进行定位,排除非皮肤区域像素对检测结果的干扰;
膨胀腐蚀操作单元,用于根据所有属于皮肤区域的像素得到一个皮肤区域,对这个皮肤区域进行膨胀和腐蚀操作;
约束单元,用于通过加入多条坐标线对经过膨胀和腐蚀操作后的皮肤区域进行约束。
作为一种优选方案,所述高光去除模块中对高光区域的梯度进行压缩,具体如下:
a)将证件图像视为一个二维的函数,每一个像素值表示的是这个二维函数的函数值,即:
P=H(x,y)
其中,x和y表示的是像素在图像中的几何位置,H(x,y)表示高光区域的像素值;
b)用表示H(x,y)的梯度,记为在R通道时,a的计算方式是将当前像素的R值减去该像素左边像素的R值,b的计算方式是将当前像素的R值减去该像素上面像素的R值;在G通道时,a的计算方式是将当前像素的G值减去该像素左边像素的G值,b的计算方式是将当前像素的G值减去该像素上面像素的G值;在B通道时,a的计算方式是将当前像素的B值减去该像素左边像素的B值,b的计算方式是将当前像素的B值减去该像素上面像素的B值;
c)保持高光区域的边界不变,将作用一个衰减函数Φ(x,y),如下式:
得到一个衰减之后的梯度G(x,y),如下:
找出一个梯度与G(x,y)接近的函数I(x,y),即:
求f的最小值,即为所求函数I(x,y);
d)衰减函数Φ(x,y)在[0,+∞)上单调递减,若高光区域内部某个像素的梯度接近0时,衰减函数值接近1,进行较小的压缩或不进行压缩;若高光区域内部某个像素的梯度较大时,衰减函数值小于1,进行一定的压缩。
本发明相对于现有技术具有如下的有益效果:
1、本发明的高光去除方法及系统,只需要用户指定一个亮度阈值,就可以自动检测高光的区域以及自动的进行调整,实现较为简单的交互,而且处理速度快,可以在短时间完成高光去除工作,提高用户的工作效率,减轻用户的工作负担,将用户从繁重的体力劳动中解脱出来,能广泛应用于批量处理证件照的场景中。
2、本发明的高光去除方法及系统,在高光去除时采用的衰减函数,使证件图像高光区域内部梯度比较小的像素可以进行较小的压缩或不进行压缩,使在证件图像高光区域内部梯度比较大的像素进行一定的压缩,以尽量保持处理前图像的细节。
附图说明
图1为本发明的高光去除方法流程示意图。
图2为本发明的高光去除方法中对证件图像进行皮肤区域的定位流程示意图。
图3为本发明的高光去除方法中对高光区域的梯度进行压缩的流程示意图。
图4为本发明的高光去除方法中经过膨胀和腐蚀后的皮肤区域示意图。
图5为本发明的高光去除方法中对膨胀和腐蚀后的皮肤区域进行约束的示意图。
图6为本发明的高光去除系统结构框图。
具体实施方式
实施例1:
如图1~图3所示,本实施例的高光去除方法,包括以下步骤:
1)对证件图像进行皮肤区域(包括脸部区域、耳部区域和下巴以下的皮肤区域)的定位,具体如下:
1.1)将证件图像由RGB(红、绿、蓝)空间转到YcbCr空间;
1.2)根据已有的肤色统计模型(比如亚洲人肤色YCbCr空间下的均值,方差等信息组成的模型),计算每一个像素值属于这个模型的概率p,计算出所有概率p的平均值p’,取阈值thd=1.2*p’。
1.3)遍历整幅证件图像,若某个像素对应的概率p大于阈值thd,判断该像素属于皮肤区域;
1.4)采用第三方库OpenCV中经过训练的数据集对皮肤的位置进行定位,排除非皮肤区域像素对检测结果的干扰;
1.5)根据所有属于皮肤区域的像素得到一个皮肤区域,此时这个皮肤区域一般会有很多的空洞,对这个皮肤区域进行膨胀和腐蚀操作,如图4所示;
1.6)加入三条坐标线,这三条坐标为一条水平坐标线和左右两条垂直坐标线,其中水平坐标线在证件图像上方1/8高度处,左垂直坐标线在证件图像左边1/8宽度处,右垂直坐标线在证件图像右边1/8宽度处,通过水平坐标线往下、左垂直坐标线往右以及右垂直坐标往左对经过膨胀和腐蚀操作后的皮肤区域进行约束,如图5所示;
2)将证件图像的RGB空间映射到Lab空间,在Lab空间中,L表示的是像素的亮度,范围是0~100;
3)比较皮肤区域中每一个像素的亮度与指定亮度阈值的大小,若某个像素的亮度大于指定亮度阈值,则对该像素进行选取;其中,指定亮度阈值的范围是80~100;
4)采用形态学算子对所有大于指定亮度阈值的像素进行膨胀和腐蚀,得到高光区域;
5)对高光区域的梯度进行压缩,将高光去除,具体如下:
5.1)在一维的情况下,设有某个函数H(x),它的导数为H'(x),对它的导数H'(x)作用一个衰减函数Φ(x)得到一个衰减之后的导数G(x);对这个导数G(x)积分运算就可以得到一个被压缩了的H(x),记为I(x),如下:
因此,在这里将证件图像视为一个二维的函数,每一个像素值表示的是这个二维函数的函数值,即:
P=H(x,y)
其中,x和y表示的是像素在图像中的几何位置,H(x,y)表示高光区域的像素值;
5.2)用表示H(x,y)的梯度,记为在R通道时,a的计算方式是将当前像素的R值减去该像素左边像素的R值,b的计算方式是将当前像素的R值减去该像素上面像素的R值;在G通道时,a的计算方式是将当前像素的G值减去该像素左边像素的G值,b的计算方式是将当前像素的G值减去该像素上面像素的G值;在B通道时,a的计算方式是将当前像素的B值减去该像素左边像素的B值,b的计算方式是将当前像素的B值减去该像素上面像素的B值;
5.3)保持高光区域的边界不变,将作用一个衰减函数Φ(x,y),如下式:
得到一个衰减之后的梯度G(x,y),如下:
找出一个梯度与G(x,y)接近的函数I(x,y),即:
求f的最小值,即为所求函数I(x,y);
5.4)衰减函数Φ(x,y)在[0,+∞)上单调递减,若高光区域内部某个像素的梯度接近0时,衰减函数值接近1,进行较小的压缩或不进行压缩;若高光区域内部某个像素的梯度较大时,衰减函数值小于1,进行一定的压缩;将高光去除的同时,尽量保持处理前图像的细节。
实施例2:
如图6所示,本实施例的高光去除系统包括:
皮肤区域定位模块,用于对证件图像进行皮肤区域的定位;
空间映射模块,用于将证件图像的RGB空间映射到Lab空间,其中L表示的是像素的亮度,范围是0~100;
像素选取模块,用于比较皮肤区域中每一个像素的亮度与指定亮度阈值的大小,若某个像素的亮度大于指定亮度阈值,则对该像素进行选取;
高光区域定位模块,用于采用形态学算子对所有大于指定亮度阈值的像素进行膨胀和腐蚀,得到高光区域;
高光去除模块,用于对高光区域的梯度进行压缩,将高光去除。
其中,所述皮肤区域定位模块包括:
空间转换单元,用于将证件图像由RGB空间转到YcbCr空间;
概率计算单元,用于根据肤色已有的统计模型,计算每一个像素值属于这个模型的概率p,通过所有的概率p计算出一个阈值thd;
遍历单元,用于遍历整幅证件图像,若某个像素对应的概率p大于阈值thd,判断该像素属于皮肤区域;
皮肤位置定位单元,用于采用第三方库OpenCV中已经过训练的数据集对皮肤的位置进行定位,排除非皮肤区域像素对检测结果的干扰;
膨胀腐蚀操作单元,用于根据所有属于皮肤区域的像素得到一个皮肤区域,对这个皮肤区域进行膨胀和腐蚀操作;
约束单元,用于通过加入多条坐标线对经过膨胀和腐蚀操作后的皮肤区域进行约束。
所述高光去除模块中对高光区域的梯度进行压缩,具体如下:
a)将证件图像视为一个二维的函数,每一个像素值表示的是这个二维函数的函数值,即:
P=H(x,y)
其中,x和y表示的是像素在图像中的几何位置,H(x,y)表示高光区域的像素值;
b)用表示H(x,y)的梯度,记为在R通道时,a的计算方式是将当前像素的R值减去该像素左边像素的R值,b的计算方式是将当前像素的R值减去该像素上面像素的R值;在G通道时,a的计算方式是将当前像素的G值减去该像素左边像素的G值,b的计算方式是将当前像素的G值减去该像素上面像素的G值;在B通道时,a的计算方式是将当前像素的B值减去该像素左边像素的B值,b的计算方式是将当前像素的B值减去该像素上面像素的B值;
c)保持高光区域的边界不变,将作用一个衰减函数Φ(x,y),如下式:
得到一个衰减之后的梯度G(x,y),如下:
找出一个梯度与G(x,y)接近的函数I(x,y),即:
求f的最小值,即为所求函数I(x,y);
d)衰减函数Φ(x,y)在[0,+∞)上单调递减,若高光区域内部某个像素的梯度接近0时,衰减函数值接近1,进行较小的压缩或不进行压缩;若高光区域内部某个像素的梯度较大时,衰减函数值小于1,进行一定的压缩。
综上所述,本发明的高光去除方法及系统,只需要用户指定一个亮度阈值,自动检测高光的区域以及自动的进行调整,实现较为简单的交互,而且处理速度快,可以在短时间完成这项工作,提高用户的工作效率,减轻用户的工作负担,将用户从繁重的体力劳动中解脱出来,能广泛应用于证件照的图像处理。
另外,本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,相应的程序可以存储于一计算机可读取存储介质中,所述的存储介质,如ROM/RAM、磁盘或光盘等。
以上所述,仅为本发明专利可选的实施例,但本发明专利的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明专利所公开的范围内,根据本发明专利的技术方案及其发明专利构思加以等同替换或改变,都属于本发明专利的保护范围。
Claims (8)
1.一种证件图像的高光去除方法,其特征在于所述方法包括:
对证件图像进行皮肤区域的定位;
将证件图像的RGB空间映射到Lab空间,其中L表示的是像素的亮度,范围是0~100;
比较皮肤区域中每一个像素的亮度与指定亮度阈值的大小,若某个像素的亮度大于指定亮度阈值,则对该像素进行选取;
采用形态学算子对所有大于指定亮度阈值的像素进行膨胀和腐蚀,得到高光区域;
对高光区域的梯度进行压缩,将高光去除;其中,所述对高光区域的梯度进行压缩,具体如下:
a)将证件图像视为一个二维的函数,每一个像素值表示的是这个二维函数的函数值,即:
P=H(x,y)
其中,x和y表示的是像素在图像中的几何位置,H(x,y)表示高光区域的像素值;
b)用表示H(x,y)的梯度,记为在R通道时,a的计算方式是将当前像素的R值减去该像素左边像素的R值,b的计算方式是将当前像素的R值减去该像素上面像素的R值;在G通道时,a的计算方式是将当前像素的G值减去该像素左边像素的G值,b的计算方式是将当前像素的G值减去该像素上面像素的G值;在B通道时,a的计算方式是将当前像素的B值减去该像素左边像素的B值,b的计算方式是将当前像素的B值减去该像素上面像素的B值;
c)保持高光区域的边界不变,将作用一个衰减函数Φ(x,y),如下式:
得到一个衰减之后的梯度G(x,y),如下:
找出一个梯度与G(x,y)接近的函数I(x,y),即:
求f的最小值,即为所求函数I(x,y);
d)衰减函数Φ(x,y)在[0,+∞)上单调递减,若高光区域内部某个像素的梯度接近0时,衰减函数值接近1,进行较小的压缩或不进行压缩;若高光区域内部某个像素的梯度较大时,衰减函数值小于1,进行一定的压缩。
2.根据权利要求1所述的一种证件图像的高光去除方法,其特征在于:所述对证件图像进行皮肤区域的定位,包括:
将证件图像由RGB空间转到YcbCr空间;
根据已有的肤色统计模型,计算每一个像素值属于这个模型的概率p,通过所有的概率p计算出一个阈值thd;
遍历整幅证件图像,若某个像素对应的概率p大于阈值thd,判断该像素属于皮肤区域;
采用第三方库OpenCV中已经过训练的数据集对皮肤的位置进行定位,排除非皮肤区域像素对检测结果的干扰;
根据所有属于皮肤区域的像素得到一个皮肤区域,对这个皮肤区域进行膨胀和腐蚀操作。
3.根据权利要求2所述的一种证件图像的高光去除方法,其特征在于:所述对证件图像进行皮肤区域的定位,还包括:
通过加入多条坐标线对经过膨胀和腐蚀操作后的皮肤区域进行约束。
4.根据权利要求3所述的一种证件图像的高光去除方法,其特征在于:所述多条坐标线包括一条水平坐标线和左右两条垂直坐标线,其中水平坐标线在证件图像上方1/8高度处,左垂直坐标线在证件图像左边1/8宽度处,右垂直坐标线在证件图像右边1/8宽度处,通过水平坐标线往下、左垂直坐标线往右以及右垂直坐标往左对经过膨胀和腐蚀操作后的皮肤区域进行约束。
5.根据权利要求2所述的一种证件图像的高光去除方法,其特征在于:所述通过所有的概率p计算出一个阈值thd,具体为:计算出所有概率p的平均值p’,取阈值thd=1.2*p’。
6.根据权利要求1所述的一种证件图像的高光去除方法,其特征在于:所述指定亮度阈值的范围是80~100。
7.一种证件图像的高光去除系统,其特征在于所述系统包括:
皮肤区域定位模块,用于对证件图像进行皮肤区域的定位;
空间映射模块,用于将证件图像的RGB空间映射到Lab空间,其中L表示的是像素的亮度,范围是0~100;
像素选取模块,用于比较皮肤区域中每一个像素的亮度与指定亮度阈值的大小,若某个像素的亮度大于指定亮度阈值,则对该像素进行选取;
高光区域定位模块,用于采用形态学算子对所有大于指定亮度阈值的像素进行膨胀和腐蚀,得到高光区域;
高光去除模块,用于对高光区域的梯度进行压缩,将高光去除;其中,所述对高光区域的梯度进行压缩,具体如下:
a)将证件图像视为一个二维的函数,每一个像素值表示的是这个二维函数的函数值,即:
P=H(x,y)
其中,x和y表示的是像素在图像中的几何位置,H(x,y)表示高光区域的像素值;
b)用表示H(x,y)的梯度,记为在R通道时,a的计算方式是将当前像素的R值减去该像素左边像素的R值,b的计算方式是将当前像素的R值减去该像素上面像素的R值;在G通道时,a的计算方式是将当前像素的G值减去该像素左边像素的G值,b的计算方式是将当前像素的G值减去该像素上面像素的G值;在B通道时,a的计算方式是将当前像素的B值减去该像素左边像素的B值,b的计算方式是将当前像素的B值减去该像素上面像素的B值;
c)保持高光区域的边界不变,将作用一个衰减函数Φ(x,y),如下式:
得到一个衰减之后的梯度G(x,y),如下:
找出一个梯度与G(x,y)接近的函数I(x,y),即:
求f的最小值,即为所求函数I(x,y);
d)衰减函数Φ(x,y)在[0,+∞)上单调递减,若高光区域内部某个像素的梯度接近0时,衰减函数值接近1,进行较小的压缩或不进行压缩;若高光区域内部某个像素的梯度较大时,衰减函数值小于1,进行一定的压缩。
8.根据权利要求7所述的一种证件图像的高光去除系统,其特征在于:所述皮肤区域定位模块包括:
空间转换单元,用于将证件图像由RGB空间转到YcbCr空间;
概率计算单元,用于根据肤色已有的统计模型,计算每一个像素值属于这个模型的概率p,通过所有的概率p计算出一个阈值thd;
遍历单元,用于遍历整幅证件图像,若某个像素对应的概率p大于阈值thd,判断该像素属于皮肤区域;
皮肤位置定位单元,用于采用第三方库OpenCV中已经过训练的数据集对皮肤的位置进行定位,排除非皮肤区域像素对检测结果的干扰;
膨胀腐蚀操作单元,用于根据所有属于皮肤区域的像素得到一个皮肤区域,对这个皮肤区域进行膨胀和腐蚀操作;
约束单元,用于通过加入多条坐标线对经过膨胀和腐蚀操作后的皮肤区域进行约束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410228494.9A CN103985098B (zh) | 2014-05-27 | 2014-05-27 | 一种证件图像的高光去除方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410228494.9A CN103985098B (zh) | 2014-05-27 | 2014-05-27 | 一种证件图像的高光去除方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103985098A CN103985098A (zh) | 2014-08-13 |
CN103985098B true CN103985098B (zh) | 2017-02-15 |
Family
ID=51277056
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410228494.9A Active CN103985098B (zh) | 2014-05-27 | 2014-05-27 | 一种证件图像的高光去除方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103985098B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105719234B (zh) * | 2016-01-26 | 2018-12-11 | 厦门美图之家科技有限公司 | 用于人脸区域的自动去油光方法、系统及拍摄终端 |
CN106060402A (zh) * | 2016-07-06 | 2016-10-26 | 北京奇虎科技有限公司 | 一种图像数据的处理方法、装置和移动终端 |
CN106096588A (zh) * | 2016-07-06 | 2016-11-09 | 北京奇虎科技有限公司 | 一种图像数据的处理方法、装置和移动终端 |
CN106296617B (zh) * | 2016-08-22 | 2019-03-05 | 腾讯科技(深圳)有限公司 | 人脸图像的处理方法及装置 |
CN107038680B (zh) * | 2017-03-14 | 2020-10-16 | 武汉斗鱼网络科技有限公司 | 自适应光照的美颜方法及系统 |
CN107369145B (zh) * | 2017-06-16 | 2020-07-10 | Oppo广东移动通信有限公司 | 图像处理方法、装置及终端设备 |
CN107392858B (zh) * | 2017-06-16 | 2020-09-29 | Oppo广东移动通信有限公司 | 图像高光区域处理方法、装置和终端设备 |
CN107330866B (zh) * | 2017-06-16 | 2021-03-05 | Oppo广东移动通信有限公司 | 高光区域的消除方法、装置及终端 |
CN107481201A (zh) * | 2017-08-07 | 2017-12-15 | 桂林电子科技大学 | 一种基于多视角图像特征匹配的高光去除方法 |
CN107610132B (zh) * | 2017-08-28 | 2021-12-31 | 西北民族大学 | 一种古籍文档图像污渍去除方法 |
CN107832766B (zh) * | 2017-10-30 | 2021-07-23 | 北京小米移动软件有限公司 | 高光区域的确定方法、装置、设备和存储介质 |
US11798162B2 (en) * | 2018-07-16 | 2023-10-24 | Honor Device Co., Ltd. | Skin detection method and electronic device |
CN111369455B (zh) * | 2020-02-27 | 2022-03-18 | 复旦大学 | 一种基于偏振图像和机器学习的高光物件测量方法 |
CN111263074A (zh) * | 2020-03-13 | 2020-06-09 | 深圳市雄帝科技股份有限公司 | 摄像头亮度自动调节的方法、系统、设备及其存储介质 |
CN113591630A (zh) * | 2021-07-16 | 2021-11-02 | 中国图片社有限责任公司 | 一种证件照自动化处理方法、系统、终端设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1906644A1 (en) * | 2006-09-28 | 2008-04-02 | Fujitsu Ltd. | Electronic watermark embedding apparatus and electronic watermark detection apparatus |
CN102063660A (zh) * | 2010-12-28 | 2011-05-18 | 广州商景网络科技有限公司 | 电子相片采集处理方法、客户端、服务器和系统 |
CN102063659A (zh) * | 2010-12-28 | 2011-05-18 | 广州商景网络科技有限公司 | 电子相片采集制作方法、服务器和系统 |
-
2014
- 2014-05-27 CN CN201410228494.9A patent/CN103985098B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1906644A1 (en) * | 2006-09-28 | 2008-04-02 | Fujitsu Ltd. | Electronic watermark embedding apparatus and electronic watermark detection apparatus |
CN102063660A (zh) * | 2010-12-28 | 2011-05-18 | 广州商景网络科技有限公司 | 电子相片采集处理方法、客户端、服务器和系统 |
CN102063659A (zh) * | 2010-12-28 | 2011-05-18 | 广州商景网络科技有限公司 | 电子相片采集制作方法、服务器和系统 |
Non-Patent Citations (2)
Title |
---|
"Poisson Image Editing";Patrick Pérez et al;《ACM》;20030731;第22卷(第3期);第313-318页 * |
"彩色图像人脸高光区域的自动检测与校正方法";陈锻生等;《软件学报》;20031130;第14卷(第11期);第1900-1906页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103985098A (zh) | 2014-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103985098B (zh) | 一种证件图像的高光去除方法及系统 | |
CN105184779B (zh) | 一种基于快速特征金字塔的车辆多尺度跟踪方法 | |
CN102509099B (zh) | 一种图像显著区域检测方法 | |
US9053537B2 (en) | Classifier for use in generating a diffuse image | |
US8483480B2 (en) | Method and system for factoring an illumination image | |
CN105678813A (zh) | 一种肤色检测方法及装置 | |
CN109034017A (zh) | 头部姿态估计方法及机器可读存储介质 | |
CN104700421A (zh) | 一种基于canny的自适应阈值的边缘检测算法 | |
CN105160682B (zh) | 图像边缘检测方法及装置 | |
CN103440654A (zh) | 一种lcd异物缺陷检测方法 | |
US9396411B2 (en) | Method and system for generating intrinsic images using a single reflectance technique | |
CN107314957B (zh) | 一种岩石块度尺寸分布的测量方法 | |
CN103679656B (zh) | 一种图像自动锐化方法 | |
US20190266395A1 (en) | Method and device for segmenting lines in line chart | |
CN104809700B (zh) | 一种基于亮通道的低照度视频实时增强方法 | |
CN104021527B (zh) | 一种图像中雨雪的去除方法 | |
CN104331877A (zh) | 融合色调梯度的彩色图像边缘检测方法 | |
US9754155B2 (en) | Method and system for generating intrinsic images using a single reflectance technique | |
CN104881850A (zh) | 一种多时相遥感影像的厚云自动去除方法 | |
CN111489333B (zh) | 一种无参考夜间自然图像质量评价方法 | |
CN105787955A (zh) | 一种带钢缺陷的稀疏分割方法及其分割装置 | |
CN106530316B (zh) | 综合眼底图像边缘信息和亮度信息的视盘分割方法 | |
CN106529420B (zh) | 综合眼底图像边缘信息和亮度信息的视盘中心定位方法 | |
CN104966273B (zh) | 适用于光学遥感影像的dcm-htm去雾霾方法 | |
CN109345544B (zh) | 一种24色卡的色差自动分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |