CN104517265B - 智能磨皮方法和装置 - Google Patents
智能磨皮方法和装置 Download PDFInfo
- Publication number
- CN104517265B CN104517265B CN201410620937.9A CN201410620937A CN104517265B CN 104517265 B CN104517265 B CN 104517265B CN 201410620937 A CN201410620937 A CN 201410620937A CN 104517265 B CN104517265 B CN 104517265B
- Authority
- CN
- China
- Prior art keywords
- weight
- map
- gray
- mask1
- mask2
- 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)
- Image Analysis (AREA)
Abstract
本发明披露了一种智能磨皮方法,包括步骤:读取待处理的人像的原始图像;对所述原始图像做平滑滤波处理,得到滤波图像;并从所述人像原始图像中获取所述人像原始图像的灰度图;从所述灰度图中获取所述人像的高频信息图和暗部区域图;根据所述高频信息图和所述暗部区域图得到权重图;根据权重图中的权重信息合成原始图像与滤波图像,得到经磨皮的结果图像。本发明同时还披露了一种实现上述方法的智能磨皮装置。上述技术方案能够实时对人像进行智能磨皮处理,有效留存人像的脸部和毛发细节,提高磨皮效果。
Description
技术领域
本发明涉及图像处理领域,更具体地涉及一种智能磨皮方法及装置。
背景技术
随着图像处理技术的发展和人们对审美需求的不断提高,利用电子设备提供的以Photoshop为首的各类图片处理软件对照片风景或人像进行美化处理已经成为了当代人常见的选择。在人们日常生活中对图像处理最常见的需求之一就是对人脸的美化处理,人们追求的是一种在不失真的前提下尽可能将人脸变漂亮、光滑并且高质量显示图像的效果。虽然Photoshop可以完成这方面的工作,但它要求使用者对Photoshop有一定的了解,且处理工作复杂而繁琐。也基于此,近年来针对数字图像中人脸智能美化或自动美化的算法研究也层出不穷,然而现有技术中的人脸智能美化算法共有的缺点是处理速度较慢,且容易在自动处理后丢失细节特征。
发明内容
基于此,有必要提供一种快速、高效、自动的智能磨皮方法及其装置。为达到上述发明目的,发明人提供的技术方案如下:
一种智能磨皮方法,包括步骤:
读取待处理的人像的原始图像img;
对所述原始图像img做平滑滤波处理,得到滤波图像img-blur;并从所述人像原始图像img中获取所述人像原始图像的灰度图gray;
从所述灰度图gray中获取所述人像的高频信息图mask1和暗部区域图mask2;
根据所述高频信息图mask1和所述暗部区域图mask2得到权重图weight;
根据权重图weight中的权重信息合成原始图像img与滤波图像img-blur,得到经磨皮的结果图像output。
进一步地,所述的智能磨皮方法中,在步骤“根据所述高频信息图mask1和所述暗部区域图mask2得到权重图weight”后还包括步骤:从所述权重图weight中去除孤立点。
进一步地,所述的智能磨皮方法中,步骤“根据所述高频信息图mask1和所述暗部区域图mask2得到权重图weight,然后从所述权重图weight中去除孤立点”具体包括如下步骤:
设置一第三阈值alpha3;
当mask1(i,j)≥mask2(i,j)时,令weight(i,j)=mask1(i,j);
否则,令weight(i,j)=mask2(i,j);其中,i与j分别表示图像中像素点的横坐标与纵坐标;
遍历权重图weight,计算weight(i,j)与距weight(i,j)的距离为R的各像素点的值的差值,当各差值均不小于alpha3时,令weight(i,j)=0;其中R为一预设距离阈值;
对权重图weight做平滑处理。
进一步地,所述的智能磨皮方法中,步骤“根据所述高频信息图mask1和所述暗部区域图mask2得到权重图weight”具体包括:
当mask1(i,j)≥mask2(i,j)时,令weight(i,j)=mask1(i,j);
否则,令weight(i,j)=mask2(i,j);
其中,i与j分别表示图像中像素点的横坐标与纵坐标。
进一步地,所述的智能磨皮方法中,所述平滑滤波处理的算法具体包括均值滤波、高斯滤波、中值滤波、双边滤波或图像引导滤波。
进一步地,所述的智能磨皮方法中,获取高频信息图mask1的方式具体包括如下步骤:
设置检测窗口的大小size和一第一阈值alpha1;
遍历所述灰度图gray,计算以gray(i,j)为中心、窗口大小为size*size的窗口区域内像素值的方差d;若d>alpha1则令mask1(i,j)=alpha1;否则令mask1(i,j)=d;其中,i与j分别表示图像中像素点的横坐标与纵坐标;gray(i,j)为灰度图中对应坐标的像素值;
将mask1的值归一化至[0,255]区域,公式为:mask1(i,j)=255*mask1(i,j)/alpha1。
进一步地,所述的智能磨皮方法中,获取暗部区域图mask2的方式具体包括如下步骤:
设置一上限阈值max和一第二阈值alpha2;
当0≤gray(i,j)<alpha2时,令mask2(i,j)=MAX;当alpha2≤gray(i,j)<256时,令
其中,i与j分别表示图像中像素点的横坐标与纵坐标;gray(i,j)为灰度图gray中对应坐标的像素值;e为自然对数;σ为一预设参数。
进一步地,所述的智能磨皮方法中,所述步骤“根据权重图weight中的权重信息合成原始图像img与滤波图像img-blur,得到经磨皮的结果图像output”的计算公式为:
output(i,j)=img(i,j)*weight(i,j)/255+img-blur(i,j)*(1-weight(i,j)/255);
其中,i与j分别表示图像中像素点的横坐标与纵坐标。
发明人还提供了一种智能磨皮装置,包括输入单元、滤波单元、灰度图获取单元、权重图获取单元与合成单元;其中权重图获取单元又包括高频信息图获取模块以及暗部区域图获取模块;
所述输入单元用于读取待处理的人像的原始图像img;
所述滤波单元用于对所述原始图像img做平滑滤波处理,得到滤波图像img-blur;
所述灰度图获取单元用于从所述人像原始图像img中获取所述人像原始图像的灰度图gray;
所述高频信息图获取模块用于从所述灰度图gray中获取所述人像的高频信息图mask1;
所述暗部区域图获取模块用于从所述灰度图gray中获取所述人像的暗部区域图mask2;
所述权重图获取单元用于根据所述高频信息图mask1和所述暗部区域图mask2得到权重图weight;
所述合成单元用于根据权重图weight中的权重信息合成原始图像img与滤波图像img-blur,得到经磨皮的结果图像output。
进一步地,所述的智能磨皮装置中,所述权重图获取单元还包括孤立点去除模块,用于从所述权重图weight中去除孤立点。
进一步地,所述的智能磨皮装置中,权重图获取单元根据所述高频信息图mask1和所述暗部区域图mask2得到权重图weight的方式具体为:
当mask1(i,j)≥mask2(i,j)时,令weight(i,j)=mask1(i,j);
否则,令weight(i,j)=mask2(i,j);其中,i与j分别表示图像中像素点的横坐标与纵坐标;并且,
孤立点去除模块从所述权重图weight中去除孤立点的方式具体为:
设置一第三阈值alpha3;
遍历权重图weight,计算weight(i,j)与距weight(i,j)的距离为R的各像素点的值的差值,当各差值均不小于alpha3时,令weight(i,j)=0;其中R为一预设距离阈值;
对权重图weight做平滑处理。
进一步地,所述的智能磨皮装置中,权重图获取单元根据所述高频信息图mask1和所述暗部区域图mask2得到权重图weight的方式具体为:
当mask1(i,j)≥mask2(i,j)时,令weight(i,j)=mask1(i,j);
否则,令weight(i,j)=mask2(i,j);
其中,i与j分别表示图像中像素点的横坐标与纵坐标。
进一步地,所述的智能磨皮装置中,所述滤波单元做平滑滤波处理的算法具体包括均值滤波、高斯滤波、中值滤波、双边滤波或图像引导滤波。
进一步地,所述的智能磨皮装置中,高频信息图获取模块获取高频信息图mask1的方式具体包括如下步骤:
设置检测窗口的大小size和一第一阈值alpha1;
遍历所述灰度图gray,计算以gray(i,j)为中心、窗口大小为size*size的窗口区域内像素值的方差d;若d>alpha1则令mask1(i,j)=alpha1;否则令mask1(i,j)=d;其中,i与j分别表示图像中像素点的横坐标与纵坐标;gray(i,j)为灰度图中对应坐标的像素值;
将mask1的值归一化至[0,255]区域,公式为:mask1(i,j)=255*mask1(i,j)/alpha1。
进一步地,所述的智能磨皮装置中,暗部区域图获取模块获取暗部区域图mask2的方式具体包括如下步骤:
设置一上限阈值max和一第二阈值alpha2;
当0≤gray(i,j)<alpha2时,令mask2(i,j)=MAX;当alpha2≤gray(i,j)<256时,令
其中,i与j分别表示图像中像素点的横坐标与纵坐标;gray(i,j)为灰度图gray中对应坐标的像素值;e为自然对数;σ为一预设参数。
进一步地,所述的智能磨皮装置中,合成单元根据权重图weight中的权重信息合成原始图像img与滤波图像img-blur,得到经磨皮的结果图像output的计算公式为:
output(i,j)=img(i,j)*weight(i,j)/255+img-blur(i,j)*(1-weight(i,j)/255);
其中,i与j分别表示图像中像素点的横坐标与纵坐标。
区别于现有技术,上述技术方案能够实时、快速、高效地对人像进行智能磨皮处理,有效留存人像的脸部和毛发细节,提高磨皮效果。
附图说明
图1为本发明一实施方式所述智能磨皮方法的流程图;
图2为本发明一实施方式所述智能磨皮装置的结构示意图。
附图标记说明:
1-输入单元
2-滤波单元
3-灰度图获取单元
4-权重图获取单元;41-高频信息图获取模块;42-暗部区域图获取模块;43-孤立点去除模块
5-合成单元
具体实施方式
为详细说明技术方案的技术内容、构造特征、所实现目的及效果,以下结合具体实施例并配合附图详予说明。
请参阅图1,为本发明一实施方式所述智能磨皮方法的流程图;所述方法包括下述步骤:
S1、读取待处理的人像的原始图像img;
S2、对所述原始图像img做平滑滤波处理,得到滤波图像img-blur;
本实施方式中,对所述原始图像img做平滑滤波处理的算法为图像引导滤波(Image Guided Filter)算法。在其他实施方式中,所述平滑滤波处理的算法还可以是均值滤波、高斯滤波、中值滤波或双边滤波等滤波算法。实际 上,本实施方式所提供的ImageGuided Filter方式在应用于本发明整体技术方案时,保留人脸细部细节的效果要优于其他滤波算法。
本步骤所执行的平滑滤波实际上就是对原始图像进行全面磨皮处理,得到的结果将作为后期合成输出图像时的依据之一。
S3、从所述人像原始图像img中获取所述人像原始图像的灰度图gray;
S4、从所述灰度图gray中获取所述人像的高频信息图mask1;
本步骤又具体包括以下步骤:
设置检测窗口的大小size和一第一阈值alpha1;
遍历所述灰度图gray,计算以gray(i,j)为中心、窗口大小为size*size的窗口区域内像素值的方差d;若d>alpha1则令mask1(i,j)=alpha1;否则令mask1(i,j)=d;其中,i与j分别表示图像中像素点的横坐标与纵坐标;gray(i,j)为灰度图中对应坐标的像素值;
将mask1的值归一化至[0,255]区域,公式为:mask1(i,j)=255*mask1(i,j)/alpha1。
高频信息图所包括的信息实际上反映了灰度图gray中各个区域的平滑程度,它的作用是通过根据区域的频率信息判断某区域是否是需保留的图形细节。据此,可以提取出毛发、五官等细节部分,以使在对人脸进行磨皮时,可以根据高频信息图保护这些细节部分不被磨皮处理所破坏而失真。
本实施方式中,获取高频信息图的思想本质是提取图像边缘信息丰富的区域并认定该区域为非皮肤区域,采用的方式是利用方差反映图像中的这类边缘纹理丰富的区域,并因此特点而将其命名为高频信息图。实际上,在其他实施方式中,还可以采用其他类似的算法提取图像边缘纹理丰富的区域,如高反差保留法等,其基本思想是将图像中颜色或明暗反差较大的交界处保留下来以获取图像的边缘、纹理信息丰富的区域。
S5、从所述灰度图gray中获取所述人像的暗部区域图mask2;
本步骤又具体包括以下步骤:
设置一上限阈值max和一第二阈值alpha2;
当0≤gray(i,j)<alpha2时,令mask2(i,j)=MAX;当alpha2≤gray(i,j)<256时,令
其中,i与j分别表示图像中像素点的横坐标与纵坐标;gray(i,j)为灰度图gray中对应坐标的像素值;e为自然对数;σ为一预设参数。
此处暗部区域图主要包括了人的头发或图像背景等明显暗于人脸皮肤,所以被判定为非皮肤区域、不需磨皮的部分。在本实施方式所述方法执行磨皮时,根据暗部区域图避开这些部分,使其不被磨皮处理所破坏而失真。
本实施方式中,对暗部区域的提取算法的核心思想是提取暗部区域后对明暗交界处进行平滑处理,这样不仅能提取暗部区域,还能令明暗区域交界处实现平滑过渡,达到更好的视觉效果。事实上,在其他实施方式中,也可以采取类似于提取暗部区域目的的其他算法进行本步骤所述的提取暗部区域图操作,如直接对亮度小于一定阈值的区域进行截断,将小于该阈值的区域认为是暗部区域。
步骤S3-S5所实现的效果实际上是区分人脸的皮肤部分(即待磨皮区域)和非皮肤部分(即不需磨皮的区域),并获取二者的权重关系,这样可以实现在实际执行磨皮处理时对皮肤部分执行磨皮而对非皮肤部分不执行磨皮,从而保护了不需磨皮的部分的细节不被磨皮破坏。
S6、根据所述高频信息图mask1和所述暗部区域图mask2得到权重图weight;
本步骤又具体包括以下步骤:
当mask1(i,j)≥mask2(i,j)时,令weight(i,j)=mask1(i,j);
否则,令weight(i,j)=mask2(i,j);其中,i与j分别表示图像中像素点的横坐标与纵坐标。
S7、从所述权重图weight中去除孤立点;
本步骤又具体包括以下步骤:
设置一第三阈值alpha3;
当mask1(i,j)≥mask2(i,j)时,令weight(i,j)=mask1(i,j);
否则,令weight(i,j)=mask2(i,j);其中,i与j分别表示图像中像素点的横坐标与纵坐标;
遍历权重图weight,计算weight(i,j)与距weight(i,j)的距离为R的各像素点的值的差值,当各差值均不小于alpha3时,令weight(i,j)=0;其中R为一预设距离阈值;
对权重图weight做平滑处理。
实际上,步骤S6所获取的权重图结合了高频信息图和暗部区域图的信息,反映了对一个区域属于皮肤或不属于皮肤的可能性的大小判断,利用其能够有效避免人脸细节、毛发或背景等非皮肤区域被磨皮处理而失真,同时又使处理后的人脸显得光滑细致。然而,实际人像照片中往往存在雀斑、暗斑、青春痘等瑕疵,所以在本实施方式中还包括了这一孤立点去除的步骤,在磨皮操作时将这些孤立点视为待磨皮区域而进行磨皮,从而去除这些瑕疵。当然,在其他某些实施方式中,应操作者需求的不同,当不需要去除斑点等瑕疵时,也可以省略步骤S6。
在某些优选的实施方式中,孤立点去除步骤还包括根据孤立点区域的图像特征判断孤立点类型,并去除预设类型的孤立点。例如,不同类型的皮肤瑕疵其颜色深浅、形状、瑕疵部位颜色均匀度有所差别,在判断孤立点类型时可以根据这些不同的可量化的图像特征判别其类型并据此选择去除与否。
S8、根据权重图weight中的权重信息合成原始图像img与滤波图像img-blur,得到经磨皮的结果图像output。
实现本步骤合成的计算公式为:
output(i,j)=img(i,j)*weight(i,j)/255+img-blur(i,j)*(1-weight(i,j)/255);其中, i与j分别表示图像中像素点的横坐标与纵坐标。实际上,除了本实施方式所阐述的计算公式之外,在其他实施方式中,还可以使用其他合理利用权重图weight中的权重信息以分别从原始图像img与滤波图像img-blur中获取受保护的未磨皮图像以及经磨皮图像的计算方法。
另外,本实施方式所述方法中,步骤S2实际上可以在步骤S1与步骤S8之间的任何时间节点进行;以及,步骤S4与步骤S5为根据灰度图gray所做的分别处理,因而二者实际可并行或先后进行且先后关系不限。
本实施方式提供的技术方案能够实时对人像进行智能磨皮处理,有效留存人像的脸部和毛发细节,提高磨皮效果。
请参阅图2,为本发明一实施方式所述智能磨皮装置的结构示意图。所述装置包括输入单元1、滤波单元2、灰度图获取单元3、权重图获取单元4与合成单元5;其中权重图获取单元4又包括高频信息图获取模块41以及暗部区域图获取模块42;
所述输入单元1用于读取待处理的人像的原始图像img;
所述滤波单元2用于对所述原始图像img做平滑滤波处理,得到滤波图像img-blur;本实施方式中,所述滤波单元做平滑滤波处理的算法为为图像引导滤波(ImageGuided Filter)算法。在其他实施方式中,所述平滑滤波处理的算法还可以是均值滤波、高斯滤波、中值滤波或双边滤波等滤波算法。实际上,本实施方式所提供的Image GuidedFilter方式在应用于本发明整体技术方案时,保留人脸细部细节的效果要优于其他滤波算法。
所述灰度图获取单元3用于从所述人像原始图像img中获取所述人像原始图像的灰度图gray;
所述高频信息图获取模块4用于从所述灰度图gray中获取所述人像的高频信息图mask1;其方式具体包括如下步骤:
设置检测窗口的大小size和一第一阈值alpha1;
遍历所述灰度图gray,计算以gray(i,j)为中心、窗口大小为size*size的窗 口区域内像素值的方差d;若d>alpha1则令mask1(i,j)=alpha1;否则令mask1(i,j)=d;其中,i与j分别表示图像中像素点的横坐标与纵坐标;gray(i,j)为灰度图中对应坐标的像素值;
将mask1的值归一化至[0,255]区域,公式为:mask1(i,j)=255*mask1(i,j)/alpha1。
高频信息图所包括的信息实际上反映了灰度图gray中各个区域的平滑程度,它的作用是通过根据区域的频率信息判断某区域是否是需保留的图形细节。据此,可以提取出毛发、五官等细节部分,以使在对人脸进行磨皮时,可以根据高频信息图保护这些细节部分不被磨皮处理所破坏而失真。
本实施方式中,获取高频信息图的思想本质是提取图像边缘信息丰富的区域并认定该区域为非皮肤区域,采用的方式是利用方差反映图像中的这类边缘纹理丰富的区域,并因此特点而将其命名为高频信息图。实际上,在其他实施方式中,还可以采用其他类似的算法提取图像边缘纹理丰富的区域,如高反差保留法等,其基本思想是将图像中颜色或明暗反差较大的交界处保留下来以获取图像的边缘、纹理信息丰富的区域。
所述暗部区域图获取模块42用于从所述灰度图gray中获取所述人像的暗部区域图mask2,其方式具体包括如下步骤:
设置一上限阈值max和一第二阈值alpha2;
当0≤gray(i,j)<alpha2时,令mask2(i,j)=MAX;当alpha2≤gray(i,j)<256时,令
其中,i与j分别表示图像中像素点的横坐标与纵坐标;gray(i,j)为灰度图gray中对应坐标的像素值;e为自然对数;σ为一预设参数。
此处暗部区域图主要包括了人的头发或图像背景等明显暗于人脸皮肤,所以被判定为非皮肤区域、不需磨皮的部分。在本实施方式所述方法执行磨 皮时,根据暗部区域图避开这些部分,使其不被磨皮处理所破坏而失真。
本实施方式中,对暗部区域的提取算法的核心思想是提取暗部区域后对明暗交界处进行平滑处理,这样不仅能提取暗部区域,还能令明暗区域交界处实现平滑过渡,达到更好的视觉效果。事实上,在其他实施方式中,也可以采取类似于提取暗部区域目的的其他算法进行本步骤所述的提取暗部区域图操作,如直接对亮度小于一定阈值的区域进行截断,将小于该阈值的区域认为是暗部区域。
高频信息图获取模块41以及暗部区域图获取模块42所实现的效果实际上是区分人脸的皮肤部分(即待磨皮区域)和非皮肤部分(即不需磨皮的区域),并获取二者的权重关系,这样可以实现在实际执行磨皮处理时对皮肤部分执行磨皮而对非皮肤部分不执行磨皮,从而保护了不需磨皮的部分的细节不被磨皮破坏。
所述权重图获取单元4用于根据所述高频信息图mask1和所述暗部区域图mask2得到权重图weight,其方式具体为:
当mask1(i,j)≥mask2(i,j)时,令weight(i,j)=mask1(i,j);
否则,令weight(i,j)=mask2(i,j);其中,i与j分别表示图像中像素点的横坐标与纵坐标。
进一步地,所述权重图获取单元4还包括孤立点去除模块43,用于从所述权重图weight中去除孤立点。方式具体为:设置一第三阈值alpha3;
遍历权重图weight,计算weight(i,j)与距weight(i,j)的距离为R的各像素点的值的差值,当各差值均不小于alpha3时,令weight(i,j)=0;其中R为一预设距离阈值;
对权重图weight做平滑处理。
在某些优选的实施方式中,孤立点去除模块43去除孤立点的方式还包括根据孤立点区域的图像特征判断孤立点类型,并去除预设类型的孤立点。例如,不同类型的皮肤瑕疵其颜色深浅、形状、瑕疵部位颜色均匀度有所差别, 在判断孤立点类型时可以根据这些不同的可量化的图像特征判别其类型并据此选择去除与否。
权重图获取单元4所获取的权重图结合了高频信息图和暗部区域图的信息,反映了对一个区域属于皮肤或不属于皮肤的可能性的大小判断,利用其能够有效避免人脸细节、毛发或背景等非皮肤区域被磨皮处理而失真,同时又使处理后的人脸显得光滑细致。然而,实际人像照片中往往存在雀斑、暗斑、青春痘等瑕疵,所以在本实施方式中还包括了在磨皮操作时将这些孤立点视为待磨皮区域而进行磨皮,实现除去瑕疵的效果。当然,在其他某些实施方式中,应操作者需求的不同,当不需要去除斑点等瑕疵时,也可以省略孤立点去除模块43及其功能。
所述合成单元5用于根据权重图weight中的权重信息合成原始图像img与滤波图像img-blur,得到经磨皮的结果图像output,计算公式为:
output(i,j)=img(i,j)*weight(i,j)/255+img-blur(i,j)*(1-weight(i,j)/255)。
实际上,除了本实施方式所阐述的计算公式之外,在其他实施方式中,合成单元5还可以使用其他合理利用权重图weight中的权重信息以分别从原始图像img与滤波图像img-blur中获取受保护的未磨皮图像以及经磨皮图像的计算方法。
本实施方式提供的技术方案能够实时对人像进行智能磨皮处理,有效留存人像的脸部和毛发细节,提高磨皮效果。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括……”或“包含……” 限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的要素。此外,在本文中,“大于”、“小于”、“超过”等理解为不包括本数;“以上”、“以下”、“以内”等理解为包括本数。
本领域内的技术人员应明白,上述各实施例可提供为方法、装置、或计算机程序产品。这些实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。上述各实施例涉及的方法中的全部或部分步骤可以通过程序来指令相关的硬件来完成,所述的程序可以存储于计算机设备可读取的存储介质中,用于执行上述各实施例方法所述的全部或部分步骤。所述计算机设备,包括但不限于:个人计算机、服务器、通用计算机、专用计算机、网络设备、嵌入式设备、可编程设备、智能移动终端、智能家居设备、穿戴式智能设备、车载智能设备等;所述的存储介质,包括但不限于:RAM、ROM、磁碟、磁带、光盘、闪存、U盘、移动硬盘、存储卡、记忆棒、网络服务器存储、网络云存储等。
上述各实施例是参照根据实施例所述的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到计算机设备的处理器以产生一个机器,使得通过计算机设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机设备以特定方式工作的计算机设备可读存储器中,使得存储在该计算机设备可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机设备上,使得在计算机设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机设备上执行的指 令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已经对上述各实施例进行了描述,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改,所以以上所述仅为本发明的实施例,并非因此限制本发明的专利保护范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围之内。
Claims (14)
1.一种智能磨皮方法,包括步骤:
读取待处理的人像的原始图像img;
对所述原始图像img做平滑滤波处理,得到滤波图像img-blur;并从所述人像原始图像img中获取所述人像原始图像的灰度图gray;
从所述灰度图gray中获取所述人像的高频信息图mask1和暗部区域图mask2,所述暗部区域图包括暗于人脸皮肤的部分;
根据所述高频信息图mask1和所述暗部区域图mask2得到权重图weight;
步骤“根据所述高频信息图mask1和所述暗部区域图mask2得到权重图weight”包括:
当mask1(i,j)≥mask2(i,j)时,令weight(i,j)=mask1(i,j);
否则,令weight(i,j)=mask2(i,j);
其中,i与j分别表示图像中像素点的横坐标与纵坐标;
根据权重图weight中的权重信息合成原始图像img与滤波图像img-blur,得到经磨皮的结果图像output。
2.如权利要求1所述的智能磨皮方法中,在步骤“根据所述高频信息图mask1和所述暗部区域图mask2得到权重图weight”后还包括步骤:从所述权重图weight中去除孤立点。
3.如权利要求2所述的智能磨皮方法中,步骤“根据所述高频信息图mask1和所述暗部区域图mask2得到权重图weight,然后从所述权重图weight中去除孤立点”具体包括如下步骤:
设置一第三阈值alpha3;
当mask1(i,j)≥mask2(i,j)时,令weight(i,j)=mask1(i,j);
否则,令weight(i,j)=mask2(i,j);其中,i与j分别表示图像中像素点的横坐标与纵坐标;
遍历权重图weight,计算weight(i,j)与距weight(i,j)的距离为R的各像素点的值的差值,当各差值均不小于alpha3时,令weight(i,j)=0;其中R为一预设距离阈值;
对权重图weight做平滑处理。
4.如权利要求1或2所述的智能磨皮方法中,所述平滑滤波处理的算法具体包括均值滤波、高斯滤波、中值滤波、双边滤波或图像引导滤波。
5.如权利要求1或2所述的智能磨皮方法中,获取高频信息图mask1的方式具体包括如下步骤:
设置检测窗口的大小size和一第一阈值alpha1;
遍历所述灰度图gray,计算以gray(i,j)为中心、窗口大小为size*size的窗口区域内像素值的方差d;若d>alpha1则令mask1(i,j)=alpha1;否则令mask1(i,j)=d;其中,i与j分别表示图像中像素点的横坐标与纵坐标;gray(i,j)为灰度图中对应坐标的像素值;
将mask1的值归一化至[0,255]区域,公式为:mask1(i,j)=255*mask1(i,j)/alpha1。
6.如权利要求1或2所述的智能磨皮方法中,获取暗部区域图mask2的方式具体包括如下步骤:
设置一上限阈值max和一第二阈值alpha2;
当0≤gray(i,j)<alpha2时,令mask2(i,j)=MAX;当alpha2≤gray(i,j)<256时,令
其中,i与j分别表示图像中像素点的横坐标与纵坐标;gray(i,j)为灰度图gray中对应坐标的像素值;e为自然对数;σ为一预设参数。
7.如权利要求1或2所述的智能磨皮方法中,所述步骤“根据权重图weight中的权重信息合成原始图像img与滤波图像img-blur,得到经磨皮的结果图像output”的计算公式为:
output(i,j)=img(i,j)*weight(i,j)/255+img-blur(i,j)*(1-weight(i,j)/255);
其中,i与j分别表示图像中像素点的横坐标与纵坐标。
8.一种智能磨皮装置,包括输入单元、滤波单元、灰度图获取单元、权重图获取单元与合成单元;其中权重图获取单元又包括高频信息图获取模块以及暗部区域图获取模块;
所述输入单元用于读取待处理的人像的原始图像img;
所述滤波单元用于对所述原始图像img做平滑滤波处理,得到滤波图像img-blur;
所述灰度图获取单元用于从所述人像原始图像img中获取所述人像原始图像的灰度图gray;
所述高频信息图获取模块用于从所述灰度图gray中获取所述人像的高频信息图mask1;
所述暗部区域图获取模块用于从所述灰度图gray中获取所述人像的暗部区域图mask2;所述暗部区域图包括暗于人脸皮肤的部分;
所述权重图获取单元用于根据所述高频信息图mask1和所述暗部区域图mask2得到权重图weight;权重图获取单元根据所述高频信息图mask1和所述暗部区域图mask2得到权重图weight的方式具体为:
当mask1(i,j)≥mask2(i,j)时,令weight(i,j)=mask1(i,j);
否则,令weight(i,j)=mask2(i,j);
其中,i与j分别表示图像中像素点的横坐标与纵坐标;
所述合成单元用于根据权重图weight中的权重信息合成原始图像img与滤波图像img-blur,得到经磨皮的结果图像output。
9.如权利要求8所述的智能磨皮装置中,所述权重图获取单元还包括孤立点去除模块,用于从所述权重图weight中去除孤立点。
10.如权利要求9所述的智能磨皮装置中,权重图获取单元根据所述高频信息图mask1和所述暗部区域图mask2得到权重图weight的方式具体为:
当mask1(i,j)≥mask2(i,j)时,令weight(i,j)=mask1(i,j);
否则,令weight(i,j)=mask2(i,j);其中,i与j分别表示图像中像素点的横坐标与纵坐标;并且,
孤立点去除模块从所述权重图weight中去除孤立点的方式具体为:
设置一第三阈值alpha3;
遍历权重图weight,计算weight(i,j)与距weight(i,j)的距离为R的各像素点的值的差值,当各差值均不小于alpha3时,令weight(i,j)=0;其中R为一预设距离阈值;
对权重图weight做平滑处理。
11.如权利要求8或9所述的智能磨皮装置中,所述滤波单元做平滑滤波处理的算法具体包括均值滤波、高斯滤波、中值滤波、双边滤波或图像引导滤波。
12.如权利要求8或9所述的智能磨皮装置中,高频信息图获取模块获取高频信息图mask1的方式具体包括如下步骤:
设置检测窗口的大小size和一第一阈值alpha1;
遍历所述灰度图gray,计算以gray(i,j)为中心、窗口大小为size*size的窗口区域内像素值的方差d;若d>alpha1则令mask1(i,j)=alpha1;否则令mask1(i,j)=d;其中,i与j分别表示图像中像素点的横坐标与纵坐标;gray(i,j)为灰度图中对应坐标的像素值;
将mask1的值归一化至[0,255]区域,公式为:mask1(i,j)=255*mask1(i,j)/alpha1。
13.如权利要求8或9所述的智能磨皮装置中,暗部区域图获取模块获取暗部区域图mask2的方式具体包括如下步骤:
设置一上限阈值max和一第二阈值alpha2;
当0≤gray(i,j)<alpha2时,令mask2(i,j)=MAX;当alpha2≤gray(i,j)<256时,令
其中,i与j分别表示图像中像素点的横坐标与纵坐标;gray(i,j)为灰度图gray中对应坐标的像素值;e为自然对数;σ为一预设参数。
14.如权利要求8或9所述的智能磨皮装置中,合成单元根据权重图weight中的权重信息合成原始图像img与滤波图像img-blur,得到经磨皮的结果图像output的计算公式为:
output(i,j)=img(i,j)*weight(i,j)/255+img-blur(i,j)*(1-weight(i,j)/255);
其中,i与j分别表示图像中像素点的横坐标与纵坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410620937.9A CN104517265B (zh) | 2014-11-06 | 2014-11-06 | 智能磨皮方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410620937.9A CN104517265B (zh) | 2014-11-06 | 2014-11-06 | 智能磨皮方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104517265A CN104517265A (zh) | 2015-04-15 |
CN104517265B true CN104517265B (zh) | 2017-06-13 |
Family
ID=52792515
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410620937.9A Active CN104517265B (zh) | 2014-11-06 | 2014-11-06 | 智能磨皮方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104517265B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106296590B (zh) * | 2015-05-11 | 2019-05-07 | 福建天晴数码有限公司 | 皮肤粗糙度自适应磨皮方法、系统及客户端 |
CN105243371B (zh) * | 2015-10-23 | 2018-12-11 | 厦门美图之家科技有限公司 | 一种人脸美颜程度的检测方法、系统及拍摄终端 |
CN105631417B (zh) * | 2015-12-24 | 2018-11-09 | 武汉鸿瑞达信息技术有限公司 | 应用于互联网视频直播的视频美化系统及方法 |
CN107369133B (zh) * | 2016-05-13 | 2020-04-07 | 炬芯(珠海)科技有限公司 | 一种人脸图像美化方法和装置 |
CN105956576A (zh) * | 2016-05-18 | 2016-09-21 | 广东欧珀移动通信有限公司 | 一种图像美颜方法、装置及移动终端 |
CN106600556A (zh) * | 2016-12-16 | 2017-04-26 | 合网络技术(北京)有限公司 | 图像处理方法及装置 |
CN107392099B (zh) * | 2017-06-16 | 2020-01-10 | Oppo广东移动通信有限公司 | 提取头发细节信息的方法、装置及终端设备 |
CN107358573A (zh) * | 2017-06-16 | 2017-11-17 | 广东欧珀移动通信有限公司 | 图像美颜处理方法和装置 |
CN107341774A (zh) * | 2017-06-16 | 2017-11-10 | 广东欧珀移动通信有限公司 | 人脸图像美颜处理方法及装置 |
CN107256543B (zh) * | 2017-06-21 | 2020-10-02 | 深圳市万普拉斯科技有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN108230331A (zh) * | 2017-09-30 | 2018-06-29 | 深圳市商汤科技有限公司 | 图像处理方法和装置、电子设备、计算机存储介质 |
CN107911576A (zh) * | 2017-11-01 | 2018-04-13 | 北京小米移动软件有限公司 | 图像处理方法、装置和存储介质 |
CN107798654B (zh) * | 2017-11-13 | 2022-04-26 | 北京小米移动软件有限公司 | 图像磨皮方法及装置、存储介质 |
CN108346128B (zh) * | 2018-01-08 | 2021-11-23 | 北京美摄网络科技有限公司 | 一种美颜磨皮的方法和装置 |
CN109741269B (zh) * | 2018-12-07 | 2020-11-24 | 广州华多网络科技有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
CN111462003B (zh) * | 2020-03-20 | 2022-08-23 | 稿定(厦门)科技有限公司 | 人脸图像处理方法、介质、设备及装置 |
CN112258440B (zh) * | 2020-10-29 | 2024-01-02 | 北京达佳互联信息技术有限公司 | 图像处理方法、装置、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101447072A (zh) * | 2009-01-06 | 2009-06-03 | 覃征 | 基于金字塔形的经验模态分解图像融合方法 |
CN103035019A (zh) * | 2012-12-11 | 2013-04-10 | 深圳深讯和科技有限公司 | 图像处理方法及装置 |
CN103617638A (zh) * | 2013-12-05 | 2014-03-05 | 北京京东尚科信息技术有限公司 | 图像处理的方法及装置 |
-
2014
- 2014-11-06 CN CN201410620937.9A patent/CN104517265B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101447072A (zh) * | 2009-01-06 | 2009-06-03 | 覃征 | 基于金字塔形的经验模态分解图像融合方法 |
CN103035019A (zh) * | 2012-12-11 | 2013-04-10 | 深圳深讯和科技有限公司 | 图像处理方法及装置 |
CN103617638A (zh) * | 2013-12-05 | 2014-03-05 | 北京京东尚科信息技术有限公司 | 图像处理的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN104517265A (zh) | 2015-04-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104517265B (zh) | 智能磨皮方法和装置 | |
JP7490141B2 (ja) | 画像検出方法、モデルトレーニング方法、画像検出装置、トレーニング装置、機器及びプログラム | |
CN111507994A (zh) | 一种人像提取方法、人像提取装置及移动终端 | |
CN106650615B (zh) | 一种图像处理方法及终端 | |
CN109064390A (zh) | 一种图像处理方法、图像处理装置及移动终端 | |
Fang et al. | Single image dehazing and denoising with variational method | |
CN104658030B (zh) | 二次图像混合的方法和装置 | |
CN107172354A (zh) | 视频处理方法、装置、电子设备及存储介质 | |
CN107395958A (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
CN103871014B (zh) | 改变图像颜色的方法及装置 | |
CN107256543A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN107749062A (zh) | 图像处理方法、及装置 | |
CN111723714B (zh) | 识别人脸图像真伪的方法、装置及介质 | |
CN111860369A (zh) | 一种欺诈识别方法、装置以及存储介质 | |
CN107194869A (zh) | 一种图像处理方法及终端、计算机存储介质、计算机设备 | |
CN106709431A (zh) | 虹膜识别方法及装置 | |
CN107578375A (zh) | 图像处理方法及装置 | |
CN113344837B (zh) | 人脸图像处理方法及装置、计算机可读存储介质、终端 | |
US20240013358A1 (en) | Method and device for processing portrait image, electronic equipment, and storage medium | |
CN106683129B (zh) | 一种基于双边核回归的相对约减纹理分解方法及其装置 | |
CN113052923A (zh) | 色调映射方法、装置、电子设备和存储介质 | |
CN114862729A (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
CN112434587A (zh) | 一种图像处理方法及装置、存储介质 | |
CN111814738A (zh) | 基于人工智能的人脸识别方法、装置、计算机设备及介质 | |
CN110298807A (zh) | 基于改进Retinex及量子菌群算法的NSCT域红外图像增强方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |