CN104599297B - 一种对人脸自动上腮红的图像处理方法 - Google Patents

一种对人脸自动上腮红的图像处理方法 Download PDF

Info

Publication number
CN104599297B
CN104599297B CN201310530913.XA CN201310530913A CN104599297B CN 104599297 B CN104599297 B CN 104599297B CN 201310530913 A CN201310530913 A CN 201310530913A CN 104599297 B CN104599297 B CN 104599297B
Authority
CN
China
Prior art keywords
skin
blush
color
value
face
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
Application number
CN201310530913.XA
Other languages
English (en)
Other versions
CN104599297A (zh
Inventor
张伟
傅松林
许清泉
张长定
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
XIAMEN MEITUWANG TECHNOLOGY Co Ltd
Original Assignee
XIAMEN MEITUWANG TECHNOLOGY Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by XIAMEN MEITUWANG TECHNOLOGY Co Ltd filed Critical XIAMEN MEITUWANG TECHNOLOGY Co Ltd
Priority to CN201310530913.XA priority Critical patent/CN104599297B/zh
Publication of CN104599297A publication Critical patent/CN104599297A/zh
Application granted granted Critical
Publication of CN104599297B publication Critical patent/CN104599297B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Image Processing (AREA)

Abstract

本发明公开了一种对人脸自动上腮红的图像处理方法,其通过对原始图像进行人脸检测,一方面进行肤色识别并计算人脸区域的皮肤均色以得出需要的腮红颜色,另一方面进行特征点定位并结合肤色识别结果得出需要上腮红的位置,从而实现智能、自动的对原始图像进行上腮红处理得到新图像,不仅操作便捷、效果好,而且同时适用于正脸和侧脸的自动上腮红操作。

Description

一种对人脸自动上腮红的图像处理方法
技术领域
本发明涉及一种图像处理方法,特别是一种可对人脸自动上腮红的图像处理方法。
背景技术
随着便携设备的普及,各种设备包括手机、平板电脑中也随之大量地应用了摄像装置,使用户拍摄照片的门槛大大降低,各种和生活有关的拍摄可以通过简单的操作完成,具有十分便利的特点。特别是对个人的自拍,已成为我们日常生活中常见的行为,甚至已经作为一种社交的技术手段。这类针对人像,特别是脸谱的拍摄,通常需要自拍后对图像进行调整和美化。这类操作比较常见的一种就是为人脸上一些腮红,使面颊呈现健康红润的颜色。
虽然现在的图像处理软件很多都可以满足用户的大部分需求,具备涂抹腮红的功能,但是现有的涂抹腮红的操作仍然步骤繁多,不够便利和快速,并且效果不易控制,容易失真。如此,如何尽量少地让用户操作,如何更智能、快速地使面颊呈现健康红润的颜色,成为一个亟待解决的问题。
发明内容
本发明为解决上述问题,提供了一种操作便捷,且智能、快速地自动上腮红的图像处理方法。
为实现上述目的,本发明采用的技术方案为:
一种对人脸自动上腮红的图像处理方法,其特征在于,包括以下步骤:
10.接收原始图像;
20.对原始图像进行人脸检测:如果检测到人脸,进行特征点定位,并执行步骤30,否则结束;
30.进行肤色识别并计算人脸区域的皮肤均色,再根据皮肤均色计算需要的腮红颜色;
40.根据定位到的特征点以及肤色识别的结果计算需要上腮红的位置;
50.根据步骤40中的需要上腮红的位置与步骤30中的需要的腮红颜色对原始图像进行智能地上腮红处理,得到新图像。
作为一种较佳的实施例,所述步骤20中的特征点定位主要是采用STASM方式得到人脸的眼睛和鼻子的具体位置信息。
作为一种较佳的实施例,所述步骤30中计算人脸区域的皮肤均色,其方法如下:
31.初始化原始皮肤模型;
32.计算整个图像的颜色均值,作为初始皮肤的阈值;
33.根据步骤32获取得的初始皮肤的阈值计算人脸区域的平均肤色。
作为一种较佳的实施例,所述步骤31中初始化原始皮肤模型的步骤如下:
311.创建肤色模型,大小为256*256;
312.依次对肤色模型进行赋值,具体伪代码如下;
作为一种较佳的实施例,所述步骤32进一步包括:
321.遍历整个图像的像素点,将红色通道、绿色通道、蓝色通道的颜色值累加,得到颜色累加值;
322.将颜色累加值除以像素点的总数,得到红色通道、绿色通道、蓝色通道的均值,作为初始皮肤的阈值。
作为一种较佳的实施例,步骤33进一步包括:
331.根据如下公式计算平均肤色的黑白值:
GRAY1=0.299*RED+0.587*GREEN+0.114*BLUE
其中,GRAY1为灰度图的当前像素点的灰度值;RED、GREEN、BLUE分别为图像的当前像素点的红、绿、蓝通道的颜色值;
332.将步骤331中的黑白值作为阈值,用来排除人脸区域非皮肤的部分;
并依次遍历人脸区域里的像素点的颜色值,根据如下公式获得平均肤色:
skin=SkinModel[red][blue];
其中,skin为经过皮肤模型的颜色映射后的皮肤值;SkinModel为步骤31的初始化原始皮肤模型;red为红色通道的颜色值;blue为蓝色通道的颜色值。
作为一种较佳的实施例,步骤40中根据定位到的特征点以及肤色识别的结果计算需要上腮红的位置,主要是利用眼睛和鼻子的位置,通过以下公式得到需要上腮红的中心位置与半径的长度,然后利用圆形渐变,绘制一个渐变圆形成腮红:
X=eyeX:
Y=(noseY-eyeY)*0.5+eyeY:
其中,X,Y为要上腮红的中心点坐标;eyeX为眼睛在水平方向的坐标;eyeY为眼睛在竖直方向的坐标;noseY为鼻子在竖直方向的坐标;
并且以该坐标为中心向外扩张,通过肤色识别判断周围的点是否为皮肤的颜色,如果是的话,则继续向外,直到到达鼻子的位置为止;如果不是皮肤的话,则停止,并且记录该点为需要要上腮红的半径。
作为一种较佳的实施例,所述通过肤色识别判断周围的点是否为皮肤的颜色的方法为:
41.根据步骤30计算的人脸区域的皮肤均色计算当前图像的肤色概率映射表;
42.根据所述肤色概率映射表对当前图像进行肤色识别,并获得当前图像的肤色概率的结果图。
作为一种较佳的实施例,所述肤色概率映射表通过以下步骤获取:
411.创建肤色概率映射表,大小为256*256;
412.依次对肤色概率映射表进行赋值,具体伪代码如下:
其中,SkinRed和SkinBlue为所述步骤322中获取的红色通道和蓝色通道的均值。
作为一种较佳的实施例,所述步骤42中获得当前图像的肤色概率的结果图是通过以下公式实现:skinColor=SkinProbability[red][blue]
其中,skinColor为结果图的肤色概率值;SkinProbability为肤色概率映射表;red为像素点的红色通道的颜色值;blue为像素点的蓝色通道的颜色值。
作为一种较佳的实施例,所述步骤30中根据皮肤均色计算需要的腮红颜色,主要是利用均色与预设颜色值进行滤色处理,滤色的公式为:
result=255-(255-base)*(255-avg)/255;
其中,result为需要的腮红颜色;base为预设的颜色值;avg为皮肤均色。其中预设颜色的范围:红色通道与蓝色通道都从220到255之间;绿色通道从80到160之间。
作为一种较佳的实施例,所述步骤50中根据步骤40中计算的需要上腮红的位置与步骤30中计算的需要的腮红颜色对原始图像进行智能地上腮红处理,主要是在所绘制的渐变圆对原始图像进行上腮红处理:
alpha=rat*maskColor;
resultColor=oralColor*(1.0-alpha)+alpha*tempColor;
其中resultColor为计算得到的上腮红后的颜色值;oralColor为像素点的初始颜色值;maskColor为所绘制的渐变圆的生成图的像素点的颜色值;rat为上腮红的透明度,范围从0.3到1.0之间;alpha为该像素点上的腮红的透明度;tempColor为需要的腮红的颜色值。
本发明的有益效果是:
(1).本发明所述的一种对人脸自动上腮红的图像处理方法,其通过对原始图像进行人脸检测,一方面进行肤色识别并计算人脸区域的皮肤均色以得出需要的腮红颜色,另一方面进行特征点定位并结合肤色识别结果得出需要上腮红的位置,从而实现智能、自动的对原始图像进行上腮红处理得到新图像,不仅操作便捷、效果好,而且同时适用于正脸和侧脸的自动上腮红操作;
(2).所述需要上腮红的位置主要是利用眼睛和鼻子的位置计算得到需要上腮红的中心位置与半径的长度,然后利用圆形渐变,绘制一个渐变圆形成腮红,使得腮红位置更准确,颜色过渡更自然;
(3).根据皮肤均色与预设颜色值进行滤色处理得到需要的腮红颜色,使得腮红颜色与周边皮肤颜色更接近,图片不易失真。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明一种对人脸自动上腮红的图像处理方法的流程简图;
图2为本发明在计算需要上腮红的位置时所绘制的渐变圆的生成图;
图3为本发明有所接收的原始图像;
图4为说明进行特征点定位时所依据的肤色识别图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白,以下结合附图及实施例对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
如图1所示,本发明的一种对人脸自动上腮红的图像处理方法,包括以下步骤:
10.接收原始图像;
20.对原始图像进行人脸检测:如果检测到人脸,进行特征点定位,并执行步骤30,否则结束;
30.进行肤色识别并计算人脸区域的皮肤均色,再根据皮肤均色计算需要的腮红颜色;
40.根据定位到的特征点以及肤色识别的结果计算需要上腮红的位置;
50.根据步骤40中的需要上腮红的位置与步骤30中的需要的腮红颜色对原始图像进行智能地上腮红处理,得到新图像。
其中,人脸检测方法采用常规方法,这里不进行赘述。
本实施例中,所述步骤20中的特征点定位主要是采用STASM方式得到人脸的眼睛和鼻子的具体位置信息。
本实施例中,所述步骤30中计算人脸区域的皮肤均色,其方法如下:
31.初始化原始皮肤模型;
32.计算整个图像的颜色均值,作为初始皮肤的阈值;
33.根据步骤32获取得的初始皮肤的阈值计算人脸区域的平均肤色。
其中,所述步骤31中初始化原始皮肤模型的步骤如下:
311.创建肤色模型,大小为256*256;
312.依次对肤色模型进行赋值,具体伪代码如下;
所述步骤32进一步包括:
321.遍历整个图像的像素点,将红色通道、绿色通道、蓝色通道的颜色值累加,得到颜色累加值;
322.将颜色累加值除以像素点的总数,得到红色通道、绿色通道、蓝色通道的均值,作为初始皮肤的阈值。
步骤33进一步包括:
331.根据如下公式计算平均肤色的黑白值:
GRAY1=0.299*RED+0.587*GREEN+0.114*BLUE
其中,GRAY1为灰度图的当前像素点的灰度值;RED、GREEN、BLUE分别为图像的当前像素点的红、绿、蓝通道的颜色值;
332.将步骤331中的黑白值作为阈值,用来排除人脸区域非皮肤的部分;
并依次遍历人脸区域里的像素点的颜色值,根据如下公式获得平均肤色:
skin=SkinModel[red][blue];
其中,skin为经过皮肤模型的颜色映射后的皮肤值;SkinModel为步骤31的初始化原始皮肤模型;red为红色通道的颜色值;blue为蓝色通道的颜色值。
本实施例中,步骤40中根据定位到的特征点以及肤色识别的结果计算需要上腮红的位置,主要是利用眼睛和鼻子的位置,通过以下公式得到需要上腮红的中心位置与半径的长度,然后利用圆形渐变,绘制一个渐变圆形成腮红(如图2所示):
X=eyeX:
Y=(noseY-eyeY)*0.5+eyeY;
其中,X,Y为要上腮红的中心点坐标;eyeX为眼睛在水平方向的坐标;eyeY为眼睛在竖直方向的坐标;noseY为鼻子在竖直方向的坐标;
并且以该坐标为中心向外扩张,通过肤色识别判断周围的点是否为皮肤的颜色,如果是的话,则继续向外,直到到达鼻子的位置为止;如果不是皮肤的话,则停止,并且记录该点为需要要上腮红的半径。
其中,所述通过肤色识别判断周围的点是否为皮肤的颜色的方法为:
41.根据步骤30计算的人脸区域的皮肤均色计算当前图像的肤色概率映射表;
42.根据所述肤色概率映射表对当前图像进行肤色识别,并获得当前图像的肤色概率的结果图。
所述肤色概率映射表通过以下步骤获取:
411.创建肤色概率映射表,大小为256*256;
412.依次对肤色概率映射表进行赋值,具体伪代码如下:
其中,SkinRed和SkinBlue为所述步骤322中获取的红色通道和蓝色通道的均值。
本实施例中,所述步骤42中获得当前图像的肤色概率的结果图是通过以下公式实现:skinColor=SkinProbability[red][blue]
其中,skinColor为结果图的肤色概率值;SkinProbability为肤色概率映射表;red为像素点的红色通道的颜色值;blue为像素点的蓝色通道的颜色值。
本实施例中,所述步骤30中根据皮肤均色计算需要的腮红颜色,主要是利用均色与预设颜色值进行滤色处理,滤色的公式为:
result=255-(255-base)*(255-avg)/255;
其中,result为需要的腮红颜色;base为预设的颜色值;avg为皮肤均色。其中预设颜色的范围:红色通道与蓝色通道都从220到255之间,此处取255;绿色通道从80到160之间,此处取100。
本实施例中,所述步骤50中根据步骤40中计算的需要上腮红的位置与步骤30中计算的需要的腮红颜色对原始图像进行智能地上腮红处理,主要是在所绘制的渐变圆(如图2所示)对原始图像进行上腮红处理:
alpha=rat*maskColor;
resultColor=oralColor*(1.0-alpha)+alpha*tempColor;
其中resultColor为计算得到的上腮红后的颜色值;oralColor为像素点的初始颜色值;maskColor为所绘制的渐变圆的生成图的像素点的颜色值;rat为上腮红的透明度,范围从0.3到1.0之间,此处取0.5;alpha为该像素点上的腮红的透明度;tempColor为需要的腮红的颜色值。
下面以侧脸为例进行举例说明,如图3及图4所示:
首先,接收原始图像,图像的尺寸为480*640;
然后,对原始图像进行人脸检测,得到人脸的区域为起点坐标(10,50),宽为367,高为452。
接着,计算人脸区域的皮肤均色为红色通道205、绿色通道150、蓝色通道160,并将其与默认颜色(红色通道255、绿色通道255、蓝色通道200)通过滤色算法得到要上的腮红的颜色为红色通道255、绿色通道191、蓝色通道255。
再,根据定位得到特征点的位置为:图像上的左边的眼睛的坐标点为(57,201),右边的眼睛的坐标点为(212,151),鼻子的中心坐标为(133,338),计算得到左边要上的腮红的坐标点为(57,270),右边要上的腮红的坐标点为(212,245),如图4,可以得到左边要上的腮红的半径为0,即不需要上腮红;右边要上的腮红的半径为58个像素点。
最后,根据上述需要上腮红的位置:中心坐标点(212,245),半径58个像素点,以及需要的腮红颜色:红色通道255、绿色通道191、蓝色通道255,对原始图像进行智能地上腮红处理。
上述说明示出并描述了本发明的优选实施例,如前,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文发明构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。

Claims (10)

1.一种对人脸自动上腮红的图像处理方法,其特征在于,包括以下步骤:
10.接收原始图像;
20.对原始图像进行人脸检测:如果检测到人脸,进行特征点定位,并执行步骤30,否则结束;
30.进行肤色识别并计算人脸区域的皮肤均色,再根据皮肤均色计算需要的腮红颜色;
40.根据定位到的特征点以及肤色识别的结果计算需要上腮红的位置;
50.根据步骤40中的需要上腮红的位置与步骤30中的需要的腮红颜色对原始图像进行智能地上腮红处理,得到新图像;
其中,所述步骤30中计算人脸区域的皮肤均色,其方法如下:
31.初始化原始皮肤模型;
32.计算整个图像的颜色均值,作为初始皮肤的阈值;
33.根据步骤32获取得的初始皮肤的阈值计算人脸区域的平均肤色;
并且,所述步骤31中初始化原始皮肤模型的步骤如下:
311.创建肤色模型,大小为256*256;
312.依次对肤色模型进行赋值:
预设临时变量AlphaValue、nMax、i、j为整数类型;
肤色模型变量为SkinModel[256][256];
判断i是否大于128,如果大于128,则AlphaValue为25,否则为i*2;
计算获得nMax的值,计算公式为nMax=min(256,AlphaValue*2);
计算对应位置的肤色模型的值,计算公式为:
SkinModel[i][j]=AlphaValue-(j/2);
初始对应位置的肤色模型的值为0。
2.根据权利要求1所述的一种对人脸自动上腮红的图像处理方法,其特征在于:所述步骤20中的特征点定位是采用STASM方式得到人脸的眼睛和鼻子的具体位置信息。
3.根据权利要求1所述的一种对人脸自动上腮红的图像处理方法,其特征在于:所述步骤32进一步包括:
321.遍历整个图像的像素点,将红色通道、绿色通道、蓝色通道的颜色值累加,得到颜色累加值;
322.将颜色累加值除以像素点的总数,得到红色通道、绿色通道、蓝色通道的均值,作为初始皮肤的阈值。
4.根据权利要求1所述的一种对人脸自动上腮红的图像处理方法,其特征在于:步骤33进一步包括:
331.根据如下公式计算平均肤色的黑白值:
GRAY1=0.299*RED+0.587*GREEN+0.114*BLUE
其中,GRAY1为灰度图的当前像素点的灰度值;RED、GREEN、BLUE分别为图像的当前像素点的红、绿、蓝通道的颜色值;
332.将步骤331中的黑白值作为阈值,用来排除人脸区域非皮肤的部分;并依次遍历人脸区域里的像素点的颜色值,根据如下公式获得平均肤色:
skin=SkinModel[red][blue];
其中,skin为经过皮肤模型的颜色映射后的皮肤值;SkinModel为步骤31的初始化原始皮肤模型;red为红色通道的颜色值;blue为蓝色通道的颜色值。
5.根据权利要求3所述的一种对人脸自动上腮红的图像处理方法,其特征在于:步骤40中根据定位到的特征点以及肤色识别的结果计算需要上腮红的位置,是利用眼睛和鼻子的位置,通过以下公式得到需要上腮红的中心位置与半径的长度,然后利用圆形渐变,绘制一个渐变圆形成腮红:
X=eyeX;
Y=(noseY-eyeY)*0.5+eyeY;
其中,X,Y为要上腮红的中心点坐标;eyeX为眼睛在水平方向的坐标;eyeY为眼睛在竖直方向的坐标;noseY为鼻子在竖直方向的坐标;并且以该坐标为中心向外扩张,通过肤色识别判断周围的点是否为皮肤的颜色,如果是的话,则继续向外,直到到达鼻子的位置为止;如果不是皮肤的话,则停止,并且记录该点为需要要上腮红的半径。
6.根据权利要求5所述的一种对人脸自动上腮红的图像处理方法,其特征在于:所述通过肤色识别判断周围的点是否为皮肤的颜色的方法为:
41.根据步骤30计算的人脸区域的皮肤均色计算当前图像的肤色概率映射表;
42.根据所述肤色概率映射表对当前图像进行肤色识别,并获得当前图像的肤色概率的结果图。
7.根据权利要求6所述的一种对人脸自动上腮红的图像处理方法,其特征在于:所述肤色概率映射表通过以下步骤获取:
411.创建肤色概率映射表,大小为256*256;
412.依次对肤色概率映射表进行赋值,具体伪代码如下:
预设临时变量i、j、SkinRed_Left、AlphaValue、Offset、TempAlphaValue、OffsetJ为整数类型;
肤色概率映射表的变量为SkinProbability[256][256];
预设SkinRed_Left的值,计算公式为:SkinRed_Left=SkinRed-128;
For(i=0;i<256;i++)
{
计算Offset的值,公式为Offset=max(0,min(255,i-SkinRed_Left));
判断Offset的值是否小于128,如果小于的话,则AlphaValue=Offset*2;
如果大于等于128的话,则AlphaValue=255;
For(j=0;j<256;j++)
{
计算OffsetJ的值,公式为OffsetJ=max(0,j-SkinBlue);
计算TempAlphaValue的值,公式为TempAlphaValue=max(AlphaValue-(OffsetJ*2),0);
判断TempAlphaValue的值:如果大于160的话,则SkinProbability[i][j]的值为255;
如果小于90的话,则SkinProbability[i][j]的值为0;否则
SkinProbability[i][j]的值为TempAlphaValue+30;
}
}
其中,SkinRed和SkinBlue为所述步骤322中获取的红色通道和蓝色通道的均值。
8.根据权利要求6所述的一种对人脸自动上腮红的图像处理方法,其特征在于:所述步骤42中获得当前图像的肤色概率的结果图是通过以下公式实现:
skinColor=SkinProbability[red][blue]
其中,skinColor为结果图的肤色概率值;SkinProbability为肤色概率映射表;red为像素点的红色通道的颜色值;blue为像素点的蓝色通道的颜色值。
9.根据权利要求1所述的一种对人脸自动上腮红的图像处理方法,其特征在于:所述步骤30中根据皮肤均色计算需要的腮红颜色,是利用均色与预设颜色值进行滤色处理,滤色的公式为:
result=255-(255-base)*(255-avg)/255;
其中,result为需要的腮红颜色;base为预设的颜色值;avg为皮肤均色;其中预设颜色的范围:红色通道与蓝色通道都从220到255之间;绿色通道从80到160之间。
10.根据权利要求5所述的一种对人脸自动上腮红的图像处理方法,其特征在于:所述步骤50中根据步骤40中计算的需要上腮红的位置与步骤30中计算的需要的腮红颜色对原始图像进行智能地上腮红处理,是在所绘制的渐变圆对原始图像进行上腮红处理:
alpha=rat*maskColor;
resultColor=oralColor*(1.0-alpha)+alpha*tempColor:
其中resultColor为计算得到的上腮红后的颜色值;oralColor为像素点的初始颜色值;maskColor为所绘制的渐变圆的生成图的像素点的颜色值;rat为上腮红的透明度,范围从0.3到1.0之间;alpha为该像素点上的腮红的透明度;tempColor为需要的腮红的颜色值。
CN201310530913.XA 2013-10-31 2013-10-31 一种对人脸自动上腮红的图像处理方法 Active CN104599297B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310530913.XA CN104599297B (zh) 2013-10-31 2013-10-31 一种对人脸自动上腮红的图像处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310530913.XA CN104599297B (zh) 2013-10-31 2013-10-31 一种对人脸自动上腮红的图像处理方法

Publications (2)

Publication Number Publication Date
CN104599297A CN104599297A (zh) 2015-05-06
CN104599297B true CN104599297B (zh) 2018-07-10

Family

ID=53125047

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310530913.XA Active CN104599297B (zh) 2013-10-31 2013-10-31 一种对人脸自动上腮红的图像处理方法

Country Status (1)

Country Link
CN (1) CN104599297B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107979761A (zh) * 2016-10-25 2018-05-01 北京酷我科技有限公司 一种直播过程中人脸图像优化方法及系统
CN108734070A (zh) * 2017-04-24 2018-11-02 丽宝大数据股份有限公司 腮红指引装置及方法
CN109299636A (zh) * 2017-07-25 2019-02-01 丽宝大数据股份有限公司 可标示腮红区域的身体信息分析装置
CN107563353B (zh) * 2017-09-26 2020-06-23 维沃移动通信有限公司 一种图像处理方法、装置及移动终端
CN107895343B (zh) * 2017-12-31 2021-02-23 广州二元科技有限公司 一种基于五官定位快速简单上腮红的图像处理方法
CN108830238A (zh) * 2018-06-21 2018-11-16 刘月平 唇膏颜色自适应选择系统
CN108961189B (zh) * 2018-07-11 2020-10-30 北京字节跳动网络技术有限公司 图像处理方法、装置、计算机设备和存储介质
CN109446912B (zh) 2018-09-28 2021-04-09 北京市商汤科技开发有限公司 人脸图像的处理方法及装置、电子设备和存储介质
CN111583139B (zh) * 2020-04-27 2023-06-20 抖音视界有限公司 腮红调整方法、装置、电子设备及计算机可读介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1996021201A1 (fr) * 1994-12-29 1996-07-11 Robin Jean Marc Reconnaissance automatique des traits caracteristiques et simulation d'une image esthetique d'un objectif reel, tel qu'un visage
EP1030267A4 (en) * 1997-03-06 2000-08-23 Drdc Limited FACE IMAGE CORRECTION METHOD, MAKEUP SIMULATION METHOD, MAKEUP METHOD, MAKEUP SUPPORT DEVICE AND FOUNDATION TRANSFER FILM
CN1367910A (zh) * 1999-07-07 2002-09-04 Fd管理公司 用于彩色化妆品选择的系统
CN1906631A (zh) * 2004-01-30 2007-01-31 数码时尚株式会社 化妆模拟程序、化妆模拟装置及化妆模拟方法
CN101779218A (zh) * 2007-08-10 2010-07-14 株式会社资生堂 化妆模拟系统、化妆模拟装置、化妆模拟方法以及化妆模拟程序

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1996021201A1 (fr) * 1994-12-29 1996-07-11 Robin Jean Marc Reconnaissance automatique des traits caracteristiques et simulation d'une image esthetique d'un objectif reel, tel qu'un visage
EP1030267A4 (en) * 1997-03-06 2000-08-23 Drdc Limited FACE IMAGE CORRECTION METHOD, MAKEUP SIMULATION METHOD, MAKEUP METHOD, MAKEUP SUPPORT DEVICE AND FOUNDATION TRANSFER FILM
CN1367910A (zh) * 1999-07-07 2002-09-04 Fd管理公司 用于彩色化妆品选择的系统
CN1906631A (zh) * 2004-01-30 2007-01-31 数码时尚株式会社 化妆模拟程序、化妆模拟装置及化妆模拟方法
CN101779218A (zh) * 2007-08-10 2010-07-14 株式会社资生堂 化妆模拟系统、化妆模拟装置、化妆模拟方法以及化妆模拟程序

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
如何进行图片修饰处理;温建科;《实验室科学》;20130828;第16卷(第04期);第14-17页 *
浅谈利用图像软件处理数码照片技术;李晓玮;《电脑知识与技术》;20120215;第08卷(第05期);第1152-1153页 *

Also Published As

Publication number Publication date
CN104599297A (zh) 2015-05-06

Similar Documents

Publication Publication Date Title
CN104599297B (zh) 一种对人脸自动上腮红的图像处理方法
CN103491307B (zh) 一种后置摄像头的智能自拍方法
CN106780311B (zh) 一种结合皮肤粗糙度的快速人脸图像美化方法
US8983152B2 (en) Image masks for face-related selection and processing in images
CN108229279B (zh) 人脸图像处理方法、装置和电子设备
CN104574285B (zh) 一种自动祛除图像黑眼圈的方法
KR101733512B1 (ko) 얼굴 특징 기반의 가상 체험 시스템 및 그 방법
KR20200014842A (ko) 이미지 조명 방법, 장치, 전자 기기 및 저장 매체
CN104282002B (zh) 一种数字图像的快速美容方法
CN105787888A (zh) 人脸图像美化方法
CN104952036A (zh) 一种即时视频中的人脸美化方法和电子设备
CN106326823B (zh) 一种获取图片中头像的方法和系统
CN105513013B (zh) 一种手机图片发型合成方法
CN107146198A (zh) 一种照片智能裁剪方法及装置
CN103413268B (zh) 一种自动优化脸型的拍照方法
CN104778460B (zh) 一种在复杂背景以及光照下的单目手势识别方法
WO2021197186A1 (zh) 辅助化妆方法、终端设备、存储介质及程序产品
CN104679242A (zh) 基于单目视觉复杂背景下的手势分割方法
CN109919030A (zh) 黑眼圈类型识别方法、装置、计算机设备和存储介质
CN109344706A (zh) 一种可单人操作的人体特殊姿势照片的获取方法
CN104392211A (zh) 一种基于显著性检测的皮肤识别方法
KR101827998B1 (ko) 얼굴 특징 기반의 가상 체험 시스템 및 그 방법
CN101968849B (zh) 一种基于3g智能手机的图片去红眼方法
CN109948461A (zh) 一种基于质心定位和距离变换的手语图像分割方法
CN106097261A (zh) 图像处理方法和装置

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