CN104809694A - 一种数字图像处理方法和装置 - Google Patents

一种数字图像处理方法和装置 Download PDF

Info

Publication number
CN104809694A
CN104809694A CN201410031186.7A CN201410031186A CN104809694A CN 104809694 A CN104809694 A CN 104809694A CN 201410031186 A CN201410031186 A CN 201410031186A CN 104809694 A CN104809694 A CN 104809694A
Authority
CN
China
Prior art keywords
image
pass filtering
low
pixel
source images
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.)
Granted
Application number
CN201410031186.7A
Other languages
English (en)
Other versions
CN104809694B (zh
Inventor
蒋兴华
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.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen 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 Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN201410031186.7A priority Critical patent/CN104809694B/zh
Publication of CN104809694A publication Critical patent/CN104809694A/zh
Application granted granted Critical
Publication of CN104809694B publication Critical patent/CN104809694B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Image Processing (AREA)

Abstract

本发明提出一种数字图像处理方法和装置,其中方法包括:针对待处理图像的原色通道分别执行以下步骤,得到处理后的图像:将所述待处理图像的所述原色通道作为源图像,对所述源图像进行高斯模糊处理,得到模糊效果图像;并通过所述模糊效果图像和源图像生成差值图像;对所述差值图像分别进行一次以上低通滤波,并将低通滤波后得到的所有滤波结果与源图像叠加,所述叠加的方式为针对各个像素,分别将所述所有滤波结果中该像素的该原色通道分量值与源图像中该像素的该原色通道分量值相加;其中,所述低通滤波的半径小于高斯模糊处理的半径,并且当低通滤波的次数大于一次时,每次低通滤波的半径各不相同。本发明能够快速自动实现针对数字图像的美化处理,并且处理的痕迹不明显。

Description

一种数字图像处理方法和装置
技术领域
本发明涉及计算机技术领域,尤其涉及一种数字图像处理方法和装置。
背景技术
当前,人们对数字图像处理的需求、特别是对人物数字图像美化的需求日益增多,随着这一需求的增多,出现了一些可以美化人物图像尤其是美化脸部图像的方法。这些方法大致分为两类:
第一类,提高局部图像亮度法。因为斑点、黑眼圈等的颜色较暗,在人物脸部的数字图像上呈现的亮度较低,通过提高相应区域的亮度可以实现美化人物数字图像的目的。
第二类,基于样本的图像修补法。取人脸图像上皮肤光滑的图像区域作为样本,对斑点、眼袋等区域进行修补,这种方法的优点是能保持被修补的皮肤的纹理效果。图像修补的算法有很多种,例如Poisson Image Editing方法、Criminisi算法等。
上述方法存在以下缺点:
第一类方法的缺点是造成人脸数字图像中皮肤纹理的改变,使被处理区域与未被处理区域的皮肤纹理差异明显,人工处理的痕迹明显。
第二类方法的缺点是需要手动选择皮肤光滑并且较亮的区域,无法实现自动化处理;并且算法需要反复迭代,速度较慢,无法实时呈现处理效果。
发明内容
本发明提供了一种数字图像处理方法,能够快速自动实现针对数字图像的美化处理,并且处理的痕迹不明显。
本发明提供了一种数字图像处理装置,能够快速自动实现针对数字图像的美化处理,并且处理的痕迹不明显。
本发明的技术方案是这样实现的:
一种数字图像处理方法,包括:
针对待处理图像的原色通道分别执行以下步骤,得到处理后的图像:
将所述待处理图像的所述原色通道作为源图像,对所述源图像进行高斯模糊处理,得到模糊效果图像;并通过所述模糊效果图像和源图像生成差值图像;
对所述差值图像分别进行一次以上低通滤波,并将低通滤波后得到的所有滤波结果与源图像叠加,所述叠加的方式为针对各个像素,分别将所述所有滤波结果中该像素的该原色通道分量值与源图像中该像素的该原色通道分量值相加;其中,所述低通滤波的半径小于高斯模糊处理的半径,并且当低通滤波的次数大于一次时,每次低通滤波的半径各不相同。
上述方法中,原色通道可以包括R通道、G通道和B通道中的至少一种。
高斯模糊处理的半径可以为10、11、12、13、14、15或16像素;
当对差值图像分别进行两次低通滤波时,两次低通滤波的半径可以分别为2像素和6像素。
上述通过模糊效果图像和源图像生成差值图像的方式可以为:
针对各个像素,采用模糊效果图像中该像素的该原色通道分量值减去源图像中该像素的该原色通道分量值,当相减的结果小于0时,将结果修正为0。
低通滤波的方式可以为:采用高斯函数进行低通滤波。
一种数字图像处理装置,包括:
模糊处理模块,用于将待处理图像的原色通道作为源图像,对所述源图像进行高斯模糊处理,得到模糊效果图像;
差值处理模块,用于采用所述模糊效果图像和源图像生成差值图像;
低通滤波模块,用于将所述差值图像分别进行一次以上低通滤波,得到一个以上滤波结果;其中,所述低通滤波的半径小于高斯模糊处理的半径,并且当低通滤波的次数大于一次时,每次低通滤波的半径各不相同;
叠加处理模块,用于将所述所有滤波结果与源图像叠加;所述叠加的方式为针对各个像素,分别将所述所有滤波结果中该像素的该原色通道分量值与源图像中该像素的该原色通道分量值相加。
上述装置中,原色通道可以包括R通道、G通道和B通道中的至少一种。
高斯模糊处理的半径可以为10、11、12、13、14、15或16像素;
当低通滤波模块对差值图像分别进行两次低通滤波时,两次低通滤波的半径可以分别为2像素和6像素。
差值处理模块采用模糊效果图像和源图像生成差值图像的方式可以为:
针对各个像素,采用模糊效果图像中该像素的该原色通道分量值减去源图像中该像素的该原色通道分量值,当相减的结果小于0时,将结果修正为0。
低通滤波模块进行低通滤波的方式可以为:采用高斯函数进行低通滤波。
可见,本发明提出的数字图像处理方法和装置,对待处理图像的原色通道做相同的处理,以高斯模糊效果图像和源图像的差值图像作为基础,对差值图像做不同程度的低通滤波后再叠加到源图像上,得到最终图像处理的效果。因此本发明能够快速自动实现针对数字图像的美化处理,并且处理的痕迹不明显。
附图说明
图1为本发明方法中对待处理图像的一个通道执行的处理过程流程图;
图2为本发明实施例一中对待处理图像的R通道执行的处理过程流程图;
图3为本发明提出的数字图像处理装置结构示意图;
图4为本发明实施例二中的数字图像处理装置结构示意图。
具体实施方式
本发明提出一种数字图像处理方法,针对待处理图像原色通道分别执行如图1所示的以下步骤,得到处理后的图像:
步骤101:将所述待处理图像的所述原色通道作为源图像,对所述源图像进行高斯模糊处理,得到模糊效果图像;
步骤102:通过模糊效果图像和源图像生成差值图像;
步骤103:对所述差值图像分别进行一次以上低通滤波,并将低通滤波后得到的所有滤波结果与源图像叠加,所述叠加的方式为针对各个像素,分别将所述所有滤波结果中该像素的该原色通道分量值与源图像中该像素的该原色通道分量值相加;其中,所述低通滤波的半径小于高斯模糊处理的半径,并且当低通滤波的次数大于一次时,每次低通滤波的半径各不相同。
为便于理解,首先对数字图像的原色通道做解释:一个数字图像中包含若干像素,每个像素的颜色可以由多个分量组成。以RGB色彩模式为例,每个像素的颜色有3个分量,即R(红色)分量、G(绿色)分量和B(蓝色)分量;每个分量的取值范围为0~255,取值越大,该分量的亮度越高。一个数字图像的R通道是指该图像中所有像素的R分量组成的图像,G通道是指该图像中所有像素的G分量组成的图像,B通道是指该图像中所有像素的B分量组成的图像。除RGB色彩模式以外,目前还存在其他色彩模式;例如CMY模式,每个像素的颜色由C(青)分量、M(品红)分量和Y(黄)分量组成,所有像素的C分量组成的图像为C通道,所有像素的M分量组成的图像为M通道,所有像素的Y分量组成的图像为Y通道。
以下以RGB色彩模式的数字图像为例详细介绍。
对于RGB色彩模式的数字图像来说,分别对待处理图像的R通道、G通道和B通道处理完成之后,对该待处理图像的处理也就完成了。
上述方法中,所述的原色通道包括R通道、G通道和B通道中的至少一种。
上述步骤101中,高斯模糊处理的半径可以为10、11、12、13、14、15或16像素;
上述步骤103中,对差值图像进行两次低通滤波即可达到较佳的处理效果,两次低通滤波的半径可以分别为2像素和6像素。
上述步骤102中,通过模糊效果图像和源图像生成差值图像的方式可以为:针对各个像素,采用模糊效果图像中该像素的该原色通道分量值减去源图像中该像素的该原色通道分量值,当相减的结果小于0时,将结果修正为0。
其中低通滤波的方式可以为:采用高斯函数进行低通滤波。
以下结合附图,举具体的实施例详细介绍。
实施例一:
本实施例以对数字图像的R通道进行处理为例进行说明,对数字图像的G通道、B通道进行处理的方式与此相同。在本实施例中,取人脸图像中的黑眼圈及其周边区域作为待处理图像。
如图2所示,将待处理图像的R通道作为源图像(记为Image),针对源图像Image执行以下步骤:
步骤201:对源图像Image做大半径的高斯模糊处理,得到模糊效果图像(记为ImageA)。此处高斯模糊处理的半径一般取10至16像素
经本步骤处理之后,模糊效果图像ImageA的显示效果是:原本R值较周围大的像素的R值会变小,原本R值较周围小的像素的R值会变大。
步骤202:采用ImageA减去Image,得到差值图像(记为ImageB)。
采用ImageA减去Image的具体方式为:采用ImageA中各个像素的R值减去Image中对应像素的R值,当结果小于0时,将该结果修正为0。
经本步骤处理之后,差值图像ImageB的显示效果是:原本R值较周围大的像素的R值会等于0,原本R值较周围小的像素的R值会大于0。
如果直接将差值图像ImageB叠加到源图像Image上就能在一定程度上解决本方案要解决的问题。因为如上所述,在差值图像中,原本R值较小的像素的R值会大于0,原本R值较大的像素的R值会等于0,直接叠加的效果很明显是:原来R值较小的区域R值变大了,反之则不变。整体效果就是图片原本较暗的区域变亮了,较亮的区域则没有变化。但是这种处理方式会显著改变原有的皮肤纹理特征,使处理后的区域看起来和人脸其他部分的皮肤纹理不一样,使祛除黑眼圈的效果不自然,有明显人工处理痕迹。
因此,继续对差值图像做以下处理。
步骤203:对差值图像ImageB进行低通滤波,得到ImageC。
本步骤中低通滤波函数选用高斯函数,本次低通滤波使用一个小半径的高斯函数,半径一般为2像素。
由于进行低通滤波,差值图像ImageB的高频部分被抑制,如果将ImageC叠加源图像Image上,则能保留源图像Image的高频部分,即保持了原有图像的纹理特征。
这里需要说明下:1、皮肤的纹理细节对应图像的高频部分。2、如果不经过小半径的低通滤波,则差值图像和原图像的高频部分会相互抵消使最终效果的高频部分丢失,也就是图像细节的丢失从而导致纹理的改变。
但是,通过第一次叠加得到的图像,祛除黑眼圈的效果还不够好,或者说对黑眼圈的亮度提高的还不够高,所以可以继续执行以下步骤。
步骤204:对差值图像ImageB重新进行一次低通滤波,得到ImageD。
本步骤中低通滤波函数选用高斯函数,本次低通滤波使用一个较大半径的高斯函数,半径一般为6像素。之所以半径比第一次低通滤波更大,是因为高频部分被更大程度的抑制了,这样做的效果就是不会对第一次叠加后的纹理特征产生显著影响,仍然能够较好地保留皮肤的纹理特征。
步骤203和步骤204没有先后顺序的要求。步骤203和步骤204中采用的半径均小于步骤201中高斯模糊处理的半径。
步骤205:将ImageC、ImageD与Image叠加,得到最终结果。
上述过程中,高斯模糊处理采用其他大小的半径,或者低通滤波采用其他大小的半径或其他的滤波函数均可以得到相似的处理效果。
以上即为对待处理图像的R通道所进行的处理。对待处理图像的RGB三个通道处理完成之后,也就完成了对整个图像的处理。当然,先处理图像的哪个通道并无要求。
本发明还提出一种数字图像处理装置,如图3为该装置结构示意图,包括:
模糊处理模块301,用于将待处理图像的原色通道作为源图像,对所述源图像进行高斯模糊处理,得到模糊效果图像;
差值处理模块302,用于采用所述模糊效果图像和源图像生成差值图像;
低通滤波模块303,用于将所述差值图像分别进行一次以上低通滤波,得到一个以上滤波结果;其中,所述低通滤波的半径小于高斯模糊处理的半径,并且当低通滤波的次数大于一次时,每次低通滤波的半径各不相同;
叠加处理模块304,用于将所述所有滤波结果与源图像叠加;所述叠加的方式为针对各个像素,分别将所述所有滤波结果中该像素的该原色通道分量值与源图像中该像素的该原色通道分量值相加。
上述装置中,原色通道可以包括R通道、G通道和B通道中的至少一种。
上述装置中,高斯模糊处理的半径可以为10、11、12、13、14、15或16像素;
当低通滤波模块303对差值图像分别进行两次低通滤波时,两次低通滤波的半径分别为2像素和6像素。
差值处理模块302采用模糊效果图像和源图像生成差值图像的方式可以为:针对各个像素,采用模糊效果图像中该像素的该原色通道分量值减去源图像中该像素的该原色通道分量值,当相减的结果小于0时,将结果修正为0。
低通滤波模块303进行低通滤波的方式可以为:采用高斯函数进行低通滤波。
实施例二:
本实施例介绍一种具体的数字图像处理装置,如图4为该装置的结构示意图,包括:
至少一个处理器401、至少一个存储器402、至少一个网络接口403、至少一个输入装置404(如鼠标、键盘等)、至少一个输出装置405(如显示屏)、至少一个通信总线406。
其中,网络接口403可以包括标准的有线接口、无线接口(如WI-FI接口)等。
通信总线406用于实现这些组件之间的连接通信。
存储器402可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。存储器402可选的还可以是至少一个位于远离前述处理器401的存储装置。如图4所示,作为一种计算机存储介质的存储器402中可以包括操作系统、网络通信模块以及数字图像处理程序。
在图4所示的数字图像处理装置中,处理器401可以通过输入装置404接收待处理图像,在接收的同时通过通信总线406将待处理图像发送至显示屏进行显示;或者直接提取存储器402中存储的待处理图像,并通信总线406将待处理图像发送至显示屏进行显示;之后,可以调用存储器402中存储的数字图像处理程序,执行以下操作:
针对待处理图像的原色通道分别执行以下步骤,得到处理后的图像:
将所述待处理图像的所述原色通道作为源图像,对所述源图像进行高斯模糊处理,得到模糊效果图像;并通过所述模糊效果图像和源图像生成差值图像;
对所述差值图像分别进行一次以上低通滤波,并将低通滤波后得到的所有滤波结果与源图像叠加,所述叠加的方式为针对各个像素,分别将所述所有滤波结果中该像素的该原色通道分量值与源图像中该像素的该原色通道分量值相加;其中,所述低通滤波的半径小于高斯模糊处理的半径,并且当低通滤波的次数大于一次时,每次低通滤波的半径各不相同。
处理完成之后,处理器401可以通过通信总线406将处理后的图像发送至显示屏进行显示。
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流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于计算机可读取存储介质中;该程序在执行时,可包括如上述方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存取存储器(Random Access Memory,简称RAM)等。
综上可见,本发明较佳的处理方法是,以高斯模糊效果图像和源图像的差值图像作为基础,对差值图像做两次不同程度的低通滤波后再叠加到源图像上,叠加后的图像即是最终图像处理的效果。本方案的处理方法需要分别对图像的各个通道做相同的处理。本发明能够自动实现针对数字图像的美化处理,处理的痕迹不明显,并且本发明的算法简单,可以达到实时处理的效果。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。

Claims (10)

1.一种数字图像处理方法,其特征在于,所述方法包括:
针对待处理图像的原色通道分别执行以下步骤,得到处理后的图像:
将所述待处理图像的所述原色通道作为源图像,对所述源图像进行高斯模糊处理,得到模糊效果图像;并通过所述模糊效果图像和源图像生成差值图像;
对所述差值图像分别进行一次以上低通滤波,并将低通滤波后得到的所有滤波结果与源图像叠加,所述叠加的方式为针对各个像素,分别将所述所有滤波结果中该像素的该原色通道分量值与源图像中该像素的该原色通道分量值相加;其中,所述低通滤波的半径小于高斯模糊处理的半径,并且当低通滤波的次数大于一次时,每次低通滤波的半径各不相同。
2.根据权利要求1所述的方法,其特征在于,所述原色通道包括R通道、G通道和B通道中的至少一种。
3.根据权利要求1或2所述的方法,其特征在于,所述高斯模糊处理的半径为10、11、12、13、14、15或16像素;
当对差值图像分别进行两次低通滤波时,两次低通滤波的半径分别为2像素和6像素。
4.根据权利要求1或2所述的方法,其特征在于,所述通过模糊效果图像和源图像生成差值图像的方式为:
针对各个像素,采用模糊效果图像中该像素的该原色通道分量值减去源图像中该像素的该原色通道分量值,当相减的结果小于0时,将结果修正为0。
5.根据权利要求1或2所述的方法,其特征在于,所述低通滤波的方式为:采用高斯函数进行低通滤波。
6.一种数字图像处理装置,其特征在于,所述装置包括:
模糊处理模块,用于将待处理图像的原色通道作为源图像,对所述源图像进行高斯模糊处理,得到模糊效果图像;
差值处理模块,用于采用所述模糊效果图像和源图像生成差值图像;
低通滤波模块,用于将所述差值图像分别进行一次以上低通滤波,得到一个以上滤波结果;其中,所述低通滤波的半径小于高斯模糊处理的半径,并且当低通滤波的次数大于一次时,每次低通滤波的半径各不相同;
叠加处理模块,用于将所述所有滤波结果与源图像叠加;所述叠加的方式为针对各个像素,分别将所述所有滤波结果中该像素的该原色通道分量值与源图像中该像素的该原色通道分量值相加。
7.根据权利要求6所述的装置,其特征在于,所述原色通道包括R通道、G通道和B通道中的至少一种。
8.根据权利要求6或7所述的装置,其特征在于,所述高斯模糊处理的半径为10、11、12、13、14、15或16像素;
当低通滤波模块对差值图像分别进行两次低通滤波时,两次低通滤波的半径分别为2像素和6像素。
9.根据权利要求6或7所述的装置,其特征在于,所述差值处理模块采用模糊效果图像和源图像生成差值图像的方式为:
针对各个像素,采用模糊效果图像中该像素的该原色通道分量值减去源图像中该像素的该原色通道分量值,当相减的结果小于0时,将结果修正为0。
10.根据权利要求5或6所述的装置,其特征在于,所述低通滤波模块进行低通滤波的方式为:采用高斯函数进行低通滤波。
CN201410031186.7A 2014-01-23 2014-01-23 一种数字图像处理方法和装置 Active CN104809694B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410031186.7A CN104809694B (zh) 2014-01-23 2014-01-23 一种数字图像处理方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410031186.7A CN104809694B (zh) 2014-01-23 2014-01-23 一种数字图像处理方法和装置

Publications (2)

Publication Number Publication Date
CN104809694A true CN104809694A (zh) 2015-07-29
CN104809694B CN104809694B (zh) 2020-04-03

Family

ID=53694499

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410031186.7A Active CN104809694B (zh) 2014-01-23 2014-01-23 一种数字图像处理方法和装置

Country Status (1)

Country Link
CN (1) CN104809694B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106339983A (zh) * 2016-08-17 2017-01-18 乐视控股(北京)有限公司 一种利用高斯模糊实现模糊动画的方法及装置
CN106875391A (zh) * 2017-03-02 2017-06-20 深圳可思美科技有限公司 皮肤图像的识别方法及电子设备
CN107392841A (zh) * 2017-06-16 2017-11-24 广东欧珀移动通信有限公司 人脸区域中黑眼圈消除方法、装置及终端
CN109146823A (zh) * 2018-09-25 2019-01-04 广州华多网络科技有限公司 基于高反差保留的图像处理方法、装置、设备及存储介质
WO2019062608A1 (zh) * 2017-09-30 2019-04-04 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
CN109741272A (zh) * 2018-12-25 2019-05-10 维沃移动通信有限公司 一种图像处理方法及移动终端
CN109785264A (zh) * 2019-01-15 2019-05-21 北京旷视科技有限公司 图像增强方法、装置及电子设备
CN111462003A (zh) * 2020-03-20 2020-07-28 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

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020034336A1 (en) * 1996-06-12 2002-03-21 Kazuo Shiota Image processing method and apparatus
US20030007100A1 (en) * 2000-03-24 2003-01-09 Ojo Olukayode Anthony Electronic circuit and method for enhancing an image
CN1744702A (zh) * 2004-09-03 2006-03-08 乐金电子(中国)研究开发中心有限公司 移动终端的画面清晰度调整装置及其方法
CN101105863A (zh) * 2006-07-10 2008-01-16 西门子(中国)有限公司 基于边缘检测的局域化抗混叠方法
CN102100061A (zh) * 2008-07-15 2011-06-15 日本胜利株式会社 画质改善装置及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020034336A1 (en) * 1996-06-12 2002-03-21 Kazuo Shiota Image processing method and apparatus
US20030007100A1 (en) * 2000-03-24 2003-01-09 Ojo Olukayode Anthony Electronic circuit and method for enhancing an image
CN1744702A (zh) * 2004-09-03 2006-03-08 乐金电子(中国)研究开发中心有限公司 移动终端的画面清晰度调整装置及其方法
CN101105863A (zh) * 2006-07-10 2008-01-16 西门子(中国)有限公司 基于边缘检测的局域化抗混叠方法
CN102100061A (zh) * 2008-07-15 2011-06-15 日本胜利株式会社 画质改善装置及方法

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106339983A (zh) * 2016-08-17 2017-01-18 乐视控股(北京)有限公司 一种利用高斯模糊实现模糊动画的方法及装置
CN106875391A (zh) * 2017-03-02 2017-06-20 深圳可思美科技有限公司 皮肤图像的识别方法及电子设备
CN107392841A (zh) * 2017-06-16 2017-11-24 广东欧珀移动通信有限公司 人脸区域中黑眼圈消除方法、装置及终端
CN107392841B (zh) * 2017-06-16 2020-04-24 Oppo广东移动通信有限公司 人脸区域中黑眼圈消除方法、装置及终端
WO2019062608A1 (zh) * 2017-09-30 2019-04-04 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
US10972709B2 (en) 2017-09-30 2021-04-06 Shenzhen Sensetime Technology Co., Ltd. Image processing method and apparatus, electronic device, and computer storage medium
CN109146823A (zh) * 2018-09-25 2019-01-04 广州华多网络科技有限公司 基于高反差保留的图像处理方法、装置、设备及存储介质
CN109741272A (zh) * 2018-12-25 2019-05-10 维沃移动通信有限公司 一种图像处理方法及移动终端
CN109785264A (zh) * 2019-01-15 2019-05-21 北京旷视科技有限公司 图像增强方法、装置及电子设备
CN111462003A (zh) * 2020-03-20 2020-07-28 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

Also Published As

Publication number Publication date
CN104809694B (zh) 2020-04-03

Similar Documents

Publication Publication Date Title
CN104809694A (zh) 一种数字图像处理方法和装置
US10554857B2 (en) Method for noise-robust color changes in digital images
CN105741231B (zh) 图像的美肤处理方法和装置
US8023768B2 (en) Universal front end for masks, selections, and paths
CN111275034B (zh) 从图像中提取文本区域的方法、装置、设备和存储介质
CN105023252A (zh) 一种美容图像的增强处理方法、系统及拍摄终端
CN106462986A (zh) 用于数字图像的颜色处理的方法和系统
KR101531966B1 (ko) 화상 처리장치, 화상 처리프로그램을 기록한 컴퓨터-리더블 기록매체, 및 화상 처리방법
CN105404846A (zh) 一种图像处理方法及装置
EP3086553A1 (en) Method and apparatus for image colorization
CN103440674A (zh) 一种数字图像蜡笔特效的快速生成方法
CN112837251B (zh) 图像处理方法及装置
CN104658030A (zh) 二次图像混合的方法和装置
CN105763768A (zh) 一种图像处理方法、装置和系统
CN107527322A (zh) 渲染方法、装置、引擎及存储介质
CN105741289A (zh) 一种面向虚拟人超大规模切片图像的序列化自动分割方法
Khan et al. A deep hybrid few shot divide and glow method for ill-light image enhancement
CN104732495A (zh) 一种基于模糊的自动色调的图像处理方法和系统
CN111161189A (zh) 一种基于细节弥补网络的单幅图像再增强方法
CN109509237B (zh) 滤镜处理的方法、装置及电子设备
CN102411788B (zh) 基于四向扫描方式的区域填充算法
CN105654456B (zh) 信息处理方法及电子设备
Tan et al. Systematic analysis and removal of circular artifacts for stylegan
CN105243652B (zh) 图像降噪的方法及装置
CN102509253B (zh) 一种数字图像处理方法和数字图像处理装置

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