CN105404846A - 一种图像处理方法及装置 - Google Patents

Abstract

本发明提供一种图像处理方法及装置，涉及图形图像处理中的区域分割、识别领域。该方法，包括：对图像进行预处理，并通过人脸识别获取处理后图像中的第一区域的图像；其中，所述第一区域包括人脸区域和头发区域；对所述第一区域的图像进行识别，获取所述第一区域的图像中的头顶区域的图像，确定所述头顶区域的图像中的第二区域；其中，所述第二区域为所述头顶区域中的头发区域；根据所述第二区域在原始图像中获取对应所述第二区域的图像，并获取图像中头发的特征参量；根据所述特征参量对原始图像进行识别，获取第三区域的图像；其中，所述第三区域为完整的头发区域。本发明的方案，通过准确获取图像中头发的特征参量来识别出图像的头发区域，解决了现有方法采用头发样本模型进行识别时误差较大的问题。

Description

一种图像处理方法及装置

技术领域

本发明涉及图形图像处理中的区域分割、识别领域，特别是指一种图像处理方法及装置。

背景技术

随着生物识别技术的不断发展，人脸识别、指纹识别等技术已趋于成熟，而考虑到头发对人的整体形象影响的重要作用，能够辅助实现更准确的身份识别，头发识别技术引起了越来越多的关注。

现有的头发区域识别方案，通过对头发建立颜色模型，如采用YCbCr色彩空间，对各种颜色的发型进行统计建立颜色模型，如果像素的颜色范围落在颜色模型内则识别为头发区域。当然，更进一步地，在颜色模型的基础上还会引入纹理特征一起识别头发区域。但是，不论只采用颜色模型还是在此基础上引入伦理特征，都受限于头发的样本，如果样本不全识别效果也不好，而且会受到周围环境影响，如遇到和头发颜色接近的情况就会出现误识别，如果头发是染色的就基本识别不了。

发明内容

本发明的目的是提供一种图像处理方法及装置，通过准确获取图像中头发的特征参量来识别出图像的头发区域，解决了现有方法采用头发样本模型进行识别时误差较大的问题。

为达到上述目的，本发明的实施例提供一种图像处理方法，包括：

对图像进行预处理，并通过人脸识别获取处理后图像中的第一区域的图像；其中，所述第一区域包括人脸区域和头发区域；

对所述第一区域的图像进行识别，获取所述第一区域的图像中的头顶区域的图像，确定所述头顶区域的图像中的第二区域；其中，所述第二区域为所述头顶区域中的头发区域；

根据所述第二区域在原始图像中获取对应所述第二区域的图像，并获取图像中头发的特征参量；

根据所述特征参量对原始图像进行识别，获取第三区域的图像；其中，所述第三区域为完整的头发区域。

其中，所述对图像进行预处理，并通过人脸识别获取处理后图像中的第一区域的图像，包括：

对图像进行预处理；

对预处理后的图像进行人脸识别，获取识别信息；其中所述识别信息包括：人脸位置、人脸区域、人脸的长度和人脸的宽度；

根据所述识别信息，将所述人脸区域按照第一预设规则扩展为第一区域，并获取第一区域图像。

其中，所述根据所述识别信息，将所述人脸区域按照第一预设规则扩展为第一区域，并获取第一区域的图像，包括：

通过公式L₁＝L₀+L₀/2获取第一区域的长度；其中，L₁为第一区域的长度，L₀为所述人脸的长度；

通过公式D₁＝D₀+2*D₀/3获取第一区域的宽度；其中，D₁为第一区域的宽度，D₀为所述人脸的宽度。

其中，所述预处理包括：去噪滤波处理。

其中，所述对所述第一区域的图像进行识别，获取所述第一区域的图像中的头顶区域的图像，确定所述头顶区域的图像中的第二区域，包括：

根据图像颜色，对所述第一区域的图像进行聚类分割，得到多个子图；

对所述多个子图进行过滤筛选，确定模型子图和第二区域。

其中，所述对所述多个子图进行过滤筛选，确定模型子图和第二区域，包括：

根据所述识别信息，分别将每个子图的所述人脸区域按照第二预设规则扩展，得到扩展区域并获取扩展区域的图像；

获取所述扩展区域的图像的像素值和所述人脸区域的图像的像素值，并进行对比，确定对比结果小于或等于第一阈值的子图；

根据所述识别信息，分别将每个子图的所述人脸区域按照第三预设规则扩展，得到头顶区域并获取头顶区域的图像；

获取所述头顶区域图像的像素值和面积值，并进行对比，确定对比结果大于或等于第二阈值的子图；

确定同时达到所述第一阈值和所述第二阈值的子图为模型子图及所述模型子图的第二区域。

其中，所述根据所述识别信息，分别将每个子图的所述人脸区域按照第二预设规则扩展，得到扩展区域并获取扩展区域的图像，包括：

通过公式L₂＝L₀+L₀/4获取扩展后第四区域的长度；其中，L₂为第四区域的长度，L₀为所述人脸的长度，所述第四区域包括所述人脸区域和所述扩展区域；

通过公式D₂＝D₀+2*D₀/4获取扩展后第四区域的宽度；其中，D₂为第四区域的宽度，D₀为所述人脸的宽度。

其中，所述特征参量包括颜色以及纹理；

所述根据所述特征参量对原始图像进行识别，获取第三区域图像，包括：

根据获取到的所述颜色以及纹理特征，对原始图像进行聚类分割，得到第三区域图像。

为达到上述目的，本发明的实施例还提供了一种图像处理装置，包括：

第一获取模块，用于对图像进行预处理，并通过人脸识别获取处理后图像中的第一区域的图像；其中，所述第一区域包括人脸区域和头发区域；

第二获取模块，用于对所述第一区域的图像进行识别，获取所述第一区域的图像中的头顶区域的图像，确定所述头顶区域的图像中的第二区域；其中，所述第二区域为所述头顶区域中的头发区域；

第三获取模块，用于根据所述第二区域在原始图像中获取对应所述第二区域的图像，并获取图像中头发的特征参量；

第四获取模块，用于根据所述特征参量对原始图像进行识别，获取第三区域的图像；其中，所述第三区域为完整的头发区域。

其中，所述第一获取模块包括：

预处理子模块，用于对图像进行预处理；

人脸识别子模块，用于对预处理后的图像进行人脸识别，获取识别信息；其中所述识别信息包括：人脸位置、人脸区域、人脸的长度和人脸的宽度；

处理子模块，用于根据所述识别信息，将所述人脸区域按照第一预设规则扩展为第一区域，并获取第一区域图像。

其中，所述处理子模块包括：

第一处理单元，用于通过公式L₁＝L₀+L₀/2获取第一区域的长度；其中，L₁为第一区域的长度，L₀为所述人脸的长度；

第二处理单元，用于通过公式D₁＝D₀+2*D₀/3获取第一区域的宽度；其中，D₁为第一区域的宽度，D₀为所述人脸的宽度。

其中，所述预处理包括：去噪滤波处理。

本发明的上述技术方案的有益效果如下：

本发明实施例的图像处理方法，首先获取到人脸识别后的包括人脸区域和头发区域的第一区域的图像，除去了大部分背景，避免了背景对识别可能带来的影响。然后对第一区域的图像进行识别，获取第一区域的图像中的头顶区域的图像，确定头顶区域的图像中的头发区域即第二区域，由于头顶是头发生长的部分，头顶区域更便于获取头发的图像。这样，就可进一步地在预处理后的原始图像中获取对应第二区域的图像，并获取到头发的特征参量，从而根据该特征参量对原始图像识别，得到完整的头发区域即第三区域的图像。通过获取图像本身的头发的特征参量作为整体识别的依据，不会出现采用预定模型受限于样本而不能识别或环境干扰等问题，使头发的识别更准确。

附图说明

图1表示本发明实施例的图像处理方法的步骤流程示意图；

图2表示本发明实施例的图像处理方法的具体步骤流程示意图一；

图3表示本发明实施例的图像处理方法的具体步骤流程示意图二；

图4表示本发明实施例的图像处理方法的总流程示意图；

图5表示本发明实施例的图像处理装置的结构示意图。

具体实施方式

为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。

本发明针对现有的头发识别方法是采用头发样本模型进行，识别时受限于头发的样本，以及周围环境影响等原因会出现识别误差较大的问题，提供了一种图像处理方法，通过准确获取图像中头发的特征参量来识别出图像的头发区域。

如图1所示，本发明实施例的一种图像处理方法，包括：

步骤11，对图像进行预处理，并通过人脸识别获取处理后图像中的第一区域的图像；其中，所述第一区域包括人脸区域和头发区域；

步骤12，对所述第一区域的图像进行识别，获取所述第一区域的图像中的头顶区域的图像，确定所述头顶区域的图像中的第二区域；其中，所述第二区域为所述头顶区域中的头发区域；

步骤13，根据所述第二区域在原始图像中获取对应所述第二区域的图像，并获取图像中头发的特征参量；

步骤14，根据所述特征参量对原始图像进行识别，获取第三区域的图像；其中，所述第三区域为完整的头发区域。

其中，所述原始图像是指预处理后，还未进行人脸识别前的图像。

通过上述步骤，首先获取到人脸识别后的包括人脸区域和头发区域的第一区域的图像，除去了大部分背景，避免了背景对识别可能带来的影响。然后对第一区域的图像进行识别，获取第一区域的图像中的头顶区域的图像，确定头顶区域的图像中的头发区域即第二区域，应该了解的是，由于头顶是头发生长的部分，头顶区域更便于获取头发的图像。这样，就可进一步地在预处理后的原始图像中获取对应第二区域的图像，并获取到头发的特征参量，从而根据该特征参量对原始图像识别，得到完整的头发区域即第三区域的图像。本发明实施例的图像处理方法，通过获取图像本身的头发的特征参量作为整体识别的依据，不会出现采用预定模型受限于样本或环境干扰而不能识别等问题，使头发的识别更准确。

在本发明实施例中，如图2所示，步骤11，包括：

步骤111，对图像进行预处理；

步骤112，对预处理后的图像进行人脸识别，获取识别信息；其中所述识别信息包括：人脸位置、人脸区域、人脸的长度和人脸的宽度；

步骤113，根据所述识别信息，将所述人脸区域按照第一预设规则扩展为第一区域，并获取第一区域图像。

众所周知，现在的图像来源可以是摄像头、手机、相机以及网络等，现实中的图像就常受到成像设备与外部环境干扰等影响，因此，首先要对图像进行预处理来改进图像质量，保证后续图像识别的精确性。再对预处理后的图像进行人脸识别，获取人脸位置、人脸区域、人脸的长度和人脸的宽度等识别信息。人脸识别可以采用的算法多种多样，如基于adaboost机器学习的算法，开源库有OpenCV，商业的Face++等。随后，就可根据识别信息，按照第一预设规则扩展为第一区域在图像中获取第一区域的图像。

第一区域的获取是在人脸识别成功的基础上根据识别出的人脸区域按照第一预设规则扩展，由于之后要获取的第二区域是头顶区域，一般是在人脸区域基础上向左右、向上扩大一定的范围。第一预设规则可以是预定义的，也可由操作人员在图像识别前进行自定义设置等，在本发明上述实施例的基础上，步骤113，包括：

步骤1131，通过公式L₁＝L₀+L₀/2获取第一区域的长度；其中，L₁为第一区域的长度，L₀为所述人脸的长度；

步骤1132，通过公式D₁＝D₀+2*D₀/3获取第一区域的宽度；其中，D₁为第一区域的宽度，D₀为所述人脸的宽度。

通过上述两公式确定第一区域的长度和宽度，即第一预设规则是根据人脸的长度向上扩展人脸长度的1/2，根据人脸的宽度左右各扩展人脸宽度的1/3，扩展完成后得到新的区域即是第一区域。该第一预设规则是本发明实施例的一种较佳的实现方式，其他的预设规则如根据人脸的长度向上扩展人脸长度的2/3，根据人脸的宽度左右各扩展人脸宽度的1/4，等等方案也是能够实现的。

在上述实施例中，所述预处理包括：去噪滤波处理。受到成像设备与外部环境噪声干扰是图像中常遇见的问题，一般情况下，预处理时就会进行去噪滤波处理，当然，如果因为光线太差，图像相对比较昏暗的话，可以进行彩色均衡化处理，如把图像从RGB空间转换到HIS空间，对强度I进行均衡化，算法可以采用经典的直方图均衡化算法。预处理时，除了上述具体处理外，其他图像的处理方式也是可以的，在此不一一列举。

第一区域的图像获取后，就需要确定第二区域，在本发明的实施例中，步骤12，包括：

步骤121，根据图像颜色，对所述第一区域的图像进行聚类分割，得到多个子图；

步骤122，对所述多个子图进行过滤筛选，确定模型子图和第二区域。

首先根据图像颜色进行聚类分割，可以采用经典的K-MEANS分割，颜色空间可以采用RGB，也可以采用其他的颜色空间，如LUV等。在本发明实施例中，预设分为4个子图，当然可以根据不同的情况进行其他数值的设定。头发颜色是比较集中的，根据颜色聚类分割时，头发基本会被会聚到一个子图中，但是，常常有一些背景也会聚类在该子图中，就要把包含最多头发区域的子图即模型子图筛选出来，从而确定到第二区域。

应该知道的是，人脸由于和头发的颜色往往是有很大区别的，会聚类到不同的子图中，子图像素是满足一定的规律，通过预设一定的阈值就可筛选出希望得到的子图，因此，在本发明的实施例中，如图3所示，步骤122，包括：

步骤1221，根据所述识别信息，分别将每个子图的所述人脸区域按照第二预设规则扩展，得到扩展区域并获取扩展区域的图像；

步骤1222，获取所述扩展区域的图像的像素值和所述人脸区域的图像的像素值，并进行对比，确定对比结果小于或等于第一阈值的子图；

步骤1223，根据所述识别信息，分别将每个子图的所述人脸区域按照第三预设规则扩展，得到头顶区域并获取头顶区域的图像；

步骤1224，获取所述头顶区域图像的像素值和面积值，并进行对比，确定对比结果大于或等于第二阈值的子图；

步骤1225，确定同时达到所述第一阈值和所述第二阈值的子图为模型子图及所述模型子图的第二区域。

在步骤112中进行人脸识别后，已经得到了包括：人脸位置、人脸区域、人脸的长度和人脸的宽度的识别信息，筛选时，可根据识别信息，分别将每个子图的人脸区域按照第二预设规则扩展，得到扩展区域并获取扩展区域的图像。人脸区域扩展后会得到一较大的区域，而要完成筛选，需要得到该区域中除去人脸区域部分的扩展区域的图像，就可以获取扩展区域的图像的像素值与人脸区域的图像的像素值进行对比，对比的方式可以有多种，如取两像素值的差值或者比值等，将对比结果与预设的阈值比较就能够对子图完成筛选。在本发明的实施例中优选获取扩展区域的图像的像素值与人脸区域的图像的像素值的比值，第一阈值为0.83，筛选得到比值小于或等于0.83的子图。

根据识别信息，分别将每个子图的所述人脸区域按照第三预设规则扩展，得到头顶区域并获取头顶区域的图像。然后获取头顶区域的图像的像素值与头顶区域的面积进行对比，同样对比的方式也可以有多种，将对比结果与预设的阈值比较就能够对子图完成筛选。在本发明的实施例中优选获取头顶区域的图像的像素值与头顶区域的面积的比值，第二阈值为0.67，筛选得到比值大于或等于0.67的子图。

只有同时满足上述两种筛选条件的子图才能确定为模型子图，然后确定该模型子图的头顶区域图像中只包括头发的第二区域的范围以及位置等信息。以便步骤13能够根据第二区域的位置以及范围等在原始图像中获取其对应第二区域的图像，并在该图像中获取到的头发的特征参量。由于此特征参量是图像中人物自身的特征，不会出现采用预定模型受限于样本或环境干扰而不能识别等问题，使头发的识别更准确。

当然，上述的两种筛选可以是同时进行的，也可以在扩展区域两像素值的对比结果小于或等于第一阈值，完成首次筛选的基础上进行头顶区域像素值与面积对比的第二次筛选或者头顶区域像素值与面积的对比结果大于或等于第二阈值，完成首次筛选的基础上进行扩展区域两像素值对比第二次筛。

其中，步骤1221包括：

通过公式L₂＝L₀+L₀/4获取扩展后第四区域的长度；其中，L₂为第四区域的长度，L₀为所述人脸的长度，所述第四区域包括所述人脸区域和所述扩展区域；

通过公式D₂＝D₀+2*D₀/4获取扩展后第四区域的宽度；其中，D₂为第四区域的宽度，D₀为所述人脸的宽度。

通过上述两公式确定第二区域的长度和宽度，即第二预设规则是根据人脸的长度向上扩展人脸长度的1/4，根据人脸的宽度左右各扩展人脸宽度的1/4，扩展完成后得到新的区域即是第四区域，第四区域中包括原有的人脸区域以及周围的扩展区域。该第二预设规则是本发明实施例的一种较佳的实现方式，其他的预设规则如根据人脸的长度向上扩展人脸长度的1/5，根据人脸的宽度左右各扩展人脸宽度的1/5，等等方案也是能够实现的。同样的，头顶区域通过公式L₃＝L₀+L₀/4获取扩展后头顶区域的长度；其中，L₃为头顶区域的长度，L₀为所述人脸的长度。扩展的第三预设规则是根据人脸的长度向上扩展人脸长度的1/4，左右不进行扩展，当然该预设规则也仅是一种较佳的实现方式，其他适用的方案也是可以实现的。

在上述本发明的实施例中，所述特征参量包括颜色以及纹理；

步骤14，包括：

根据获取到的所述颜色以及纹理特征，对原始图像进行聚类分割，得到第三区域图像。

根据获取到的头发的颜色以及纹理特征，颜色采用HIS空间，只取HS两个颜色分量，来减少光照强弱影响，而纹理采用小波特征，充分利用人类视觉感知特性弥补颜色特征然后对原始图像进行聚类分割，在聚类分割之后就可得到第三区域图像，即完整的头发区域的图像。

综上所述，本发明实施例的图像处理方法，如图4所示，通过三次不同区域的获取，第一次在人脸识别的基础上得到头发和人脸的合成最小区域，有效地减少了处理区域，再在该区域内进行分割，获得子图，根据头发的分布位置得到头顶上部分头发区域获取原始图像中真实的头发区域，在获取到头发的特征参量后最终聚类分割得到完整的头发区域。本方案中获取到的头发的特征参量是图像中人物自身的特征，不会出现采用预定模型受限于样本或受环境干扰而不能识别等问题，使头发的识别更准确。

如图5所示，本发明的实施例还提供了一种图像处理装置，包括：

第一获取模块10，用于对图像进行预处理，并通过人脸识别获取处理后图像中的第一区域的图像；其中，所述第一区域包括人脸区域和头发区域；

第二获取模块20，用于对所述第一区域的图像进行识别，获取所述第一区域的图像中的头顶区域的图像，确定所述头顶区域的图像中的第二区域；其中，所述第二区域为所述头顶区域中的头发区域；

第三获取模块30，用于根据所述第二区域在原始图像中获取对应所述第二区域的图像，并获取图像中头发的特征参量；

第四获取模块40，用于根据所述特征参量对原始图像进行识别，获取第三区域的图像；其中，所述第三区域为完整的头发区域。

其中，所述第一获取模块包括：

预处理子模块，用于对图像进行预处理；

人脸识别子模块，用于对预处理后的图像进行人脸识别，获取识别信息；其中所述识别信息包括：人脸位置、人脸区域、人脸的长度和人脸的宽度；

处理子模块，用于根据所述识别信息，将所述人脸区域按照第一预设规则扩展为第一区域，并获取第一区域图像。

其中，所述处理子模块包括：

第一处理单元，用于通过公式L₁＝L₀+L₀/2获取第一区域的长度；其中，L₁为第一区域的长度，L₀为所述人脸的长度；

第二处理单元，用于通过公式D₁＝D₀+2*D₀/3获取第一区域的宽度；其中，D₁为第一区域的宽度，D₀为所述人脸的宽度。

其中，所述预处理包括：去噪滤波处理。

其中，所述第二获取模块包括：

分割子模块，用于根据图像颜色，对所述第一区域的图像进行聚类分割，得到多个子图；

筛选子模块，用于对所述多个子图进行过滤筛选，确定模型子图和第二区域。

其中，所述筛选子模块包括：

第三处理单元，用于根据所述识别信息，分别将每个子图的所述人脸区域按照第二预设规则扩展，得到扩展区域并获取扩展区域的图像；

第一确定单元，用于获取所述扩展区域的图像的像素值和所述人脸区域的图像的像素值，并进行对比，确定对比结果小于或等于第一阈值的子图；

第四处理单元，用于根据所述识别信息，分别将每个子图的所述人脸区域按照第三预设规则扩展，得到头顶区域并获取头顶区域的图像；

第二确定单元，用于获取所述头顶区域图像的像素值和面积值，并进行对比，确定对比结果大于或等于第二阈值的子图；

获取单元，用于确定同时达到所述第一阈值和所述第二阈值的子图为模型子图及所述模型子图的第二区域。

其中，所述第三处理单元包括：

第一处理子单元，用于通过公式L₂＝L₀+L₀/4获取扩展后第四区域的长度；其中，L₂为第四区域的长度，L₀为所述人脸的长度，所述第四区域包括所述人脸区域和所述扩展区域；

第二处理子单元，用于通过公式D₂＝D₀+2*D₀/4获取扩展后第四区域的宽度；其中，D₂为第四区域的宽度，D₀为所述人脸的宽度。

其中，所述特征参量包括颜色以及纹理；

所述第四获取模块包括：

获取子模块，用于根据获取到的所述颜色以及纹理特征，对原始图像进行聚类分割，得到第三区域图像。

本发明实施例的图像处理装置，通过三次不同区域的获取，第一次在人脸识别的基础上得到头发和人脸的合成最小区域，有效地减少了处理区域，再在该区域内进行分割，获得子图，根据头发的分布位置得到头顶上部分头发区域获取原始图像中真实的头发区域，在获取到头发的特征参量后最终聚类分割得到完整的头发区域。获取到的头发的特征参量是图像中人物自身的特征，不会出现采用预定模型受限于样本或受环境干扰而不能识别等问题，使头发的识别更准确。

需要说明的是，该装置是应用了上述图像处理方法的装置，上述图像处理方法的实现方式适用于该装置，也能达到相同的技术效果。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (12)

1.一种图像处理方法，其特征在于，包括：

对图像进行预处理，并通过人脸识别获取处理后图像中的第一区域的图像；其中，所述第一区域包括人脸区域和头发区域；

对所述第一区域的图像进行识别，获取所述第一区域的图像中的头顶区域的图像，确定所述头顶区域的图像中的第二区域；其中，所述第二区域为所述头顶区域中的头发区域；

根据所述第二区域在原始图像中获取对应所述第二区域的图像，并获取图像中头发的特征参量；

根据所述特征参量对原始图像进行识别，获取第三区域的图像；其中，所述第三区域为完整的头发区域。

2.根据权利要求1所述的图像处理方法，其特征在于，所述对图像进行预处理，并通过人脸识别获取处理后图像中的第一区域的图像，包括：

对图像进行预处理；

对预处理后的图像进行人脸识别，获取识别信息；其中所述识别信息包括：人脸位置、人脸区域、人脸的长度和人脸的宽度；

根据所述识别信息，将所述人脸区域按照第一预设规则扩展为第一区域，并获取第一区域图像。

3.根据权利要求2所述的图像处理方法，其特征在于，所述根据所述识别信息，将所述人脸区域按照第一预设规则扩展为第一区域，并获取第一区域的图像，包括：

通过公式L₁＝L₀+L₀/2获取第一区域的长度；其中，L₁为第一区域的长度，L₀为所述人脸的长度；

通过公式D₁＝D₀+2*D₀/3获取第一区域的宽度；其中，D₁为第一区域的宽度，D₀为所述人脸的宽度。

4.根据权利要求1或2所述的图像处理方法，其特征在于，所述预处理包括：去噪滤波处理。

5.根据权利要求2所述的图像处理方法，其特征在于，所述对所述第一区域的图像进行识别，获取所述第一区域的图像中的头顶区域的图像，确定所述头顶区域的图像中的第二区域，包括：

根据图像颜色，对所述第一区域的图像进行聚类分割，得到多个子图；

对所述多个子图进行过滤筛选，确定模型子图和第二区域。

6.根据权利要求5所述的图像处理方法，其特征在于，所述对所述多个子图进行过滤筛选，确定模型子图和第二区域，包括：

根据所述识别信息，分别将每个子图的所述人脸区域按照第二预设规则扩展，得到扩展区域并获取扩展区域的图像；

获取所述扩展区域的图像的像素值和所述人脸区域的图像的像素值，并进行对比，确定对比结果小于或等于第一阈值的子图；

根据所述识别信息，分别将每个子图的所述人脸区域按照第三预设规则扩展，得到头顶区域并获取头顶区域的图像；

获取所述头顶区域图像的像素值和面积值，并进行对比，确定对比结果大于或等于第二阈值的子图；

确定同时达到所述第一阈值和所述第二阈值的子图为模型子图及所述模型子图的第二区域。

7.根据权利6所述的图像处理方法，其特征在于，所述根据所述识别信息，分别将每个子图的所述人脸区域按照第二预设规则扩展，得到扩展区域并获取扩展区域的图像，包括：

通过公式L₂＝L₀+L₀/4获取扩展后第四区域的长度；其中，L₂为第四区域的长度，L₀为所述人脸的长度，所述第四区域包括所述人脸区域和所述扩展区域；

通过公式D₂＝D₀+2*D₀/4获取扩展后第四区域的宽度；其中，D₂为第四区域的宽度，D₀为所述人脸的宽度。

8.根据权利要求1所述的图像处理方法，其特征在于，所述特征参量包括颜色以及纹理；

所述根据所述特征参量对原始图像进行识别，获取第三区域图像，包括：

根据获取到的所述颜色以及纹理特征，对原始图像进行聚类分割，得到第三区域图像。

9.一种图像处理装置，其特征在于，包括：

第一获取模块，用于对图像进行预处理，并通过人脸识别获取处理后图像中的第一区域的图像；其中，所述第一区域包括人脸区域和头发区域；

第二获取模块，用于对所述第一区域的图像进行识别，获取所述第一区域的图像中的头顶区域的图像，确定所述头顶区域的图像中的第二区域；其中，所述第二区域为所述头顶区域中的头发区域；

第三获取模块，用于根据所述第二区域在原始图像中获取对应所述第二区域的图像，并获取图像中头发的特征参量；

第四获取模块，用于根据所述特征参量对原始图像进行识别，获取第三区域的图像；其中，所述第三区域为完整的头发区域。

10.根据权利要求9所述的图像处理装置，其特征在于，所述第一获取模块包括：

预处理子模块，用于对图像进行预处理；

人脸识别子模块，用于对预处理后的图像进行人脸识别，获取识别信息；其中所述识别信息包括：人脸位置、人脸区域、人脸的长度和人脸的宽度；

处理子模块，用于根据所述识别信息，将所述人脸区域按照第一预设规则扩展为第一区域，并获取第一区域图像。

11.根据权利要求10所述的图像处理装置，其特征在于，所述处理子模块包括：

第一处理单元，用于通过公式L₁＝L₀+L₀/2获取第一区域的长度；其中，L₁为第一区域的长度，L₀为所述人脸的长度；

第二处理单元，用于通过公式D₁＝D₀+2*D₀/3获取第一区域的宽度；其中，D₁为第一区域的宽度，D₀为所述人脸的宽度。

12.根据权利要求9或10所述的图像处理装置，其特征在于，所述预处理包括：去噪滤波处理。