CN105512605B - 人脸图像处理方法及装置 - Google Patents
人脸图像处理方法及装置 Download PDFInfo
- Publication number
- CN105512605B CN105512605B CN201510818784.3A CN201510818784A CN105512605B CN 105512605 B CN105512605 B CN 105512605B CN 201510818784 A CN201510818784 A CN 201510818784A CN 105512605 B CN105512605 B CN 105512605B
- Authority
- CN
- China
- Prior art keywords
- subregion
- filtering
- determining
- value
- filtering parameter
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Image Processing (AREA)
Abstract
本公开是关于人脸图像处理方法及装置,其中,该方法包括:确定人脸图像中的人脸区域;对确定的所述人脸区域进行子区域划分;对划分出的各子区域进行满足各子区域处理需求的滤波。本公开中,终端设备在进行人脸图像处理时,先将人脸进行区域划分,然后对于各子区域,进行满足各子区域处理需求的滤波,这使得滤波不再是对整个人脸进行同样的滤波,可以根据各子区域自己的处理需求,进行不同效果的滤波。例如可以实现额头皮肤、脸部皮肤、眼睛、嘴、眉毛等部位不同的模糊效果,可以在使皮肤区域更平滑的同时保留更多的真实感。
Description
技术领域
本公开涉及图像处理技术领域,尤其涉及人脸图像处理方法及装置。
背景技术
随着终端设备技术的不断发展和普及,越来越多的用户使用带有摄像头的终端设备进行拍照。为了美化拍摄的照片,已经开发出了一些可以美化照片的应用(APP)。这些APP使用起来非常方便,用户只要选择相应的功能,就可以自动地对照片进行美化,例如,可以对人脸进行处理实现磨皮嫩肤的效果。但是,其仅能对整个人脸进行相同程度的磨皮嫩肤,因此美化后的人脸并不自然。
发明内容
本公开实施例提供人脸图像处理方法及装置。所述技术方案如下:
根据本公开实施例的第一方面,提供一种人脸图像处理方法,包括:
确定人脸图像中的人脸区域;
对确定的所述人脸区域进行子区域划分;
对划分出的各子区域进行满足各子区域处理需求的滤波。
可选地,所述对划分出的各子区域进行满足各子区域处理需求的滤波,包括:
根据各子区域的处理需求,确定各子区域的滤波参数的值;
根据确定的各子区域的滤波参数的值,对划分出的各子区域进行滤波。
可选地,所述根据各子区域的处理需求,确定各子区域的滤波参数的值,包括:
根据各子区域的处理需求,从预先设置的滤波参数所具有的至少两个可选的值中,确定各子区域的滤波参数的值。
可选地,所述对划分出的各子区域进行满足各子区域处理需求的滤波,还包括:
将所述各子区域中的相邻区域的滤波参数的值进行插值计算,获得子区域交界处的滤波参数的值;
所述根据确定的各子区域的滤波参数的值,对划分出的各子区域进行滤波,包括:
根据确定的各子区域的滤波参数的值以及子区域交界处的滤波参数的值,对所述人脸区域进行滤波。
可选地,所述根据确定的各子区域的滤波参数的值,对划分出的各子区域进行滤波,包括:
根据确定的各子区域的滤波参数的值,分别对各子区域进行滤波;
将各子区域的滤波结果进行拼接;
对拼接后的相邻区域的重叠部分进行加权计算。
可选地,所述加权计算的系数由所述重叠部分与区域边界之间的距离决定。
可选地,所述滤波参数包括决定滤波范围的第一参数和决定滤波强度的第二参数。
可选地,所述对确定的所述人脸区域进行子区域划分,包括:
根据确定的所述人脸区域中的脸部轮廓和脸部关键部位,将所述人脸区域进行子区域划分。
根据本公开实施例的第二方面,提供一种人脸图像处理装置,包括:
确定模块,用于确定人脸图像中的人脸区域;
划分模块,用于对所述确定模块确定的所述人脸区域进行子区域划分;
滤波模块,用于对所述划分模块划分出的各子区域进行满足各子区域处理需求的滤波。
可选地,所述滤波模块,包括:
第一确定子模块,用于根据各子区域的处理需求,确定所述划分模块划分出的各子区域的滤波参数的值;
滤波子模块,用于根据所述第一确定子模块确定的各子区域的滤波参数的值,对划分出的各子区域进行滤波。
可选地,所述第一确定子模块,用于根据各子区域的处理需求,从预先设置的滤波参数所具有的至少两个可选的值中,确定各子区域的滤波参数的值。
可选地,所述滤波模块,还包括:
第一计算子模块,用于将所述第一确定子模块确定的各子区域中的相邻区域的滤波参数的值进行插值计算,获得子区域交界处的滤波参数的值;
所述滤波子模块,用于根据所述第一确定子模块确定的各子区域的滤波参数的值以及所述第一计算子模块计算出的子区域交界处的滤波参数的值,对所述人脸区域进行滤波。
可选地,所述滤波子模块,用于根据所述第一确定子模块确定的各子区域的滤波参数的值,分别对各子区域进行滤波;
所述滤波模块还包括:
拼接子模块,用于将所述滤波子模块滤波后的各子区域的滤波结果进行拼接;
第二计算子模块,用于对所述拼接子模块拼接后的相邻区域的重叠部分进行加权计算。
可选地,所述加权计算的系数由所述重叠部分与区域边界之间的距离决定。
可选地,所述滤波参数包括决定滤波范围的第一参数和决定滤波强度的第二参数。
可选地,所述划分模块,用于根据确定的所述人脸区域中的脸部轮廓和脸部关键部位,将所述人脸区域进行子区域划分。
根据本公开实施例的第三方面,提供一种人脸图像处理装置,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
确定人脸图像中的人脸区域;
对确定的所述人脸区域进行子区域划分;
对划分出的各子区域进行满足各子区域处理需求的滤波。
本公开的实施例提供的技术方案可以包括以下有益效果:
上述技术方案,终端设备在进行人脸图像处理时,先将人脸进行区域划分,然后对于各子区域,进行满足各子区域处理需求的滤波,这使得滤波不再是对整个人脸进行同样的滤波,可以根据各子区域自己的处理需求,进行不同效果的滤波。例如可以实现额头皮肤、脸部皮肤、眼睛、嘴、眉毛等部位不同的模糊效果,可以在使皮肤区域更平滑的同时保留更多的真实感。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的人脸图像处理方法的流程图。
图2是根据另一示例性实施例示出的人脸图像处理方法的流程图。
图3是根据另一示例性实施例示出的人脸图像处理方法的流程图。
图4是根据另一示例性实施例示出的人脸图像处理方法的流程图。
图5是根据一示例性实施例示出的人脸图像处理装置的框图。
图6是根据另一示例性实施例示出的人脸图像处理装置的框图。
图7是根据另一示例性实施例示出的人脸图像处理装置的框图。
图8是根据另一示例性实施例示出的人脸图像处理装置的框图。
图9是根据一示例性实施例示出的一种用于人脸图像处理的装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
本公开实施例提供的技术方案,涉及能够进行图像处理的终端设备,终端设备例如包括智能手机、平板电脑、笔记本电脑、智能相机等。
图1是根据一示例性实施例示出的一种人脸图像处理方法的流程图,如图1所示,人脸图像处理方法用于终端设备中,包括以下步骤S11-S13:
在步骤S11中,确定人脸图像中的人脸区域。
在步骤S12中,对确定的所述人脸区域进行子区域划分。
在步骤S13中,对划分出的各子区域进行满足各子区域处理需求的滤波。
本实施例中,终端设备在进行人脸图像处理时,先将人脸进行区域划分,然后对于各子区域,进行满足各子区域处理需求的滤波,这使得滤波不再是对整个人脸进行同样的滤波,可以根据各子区域自己的处理需求,进行不同效果的滤波。例如可以实现额头皮肤、脸部皮肤、眼睛、嘴、眉毛等部位不同的模糊效果,可以在使皮肤区域更平滑的同时保留更多的真实感。
图2是根据另一示例性实施例示出的一种人脸图像处理方法的流程图,如图2所示,在另一个实施例中,人脸图像处理方法包括以下步骤:
在步骤S21中,获取人脸图像。
在步骤S22中,确定获取的人脸图像中的人脸区域。
确定人脸区域,是指在输入图像中判断人脸的位置、大小、姿态,用于确定人脸区域的人脸检测的算法主要有:基于肤色区域分割的人脸检测算法、基于启发式模型的人脸检测算法以及基于统计模型的人脸检测算法。基于肤色区域分割的人脸检测算法是指通过肤色色度的相关性和空间上的相似性分离出可能存在的人脸区域,然后根据该区域的集合特征判断是否是人脸的方法。基于启发式模型的人脸检测算法是通过变形模板等方式来获取图像的几何特征,然后根据几何特征判断是否存在人脸。基于统计模型的人脸检测方法是采用统计学的方法通过学习判断图像中是否包含人脸,例如包括:基于K-L变换的方法、基于神经网络的方法,基于SVM(Support Vector Machine,支持向量机)的方法等。
人脸区域确定之后,要进行脸部关键部位的确定,脸部关键部位定位的目的是在人脸检测的基础上,进一步确定脸部关键部位(眼睛、眉毛、鼻子、嘴巴、脸部轮廓)的位置。定位算法的基本思路是:人脸的纹理特征和各个关键部位之间的位置约束结合。经典的脸部关键位置定位方法包括:基于主动形状模型(Active Shape Model,ASM)和基于主动表观模型(Active Appearance Mode,AAM)的脸部关键位置的定位。关于人脸区域和脸部关键部位的定位,可以使用任何合适的技术来实现,在此不一一赘述。
在步骤S23中,根据确定的人脸区域中的脸部轮廓和脸部关键部位,将人脸区域进行子区域划分。
例如,可以将人脸区域分为额头、眼睛、眉毛、脸、鼻子、嘴和下巴等子区域。
在步骤S24中,根据各子区域的处理需求,确定各子区域的滤波参数的值。
对人脸图像的滤波例如可以使用双边滤波(Bilateral filter)等滤波技术。双边滤波是一种可以保边去噪的滤波,该滤波器由两个函数构成,一个函数是由几何空间距离决定滤波器系数,另一个函数由像素差值决定滤波器系数。
双边滤波器中,输出像素的值依赖于邻域像素的值的加权组合:
其中,i、j、k、l是像素索引即像素点位置标记,权重系数w(i,j,k,l)取决于定义域核和值域核的乘积,其中:
定义域核为:
值域核为:
其乘积为:
其中,滤波参数σd决定对每个像素点处理时考虑的邻域范围大小即滤波范围,σr决定邻域内不同像素值对当前点的影响大小即滤波强度。这个差别造成了权重系数d(i,j,k,l)和r(i,j,k,l)的意义不同,d(i,j,k,l)取决于空间距离,r(i,j,k,l)取决于像素值。因此,可以根据各子区域的处理需求,确定各子区域的滤波参数σd和σr的值。
在本公开的另一实施例中,可以为滤波参数预先设置至少两个可选的值。然后,在滤波时,根据各子区域的处理需求,从预先设置的滤波参数所具有的至少两个可选的值中,确定各子区域的滤波参数的值。
例如,为上述双边滤波中的滤波参数σd和σr均设置两个可选的值,分别为:σd_A,σd_B,σr_A,σr_B;其中,σd_A>σd_B,σr_A>σr_B。
根据各子区域的处理需求,为各子区域选取各自的滤波参数,例如:
额头和脸等纯皮肤子区域选取σd_A和σr_A,表示滤波时考虑较大的范围、进行较强的模糊;眼睛子区域选取σd_B和σr_A,表示滤波时考虑较小的范围、进行较强的模糊;鼻子子区域选取σd_A和σr_B,表示滤波时考虑较大的范围、进行较弱的模糊;嘴、眉毛和下巴等子区域均选取σd_B和σr_B,表示滤波时考虑较小的范围、进行较弱的模糊,因为通常希望保持更多毛发和嘴唇纹理。
在本公开的其他实施例中,还可以根据用户输入的处理需求,为各子区域选取与上述实施例不同的滤波参数。
在本公开的其他实施例中,对人脸图像的滤波还可以使用引导滤波(GuidedFilter)技术。事实上,本公开可以使用具有以下特点的任一滤波算法:具有两个滤波参数,其中一个滤波参数控制模糊核大小,另一个滤波参数控制像素差异。
在步骤S25中,根据确定的各子区域的滤波参数的值,对划分出的各子区域进行滤波。
图3是根据另一示例性实施例示出的一种人脸图像处理方法的流程图,如图3所示,在另一个实施例中,人脸图像处理方法包括以下步骤:
在步骤S31中,获取人脸图像。
在步骤S32中,确定获取的人脸图像中的人脸区域。
在步骤S33中,根据确定的人脸区域中的脸部轮廓和脸部关键部位,将人脸区域进行子区域划分。
在步骤S34中,根据各子区域的处理需求,从预先设置的滤波参数所具有的至少两个可选的值中,确定各子区域的滤波参数的值。
在步骤S35中,将各子区域中的相邻区域的滤波参数的值进行插值计算,获得子区域交界处的滤波参数的值。
在步骤S36中,根据确定的各子区域的滤波参数的值以及区域交界处的滤波参数的值,对人脸区域进行滤波。
在本实施例中,在根据确定的各自区域的滤波参数的值对人脸区域进行滤波之前,还通过插值计算获得相邻子区域的交界处的滤波参数的值,这样可以使得滤波后,子区域交界处的滤波效果也非常的自然,而不是突然从一个子区域变成另一个子区域。这种方式对于子区域交界处滤波参数的控制比较精准。
图4是根据另一示例性实施例示出的一种人脸图像处理方法的流程图,如图4所示,在另一个实施例中,人脸图像处理方法包括以下步骤:
在步骤S41中,获取人脸图像。
在步骤S42中,确定获取的人脸图像中的人脸区域。
在步骤S43中,根据确定的人脸区域中的脸部轮廓和脸部关键部位,将人脸区域进行子区域划分。
在步骤S44中,根据各子区域的处理需求,从预先设置的滤波参数所具有的至少两个可选的值中,确定各子区域的滤波参数的值。
在步骤S45中,根据确定的各子区域的滤波参数的值,分别对各子区域进行滤波。
在步骤S46中,将各子区域的滤波结果进行拼接。
在步骤S47中,对拼接后的相邻区域的重叠部分进行加权计算。
其中,加权计算的系数可以由重叠部分与区域边界之间的距离决定。与区域边界之间的距离越远权重越大,与区域边界之间的距离越近权重越小。
在本实施例中,为了保持滤波后各子区域之间的平滑过渡,将拼接后相邻区域的重叠部分进行加权计算。
下述为本公开装置实施例,可以用于执行本公开方法实施例。
图5是根据一示例性实施例示出的一种人脸图像处理装置的框图,该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。如图5所示,该人脸图像处理装置包括:
确定模块51,被配置为确定人脸图像中的人脸区域;
划分模块52,被配置为对所述确定模块51确定的所述人脸区域进行子区域划分;
例如,可以将人脸区域分为额头、眼睛、眉毛、脸、鼻子、嘴和下巴等子区域。
滤波模块53,用于对所述划分模块52划分出的各子区域进行满足各子区域处理需求的滤波。
本实施例中,终端设备在进行人脸图像处理时,先将人脸进行区域划分,然后对于各子区域,进行满足各子区域处理需求的滤波,这使得滤波不再是对整个人脸进行同样的滤波,可以根据各子区域自己的处理需求,进行不同效果的滤波。例如可以实现额头皮肤、脸部皮肤、眼睛、嘴、眉毛等部位不同的模糊效果,可以在使皮肤区域更平滑的同时保留更多的真实感。
图6是根据一示例性实施例示出的一种人脸图像处理装置的框图,在该实施例中,所述滤波模块53,包括:
第一确定子模块531,被配置为根据各子区域的处理需求,确定所述划分模块52划分出的各子区域的滤波参数的值;
对人脸图像的滤波例如可以使用双边滤波(Bilateral filter)等滤波技术。双边滤波是一种可以保边去噪的滤波,该滤波器由两个函数构成,一个函数是由几何空间距离决定滤波器系数,另一个函数由像素差值决定滤波器系数。
双边滤波器中,输出像素的值依赖于邻域像素的值的加权组合:
其中,i、j、k、l是像素索引,权重系数w(i,j,k,l)取决于定义域核和值域核的乘积,其中:
定义域核为:
值域核为:
其乘积为:
其中,滤波参数σd决定对每个像素点处理时考虑的邻域范围大小即滤波范围,σr决定邻域内不同像素值对当前点的影响大小即滤波强度。这个差别造成了权重系数d(i,j,k,l)和r(i,j,k,l)的意义不同,d(i,j,k,l)取决于空间距离,r(i,j,k,l)取决于像素值。因此,可以根据各子区域的处理需求,确定各子区域的滤波参数σd和σr的值。
滤波子模块532,被配置为根据所述第一确定子模块531确定的各子区域的滤波参数的值,对划分出的各子区域进行滤波。
在本公开另一实施例中,所述第一确定子模块531,被配置为根据各子区域的处理需求,从预先设置的滤波参数所具有的至少两个可选的值中,确定各子区域的滤波参数的值。
例如,为上述双边滤波中的滤波参数σd和σr均设置两个可选的值,分别为:σd_A,σd_B,σr_A,σr_B;其中,σd_A>σd_B,σr_A>σr_B。
根据各子区域的处理需求,为各子区域选取各自的滤波参数,例如:
额头和脸等纯皮肤子区域选取σd_A和σr_A,表示滤波时考虑较大的范围、进行较强的模糊;眼睛子区域选取σd_B和σr_A,表示滤波时考虑较小的范围、进行较强的模糊;鼻子子区域选取σd_A和σr_B,表示滤波时考虑较大的范围、进行较弱的模糊;嘴、眉毛和下巴等子区域均选取σd_B和σr_B,表示滤波时考虑较小的范围、进行较弱的模糊,因为通常希望保持更多毛发和嘴唇纹理。
在本公开的其他实施例中,所述第一确定子模块531还可以根据用户输入的处理需求,为各子区域选取与上述实施例不同的滤波参数。
在本公开的其他实施例中,对人脸图像的滤波还可以使用引导滤波(GuidedFilter)技术。事实上,本公开可以使用具有以下特点的任一滤波算法:具有两个滤波参数,其中一个滤波参数控制模糊核大小(即滤波范围大小),另一个滤波参数控制像素差异(即滤波强度)。
图7是根据一示例性实施例示出的一种人脸图像处理装置的框图,在该实施例中,所述滤波模块53,还包括:
第一计算子模块533,被配置为将所述第一确定子模块531确定的各子区域中的相邻区域的滤波参数的值进行插值计算,获得子区域交界处的滤波参数的值;
所述滤波子模块532,被配置为根据所述第一确定子模块531确定的各子区域的滤波参数的值以及所述第一计算子模块533计算出的子区域交界处的滤波参数的值,对所述人脸区域进行滤波。
在本实施例中,在根据确定的各自区域的滤波参数的值对人脸区域进行滤波之前,第一计算子模块533还通过插值计算获得相邻子区域的交界处的滤波参数的值,这样可以使得滤波后,子区域交界处的滤波效果也非常的自然,而不是突然从一个子区域变成另一个子区域。这种方式对于子区域交界处滤波参数的控制比较精准。
在本公开另一实施例中,所述滤波子模块532,被配置为根据所述第一确定子模块531确定的各子区域的滤波参数的值,分别对各子区域进行滤波;
图8是根据一示例性实施例示出的一种人脸图像处理装置的框图,在该实施例中,所述滤波模块53还包括:
拼接子模块534,被配置为将所述滤波子模块53滤波后的各子区域的滤波结果进行拼接;
第二计算子模块535,被配置为对所述拼接子模块534拼接后的相邻区域的重叠部分进行加权计算。
在本实施例中,为了保持滤波后各子区域之间的平滑过渡,将拼接后相邻区域的重叠部分进行加权计算。
在本公开另一实施例中,所述加权计算的系数由所述重叠部分与区域边界之间的距离决定。
在本公开另一实施例中,所述滤波参数包括决定滤波范围的第一参数和决定滤波强度的第二参数。
在本公开另一实施例中,所述划分模块52,被配置为根据确定的所述人脸区域中的脸部轮廓和脸部关键部位,将所述人脸区域进行子区域划分。
本公开还提供一种人脸图像处理装置,包括:
处理器;
被配置为存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
确定人脸图像中的人脸区域;
对确定的所述人脸区域进行子区域划分;
对划分出的各子区域进行满足各子区域处理需求的滤波。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图9是根据一示例性实施例示出的一种用于人脸图像处理的装置800的框图。例如,装置800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图9,装置800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制装置800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在设备800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电力组件806为装置800的各种组件提供电力。电力组件806可以包括电源管理系统,一个或多个电源,及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当设备800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当装置800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为装置800提供各个方面的状态评估。例如,传感器组件814可以检测到设备800的打开/关闭状态,组件的相对定位,例如所述组件为装置800的显示器和小键盘,传感器组件814还可以检测装置800或装置800一个组件的位置改变,用户与装置800接触的存在或不存在,装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信部件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信部件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器804,上述指令可由装置800的处理器820执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种非临时性计算机可读存储介质,当所述存储介质中的指令由移动终端的处理器执行时,使得移动终端能够执行一种人脸图像处理方法,所述方法包括:
确定人脸图像中的人脸区域;
对确定的所述人脸区域进行子区域划分;
对划分出的各子区域进行满足各子区域处理需求的滤波。
可选地,所述对划分出的各子区域进行满足各子区域处理需求的滤波,包括:
根据各子区域的处理需求,确定各子区域的滤波参数的值;
根据确定的各子区域的滤波参数的值,对划分出的各子区域进行滤波。
可选地,所述根据各子区域的处理需求,确定各子区域的滤波参数的值,包括:
根据各子区域的处理需求,从预先设置的滤波参数所具有的至少两个可选的值中,确定各子区域的滤波参数的值。
可选地,所述对划分出的各子区域进行满足各子区域处理需求的滤波,还包括:
将所述各子区域中的相邻区域的滤波参数的值进行插值计算,获得子区域交界处的滤波参数的值;
所述根据确定的各子区域的滤波参数的值,对划分出的各子区域进行滤波,包括:
根据确定的各子区域的滤波参数的值以及子区域交界处的滤波参数的值,对所述人脸区域进行滤波。
可选地,所述根据确定的各子区域的滤波参数的值,对划分出的各子区域进行滤波,包括:
根据确定的各子区域的滤波参数的值,分别对各子区域进行滤波;
将各子区域的滤波结果进行拼接;
对拼接后的相邻区域的重叠部分进行加权计算。
可选地,所述加权计算的系数由所述重叠部分与区域边界之间的距离决定。
可选地,所述滤波参数包括决定滤波范围的第一参数和决定滤波强度的第二参数。
可选地,所述对确定的所述人脸区域进行子区域划分,包括:
根据确定的所述人脸区域中的脸部轮廓和脸部关键部位,将所述人脸区域进行子区域划分。
本领域技术人员在考虑说明书及实践这里公开的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种人脸图像处理方法,其特征在于,所述方法包括:
确定人脸图像中的人脸区域;
对确定的所述人脸区域进行子区域划分,划分出的子区域中包括至少两个不同的皮肤子区域;
对划分出的各子区域进行满足各子区域处理需求的滤波;
所述对划分出的各子区域进行满足各子区域处理需求的滤波,包括:
根据各子区域的处理需求,确定各子区域的滤波参数的值;
根据确定的各子区域的滤波参数的值,对划分出的各子区域进行滤波;
所述对划分出的各子区域进行满足各子区域处理需求的滤波,还包括:
将所述各子区域中的相邻区域的滤波参数的值进行插值计算,获得子区域交界处的滤波参数的值;
所述根据确定的各子区域的滤波参数的值,对划分出的各子区域进行滤波,包括:
根据确定的各子区域的滤波参数的值以及子区域交界处的滤波参数的值,对所述人脸区域进行滤波。
2.根据权利要求1所述的方法,其特征在于,所述根据各子区域的处理需求,确定各子区域的滤波参数的值,包括:
根据各子区域的处理需求,从预先设置的滤波参数所具有的至少两个可选的值中,确定各子区域的滤波参数的值。
3.根据权利要求2所述的方法,其特征在于,所述滤波参数包括决定滤波范围的第一参数和决定滤波强度的第二参数。
4.根据权利要求1所述的方法,其特征在于,所述对确定的所述人脸区域进行子区域划分,包括:
根据确定的所述人脸区域中的脸部轮廓和脸部关键部位,将所述人脸区域进行子区域划分。
5.一种人脸图像处理装置,其特征在于,包括:
确定模块,用于确定人脸图像中的人脸区域;
划分模块,用于对所述确定模块确定的所述人脸区域进行子区域划分,划分出的子区域中包括至少两个不同的皮肤子区域;
滤波模块,用于对所述划分模块划分出的各子区域进行满足各子区域处理需求的滤波;
所述滤波模块,包括:
第一确定子模块,用于根据各子区域的处理需求,确定所述划分模块划分出的各子区域的滤波参数的值;
滤波子模块,用于根据所述第一确定子模块确定的各子区域的滤波参数的值,对划分出的各子区域进行滤波;
所述滤波模块,还包括:
第一计算子模块,用于将所述第一确定子模块确定的各子区域中的相邻区域的滤波参数的值进行插值计算,获得子区域交界处的滤波参数的值;
所述滤波子模块,用于根据所述第一确定子模块确定的各子区域的滤波参数的值以及所述第一计算子模块计算出的子区域交界处的滤波参数的值,对所述人脸区域进行滤波。
6.根据权利要求5所述的装置,其特征在于,
所述第一确定子模块,用于根据各子区域的处理需求,从预先设置的滤波参数所具有的至少两个可选的值中,确定各子区域的滤波参数的值。
7.根据权利要求5所述的装置,其特征在于,所述滤波参数包括决定滤波范围的第一参数和决定滤波强度的第二参数。
8.根据权利要求5所述的装置,其特征在于,
所述划分模块,用于根据确定的所述人脸区域中的脸部轮廓和脸部关键部位,将所述人脸区域进行子区域划分。
9.一种人脸图像处理装置,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
确定人脸图像中的人脸区域;
对确定的所述人脸区域进行子区域划分,划分出的子区域中包括至少两个不同的皮肤子区域;
对划分出的各子区域进行满足各子区域处理需求的滤波;
所述对划分出的各子区域进行满足各子区域处理需求的滤波,包括:
根据各子区域的处理需求,确定各子区域的滤波参数的值;
根据确定的各子区域的滤波参数的值,对划分出的各子区域进行滤波;
所述对划分出的各子区域进行满足各子区域处理需求的滤波,还包括:
将所述各子区域中的相邻区域的滤波参数的值进行插值计算,获得子区域交界处的滤波参数的值;
所述根据确定的各子区域的滤波参数的值,对划分出的各子区域进行滤波,包括:
根据确定的各子区域的滤波参数的值以及子区域交界处的滤波参数的值,对所述人脸区域进行滤波。
10.一种计算机可读存储介质,其上存储有计算机指令,其特征在于,该指令被处理器执行时实现上述权利要求1-4中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510818784.3A CN105512605B (zh) | 2015-11-23 | 2015-11-23 | 人脸图像处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510818784.3A CN105512605B (zh) | 2015-11-23 | 2015-11-23 | 人脸图像处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105512605A CN105512605A (zh) | 2016-04-20 |
CN105512605B true CN105512605B (zh) | 2018-12-25 |
Family
ID=55720572
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510818784.3A Active CN105512605B (zh) | 2015-11-23 | 2015-11-23 | 人脸图像处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105512605B (zh) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105931204B (zh) * | 2016-04-27 | 2019-10-11 | 宇龙计算机通信科技(深圳)有限公司 | 图片还原方法及系统 |
CN106373095B (zh) * | 2016-08-29 | 2017-11-17 | 广东欧珀移动通信有限公司 | 一种图像处理方法及终端 |
CN106375747B (zh) * | 2016-08-31 | 2018-11-23 | 广州市百果园网络科技有限公司 | 一种图像处理方法、及设备 |
CN106971165B (zh) * | 2017-03-29 | 2018-08-10 | 武汉斗鱼网络科技有限公司 | 一种滤镜的实现方法及装置 |
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 |
CN107395958B (zh) * | 2017-06-30 | 2019-11-15 | 北京金山安全软件有限公司 | 一种图像处理方法、装置、电子设备及存储介质 |
CN107633490B (zh) * | 2017-09-19 | 2023-10-03 | 北京小米移动软件有限公司 | 图像处理方法、装置及存储介质 |
CN107895352A (zh) * | 2017-10-30 | 2018-04-10 | 维沃移动通信有限公司 | 一种图像处理方法及移动终端 |
CN107844766A (zh) * | 2017-10-31 | 2018-03-27 | 北京小米移动软件有限公司 | 人脸图像模糊度的获取方法、装置和设备 |
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 |
CN108564537B (zh) * | 2017-12-29 | 2022-08-26 | 北京乐蜜科技有限责任公司 | 图像处理的方法、装置、电子设备及介质 |
CN108062543A (zh) * | 2018-01-16 | 2018-05-22 | 中车工业研究院有限公司 | 一种面部识别方法及装置 |
CN108550117A (zh) * | 2018-03-20 | 2018-09-18 | 维沃移动通信有限公司 | 一种图像处理方法、装置以及终端设备 |
CN108765516A (zh) * | 2018-03-26 | 2018-11-06 | 阳光暖果(北京)科技发展有限公司 | 一种基于缩略图的五官区域染色方法 |
CN108986019A (zh) * | 2018-07-13 | 2018-12-11 | 北京小米智能科技有限公司 | 肤色调整方法及装置、电子设备、机器可读存储介质 |
CN109636749B (zh) * | 2018-12-04 | 2020-10-16 | 深圳市华星光电半导体显示技术有限公司 | 图像处理方法 |
CN112116523B (zh) * | 2019-06-20 | 2023-08-25 | 腾讯科技(深圳)有限公司 | 针对人像头发的图像处理方法、装置、终端及介质 |
CN110866451A (zh) * | 2019-10-22 | 2020-03-06 | 中国第一汽车股份有限公司 | 一种车内生命体检测方法、装置、系统以及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102063607A (zh) * | 2009-11-16 | 2011-05-18 | 日电(中国)有限公司 | 一种用于采集人脸图像的方法和系统 |
CN103236066A (zh) * | 2013-05-10 | 2013-08-07 | 苏州华漫信息服务有限公司 | 一种基于人脸特征分析的虚拟试妆方法 |
CN103914699A (zh) * | 2014-04-17 | 2014-07-09 | 厦门美图网科技有限公司 | 一种基于色彩空间的自动唇彩的图像增强的方法 |
CN104537612A (zh) * | 2014-08-05 | 2015-04-22 | 华南理工大学 | 一种自动的人脸图像皮肤美化方法 |
-
2015
- 2015-11-23 CN CN201510818784.3A patent/CN105512605B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102063607A (zh) * | 2009-11-16 | 2011-05-18 | 日电(中国)有限公司 | 一种用于采集人脸图像的方法和系统 |
CN103236066A (zh) * | 2013-05-10 | 2013-08-07 | 苏州华漫信息服务有限公司 | 一种基于人脸特征分析的虚拟试妆方法 |
CN103914699A (zh) * | 2014-04-17 | 2014-07-09 | 厦门美图网科技有限公司 | 一种基于色彩空间的自动唇彩的图像增强的方法 |
CN104537612A (zh) * | 2014-08-05 | 2015-04-22 | 华南理工大学 | 一种自动的人脸图像皮肤美化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105512605A (zh) | 2016-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105512605B (zh) | 人脸图像处理方法及装置 | |
CN105469356B (zh) | 人脸图像处理方法及装置 | |
EP3383022A1 (en) | Method and camera device for processing image | |
CN107862673A (zh) | 图像处理方法及装置 | |
CN109784255A (zh) | 神经网络训练方法及装置以及识别方法及装置 | |
CN107798654B (zh) | 图像磨皮方法及装置、存储介质 | |
JP6622289B2 (ja) | 写真合成方法、装置、プログラム、及び記録媒体 | |
US11403789B2 (en) | Method and electronic device for processing images | |
CN107368810A (zh) | 人脸检测方法及装置 | |
CN104484858B (zh) | 人物图像处理方法及装置 | |
CN107730448B (zh) | 基于图像处理的美颜方法及装置 | |
CN107392166A (zh) | 肤色检测方法、装置及计算机可读存储介质 | |
CN107688781A (zh) | 人脸识别方法及装置 | |
CN106980840A (zh) | 脸型匹配方法、装置及存储介质 | |
CN107944367A (zh) | 人脸关键点检测方法及装置 | |
CN109615593A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN108154466A (zh) | 图像处理方法及装置 | |
CN110458218A (zh) | 图像分类方法及装置、分类网络训练方法及装置 | |
CN105635574B (zh) | 图像的处理方法和装置 | |
CN107705245A (zh) | 图像处理方法及装置 | |
CN108319363A (zh) | 基于vr的产品展示方法、装置及电子设备 | |
CN109542285A (zh) | 图像处理方法及装置 | |
CN107507128A (zh) | 图像处理方法及设备 | |
CN108961156B (zh) | 人脸图像处理的方法及装置 | |
CN104902318B (zh) | 播放控制方法及终端设备 |
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 |