CN105787888A - 人脸图像美化方法 - Google Patents

Abstract

本发明涉及一种人脸图像美化方法，包括以下步骤：a.通过人脸识别算法确定待处理图像的人脸区域，并对检测出来的人脸区域进行轮廓提取，将人脸区域与图像背景进行剥离；b.通过颜色阈值分割来提取该图像的肤色区域；c.对提取的肤色区域进行图像磨皮处理；以及d.对图像边缘进行羽化处理和边缘增强。

Description

人脸图像美化方法

技术领域

本发明涉及一种图像处理和模式识别领域，尤其是涉及一种人脸图像美化方法。

背景技术

近几年，随着智能手机的飞速发展，人们对手机功能的需求越来越多样化。智能手机一个重要的功能是自拍。利用手机拍摄下来的照片可应用于制作头像、社交网络分享等诸多领域。在智能手机上实现自拍图像的“美颜”处理，即对人脸图像的美化处理，更加是人们关注的重点，美颜相机随之走入大众的视野。

在针对用户的面部特征，美颜相机拍照后默认的效果就是经过“磨皮”，并且脸部拍摄暗影被加亮。为了便于使用，美颜相机减掉自拍软件通常设定的拍前选项。再比如，简化拍摄后的各种特效选择，只有美化程度的选择；还有，在面部肤色、黑眼圈、祛痘，祛斑等肤色修饰上，用户需要自己手动调节设置参数。但是，实际情况中，磨皮都是针对整幅图像进行磨皮，一方面处理速度减慢，一方面会造成背景虚化，缺乏真实性。再者过度磨皮会造成图像处理效果视觉上的僵硬与过度不自然。

发明内容

本发明所要解决的技术问题是提供一种人脸图像美化方法，旨在提高图像处理的精确度，使得处理效果更加自然、真实。

本发明为解决上述技术问题而采用的技术方案是一种人脸图像美化方法，包括以下步骤：a.通过人脸识别算法确定待处理图像的人脸区域，并对检测出来的人脸区域进行轮廓提取，将人脸区域与图像背景进行剥离；b.通过颜色阈值分割来提取该图像的肤色区域；c.对提取的肤色区域进行图像磨皮处理；以及d.对图像边缘进行羽化处理和边缘增强。

在本发明的一实施例中，该步骤a包括以下步骤：将该图像转化成灰度图像进行处理；对转化后的灰度图像进行灰度直方图均衡化处理；通过边缘检测提取图像的闭合区域；对各个闭合区域进行模式匹配，找到匹配的闭合区域；标识检测出来的闭合区域；以及计算标记的闭合区域的面积，保留面积最大的闭合区域，将其作为人脸轮廓区域。

在本发明的一实施例中，对各个闭合区域进行模式匹配的步骤包括使用经过训练的Haar分类器来进行模式匹配。

在本发明的一实施例中，该步骤b是在HSV空间进行。

在本发明的一实施例中，该步骤b包括以下步骤：将图像从RGB模型转换为YCbCr模型，且只采取Cr分量作为辅助；定义Cr分量大约在140～160之间的像素点为肤色区域。

在本发明的一实施例中，该步骤b包括以下步骤：利用中值滤波器滤除处理过程中的噪声；以及对标记的特征区域利用高宽度之比和面积两个指数来进一步简化特征区域。

在本发明的一实施例中，该步骤c是使用双边滤波算法，且结合图像的空间邻近度和像素值相似度，同时考虑空域信息和灰度相似性，进行图像磨皮处理。

在本发明的一实施例中，该步骤d中，对图像边缘进行羽化处理的步骤包括：采用x方向和y方向上的两个一维的高斯滤波器，分别对图像的x,y方向进行高斯卷积；计算中心点(x,y)周围的周围相邻像素点的权重矩阵，且对计算出来的权重矩阵进行加权平均；以及对图像中各像素值都乘以其权重值即得到其模糊值，得到高斯模糊后图像f(x,y)。

在本发明的一实施例中，该步骤d中，对图像边缘进行边缘增强的步骤包括：检测图像边缘而得到边缘图像；以及将检测到的边缘图像再叠加到原图上得到输出图像。

在本发明的一实施例中，使用Sobel算子检测图像边缘。

本发明由于采用以上技术方案，使之与现有技术相比，通过人脸识别与精确定位，可以实现人脸区域与背景的分离，重点对人脸区域进行处理，提高处理的精确度和处理速度，防止背景虚化。

附图说明

为让本发明的上述目的、特征和优点能更明显易懂，以下结合附图对本发明的具体实施方式作详细说明，其中：

图1示出本发明一实施例的人脸图像美化方法流程图。

图2示出本发明一实施例的人脸图像美化方法的人脸识别流程。

图3示出本发明一实施例的人脸图像美化方法的肤色检测流程。

图4示出本发明一实施例的人脸图像美化方法的边缘羽化和边缘增强流程。

图5示出根据本发明一实施例的人脸图像美化方法的HSV空间示意图。

图6示出根据本发明一实施例的Sobel算子卷积模板。

具体实施方式

为使本发明解决的技术问题、采用的技术方案和达到的技术效果更加清楚，下面将结合附图对本发明实施例的技术方案作进一步的详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。

下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。图1示出本发明一实施例的人脸图像美化方法流程图。该方法可以在例如智能手机这样的便携式电子设备中执行。较佳地，该方法结合在一自拍软件或一人脸图像美化软件中执行。参考图1所示，本实施例的方法包括以下步骤：

步骤S11，人脸识别与定位。通过人脸识别算法确定整幅待处理图像的人脸区域，并对检测出来的人脸区域进行轮廓提取，将人脸区域与图像背景进行剥离。

步骤S12，肤色检测。通过颜色阈值分割来提取图像肤色区域。这一步骤的目的是保护人脸区域中的眼睛、头发等非肤色区域。这些非肤色区域不需经过与肤色区域一样的磨皮处理。

在一实施例中，步骤S12可以基于HSV空间(hue,saturation,value)，而不使用传统的RGB空间。HSV空间使用在肤色检测中的优点是提高检测的准确性。图5示出根据本发明一实施例的人脸图像美化方法的HSV空间示意图。参考图5所示，这个颜色空间的模型对应于圆柱坐标系中的一个圆锥形子集，圆锥的顶面41对应于V＝1。顶面41包含RGB模型中的R＝1，G＝1，B＝1三个面，所代表的颜色较亮。色彩H由绕V轴的旋转角给定。红色区域42对应于角度0°，绿色区域43对应于角度120°，蓝色区域44对应于角度240°。

步骤S13，图像磨皮处理。对提取的肤色区域进行图像磨皮处理，实现人脸皮肤美化。

图像磨皮处理可以使用已知的各种算法进行。为方便实施，在一实施例中可以利用双边滤波算法，结合图像的空间邻近度和像素值相似度，同时考虑空域信息和灰度相似性，达到图像保边去噪的目的，从而实现图像磨皮处理。

步骤S14，对图像边缘进行羽化处理和边缘增强。羽化处理可以使边缘处过渡的较为自然、真实。边缘增强可以强化图像中人物轮廓，保留图像细节。

本实施例通过人脸识别与精确定位，可以实现人脸区域与背景的分离，重点对人脸区域进行处理，提高处理的精确度和处理速度，防止背景虚化。

图2示出本发明一实施例的人脸图像美化方法的人脸识别流程。参考图2所示，步骤S11的人脸识别与定位步骤流程如下：

步骤S21，将图像灰度化，即将彩色图像转化成灰度图像进行处理。

步骤S22，对转化后的灰度图像进行灰度直方图均衡化处理。

步骤S23，边缘检测，提取图像的闭合区域。

边缘检测可以排除一些边缘很少或者很多的图像区域。因为这样的图像区域一般不含被检目标，将这些图像区域排除有助于提高检测速度，提取图像的闭合区域。边缘检测的方法例如是Canny边缘检测。

步骤S24，对各个闭合区域进行模式匹配，找到匹配的闭合区域。

模式匹配例如可以使用训练好的Haar分类器来进行模式匹配。模式匹配时采用的是循环匹配方式，具体地说，是将匹配分类器放大n倍，同时原图缩小n倍，进行匹配，直到匹配分类器的大小大于原图，则返回匹配结果。

步骤S25，标识检测出来的闭合区域。

具体地说，收集找出的匹配的闭合区域，经过过滤噪声，将检测出来的闭合区域用矩形框标识出来，作为人脸区域。

步骤S26，计算标记的闭合区域的面积，保留面积最大的闭合区域，将其作为人脸轮廓区域。这样，完成了完成了人脸识别与定位。

如前所述，根据本发明实施例的肤色检测是在HSV空间进行。图3示出本发明一实施例的人脸图像美化方法的肤色检测流程。参考图3所示，流程如下：

步骤S31，将基于彩色空间的RGB模型转换为YCbCr模型。考虑到人脸的生理特征，可以采取Cr分量作为辅助。

步骤S32，阈值分割。定义Cr分量大约在140～160之间的像素点为肤色区域。

步骤S33，利用中值滤波器滤除处理过程中的噪声。

步骤S34，特征区域提取，对标记的特征区域利用高宽度之比和面积两个指数来进一步简化特征区域。经过这一步骤，可以去掉多余的特征区域，例如人脸区域之外的类似于肤色的零散区域。

在步骤S14中，针对目前磨皮算法导致图像边缘处过度不自然，视觉上的僵硬的问题，本发明采用高斯模糊算法对磨皮后的图像进行羽化处理，使得边缘处视觉效果更加真实自然，最后整体图像采用增强处理，保留图像细节。图3示出本发明一实施例的人脸图像美化方法的边缘羽化和边缘增强流程。参考图3所示，步骤S14的示例性流程如下：

步骤S41，采用x方向和y方向上的两个一维的高斯滤波器，分别对图像的x,y方向进行高斯卷积。

举例来说，x方向上的高斯滤波器如下：

$f\left(x\right)=\frac{1}{\mathrm{\σ}\sqrt{2\mathrm{\π}}}{e}^{-\frac{x^2}{2{\mathrm{\σ}}^2}}$

y方向上的高斯滤波器如下：

$f\left(y\right)=\frac{1}{\mathrm{\σ}\sqrt{2\mathrm{\π}}}{e}^{-\frac{y^2}{2{\mathrm{\σ}}^2}}$

步骤S42，计算中心点(x,y)周围的周围相邻像素点的权重矩阵，且对计算出来的权重矩阵进行加权平均。

举例来说，设定σ＝1.5，确定模糊半径的大小为1，计算中心点(x,y)周围半径为1的相邻8个像素点的权重矩阵。对计算出来的权重矩阵进行加权平均，使它们的总和为1。

步骤S43，对图像中每一点像素值都乘以其权重值即得到其模糊值，即对整个图像都进行了高斯模糊处理，得到高斯模糊后图像f(x,y)，实现了图像的羽化处理。

步骤S44，检测图像边缘，得到边缘图像。

举例来说，采用sobel算子来检测图像边缘，Sobel算子在x,y方向上的卷积模板如图6所示。

步骤S45，将边缘图像叠加到原图上得到输出图像，是实现了图像边缘信息的增强，保留了整幅图像的细节。

虽然本发明已参照当前的具体实施例来描述，但是本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本发明，在没有脱离本发明精神的情况下还可作出各种等效的变化或替换，因此，只要在本发明的实质精神范围内对上述实施例的变化、变型都将落在本申请的权利要求书的范围内。

Claims (10)

1.一种人脸图像美化方法，包括以下步骤：

a.通过人脸识别算法确定待处理图像的人脸区域，并对检测出来的人脸区域进行轮廓提取，将人脸区域与图像背景进行剥离；

b.通过颜色阈值分割来提取该图像的肤色区域；

c.对提取的肤色区域进行图像磨皮处理；以及

d.对图像边缘进行羽化处理和边缘增强。

2.如权利要求1所述的人脸图像美化方法，其特征在于，该步骤a包括以下步骤：

将该图像转化成灰度图像进行处理；

对转化后的灰度图像进行灰度直方图均衡化处理；

通过边缘检测提取图像的闭合区域；

对各个闭合区域进行模式匹配，找到匹配的闭合区域；

标识检测出来的闭合区域；以及

计算标记的闭合区域的面积，保留面积最大的闭合区域，将其作为人脸轮廓区域。

3.如权利要求2所述的人脸图像美化方法，其特征在于，对各个闭合区域进行模式匹配的步骤包括使用经过训练的Haar分类器来进行模式匹配。

4.如权利要求1所述的人脸图像美化方法，其特征在于，该步骤b是在HSV空间进行。

5.如权利要求3所述的人脸图像美化方法，其特征在于，该步骤b包括以下步骤：

将图像从RGB模型转换为YCbCr模型，且只采取Cr分量作为辅助；

定义Cr分量大约在140～160之间的像素点为肤色区域。

6.如权利要求4所述的人脸图像美化方法，其特征在于，该步骤b包括以下步骤：

利用中值滤波器滤除处理过程中的噪声；以及

对标记的特征区域利用高宽度之比和面积两个指数来进一步简化特征区域。

7.如权利要求1所述的人脸图像美化方法，其特征在于，该步骤c是使用双边滤波算法，且结合图像的空间邻近度和像素值相似度，同时考虑空域信息和灰度相似性，进行图像磨皮处理。

8.如权利要求1所述的人脸图像美化方法，其特征在于，该步骤d中，对图像边缘进行羽化处理的步骤包括：

采用x方向和y方向上的两个一维的高斯滤波器，分别对图像的x,y方向进行高斯卷积；

计算中心点(x,y)周围的周围相邻像素点的权重矩阵，且对计算出来的权重矩阵进行加权平均；以及

对图像中各像素值都乘以其权重值即得到其模糊值，得到高斯模糊后图像f(x,y)。

9.如权利要求1所述的人脸图像美化方法，其特征在于，该步骤d中，对图像边缘进行边缘增强的步骤包括：

检测图像边缘而得到边缘图像；以及

将检测到的边缘图像再叠加到原图上得到输出图像。

10.如权利要求9所述的人脸图像美化方法，其特征在于，使用Sobel算子检测图像边缘。