CN105869159A - 一种图像分割方法及装置 - Google Patents
一种图像分割方法及装置 Download PDFInfo
- Publication number
- CN105869159A CN105869159A CN201610180610.3A CN201610180610A CN105869159A CN 105869159 A CN105869159 A CN 105869159A CN 201610180610 A CN201610180610 A CN 201610180610A CN 105869159 A CN105869159 A CN 105869159A
- Authority
- CN
- China
- Prior art keywords
- skin
- pixel
- region
- color
- model
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30088—Skin; Dermal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种图像分割方法,所述方法包括:检测图像中的人脸区域,获取人脸区域的区域信息;根据所述区域信息,选择已知的皮肤区域的像素样本建立皮肤模型;选择已知的非皮肤区域的像素样本建立非皮肤模型;利用所述皮肤模型和所述非皮肤模型将图像分割为皮肤区域和非皮肤区域。同时,本发明还公开了一种图像分割装置。采用本发明的技术方案,能对图像中的皮肤区域和非皮肤区域进行快速分割。
Description
技术领域
本发明涉及图像处理技术,具体涉及一种图像分割方法及装置。
背景技术
随着图像采集设备的飞速发展,人们可以越来越便捷的采集到海量的人像图像,用于社交分享、医疗、娱乐等目的。为了快速处理这些海量图像,人们提出了人脸检测、人脸识别等一系列人工智能技术,自动处理分析人像图像数据,快速获得其中的语义信息。
但是,如何快速地实现对图像中皮肤区域和非皮肤区域的分割仍是亟待解决的问题。
发明内容
有鉴于此,本发明期望提供一种图像分割方法及装置,能对图像中的皮肤区域和非皮肤区域进行快速分割。
为达到上述目的,本发明的技术方案是这样实现的:
本发明提供了一种图像分割方法,所述方法包括:
检测图像中的人脸区域,获取人脸区域的区域信息;
根据所述区域信息,选择已知的皮肤区域的像素样本建立皮肤模型;选择已知的非皮肤区域的像素样本建立非皮肤模型;
利用所述皮肤模型和所述非皮肤模型将图像分割为皮肤区域和非皮肤区域。
上述方案中,优选地,所述利用所述皮肤模型和所述非皮肤模型将图像分割为皮肤区域和非皮肤区域,包括:
获取人脸区域中的每个像素;
利用皮肤模型确定所述每个像素的颜色或纹理对应的第一概率值;
利用非皮肤模型确定所述每个像素的颜色或纹理对应的第二概率值;
比较每个像素所对应的第一概率值与第二概率值的大小;
基于比较结果确定所述每个像素是属于皮肤像素还是非皮肤像素,将所述人脸区域分割为皮肤区域和非皮肤区域。
上述方案中,优选地,所述基于比较结果确定所述每个像素是属于皮肤像素还是非皮肤像素,包括:
若第一概率值大于第二概率值,判定像素属于皮肤像素,并将皮肤像素用第一种颜色表示;
若第一概率值小于等于第二概率值,判定像素属于非皮肤像素,并将非皮肤像素用第二种颜色表示;其中,所述第二种颜色与所述第一种颜色是不同的颜色。
上述方案中,优选地,所述获取人脸区域的区域信息,包括:
采用任意的人脸检测方法确定人脸检测框的位置信息和长度信息;
将所述人脸检测框的位置信息和长度信息作为人脸区域的区域信息。
上述方案中,优选地,所述选择已知的皮肤区域的像素样本,包括:
选择以所述人脸区域的中点为中心的一部分区域作为皮肤区域样本;
所述选择已知的非皮肤区域的像素样本,包括:
选择所述人脸区域中的眼睛区域以及所述人脸区域的外部区域作为非皮肤区域样本。
上述方案中,优选地,所述选择已知的皮肤区域的像素样本建立皮肤模型,包括:
统计皮肤区域中每个像素样本的颜色或纹理的直方图,作为皮肤模型;
所述选择已知的非皮肤区域的像素样本建立非皮肤模型,包括:
统计非皮肤区域中每个像素样本的颜色或纹理的直方图,作为非皮肤模型。
上述方案中,优选地,所述利用所述皮肤模型和所述非皮肤模型将图像分割为皮肤区域和非皮肤区域之后,所述方法还包括:
对皮肤区域和非皮肤区域的图像进行低通滤波处理。
上述方案中,优选地,所述方法还包括:
对皮肤区域和/或非皮肤区域的图像进行处理,其中,处理方式至少包括下述中的一种或几种:
调色、抠图、合成、明暗修改、彩度修改、色度修改、添加特殊效果、编辑、修复。
本发明还提供了一种图像分割装置,所述装置包括:
传感器,用于检测图像中的人脸区域,获取人脸区域的区域信息;
处理器,用于根据所述区域信息,选择已知的皮肤区域的像素样本建立皮肤模型;选择已知的非皮肤区域的像素样本建立非皮肤模型;,利用所述皮肤模型和所述非皮肤模型将图像分割为皮肤区域和非皮肤区域。
上述方案中,优选地,所述处理器,还用于:
获取人脸区域中的每个像素;
利用皮肤模型确定所述每个像素的颜色或纹理对应的第一概率值;
利用非皮肤模型确定所述每个像素的颜色或纹理对应的第二概率值;
比较每个像素所对应的第一概率值与第二概率值的大小;
基于比较结果确定所述每个像素是属于皮肤像素还是非皮肤像素,将所述人脸区域分割为皮肤区域和非皮肤区域。
上述方案中,优选地,所述处理器,还用于:
若第一概率值大于第二概率值,判定像素属于皮肤像素,并将皮肤像素用第一种颜色表示;
若第一概率值小于等于第二概率值,判定像素属于非皮肤像素,并将非皮肤像素用第二种颜色表示;其中,所述第二种颜色与所述第一种颜色是不同的颜色。
上述方案中,优选地,所述传感器,还用于:
采用任意的人脸检测方法确定人脸检测框的位置信息和长度信息;
将所述人脸检测框的位置信息和长度信息作为人脸区域的区域信息。
上述方案中,优选地,所述处理器,还用于:
选择选择以所述人脸区域的中点为中心的一部分区域作为皮肤区域样本;
选择所述人脸区域中的眼睛区域以及所述人脸区域的外部区域作为非皮肤区域样本。
上述方案中,优选地,所述处理器,还用于:
统计皮肤区域中每个像素样本的颜色或纹理的直方图,作为皮肤模型;
统计非皮肤区域中每个像素样本的颜色或纹理的直方图,作为非皮肤模型。
上述方案中,优选地,所述装置还包括:
滤波器,用于对皮肤区域和非皮肤区域的图像进行低通滤波处理。
上述方案中,优选地,所述处理器,还用于:
对皮肤区域和/或非皮肤区域的图像进行处理,其中,处理方式至少包括下述中的一种或几种:
调色、抠图、合成、明暗修改、彩度修改、色度修改、添加特殊效果、编辑、修复。
本发明提供的图像分割方法及装置,检测图像中的人脸区域,获取人脸区域的区域信息;根据所述区域信息,选择已知的皮肤区域的像素样本建立皮肤模型;选择已知的非皮肤区域的像素样本建立非皮肤模型;利用所述皮肤模型和所述非皮肤模型将图像分割为皮肤区域和非皮肤区域;如此,能对图像中的皮肤区域和非皮肤区域进行快速分割。
附图说明
图1为本发明实施例图像分割方法的实现流程示意图;
图2为本发明实施例建立皮肤模型和非皮肤模型的实现流程示意图;
图3为本发明实施例利用皮肤模型和非皮肤模型进行图像分割的实现流程示意图;
图4为本发明实施例进行皮肤分割后进行柔肤美白处理的实现流程示意图;
图5为使用皮肤分割技术与未使用皮肤分割技术的柔肤美白处理结果对比示意图,图5(a)为原始图像,图5(b)为使用皮肤分割技术的柔肤美白处理结果后的图像,图5(c)为未使用皮肤分割技术的柔肤美白处理结果后的图像;
图6为本发明实施例图像分割装置的结构示意图一;
图7为本发明实施例图像分割装置的结构示意图二。
具体实施方式
为了能够更加详尽地了解本发明的特点与技术内容,下面就现有技术中存在皮肤分割方法作简要介绍。
目前,“C.Y.Lee et.al.,An Algorithm for Automatic Skin Smooth in DigitalPortraits,2009”论文中提到的皮肤分割技术是常用的皮肤分割方法,其主要流程是对于每张照片,进行人脸检测、人脸轮廓检测获得人脸生物信息后,确定已知的皮肤区域和背景区域,利用已知区域建立复杂的皮肤与背景的混合高斯模型,进而利用模型进行皮肤分割获得全部皮肤区域。该方法分割精度高,对于不同肤色、光照、背景的自适应性强,但是,但算法过于复杂,计算时间长,不能用于工程实践。
具体的,在皮肤模型建立过程中,该方法至少存在下述问题:
1.建模算法整体复杂,计算量大。
2.使用人脸轮廓检测方法,算法复杂、耗时高,算法性能不稳定(受到人脸姿势的影响非常大),以错误的结果作为输入,会影响算法性能。
3.建立的模型复杂,建立混合高斯模型,需要利用期望最大化算法进行训练,训练时间很长,实际使用中无法接受这么长的等待时间。
具体的,在皮肤模型分割过程中,该方法至少存在下述问题:
1.模型复杂,计算时间长。
2.后处理算法过于复杂,实际场合不能使用。
为了减少现有技术中皮肤分割方法对于多个复杂算法的依赖,如人脸轮廓检测技术、高斯模型、期望最大化(EM,Expectation-maximization)算法,在保证性能的同时,大幅降低算法复杂度,实现对于图像的实时处理,本申请人提出了下述实施例所述的图像分割方法。
下面结合附图对本发明的实现进行详细阐述,所附附图仅供参考说明之用,并非用来限定本发明。
实施例一
图1为本发明实施例图像分割方法的实现流程示意图,在本发明一个优选实施例中,所述图像分割方法主要包括以下步骤:
步骤101:检测图像中的人脸区域,获取人脸区域的区域信息。
在一具体实施例中,所述获取人脸区域的区域信息,可以包括:
采用人脸检测方法确定人脸检测框的位置信息和长度信息;
将所述人脸检测框的位置信息和长度信息作为人脸区域的区域信息。
这里,所述人脸检测方法可以是现有技术中存在的任意的人脸检测方法。通常情况下,采用人脸检测方法进行人脸检测时,将通过该人脸检测方法所确定的人脸区域在图像中用人脸检测框进行标识。
这里,所述人脸检测框中所圈定的人脸区域可以是与图像中人脸区域完全相对应的区域、或是图像中人脸区域的一部分,如包含有眼睛、鼻子、嘴巴以及部分脸颊的区域、或含有眼睛、鼻子以及上嘴唇的区域。
步骤102:根据所述区域信息,选择已知的皮肤区域的像素样本建立皮肤模型;选择已知的非皮肤区域的像素样本建立非皮肤模型。
在一具体实施例中,所述选择已知的皮肤区域的像素样本,可以包括:
选择以所述人脸区域的中点为中心的一部分区域作为皮肤区域样本。
通常来说,人脸区域的中点为人脸中轴线上的一点,如鼻尖上的一点。
在一具体实施例中,所述选择已知的非皮肤区域的像素样本,可以包括:
选择所述人脸区域中的眼睛区域以及所述人脸区域的外部区域作为非皮肤区域样本。
这里,选择眼睛区域,更能便于以所述眼睛区域为轴线,向外选择非人脸区域的外部区域,使得所选取的区域更具有对称性。
优选地,在一具体实施例中,所述选择已知的皮肤区域的像素样本建立皮肤模型,包括:
统计皮肤区域中每个像素样本的颜色或纹理的直方图,作为皮肤模型。
如此,根据已知的皮肤区域的像素样本建立皮肤模型,使得建立的皮肤模型更为精确。
优选地,在一具体实施例中,所述选择已知的非皮肤区域的像素样本建立非皮肤模型,包括:
统计非皮肤区域中每个像素样本的颜色或纹理的直方图,作为非皮肤模型。
如此,根据已知的非皮肤区域的像素样本建立非皮肤模型,使得建立的非皮肤模型更为精确。
步骤103:利用所述皮肤模型和所述非皮肤模型将图像分割为皮肤区域和非皮肤区域。
优选地,在一具体实施例中,所述利用所述皮肤模型和所述非皮肤模型将图像分割为皮肤区域和非皮肤区域,包括:
获取人脸区域中的每个像素;
利用皮肤模型确定所述每个像素的颜色或纹理对应的第一概率值;
利用非皮肤模型确定所述每个像素的颜色或纹理对应的第二概率值;
比较每个像素所对应的第一概率值与第二概率值的大小;
基于比较结果确定所述每个像素是属于皮肤像素还是非皮肤像素,将所述人脸区域分割为皮肤区域和非皮肤区域。
具体地,所述基于比较结果确定所述每个像素是属于皮肤像素还是非皮肤像素,包括:
若第一概率值大于第二概率值,判定像素属于皮肤像素,并将皮肤像素用第一种颜色表示;
若第一概率值小于等于第二概率值,判定像素属于非皮肤像素,并将非皮肤像素用第二种颜色表示;其中,所述第二种颜色与所述第一种颜色是不同的颜色。
例如,所述第一种颜色为白色,所述第二种颜色为黑色。这里,白色和黑色只是为了可视化而进行的举例,实际应用中往往采用皮肤像素=1、非皮肤像素=0的数值方式,对皮肤像素和非皮肤像素进行区分。
这里,用不同颜色来区分皮肤像素和非皮肤像素,更能使得区分出的皮肤区域与非皮肤区域具有可视化的效果。
上述方案中,所述利用所述皮肤模型和所述非皮肤模型将图像分割为皮肤区域和非皮肤区域之后,所述方法还包括:
对皮肤区域和非皮肤区域的图像进行低通滤波处理。
这里,加入低通滤波的目的是为了更好消除错误分类结果,同时使得后续使用中的效果更加自然。
也就是说,对于皮肤分割结果的后处理方法:对于皮肤分割的结果,进行低通滤波,消除错误分割结果,并使得分割结果更加自然的方法。
上述方案,所述方法还包括:
对皮肤区域和/或非皮肤区域的图像进行处理,其中,处理方式至少包括下述中的一种或几种:
调色、抠图、合成、明暗修改、彩度修改、色度修改、添加特殊效果、编辑、修复。
如此,由于采用简单有效的方法对皮肤区域和皮肤区域进行了分割,既为对皮肤区域或非皮肤区域图像作进一步处理争取了时间,又能够更好地针对皮肤区域或非皮肤区域进行图像处理。
在本发明实施例中,检测图像中的人脸区域,获取人脸区域的区域信息;根据所述区域信息,选择已知的皮肤区域的像素样本建立皮肤模型;选择已知的非皮肤区域的像素样本建立非皮肤模型;利用所述皮肤模型和所述非皮肤模型将图像分割为皮肤区域和非皮肤区域;如此,能对图像中的皮肤区域和非皮肤区域进行快速分割。
实施例二
图2为本发明实施例建立皮肤模型和非皮肤模型的实现流程示意图,在本发明一个优选实施例中,所述建立皮肤模型和非皮肤模型的流程的主要包括以下步骤:
步骤201:基于人脸检测算法获得人脸检测框的宽度信息和高度信息。
这里,所述人脸检测方法可以是现有技术中存在的任意的人脸检测方法。通常情况下,采用人脸检测方法进行人脸检测时,将通过该人脸检测方法所确定的人脸区域在图像中用人脸检测框进行标识。
本实施例中,设人脸检测框的宽度信息和高度信息分别为Wf和Hf。
步骤202:在所述人脸检测框中选择皮肤区域和非皮肤区域。
具体地,所述步骤202包括:
步骤202a:选择人脸中部区域作为皮肤区域。
例如,所选择的皮肤区域为一块,在图2中用SA1表示。
步骤202b:选择眼睛区域以及人脸框外的区域作为非皮肤区域。
例如,共选择了五块非皮肤区域,在图2中用SB1、SB2、SB3、SB4、SB5表示。
优选地,所选的每一块区域均为规则形状的区域,如此,更便于识别和计算。
需要说明的是,具体选择多少块非皮肤区域,可以根据实际情况进行确定。通常来说,所选择的块数越多,最终生成的非皮肤区域模型越精确。
其中,每个选取的区域的宽度W和高度H,由人脸检测框的Wf和Hf决定;W=A*Wf;H=B*Hf;其中,A、B为系数,每个区域的系数可以相同,也可以不同。
这里,需要说明的是,所述步骤202a与步骤202b可以同时进行,也可以按照一定顺序进行,如步骤202a在前,步骤202b在后;或步骤202b在前,步骤202a在后。
步骤203:根据所选择的皮肤区域中的每个区域的每个像素样本建立皮肤模型,根据所选择的非皮肤区域中的每个区域的每个像素样本建立非皮肤模型。
具体地,所述步骤203包括:
步骤203a:选择皮肤区域SA1中的每个像素样本的颜色或纹理的直方图,作为皮肤模型。
在一实施例中,建立皮肤模型时,统计皮肤区域SA1中的每个像素样本的颜色直方图,将颜色直方图作为贝叶斯概率模型,即皮肤模型。此时,贝叶斯概率模型的表示形式为H=Histogram[pixel_color1]++,其中,pixel_color1表示皮肤区域的像素颜色。
在另一实施例中,建立皮肤模型时,统计皮肤区域SA1中的每个像素样本的纹理直方图,将纹理直方图作为贝叶斯概率模型,即皮肤模型。此时,贝叶斯概率模型的表示形式为H=Histogram[pixel_texture1]++,其中,pixel_texture 1表示皮肤区域的像素纹理。
步骤203b:选择非皮肤区域SB1、SB2、SB3、SB4、SB5中的每个像素样本的颜色或纹理的直方图,作为非皮肤模型。
在一实施例中,建立非皮肤模型时,统计非皮肤区域SB1、SB2、SB3、SB4、SB5中的每个像素样本的颜色直方图,将颜色直方图作为贝叶斯概率模型,即非皮肤模型。此时,贝叶斯概率模型的表示形式为H=Histogram[pixel_color2]++,其中,pixel_color2表示非皮肤区域的像素颜色。
在另一实施例中,建立非皮肤模型时,统计非皮肤区域SB1、SB2、SB3、SB4、SB5中的每个像素样本的纹理直方图,将纹理直方图作为贝叶斯概率模型,即非皮肤模型。此时,贝叶斯概率模型的表示形式为H=Histogram[pixel_texture 2]++,其中,pixel_texture 2表示非皮肤区域的像素纹理。
这里,需要说明的是,所述步骤203a与步骤203b可以同时进行,也可以按照一定顺序进行,如步骤203a在前,步骤203b在后;或步骤203b在前,步骤203a在后。
当然,实际应用中,当步骤203a中选用颜色直方图时,步骤203b可选用颜色直方图或纹理直方图;当步骤203a中选用纹理直方图时,步骤203b可选用颜色直方图或纹理直方图。
如此,采用简单有效的方法获得皮肤区域与非皮肤区域,仅依靠人脸检测结果,选取其中简单的矩形区域,提取皮肤和非皮肤区域像素样本,无需利用现有技术中复杂的人脸轮廓检测方法。并且,利用简单有效的模型进行皮肤模型建模与皮肤区域分类,在保证性能的情况下,在保证性能的同时,大幅降低了算法复杂度,实现对于1080P图像30fps的实时处理水平。
实施例三
图3为本发明实施例利用皮肤模型和非皮肤模型进行图像分割的实现流程示意图,在本发明一个优选实施例中,所述利用皮肤模型和非皮肤模型进行图像分割的流程的主要包括以下步骤:
步骤301:获取原始图像。
步骤302:利用皮肤模型和非皮肤模型分别求取所述原始图像中的每个像素的概率值。
具体地,步骤302包括:
步骤302a:对于所述原始图像中的每个像素,在皮肤模型中查找像素颜色或纹理对应的概率值。
例如:对于贝叶斯模型,概率等于贝叶斯模型中对应位置的值。
Pskin\pixel=Histogram1[pixel_color]
其中,Pskin\pixel表示利用皮肤模型得到的该像素的概率值,pixel_color表示原始图像中的像素;Histogram1[]表示贝叶斯模型。
步骤302b:对于所述原始图像中的每个像素,在非皮肤模型中查找像素颜色或纹理对应的概率值。
例如:对于贝叶斯模型,概率等于贝叶斯模型中对应位置的值。
Pnon-skin\pixel=Histogram2[pixel_color]
其中,Pnon-skin\pixel表示利用非皮肤模型得到的该像素的概率值,pixel_color表示原始图像中的像素;Histogram2[]表示贝叶斯模型。
步骤303:判断Pskin\pixel是否大于Pnon-skin\pixel,如果是,将该像素判定为属于皮肤区域,并用第一种颜色对其进行标识;如果否,将该像素判定为属于非皮肤区域,并用第二种颜色对其进行标识。
例如,所述第一种颜色为白色,所述第二种颜色为黑色。
步骤304:通过对Pskin\pixel与Pnon-skin\pixel大小的判断,得到初步分割结果。
如此,对于图像中的每个像素,根据这个像素颜色或纹理在两个概率模型中的值相比较的结果,判断该像素属于皮肤像素还是非皮肤像素,能够对图像中的未知区域进行快速分割。
这里,需要说明的是,执行完步骤304之后,可以不执行下述的步骤305。
步骤305:对于初步分割结果图像进行低通滤波,得到最终的分割结果。
这里,之所以执行步骤305,是为了消除错误分割结果,并使得分割结果更加自然。
例如,在经对比标号为304的图和标号为306的图可知,标号为305的图的嘴巴中间有一小块被误识别为皮肤区域的白圈M,在经过步骤305进行低通滤波后,在标号为306的图中,显然已经没有了白圈M。
如此,采用简单的低通滤波后处理方式,能消除分割中出现的错误,同时保证后续方法(如柔肤美白方法)使用本方法皮肤分割结果,获得的效果更加自然。
实施例四
为说明后续需求如何利用皮肤分割的结果,以美颜中的柔肤美白处理为例,结合皮肤分割结果进行说明。
图4为本发明实施例进行皮肤分割后进行柔肤美白处理的实现流程示意图,在本发明一个优选实施例中,所述进行皮肤分割后进行柔肤美白处理的流程的主要包括以下步骤:
步骤401:获取原始图像,采用上述实施例所述图像分割方法对所述原始图像进行皮肤分割处理,确定所述原始图像中的皮肤区域与非皮肤区域。
步骤402:对图像中的每个像素进行颜色校正,使皮肤区域颜色变得红润美白。
具体地,颜色校正有多种方法,仅以Gamma校正方法为例:
像素P={B、G、R},Gamma校正公式为:
Rnew=255*(Rold/255)γ1;
Bnew=255*(Bold/255)γ2;
Gnew=255*(Gold/255)γ3;
γ1、γ2、γ3为参数,不同的参数组合达到不同皮肤的颜色效果。Rold、Bold、Gold分别表示像素进行颜色校正前的值,Rnew、Bnew、Gnew分别表示像素进行颜色校正后的值,γ1、γ2、γ3分别表示Rold/255、Bold/255、Gold/255的多少次方。
步骤403:经过颜色校正后,对于图像中的每个像素有两个像素值Pnew={Rnew,Gnew,Bnew}和Pold={Rold,Gold,Bold},利用皮肤分割概率结果进行融合,确保只处理皮肤区域,得到美白结果。
具体地,利用皮肤分割概率结果进行融合的计算公式为:
Rfusion1=ωfusion1*ωskin*Rnew+(1-ωfusion1*ωskin)*Rold1;
Gfusion1=ωfusion1*ωskin*Gnew+(1-ωfusion1*ωskin)*Gold1;
Bfusion1=ωfusion1*ωskin*Bnew+(1-ωfusion1*ωskin)*Bold1;
其中,ωfusion1为控制美白效果的融合参数;ωskin为皮肤分割结果对应概率;Rold1、Bold1、Gold1分别表示像素进行颜色校正前的值,Rnew、Bnew、Gnew分别表示像素进行颜色校正后的值;Rfusion1、Gfusion1、Bfusion1分别表示像素进行融合后的值。
步骤404:将经过美白处理的图像经过低通/带通滤波器,通过低通/带通滤波器进行滤波处理。
具体的,利用低通/带通滤波器,滤除人脸皮肤区域高频的信息(色斑、痤疮等),保留光滑的皮肤区域,实现柔肤的效果。
其中,低通/带通滤波器是经典的图像处理方法,多种低通、带通滤波器均可用于算法,具有代表性的是高斯滤波、双边滤波。
步骤405:将通过低通/带通滤波器进行滤波处理的图像,利用皮肤分割概率结果进行融合,确保只处理皮肤区域,得到柔肤结果。
具体地,经过低通或带通滤波后,对于图像中的每个像素有两个像素值Pf={Rf,Gf,Bf}和Pold2={Rold2,Gold2,Bold2},利用皮肤分割概率结果进行融合,确保只处理皮肤区域,得到柔肤结果。
Rfusion2=ωfusion2*ωskin*Rf+(1-ωfusion2*ωskin)*Rold2;
Gfusion2=ωfusion2*ωskin*Gf+(1-ωfusion2*ωskin)*Gold2;
Bfusion2=ωfusion2*ωskin*Bf+(1-ωfusion2*ωskin)*Bold2;
其中,ωfusion2为控制柔肤效果的融合参数;ωskin为皮肤分割结果对应概率;Rold2、Bold2、Gold2分别表示像素进行美白处理之后滤波处理之前的值,Rf、Bf、Gf分别表示像素进行滤波后的值;Rfusion2、Gfusion2、Bfusion2分别表示像素在滤波处理之后进行融合后的值。
图5示出了使用皮肤分割技术与未使用皮肤分割技术的柔肤美白处理结果对比示意图,如图5所示,图5(a)为原始图像,图5(b)为使用皮肤分割技术的柔肤美白处理结果后的图像,图5(c)为未使用皮肤分割技术的柔肤美白处理结果后的图像。显然,在图5(b)中,使用了皮肤分割技术,进行柔肤美白处理时仅仅对人的皮肤区域进行了处理,其他区域与原始图像一致;在图5(c)中,未使用皮肤分割技术,对整张照片进行柔肤美白处理,处理后人的眼睛、头发以及背景区域也被处理,变得更加模糊。
实施例五
图6为本发明实施例图像分割装置的结构示意图一,如图6所示,所述图像分割装置包括:
传感器61,用于检测图像中的人脸区域,获取人脸区域的区域信息;
处理器62,用于根据所述区域信息,选择已知的皮肤区域的像素样本建立皮肤模型;选择已知的非皮肤区域的像素样本建立非皮肤模型;,利用所述皮肤模型和所述非皮肤模型将图像分割为皮肤区域和非皮肤区域。
优选地,所述处理器62,还用于:
获取人脸区域中的每个像素;
利用皮肤模型确定所述每个像素的颜色或纹理对应的第一概率值;
利用非皮肤模型确定所述每个像素的颜色或纹理对应的第二概率值;
比较每个像素所对应的第一概率值与第二概率值的大小;
基于比较结果确定所述每个像素是属于皮肤像素还是非皮肤像素,将所述人脸区域分割为皮肤区域和非皮肤区域。
优选地,所述处理器62,还用于:
若第一概率值大于第二概率值,判定像素属于皮肤像素,并将皮肤像素用第一种颜色表示;
若第一概率值小于等于第二概率值,判定像素属于非皮肤像素,并将非皮肤像素用第二种颜色表示;其中,所述第二种颜色与所述第一种颜色是不同的颜色。
优选地,所述传感器61,还用于:
采用任意的人脸检测方法确定人脸检测框的位置信息和长度信息;
将所述人脸检测框的位置信息和长度信息作为人脸区域的区域信息。
优选地,所述处理器62,还用于:
选择选择以所述人脸区域的中点为中心的一部分区域作为皮肤区域样本;
选择所述人脸区域中的眼睛区域以及所述人脸区域的外部区域作为非皮肤区域样本。
优选地,所述处理器62,还用于:
统计皮肤区域中每个像素样本的颜色或纹理的直方图,作为皮肤模型;
统计非皮肤区域中每个像素样本的颜色或纹理的直方图,作为非皮肤模型。
优选地,所述图像分割装置还包括:
滤波器63,用于对皮肤区域和非皮肤区域的图像进行低通滤波处理。
这里,所述滤波器可以为低通滤波器、带通滤波器等。
优选地,所述处理器62,还用于:
对皮肤区域和/或非皮肤区域的图像进行处理,其中,处理方式至少包括下述中的一种或几种:
调色、抠图、合成、明暗修改、彩度修改、色度修改、添加特殊效果、编辑、修复。
本领域技术人员应当理解,本发明实施例的图像分割装置中各器件的功能,可参照前述图像分割方法的相关描述而理解,本发明实施例的图像分割装置中各器件,可通过实现本发明实施例所述的功能的模拟电路而实现,也可以通过执行本发明实施例所述的功能的软件在终端上的运行而实现。
本实施例所述图像分割装置,能对图像中的皮肤区域和非皮肤区域进行快速分割;用简单有效的方法获得皮肤区域与非皮肤区域,仅依靠人脸检测结果,选取其中简单的矩形区域,提取皮肤和非皮肤区域像素样本,无需利用现有技术中复杂的人脸轮廓检测方法;并且,利用简单有效的模型进行皮肤模型建模与皮肤区域分类,在保证性能的情况下,在保证性能的同时,大幅降低了算法复杂度,实现对于1080P图像30fps的实时处理水平;采用简单的低通滤波后处理方式,消除分割中出现的错误,同时保证后续方法(如柔肤美白方法)使用本方法结果,获得的效果更加自然。
实施例六
图7为本发明实施例图像分割装置的结构示意图二,如图7所示,所述图像分割装置包括:
检测单元71,用于检测图像中的人脸区域,获取人脸区域的区域信息;
模型建立单元72,用于根据所述区域信息,选择已知的皮肤区域的像素样本建立皮肤模型;选择已知的非皮肤区域的像素样本建立非皮肤模型;
分割单元73,用于利用所述皮肤模型和所述非皮肤模型将图像分割为皮肤区域和非皮肤区域。
上述方案中,所述分割单元73,还用于:
获取人脸区域中的每个像素;
利用皮肤模型确定所述每个像素的颜色或纹理对应的第一概率值;
利用非皮肤模型确定所述每个像素的颜色或纹理对应的第二概率值;
比较每个像素所对应的第一概率值与第二概率值的大小;
基于比较结果确定所述每个像素是属于皮肤像素还是非皮肤像素,将所述人脸区域分割为皮肤区域和非皮肤区域。
优选地,所述分割单元73基于比较结果确定所述每个像素是属于皮肤像素还是非皮肤像素,包括:
若第一概率值大于第二概率值,判定像素属于皮肤像素,并将皮肤像素用第一种颜色表示;
若第一概率值小于等于第二概率值,判定像素属于非皮肤像素,并将非皮肤像素用第二种颜色表示;其中,所述第二种颜色与所述第一种颜色是不同的颜色。
优选地,所述检测单元71,还用于:
采用任意的人脸检测方法确定人脸检测框的位置信息和长度信息;
将所述人脸检测框的位置信息和长度信息作为人脸区域的区域信息。
优选地,所述模型建立单元72,包括:
第一选择单元721,用于选择以所述人脸区域的中点为中心的一部分区域作为皮肤区域样本;
第一选择单元722,用于选择所述人脸区域中的眼睛区域以及所述人脸区域的外部区域作为非皮肤区域样本。
优选地,所述模型建立单元72,还包括:
第一建立单元723,用于统计皮肤区域中每个像素样本的颜色或纹理的直方图,作为皮肤模型;
第二建立单元724,用于统计非皮肤区域中每个像素样本的颜色或纹理的直方图,作为非皮肤模型。
优选地,所述图像分割装置还包括:
滤波单元74,用于对皮肤区域和非皮肤区域的图像进行低通滤波处理。
优选地,所述图像分割装置还包括:
处理单元75,用于对皮肤区域和/或非皮肤区域的图像进行处理,其中,处理方式至少包括下述中的一种或几种:
调色、抠图、合成、明暗修改、彩度修改、色度修改、添加特殊效果、编辑、修复。
本领域技术人员应当理解,本发明实施例的图像分割装置中各器件的功能,可参照前述图像分割方法的相关描述而理解,本发明实施例的图像分割装置中各器件,可通过实现本发明实施例所述的功能的模拟电路而实现,也可以通过执行本发明实施例所述的功能的软件在终端上的运行而实现。
所述图像分割装置中的检测单元71、模型建立单元72、分割单元73、滤波单元74、处理单元75的具体结构均可对应于处理器。所述处理器具体的结构可以为中央处理器(CPU,Central Processing Unit)、微处理器(MCU,MicroController Unit)、数字信号处理器(DSP,Digital Signal Processing)或可编程逻辑器件(PLC,Programmable Logic Controller)等具有处理功能的电子元器件或电子元器件的集合。其中,所述处理器包括可执行代码,所述可执行代码存储在存储介质中,所述处理器可以通过总线等通信接口与所述存储介质中相连,在执行具体的各模块的对应功能时,从所述存储介质中读取并运行所述可执行代码。所述存储介质用于存储所述可执行代码的部分优选为非瞬间存储介质。
所述检测单元71、模型建立单元72、分割单元73、滤波单元74、处理单元75可以集成对应于同一处理器,或分别对应不同的处理器;当集成对应于同一处理器时,所述处理器采用时分处理所述检测单元71、模型建立单元72、分割单元73、滤波单元74、处理单元75对应的功能。
本实施例所述图像分割装置,能对图像中的皮肤区域和非皮肤区域进行快速分割;用简单有效的方法获得皮肤区域与非皮肤区域,仅依靠人脸检测结果,选取其中简单的矩形区域,提取皮肤和非皮肤区域像素样本,无需利用现有技术中复杂的人脸轮廓检测方法;并且,利用简单有效的模型进行皮肤模型建模与皮肤区域分类,在保证性能的情况下,在保证性能的同时,大幅降低了算法复杂度,实现对于1080P图像30fps的实时处理水平;采用简单的低通滤波后处理方式,消除分割中出现的错误,同时保证后续方法(如柔肤美白方法)使用本方法结果,获得的效果更加自然。
在本发明所提供的几个实施例中,应该理解到,所揭露的方法、装置和电子设备,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元,即可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明实施例上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (16)
1.一种图像分割方法,所述方法包括:
检测图像中的人脸区域,获取人脸区域的区域信息;
根据所述区域信息,选择已知的皮肤区域的像素样本建立皮肤模型;选择已知的非皮肤区域的像素样本建立非皮肤模型;
利用所述皮肤模型和所述非皮肤模型将图像分割为皮肤区域和非皮肤区域。
2.根据权利要求1所述的方法,其特征在于,所述利用所述皮肤模型和所述非皮肤模型将图像分割为皮肤区域和非皮肤区域,包括:
获取人脸区域中的每个像素;
利用皮肤模型确定所述每个像素的颜色或纹理对应的第一概率值;
利用非皮肤模型确定所述每个像素的颜色或纹理对应的第二概率值;
比较每个像素所对应的第一概率值与第二概率值的大小;
基于比较结果确定所述每个像素是属于皮肤像素还是非皮肤像素,将所述人脸区域分割为皮肤区域和非皮肤区域。
3.根据权利要求2所述的方法,其特征在于,所述基于比较结果确定所述每个像素是属于皮肤像素还是非皮肤像素,包括:
若第一概率值大于第二概率值,判定像素属于皮肤像素,并将皮肤像素用第一种颜色表示;
若第一概率值小于等于第二概率值,判定像素属于非皮肤像素,并将非皮肤像素用第二种颜色表示;其中,所述第二种颜色与所述第一种颜色是不同的颜色。
4.根据权利要求1所述的方法,其特征在于,所述获取人脸区域的区域信息,包括:
采用任意的人脸检测方法确定人脸检测框的位置信息和长度信息;
将所述人脸检测框的位置信息和长度信息作为人脸区域的区域信息。
5.根据权利要求1所述的方法,其特征在于,所述选择已知的皮肤区域的像素样本,包括:
选择以所述人脸区域的中点为中心的一部分区域作为皮肤区域样本;
所述选择已知的非皮肤区域的像素样本,包括:
选择所述人脸区域中的眼睛区域以及所述人脸区域的外部区域作为非皮肤区域样本。
6.根据权利要求1所述的方法,其特征在于,所述选择已知的皮肤区域的像素样本建立皮肤模型,包括:
统计皮肤区域中每个像素样本的颜色或纹理的直方图,作为皮肤模型;
所述选择已知的非皮肤区域的像素样本建立非皮肤模型,包括:
统计非皮肤区域中每个像素样本的颜色或纹理的直方图,作为非皮肤模型。
7.根据权利要求1所述的方法,其特征在于,所述利用所述皮肤模型和所述非皮肤模型将图像分割为皮肤区域和非皮肤区域之后,所述方法还包括:
对皮肤区域和非皮肤区域的图像进行低通滤波处理。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
对皮肤区域和/或非皮肤区域的图像进行处理,其中,处理方式至少包括下述中的一种或几种:
调色、抠图、合成、明暗修改、彩度修改、色度修改、添加特殊效果、编辑、修复。
9.一种图像分割装置,所述装置包括:
传感器,用于检测图像中的人脸区域,获取人脸区域的区域信息;
处理器,用于根据所述区域信息,选择已知的皮肤区域的像素样本建立皮肤模型;选择已知的非皮肤区域的像素样本建立非皮肤模型;,利用所述皮肤模型和所述非皮肤模型将图像分割为皮肤区域和非皮肤区域。
10.根据权利要求9所述的装置,其特征在于,所述处理器,还用于:
获取人脸区域中的每个像素;
利用皮肤模型确定所述每个像素的颜色或纹理对应的第一概率值;
利用非皮肤模型确定所述每个像素的颜色或纹理对应的第二概率值;
比较每个像素所对应的第一概率值与第二概率值的大小;
基于比较结果确定所述每个像素是属于皮肤像素还是非皮肤像素,将所述人脸区域分割为皮肤区域和非皮肤区域。
11.根据权利要求10所述的装置,其特征在于,所述处理器,还用于:
若第一概率值大于第二概率值,判定像素属于皮肤像素,并将皮肤像素用第一种颜色表示;
若第一概率值小于等于第二概率值,判定像素属于非皮肤像素,并将非皮肤像素用第二种颜色表示;其中,所述第二种颜色与所述第一种颜色是不同的颜色。
12.根据权利要求9所述的装置,其特征在于,所述传感器,还用于:
采用任意的人脸检测方法确定人脸检测框的位置信息和长度信息;
将所述人脸检测框的位置信息和长度信息作为人脸区域的区域信息。
13.根据权利要求9所述的装置,其特征在于,所述处理器,还用于:
选择选择以所述人脸区域的中点为中心的一部分区域作为皮肤区域样本;
选择所述人脸区域中的眼睛区域以及所述人脸区域的外部区域作为非皮肤区域样本。
14.根据权利要求9所述的装置,其特征在于,所述处理器,还用于:
统计皮肤区域中每个像素样本的颜色或纹理的直方图,作为皮肤模型;
统计非皮肤区域中每个像素样本的颜色或纹理的直方图,作为非皮肤模型。
15.根据权利要求9所述的装置,其特征在于,所述装置还包括:
滤波器,用于对皮肤区域和非皮肤区域的图像进行低通滤波处理。
16.根据权利要求9所述的装置,其特征在于,所述处理器,还用于:
对皮肤区域和/或非皮肤区域的图像进行处理,其中,处理方式至少包括下述中的一种或几种:
调色、抠图、合成、明暗修改、彩度修改、色度修改、添加特殊效果、编辑、修复。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610180610.3A CN105869159A (zh) | 2016-03-28 | 2016-03-28 | 一种图像分割方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610180610.3A CN105869159A (zh) | 2016-03-28 | 2016-03-28 | 一种图像分割方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105869159A true CN105869159A (zh) | 2016-08-17 |
Family
ID=56625119
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610180610.3A Pending CN105869159A (zh) | 2016-03-28 | 2016-03-28 | 一种图像分割方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105869159A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106447677A (zh) * | 2016-10-12 | 2017-02-22 | 广州视源电子科技股份有限公司 | 图像处理方法和装置 |
CN106469300A (zh) * | 2016-08-31 | 2017-03-01 | 广州莱德璞检测技术有限公司 | 一种色斑检测识别方法 |
CN106485720A (zh) * | 2016-11-03 | 2017-03-08 | 广州视源电子科技股份有限公司 | 图像处理方法和装置 |
CN106611415A (zh) * | 2016-12-29 | 2017-05-03 | 北京奇艺世纪科技有限公司 | 一种皮肤区域的检测方法及装置 |
WO2017161561A1 (en) * | 2016-03-25 | 2017-09-28 | Intel Corporation | Gpu optimized and online single gaussian based skin likelihood estimation |
CN107633237A (zh) * | 2017-09-30 | 2018-01-26 | 北京金山安全软件有限公司 | 图像背景分割方法、装置、设备及介质 |
CN108108696A (zh) * | 2017-12-22 | 2018-06-01 | 歌尔科技有限公司 | 一种安全防护方法、装置及系统 |
CN108229278A (zh) * | 2017-04-14 | 2018-06-29 | 深圳市商汤科技有限公司 | 人脸图像处理方法、装置和电子设备 |
CN108985181A (zh) * | 2018-06-22 | 2018-12-11 | 华中科技大学 | 一种基于检测分割的端对端人脸标注方法 |
CN110023989A (zh) * | 2017-03-29 | 2019-07-16 | 华为技术有限公司 | 一种素描图像的生成方法及装置 |
CN111105470A (zh) * | 2019-12-24 | 2020-05-05 | 福建中锐网络股份有限公司 | 一种基于肤色检测的烧伤患者人像分割方法 |
CN111652158A (zh) * | 2020-06-04 | 2020-09-11 | 浙江大华技术股份有限公司 | 目标对象的检测方法和装置、存储介质及电子装置 |
US11132824B2 (en) | 2017-04-14 | 2021-09-28 | Shenzhen Sensetime Technology Co., Ltd. | Face image processing method and apparatus, and electronic device |
WO2021253723A1 (zh) * | 2020-06-16 | 2021-12-23 | 北京达佳互联信息技术有限公司 | 一种人体图像处理方法、装置、电子设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090290762A1 (en) * | 2008-05-23 | 2009-11-26 | Samsung Electronics Co., Ltd. | System and method for human hand motion detection by skin color prediction |
CN101916370A (zh) * | 2010-08-31 | 2010-12-15 | 上海交通大学 | 人脸检测中非特征区域图像处理的方法 |
US8345114B2 (en) * | 2008-07-30 | 2013-01-01 | DigitalOptics Corporation Europe Limited | Automatic face and skin beautification using face detection |
CN103218620A (zh) * | 2013-03-26 | 2013-07-24 | 中山大学 | 一种基于皮肤分割的电视图像增强方法及其系统 |
CN103268475A (zh) * | 2013-05-10 | 2013-08-28 | 中科创达软件股份有限公司 | 一种基于人脸、肤色检测的皮肤美容方法 |
CN104318262A (zh) * | 2014-09-12 | 2015-01-28 | 上海明穆电子科技有限公司 | 通过人脸照片更换皮肤的方法及系统 |
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 |
CN105354793A (zh) * | 2015-11-25 | 2016-02-24 | 小米科技有限责任公司 | 人脸图像处理方法及装置 |
-
2016
- 2016-03-28 CN CN201610180610.3A patent/CN105869159A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090290762A1 (en) * | 2008-05-23 | 2009-11-26 | Samsung Electronics Co., Ltd. | System and method for human hand motion detection by skin color prediction |
US8345114B2 (en) * | 2008-07-30 | 2013-01-01 | DigitalOptics Corporation Europe Limited | Automatic face and skin beautification using face detection |
CN101916370A (zh) * | 2010-08-31 | 2010-12-15 | 上海交通大学 | 人脸检测中非特征区域图像处理的方法 |
CN103218620A (zh) * | 2013-03-26 | 2013-07-24 | 中山大学 | 一种基于皮肤分割的电视图像增强方法及其系统 |
CN103268475A (zh) * | 2013-05-10 | 2013-08-28 | 中科创达软件股份有限公司 | 一种基于人脸、肤色检测的皮肤美容方法 |
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 |
CN104318262A (zh) * | 2014-09-12 | 2015-01-28 | 上海明穆电子科技有限公司 | 通过人脸照片更换皮肤的方法及系统 |
CN105354793A (zh) * | 2015-11-25 | 2016-02-24 | 小米科技有限责任公司 | 人脸图像处理方法及装置 |
Non-Patent Citations (3)
Title |
---|
CHANGHYUNG LEE 等: "An algorithm for automatic skin smoothing in digital portraits", 《PROCEEDINGS OF THE 16TH IEEE INTERNATIONAL CONFERENCE ON IMAGE PROCESSING》 * |
李刚: "皮肤检测技术的研究与应用", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
江志伟 等: "综合颜色、纹理和邻域信息的皮肤检测", 《哈尔滨工程大学学报》 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017161561A1 (en) * | 2016-03-25 | 2017-09-28 | Intel Corporation | Gpu optimized and online single gaussian based skin likelihood estimation |
CN106469300B (zh) * | 2016-08-31 | 2018-05-08 | 广州莱德璞检测技术有限公司 | 一种色斑检测识别方法 |
CN106469300A (zh) * | 2016-08-31 | 2017-03-01 | 广州莱德璞检测技术有限公司 | 一种色斑检测识别方法 |
CN106447677A (zh) * | 2016-10-12 | 2017-02-22 | 广州视源电子科技股份有限公司 | 图像处理方法和装置 |
CN106485720A (zh) * | 2016-11-03 | 2017-03-08 | 广州视源电子科技股份有限公司 | 图像处理方法和装置 |
CN106611415B (zh) * | 2016-12-29 | 2020-01-10 | 北京奇艺世纪科技有限公司 | 一种皮肤区域的检测方法及装置 |
CN106611415A (zh) * | 2016-12-29 | 2017-05-03 | 北京奇艺世纪科技有限公司 | 一种皮肤区域的检测方法及装置 |
CN110023989A (zh) * | 2017-03-29 | 2019-07-16 | 华为技术有限公司 | 一种素描图像的生成方法及装置 |
CN108229278B (zh) * | 2017-04-14 | 2020-11-17 | 深圳市商汤科技有限公司 | 人脸图像处理方法、装置和电子设备 |
US11250241B2 (en) | 2017-04-14 | 2022-02-15 | Shenzhen Sensetime Technology Co., Ltd. | Face image processing methods and apparatuses, and electronic devices |
CN108229278A (zh) * | 2017-04-14 | 2018-06-29 | 深圳市商汤科技有限公司 | 人脸图像处理方法、装置和电子设备 |
WO2018188535A1 (zh) * | 2017-04-14 | 2018-10-18 | 深圳市商汤科技有限公司 | 人脸图像处理方法、装置和电子设备 |
US11132824B2 (en) | 2017-04-14 | 2021-09-28 | Shenzhen Sensetime Technology Co., Ltd. | Face image processing method and apparatus, and electronic device |
CN107633237B (zh) * | 2017-09-30 | 2020-05-29 | 北京金山安全软件有限公司 | 图像背景分割方法、装置、设备及介质 |
CN107633237A (zh) * | 2017-09-30 | 2018-01-26 | 北京金山安全软件有限公司 | 图像背景分割方法、装置、设备及介质 |
US10713470B2 (en) | 2017-09-30 | 2020-07-14 | Beijing Kingsoft Internet Security Software Co., Ltd. | Method of determining image background, device for determining image background, and a non-transitory medium for same |
CN108108696B (zh) * | 2017-12-22 | 2020-11-20 | 歌尔科技有限公司 | 一种安全防护方法、装置及系统 |
CN108108696A (zh) * | 2017-12-22 | 2018-06-01 | 歌尔科技有限公司 | 一种安全防护方法、装置及系统 |
CN108985181B (zh) * | 2018-06-22 | 2020-07-24 | 华中科技大学 | 一种基于检测分割的端对端人脸标注方法 |
CN108985181A (zh) * | 2018-06-22 | 2018-12-11 | 华中科技大学 | 一种基于检测分割的端对端人脸标注方法 |
CN111105470A (zh) * | 2019-12-24 | 2020-05-05 | 福建中锐网络股份有限公司 | 一种基于肤色检测的烧伤患者人像分割方法 |
CN111105470B (zh) * | 2019-12-24 | 2023-02-24 | 福建中锐网络股份有限公司 | 一种基于肤色检测的烧伤患者人像分割方法 |
CN111652158A (zh) * | 2020-06-04 | 2020-09-11 | 浙江大华技术股份有限公司 | 目标对象的检测方法和装置、存储介质及电子装置 |
WO2021253723A1 (zh) * | 2020-06-16 | 2021-12-23 | 北京达佳互联信息技术有限公司 | 一种人体图像处理方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105869159A (zh) | 一种图像分割方法及装置 | |
CN105825494B (zh) | 一种图像处理方法及移动终端 | |
CN105184249B (zh) | 用于人脸图像处理的方法和装置 | |
CN103914699B (zh) | 一种基于色彩空间的自动唇彩的图像增强的方法 | |
EP2706507B1 (en) | Method and apparatus for generating morphing animation | |
Naji et al. | Skin segmentation based on multi pixel color clustering models | |
CN105205804B (zh) | 血细胞图像中白细胞的核浆分离方法、分类方法及装置 | |
CN110008832A (zh) | 基于深度学习人物图像自动分割方法、信息数据处理终端 | |
CN107452010A (zh) | 一种自动抠图算法和装置 | |
CN109377445A (zh) | 模型训练方法、替换图像背景的方法、装置和电子系统 | |
CN110473185A (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN109978918A (zh) | 一种轨迹追踪方法、装置和存储介质 | |
CN109711268B (zh) | 一种人脸图像筛选方法及设备 | |
CN111279389A (zh) | 图像处理方法和装置 | |
CN105046219A (zh) | 一种人脸识别系统 | |
CN107909081A (zh) | 一种深度学习中图像数据集的快速获取和快速标定方法 | |
CN108463823A (zh) | 一种用户头发模型的重建方法、装置及终端 | |
CN111967319B (zh) | 基于红外和可见光的活体检测方法、装置、设备和存储介质 | |
DE112019007550T5 (de) | Automatisches segmentieren und anpassen von bildern | |
CN109584153A (zh) | 修饰眼部的方法、装置和系统 | |
CN107194869A (zh) | 一种图像处理方法及终端、计算机存储介质、计算机设备 | |
CN111080670A (zh) | 图像提取方法、装置、设备及存储介质 | |
Rezaei et al. | Gland segmentation in histopathology images using deep networks and handcrafted features | |
CN107154046A (zh) | 一种视频背景处理和隐私保护的方法 | |
CN110009708B (zh) | 基于图像色彩分割的发色变换方法、系统及终端 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160817 |
|
RJ01 | Rejection of invention patent application after publication |