CN106296590B - 皮肤粗糙度自适应磨皮方法、系统及客户端 - Google Patents
皮肤粗糙度自适应磨皮方法、系统及客户端 Download PDFInfo
- Publication number
- CN106296590B CN106296590B CN201510236448.8A CN201510236448A CN106296590B CN 106296590 B CN106296590 B CN 106296590B CN 201510236448 A CN201510236448 A CN 201510236448A CN 106296590 B CN106296590 B CN 106296590B
- Authority
- CN
- China
- Prior art keywords
- image
- skin
- feature vector
- processed
- coefficient
- 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
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种皮肤粗糙度自适应磨皮方法、系统及客户端,包括:获取待处理图像、预设一个或一个以上的平均特征向量及与所述预设平均特征向量相应的磨皮系数;提取待处理图像的特征向量;将所述待处理图像的特征向量与所述预设平均特征向量逐一比较,并逐一获得对应相似性系数;根据所述磨皮系数与对应相似性系数,得到待处理图像的磨皮系数。通过提取待处理图像的特征向量,将待处理图像的特征向量与预设平均特征向量比较得到对应相似性系数,并结合预设的磨皮系数得到待处理图像的磨皮系数,根据待处理图像的皮肤质量动态调节磨皮系数,可以避免磨皮过度丢失图像细节,对图像进行精确的磨皮。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种皮肤粗糙度自适应磨皮方法、系统及客户端。
背景技术
人脸美化广泛流行,磨皮作为关键核心技术必不可少,而磨皮的力度控制决定着最终效果的好坏。现行的图像处理软件,如photoshop、美图秀秀等,磨皮力度都由固定默认参数控制,配合人工调整,影响用户体验。
申请号为201310653333.X的专利文件公开了一种图像处理的方法及装置,其图像处理方法包括:接收待处理的图像;从所述图像中获取各像素点的第一灰度值;根据所述各像素点的第一灰度值,将所述待处理的图像中的人脸皮肤区域转换为灰度图像;根据所述灰度图像的各像素点的像素差,获取所述各像素点的像素差的方差积分图,其中,所述各像素点的所述像素差为所述各像素点与沿其横坐标正负方向各延伸第一预设值,沿其纵坐标正负方向各延伸第二预设值区域内各像素点的第一灰度值之差;根据所述各像素点的方差积分图,获取所述各像素点沿其横坐标正负方向各延伸所述第一预设值,沿其纵坐标正负方向各延伸所述第二预设值区域内像素点的方差和;根据所述各像素点的第三预设值、第四预设值和所述方差和,获取所述各像素点的磨皮权重值;根据所述磨皮权重值,获取磨皮后各像素点的第二灰度值;以及根据所述各像素点的所述第一灰度值和所述第二灰度值将所述灰度图像转换为彩色图像。
然而采用上述技术方案,未克服图像边缘带来的影响,图像边缘,比如眼睛周围、嘴巴周围等粗糙区域如果算作皮肤区域,那最终得到的磨皮系数将会比实际值高,对图像处理结果往往产生较大的影响。
发明内容
本发明所要解决的技术问题是:如何自适应地评估图像皮肤的粗糙度,精确地对图像进行磨皮处理。
为了解决上述技术问题,本发明采用的技术方案为:
一种皮肤粗糙度自适应磨皮方法,包括:
获取待处理图像、预设一个或一个以上的平均特征向量及与所述预设平均特征向量相应的磨皮系数;
提取待处理图像的特征向量;
将所述待处理图像的特征向量与所述预设平均特征向量逐一比较,并逐一获得对应相似性系数;
根据所述磨皮系数与对应相似性系数,得到待处理图像的磨皮系数。
本发明的有益效果在于:通过提取待处理图像的特征向量,将待处理图像的特征向量与预设平均特征向量比较得到对应相似性系数,并结合预设的磨皮系数得到待处理图像的磨皮系数,根据待处理图像的皮肤质量动态调节磨皮系数,可以避免磨皮过度丢失图像细节,对图像进行精确的磨皮。
本发明还提供一种皮肤粗糙度自适应磨皮系统,包括:
计算模块,用于计算预设平均特征向量及与所述预设平均特征向量相应的磨皮系数;
获取模块,用于获取待处理图像、预设一个或一个以上的平均特征向量及与所述预设平均特征向量相应的磨皮系数;
第一特征提取模块,用于提取待处理图像的特征向量;
第一运算模块,用于将所述待处理图像的特征向量与所述预设平均特征向量逐一比较,并逐一获得对应相似性系数;
第二运算模块,用于根据所述磨皮系数与对应相似性系数,得到待处理图像的磨皮系数。
本发明的有益效果在于:计算模块计算出预设平均特征向量及与所述预设平均特征向量相应的磨皮系数,特征提取模块提取出待处理图像的特征向量,并通过第一运算模块和第二运算模块根据预待处理图像的特征向量、预设平均特征向量及与所述预设平均特征向量相应的磨皮系数计算出待处理图像的磨皮系数,从而根据待处理图像的皮肤质量动态调节磨皮系数,可以避免磨皮过度丢失图像细节,对图像进行精确的磨皮。
本发明还提供一种客户端,包括:
获取模块,用于获取待处理图像、预设平均特征向量及与所述预设平均特征向量相应的磨皮系数;
特征提取模块,用于提取待处理图像的特征向量;
发送模块,用于发送待处理图像的特征向量;
接收模块,用于接收待处理图像的磨皮系数。
本发明的有益效果在于,通过获取模块获取待处理图像,特征提取模块提取待处理图像的特征向量,发送模块发送待处理图像的特征向量并通过接收模块接收待处理图像的磨皮系数,根据皮肤粗糙度不同采用不同的磨皮系数处理图像,提高了用户的体验。
附图说明
图1为本发明实施例一皮肤粗糙度自适应磨皮方法流程图;
图2为本发明实施例二特征提取方法流程图;
图3为本发明实施例二处理差值图像得到待处理图像的特征向量方法活动窗口示意图;
图4为本发明实施例二处理差值图像得到待处理图像的特征向量方法流程图;
图5为本发明实施例三预设平均特征向量及与所述预设平均特征向量相应的磨皮系数获取方法流程图;
图6为本发明实施例四皮肤粗糙度自适应磨皮系统的结构示意图;
图7为本发明实施例五客户端的结构示意图。
标号说明:
1、计算模块;11、样本图像获取模块;12、分类模块;13、第二特征提取模块;14、第三运算模块;15、设置模块;2、获取模块;3、第一特征提取模块;4、第一运算模块;5、第二运算模块;6、客户端;61、获取模块;62、特征提取模块;63、发送模块;64、接收模块。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果,以下结合实施方式并配合附图予以说明。
本发明最关键的构思在于:采用特征提取的方法提取图像的特征向量,并根据特征向量得到图像的磨皮系数。
本发明涉及的技术术语解释:
请参照图1至图5,
一种皮肤粗糙度自适应磨皮方法,包括:
S11、获取待处理图像、预设一个或一个以上的平均特征向量及与所述预设平均特征向量相应的磨皮系数;
S12、提取待处理图像的特征向量;
S13、将所述待处理图像的特征向量与所述预设平均特征向量逐一比较,并逐一获得对应相似性系数;
S14、根据所述磨皮系数与对应相似性系数,得到待处理图像的磨皮系数。
从上述描述可知,本发明的有益效果在于:通过提取待处理图像的特征向量,将待处理图像的特征向量与预设平均特征向量比较得到对应相似性系数,并结合预设的磨皮系数得到待处理图像的磨皮系数,根据待处理图像的皮肤质量动态调节磨皮系数,可以避免磨皮过度丢失图像细节,对图像进行精确的磨皮。
进一步的,所述“提取待处理图像的特征向量”采用的是特征提取方法,具体为:
分离出待处理图像的皮肤区域;
使用预设磨皮方法对皮肤区域进行磨皮,得到磨皮图像;
根据待处理图像与磨皮图像得到差值图像;
处理差值图像得到待处理图像的特征向量。
进一步的,所述“处理差值图像得到待处理图像的特征向量”具体为:
计算预设尺度的活动窗口内像素的平均强度;
根据平均强度得到水平方向和垂直方向互不重叠的窗口之间的强度差,并将水平方向和垂直方向互不重叠的窗口之间的强度差的最大值作为像素的粗糙度;
根据上述两个步骤得到差值图像每个像素的粗糙度,并根据粗糙度得到粗糙度特征;
使用多个不同于预设尺度的活动窗口重复上述三个步骤,得到两组以上粗糙度特征;
根据两组以上粗糙度特征得到待处理图像的特征向量。
由上述描述可知,通过对比使用预设磨皮方法磨皮后的磨皮图像与待处理图像得到的待处理图像的特征向量,能够有效反映出皮肤区域的粗糙情况。
进一步的,所述“预设平均特征向量及与所述预设平均特征向量相应的磨皮系数”由以下方法得出:
获取两幅以上样本图像;
根据样本图像中的皮肤粗糙度将样本图像分为一类或一类以上的样本图像组;
提取每一幅样本图像的特征向量;
根据特征向量得到每一类样本图像组的平均特征向量,并分别设置与所述每一类样本图像组的平均特征向量相应的磨皮系数;
将所述每一类样本图像组的平均特征向量作为预设平均特征向量。
由上述描述可知,样本图像的皮肤粗糙度有不同的类型,且不同的类型对应了不同的预设平均特征向量以及磨皮系数。
进一步的,所述“提取每一幅样本图像的特征向量”具体为:
将样本图像作为待处理图像;
采用特征提取方法提取样本图像的特征向量。
进一步的,所述“采用特征提取方法提取样本图像的特征向量”具体为:
分离出待处理图像的皮肤区域;
使用预设磨皮方法对皮肤区域进行磨皮,得到磨皮图像;
根据待处理图像与磨皮图像得到差值图像;
处理差值图像得到待处理图像的特征向量。
进一步的,所述“分离出待处理图像的皮肤区域”具体为:
获取待处理图像;
生成待处理图像的皮肤模板;
提取待处理图像的强边缘,得到方差模板;
通过皮肤模板与方差模板叠加分离出待处理图像的皮肤区域。
由上述描述可知,待处理图像的皮肤区域可以通过皮肤模板与方差模板叠加得到。
一种皮肤粗糙度自适应磨皮系统,包括:
计算模块1,用于计算预设平均特征向量及与所述预设平均特征向量相应的磨皮系数;
获取模块2,用于获取待处理图像、预设一个或一个以上的平均特征向量及与所述预设平均特征向量相应的磨皮系数;
第一特征提取模块3,用于提取待处理图像的特征向量;
第一运算模块4,用于将所述待处理图像的特征向量与所述预设平均特征向量逐一比较,并逐一获得对应相似性系数;
第二运算模块5,用于根据所述磨皮系数与对应相似性系数,得到待处理图像的磨皮系数。
本发明的有益效果在于:计算模块计算出预设平均特征向量及与所述预设平均特征向量相应的磨皮系数,特征提取模块提取出待处理图像的特征向量,并通过第一运算模块和第二运算模块根据预待处理图像的特征向量、预设平均特征向量及与所述预设平均特征向量相应的磨皮系数计算出待处理图像的磨皮系数,从而根据待处理图像的皮肤质量动态调节磨皮系数,可以避免磨皮过度丢失图像细节,对图像进行精确的磨皮。
进一步的,所述计算模块1包括:
样本图像获取模块11,用于获取两幅以上样本图像;
分类模块12,用于根据样本图像中的皮肤粗糙度将样本图像分为一类或一类以上的样本图像组;
第二特征提取模块13,用于提取每一幅样本图像的特征向量;
第三运算模块14,用于根据特征向量得到每一类样本图像组的平均特征向量,并分别设置与所述每一类样本图像组的平均特征向量相应的磨皮系数;
设置模块15,用于将所述每一类样本图像组的平均特征向量作为预设平均特征向量。
本发明还提供一种客户端6,包括:
获取模块61,用于获取待处理图像、预设平均特征向量及与所述预设平均特征向量相应的磨皮系数;
特征提取模块62,用于提取待处理图像的特征向量;
发送模块63,用于发送待处理图像的特征向量;
接收模块64,用于接收待处理图像的磨皮系数。
本发明的有益效果在于,通过获取模块获取待处理图像,特征提取模块提取待处理图像的特征向量,发送模块发送待处理图像的特征向量并通过接收模块接收待处理图像的磨皮系数,根据皮肤粗糙度不同采用不同的磨皮系数处理图像,提高了用户的体验。
请参照图1,本发明的实施例一为:
皮肤粗糙度自适应磨皮方法,包括:
S11、获取待处理图像、预设一个或一个以上的平均特征向量及与所述预设平均特征向量相应的磨皮系数;
S12、提取待处理图像的特征向量;所述待处理图像的特征向量采用特征提取方法提取;
S13、将所述待处理图像的特征向量与所述预设平均特征向量逐一比较,并逐一获得对应相似性系数;通过待处理图像的特征向量H与第k类样本图像组的预设平均特征向量MHk计算对应相似性系数sck(若MHk由支持向量机训练得来,则sck为H和MHk的点距),具体计算公式如下:
S14、根据所述磨皮系数ck与对应相似性系数sck,得到待处理图像的磨皮系数c,具体计算方法如下:
上述待处理图像为彩色图像。
请参照图2至图4,本发明的实施例二为:
特征提取方法,具体为:
S21、获取待处理图像;
S22、生成待处理图像的皮肤模板;采用皮肤检测生成待处理图像的皮肤模板;
S23、提取待处理图像的强边缘,得到方差模板;对待处理图像计算每个像素点的方差,得到方差图像,并计算方差平均值,由方差图像和方差平均值生成方差模板,具体方差模板的计算公式如下:
其中,v(i,j)为模板方差模板中的第(i,j)个元素,g(i,j)为方差图像中的第(i,j)个元素,meanVar为方差平均值。
S24、通过皮肤模板与方差模板叠加分离出待处理图像的皮肤区域;所述皮肤模板与方差模板叠加是通过皮肤模板与方差模板相乘得到最终模板实现的;
S25、使用预设磨皮方法对皮肤区域进行磨皮,得到磨皮图像;其中预设磨皮方法可以为申请号为201410271650.X的人脸智能美化方法,或者其他不同皮肤粗糙程度均采用同样磨皮力度的磨皮方法;
S26、根据待处理图像与磨皮图像得到差值图像;将待处理图像与磨皮图像相减,得到差值图像;
S27、处理差值图像得到待处理图像的特征向量;具体操作步骤如下:
S271、计算预设尺度的活动窗口内像素的平均强度;计算差值图像中大小为k×k的活动窗口的平均强度Ak(i,j),计算公式如下:
其中,g(i,j)为差值图像中第(i,j)位置的元素;
S272、根据平均强度得到水平方向和垂直方向互不重叠的窗口之间的强度差,并将水平方向和垂直方向互不重叠的窗口之间的强度差的最大值作为像素的粗糙度;对每个像素,分别计算其在水平方向互不重叠的窗口XA、XB之间的强度差Ek,h(i,j)和垂直方向互不重叠的窗口YA、YB之间的强度差Ek,v(i,j),取Ek,h(i,j)、Ek,v(i,j)的最大值作为像素的粗糙度c(i,j),计算公式如下:
Ek,h(i,j)=|Ak(i-k/2,j)-Ak(i+k/2,j)|
Ek,v(i,j)=|Ak(i,j-k/2)-Ak(i,j+k/2)|
c(i,j)=max(Ek,h,Ek,v)
S273、根据上述两个步骤得到差值图像每个像素的粗糙度,并根据粗糙度得到粗糙度特征;使用S271、S272两个步骤对差值图像处理得到粗糙度图像,并采用最终模板提取粗糙度图像的皮肤区域,对粗糙度图像的皮肤区域进行直方图统计,归一化后得到粗糙度特征;
S274、使用多个不同预设尺度的活动窗口重复S271、S272及S273,得到两组以上粗糙度特征;使用s个尺度的活动窗口重复上述三个步骤,得到两组以上粗糙度特征;优选的,s=5;
S275、根据两组以上粗糙度特征得到待处理图像的特征向量;将所述两组以上粗糙度特征拼接起来得到待处理图像的特征向量。
请参照图5,本发明的实施例三为:
预设平均特征向量及与所述预设平均特征向量相应的磨皮系数获取方法,具体为:
S31、获取两幅以上样本图像;收集大量人脸照片作为样本图像;
S32、根据样本图像中的皮肤粗糙度将样本图像分为一类或一类以上的样本图像组;根据样本图像中皮肤的粗糙程度把样本图像分为k类样本图像组,每一类样本图像组记为Sk,优选的,k=5;
S33、提取每一幅样本图像的特征向量;使用特征提取方法对每类样本图像组的每一幅样本图像提取特征向量;
S34、根据特征向量得到每一类样本图像组的平均特征向量,并分别设置与所述每一类样本图像组的平均特征向量相应的磨皮系数;聚类出Sk样本图像组的平均特征向量,或使用支持向量机训练出平均特征向量,并分别赋予每一类样本图像组的平均特征向量相应的磨皮系数ck,ck的取值范围为[0,1];
S35、将所述每一类样本图像组的平均特征向量作为预设平均特征向量。
上述样本图像为彩色图像。
综上所述,本发明提供的皮肤粗糙度自适应磨皮方法,通过特征提取方法提取预设平均特征向量及与预设平均特征向量对应的磨皮系数,获取待处理图像、预设平均特征向量及与预设平均特征向量对应的磨皮系数后,使用特征提取算法提取待处理图像的特征向量,并通过待处理图像的特征向量、预设平均特征向量及与预设平均特征向量对应的磨皮系数得到待处理图像的磨皮系数。
请参照图6,本发明的实施例四为:
一种皮肤粗糙度自适应磨皮系统,包括:
计算模块1,用于计算预设平均特征向量及与所述预设平均特征向量相应的磨皮系数;
获取模块2,用于获取待处理图像、预设一个或一个以上的平均特征向量及与所述预设平均特征向量相应的磨皮系数;
第一特征提取模块3,用于提取待处理图像的特征向量;
第一运算模块4,用于将所述待处理图像的特征向量与所述预设平均特征向量逐一比较,并逐一获得对应相似性系数;
第二运算模块5,用于根据所述磨皮系数与对应相似性系数,得到待处理图像的磨皮系数。
其中,所述计算模块1包括:
样本图像获取模块11,用于获取两幅以上样本图像;
分类模块12,用于根据样本图像中的皮肤粗糙度将样本图像分为一类或一类以上的样本图像组;
第二特征提取模块13,用于提取每一幅样本图像的特征向量;
第三运算模块14,用于根据特征向量得到每一类样本图像组的平均特征向量,并分别设置与所述每一类样本图像组的平均特征向量相应的磨皮系数;
设置模块15,用于将所述每一类样本图像组的平均特征向量作为预设平均特征向量。
请参照图7,本发明的实施例五为:
一种客户端6,包括:
获取模块61,用于获取待处理图像、预设平均特征向量及与所述预设平均特征向量相应的磨皮系数;
特征提取模块62,用于提取待处理图像的特征向量;
发送模块63,用于发送待处理图像的特征向量;
接收模块64,用于接收待处理图像的磨皮系数。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等同变换,或直接或间接运用在相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (7)
1.一种皮肤粗糙度自适应磨皮方法,其特征在于,包括:
获取待处理图像、预设一个以上的平均特征向量及与所述预设平均特征向量相应的磨皮系数;
提取待处理图像的特征向量;
将所述待处理图像的特征向量与所述预设平均特征向量逐一比较,并逐一获得对应相似性系数;
根据所述磨皮系数与对应相似性系数,得到待处理图像的磨皮系数;其中,所述“提取待处理图像的特征向量”采用的是特征提取方法,具体为:
分离出待处理图像的皮肤区域;
使用预设磨皮方法对皮肤区域进行磨皮,得到磨皮图像;
根据待处理图像与磨皮图像得到差值图像;
处理差值图像得到待处理图像的特征向量;
其中,所述“预设平均特征向量及与所述预设平均特征向量相应的磨皮系数”由以下方法得出:
获取两幅以上样本图像;
根据样本图像中的皮肤粗糙度将样本图像分为一类以上的样本图像组;
提取每一幅样本图像的特征向量;
根据特征向量得到每一类样本图像组的平均特征向量,并分别设置与所述每一类样本图像组的平均特征向量相应的磨皮系数;
将所述每一类样本图像组的平均特征向量作为预设平均特征向量。
2.根据权利要求1所述的皮肤粗糙度自适应磨皮方法,其特征在于,所述“处理差值图像得到待处理图像的特征向量”具体为:
计算预设尺度的活动窗口内像素的平均强度;
根据平均强度得到水平方向和垂直方向互不重叠的窗口之间的强度差,并将水平方向和垂直方向互不重叠的窗口之间的强度差的最大值作为像素的粗糙度;
根据上述两个步骤得到差值图像每个像素的粗糙度,并根据粗糙度得到粗糙度特征;
使用多个不同于预设尺度的活动窗口重复上述三个步骤,得到两组以上粗糙度特征;
根据两组以上粗糙度特征得到待处理图像的特征向量。
3.根据权利要求1所述的皮肤粗糙度自适应磨皮方法,其特征在于,所述“提取每一幅样本图像的特征向量”具体为:
将样本图像作为待处理图像;
采用特征提取方法提取样本图像的特征向量。
4.根据权利要求3所述的皮肤粗糙度自适应磨皮方法,其特征在于,所述“采用特征提取方法提取样本图像的特征向量”具体为:
分离出待处理图像的皮肤区域;
使用预设磨皮方法对皮肤区域进行磨皮,得到磨皮图像;
根据待处理图像与磨皮图像得到差值图像;
处理差值图像得到待处理图像的特征向量。
5.根据权利要求1或权利要求4所述的皮肤粗糙度自适应磨皮方法,其特征在于,所述“分离出待处理图像的皮肤区域”具体为:
获取待处理图像;
生成待处理图像的皮肤模板;
提取待处理图像的强边缘,得到方差模板;
通过皮肤模板与方差模板叠加分离出待处理图像的皮肤区域。
6.一种皮肤粗糙度自适应磨皮系统,其特征在于,包括:
计算模块,用于计算预设平均特征向量及与所述预设平均特征向量相应的磨皮系数;
获取模块,用于获取待处理图像、预设一个以上的平均特征向量及与所述预设平均特征向量相应的磨皮系数;
第一特征提取模块,用于提取待处理图像的特征向量;
第一运算模块,用于将所述待处理图像的特征向量与所述预设平均特征向量逐一比较,并逐一获得对应相似性系数;
第二运算模块,用于根据所述磨皮系数与对应相似性系数,得到待处理图像的磨皮系数;其中,所述计算模块包括:
样本图像获取模块,用于获取两幅以上样本图像;
分类模块,用于根据样本图像中的皮肤粗糙度将样本图像分为一类以上的样本图像组;
第二特征提取模块,用于提取每一幅样本图像的特征向量;
第三运算模块,用于根据特征向量得到每一类样本图像组的平均特征向量,并分别设置与所述每一类样本图像组的平均特征向量相应的磨皮系数;
设置模块,用于将所述每一类样本图像组的平均特征向量作为预设平均特征向量。
7.一种采用权利要求1所述的一种皮肤粗糙度自适应磨皮方法的客户端,其特征在于,包括:
获取模块,用于获取待处理图像、预设平均特征向量及与所述预设平均特征向量相应的磨皮系数;
特征提取模块,用于提取待处理图像的特征向量;
发送模块,用于发送待处理图像的特征向量;
接收模块,用于接收待处理图像的磨皮系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510236448.8A CN106296590B (zh) | 2015-05-11 | 2015-05-11 | 皮肤粗糙度自适应磨皮方法、系统及客户端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510236448.8A CN106296590B (zh) | 2015-05-11 | 2015-05-11 | 皮肤粗糙度自适应磨皮方法、系统及客户端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106296590A CN106296590A (zh) | 2017-01-04 |
CN106296590B true CN106296590B (zh) | 2019-05-07 |
Family
ID=57630697
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510236448.8A Active CN106296590B (zh) | 2015-05-11 | 2015-05-11 | 皮肤粗糙度自适应磨皮方法、系统及客户端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106296590B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107154030B (zh) * | 2017-05-17 | 2023-06-09 | 腾讯科技(上海)有限公司 | 图像处理方法及装置、电子设备及存储介质 |
CN107578372B (zh) * | 2017-10-31 | 2020-02-18 | Oppo广东移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和电子设备 |
CN107862659B (zh) * | 2017-10-31 | 2020-05-26 | Oppo广东移动通信有限公司 | 图像处理方法、装置、计算机设备及计算机可读存储介质 |
CN107770446B (zh) * | 2017-10-31 | 2020-03-27 | Oppo广东移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和电子设备 |
KR20210044770A (ko) * | 2018-06-22 | 2021-04-23 | 이스타블리쉬먼트 렙스 에스.에이. | 조합된 확대 시술들의 시뮬레이션 및 모델링을 위한 시스템들 및 방법들 |
CN110070494B (zh) * | 2018-12-21 | 2021-09-17 | 北京字节跳动网络技术有限公司 | 图像处理方法、装置和电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663448A (zh) * | 2012-03-07 | 2012-09-12 | 北京理工大学 | 一种基于网络的增强现实物体识别分析方法 |
CN103617638A (zh) * | 2013-12-05 | 2014-03-05 | 北京京东尚科信息技术有限公司 | 图像处理的方法及装置 |
CN104008534A (zh) * | 2014-06-18 | 2014-08-27 | 福建天晴数码有限公司 | 一种人脸智能美化方法及装置 |
CN104517265A (zh) * | 2014-11-06 | 2015-04-15 | 福建天晴数码有限公司 | 智能磨皮方法和装置 |
-
2015
- 2015-05-11 CN CN201510236448.8A patent/CN106296590B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663448A (zh) * | 2012-03-07 | 2012-09-12 | 北京理工大学 | 一种基于网络的增强现实物体识别分析方法 |
CN103617638A (zh) * | 2013-12-05 | 2014-03-05 | 北京京东尚科信息技术有限公司 | 图像处理的方法及装置 |
CN104008534A (zh) * | 2014-06-18 | 2014-08-27 | 福建天晴数码有限公司 | 一种人脸智能美化方法及装置 |
CN104517265A (zh) * | 2014-11-06 | 2015-04-15 | 福建天晴数码有限公司 | 智能磨皮方法和装置 |
Non-Patent Citations (1)
Title |
---|
脸部美化的自适应算法研究;周芹芹 等;《江汉大学学报(自然科学版)》;20110331;第39卷(第1期);第49-53页 |
Also Published As
Publication number | Publication date |
---|---|
CN106296590A (zh) | 2017-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106296590B (zh) | 皮肤粗糙度自适应磨皮方法、系统及客户端 | |
CN108376391B (zh) | 一种智能化红外图像场景增强方法 | |
Fu et al. | A novel retinex based approach for image enhancement with illumination adjustment | |
Li et al. | Edge-preserving decomposition-based single image haze removal | |
CN105654436B (zh) | 一种基于前景背景分离的背光图像增强去噪方法 | |
CN108921800A (zh) | 基于形状自适应搜索窗口的非局部均值去噪方法 | |
TWI457853B (zh) | 提供深度資訊之影像處理方法及其影像處理系統 | |
CN104252698A (zh) | 一种基于半逆法的快速单幅图像去雾算法 | |
CN106780417A (zh) | 一种光照不均图像的增强方法及系统 | |
CN109636745B (zh) | 基于分数阶微分图像增强算法的最佳阶图像增强方法 | |
CN104994375A (zh) | 一种基于立体视觉显著性的立体图像质量客观评价方法 | |
Pei et al. | Effective image haze removal using dark channel prior and post-processing | |
CN110298796B (zh) | 基于改进Retinex与对数图像处理的低照度图像增强方法 | |
CN104469386A (zh) | 一种基于dof的恰可察觉误差模型的感知立体视频编码方法 | |
CN105791636A (zh) | 一种视频处理系统 | |
CN112214773B (zh) | 基于隐私保护的图像处理方法、装置和电子设备 | |
CN102915115A (zh) | 根据眼部调整显示画面的方法 | |
EP3327623A1 (en) | Biometric method | |
CN107516302A (zh) | 一种基于OpenCV的混合图像增强的方法 | |
Kim et al. | Single image haze removal using hazy particle maps | |
Li et al. | An improved image defogging method based on dark channel prior | |
CN103489168A (zh) | 一种红外图像自适应转伪彩增强方法及系统 | |
Liu et al. | Single image haze removal via depth-based contrast stretching transform | |
CN111274851A (zh) | 一种活体检测方法及装置 | |
CN108596843A (zh) | 一种基于亮通道的水下图像色彩恢复算法 |
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 |