CN107038715A - 一种图像处理方法及装置 - Google Patents

一种图像处理方法及装置 Download PDF

Info

Publication number
CN107038715A
CN107038715A CN201710171010.5A CN201710171010A CN107038715A CN 107038715 A CN107038715 A CN 107038715A CN 201710171010 A CN201710171010 A CN 201710171010A CN 107038715 A CN107038715 A CN 107038715A
Authority
CN
China
Prior art keywords
value
pixel
image
original
skin
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.)
Granted
Application number
CN201710171010.5A
Other languages
English (en)
Other versions
CN107038715B (zh
Inventor
钱梦仁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN201710171010.5A priority Critical patent/CN107038715B/zh
Publication of CN107038715A publication Critical patent/CN107038715A/zh
Priority to PCT/CN2018/079073 priority patent/WO2018171493A1/zh
Application granted granted Critical
Publication of CN107038715B publication Critical patent/CN107038715B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof

Abstract

本发明实施例公开了一种图像处理方法及处理装置，所述方法包括：获取原始图像；对所述原始图像的图像像素进行肤色检测，以确定所述原始图像中的原始肤色像素；计算所述原始肤色像素的特征参数值的平均值；根据预设标准平均值与计算得到的平均值之间的差值，对所述原始图像的各图像像素的特征参数值进行校正，所述标准平均值为根据预设标准图像的标准肤色像素的特征参数值计算得到；输出校正后的原始图像。通过上述方式，本发明能够减小图像过曝或过暗的几率，可以使得图像中的肤色更接近用户的自然真实肤色，提高图像质量。

Description

一种图像处理方法及装置
技术领域
本发明涉及图像处理技术领域，具体涉及一种图像的处理方法及装置。
背景技术
随着社交媒体的不断发展，照片正逐渐取代文字，成为用户记录生活点滴的主要内容方式，其中，又以自拍生活照居多。如今的大部分手机、平板电脑等终端设备都设置有前置摄像头，让自拍变得更加方便，随时随地都能自拍。现有的摄像技术在对照片进行处理时，一般都会根据环境光线自动对光圈进行调节，从而得到与当前环境光线匹配的曝光度。
在对现有技术的研究和实践过程中，本发明的发明人发现，用户在自拍过程中，由于光线条件千差万别，受光线的干扰往往容易导致照片过度曝光或曝光不足，尤其是人体肤色部分失真更严重。
发明内容
本发明实施例提供一种图像处理方法及装置，能够降低图像过曝或过暗的几率，可以使得图像中的肤色更接近用户的自然真实肤色，提高图像质量。
本发明实施例提供一种图像处理方法，包括：
获取原始图像；
对所述原始图像的图像像素进行肤色检测，以确定所述原始图像中的原始肤色像素；
计算所述原始肤色像素的特征参数值的平均值；
根据预设标准平均值与计算得到的平均值之间的差值，对所述原始图像的各图像像素的特征参数值进行校正，所述标准平均值为根据预设标准图像的标准肤色像素的特征参数值计算得到；
输出校正后的原始图像。
本发明实施例提供一种图像处理装置，包括：
第一获取模块，用于获取原始图像；
第一肤色检测模块，用于对所述原始图像的图像像素进行肤色检测，以确定所述原始图像中的原始肤色像素；
第一计算模块，用于计算所述原始肤色像素的特征参数值的平均值；
校正模块，用于根据预设标准平均值与计算得到的平均值之间的差值，对所述原始图像的各图像像素的特征参数值进行校正，所述标准平均值为根据预设标准图像的标准肤色像素的特征参数值计算得到；
输出模块，用于输出校正后的原始图像。
本发明实施例的图像处理方法中，通过对原始图像的图像像素进行肤色检测以确定原始图像中的原始肤色像素，并计算原始肤色像素的特征参数值的平均值，然后利用计算得到的平均值与预设标准平均值之间的差值，对原始图像的各图像像素的特征参数值进行校正，该预设标准平均值为根据预设标准图像中的标准肤色像素的特征参数值计算得到，由此基于肤色分析对整张原始图像进行优化处理，能够使得原始图像中的肤色更接近标准图像中的肤色(也即用户的真实肤色)，且可以使得整张图像明暗程度更接近自然情况，光线亮度更加均衡，避免图像过曝或过暗，提高图像质量。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1a是本发明一实施例提供的图像处理方法的框架图；
图1b是本发明一实施例提供的图像处理方法的流程图；
图1c是本发明一实施例提供的图像处理方法中，肤色检测示意图；
图2a是本发明一实施例提供的图像处理方法中，对原始图像的各图像像素的特征参数值进行校正之前的流程图；
图2b是本发明一实施例提供的图像处理方法中，获取标准平均值的框架图；
图3是本发明一实施例提供的图像处理方法中，对原始图像的各图像像素的特征参数值进行校正的流程图；
图4是本发明另一实施例提供的图像处理方法的流程图；
图5是本发明又一实施例提供的图像处理方法的流程图；
图6是本发明又一实施例提供的图像处理方法的流程图；
图7是本发明一实施例提供的图像处理装置的结构示意图；
图8是本发明另一实施例提供的图像处理装置的结构示意图；
图9是本发明一实施例提供的终端的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，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。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供一种图像处理方法和处理装置。
其中，图像处理装置具体可以集成在终端中，终端例如可以是智能手机、平板电脑、个人计算机等。
例如，如图1a所示，该图像处理装置可以获取原始图像，例如可以是获取摄像头或其他图像采集设备获取的实时画面，也可以是获取用户所选择的图片，或者是接收其他设备发送的图片等，然后对原始图像的图像像素进行肤色检测，以确定原始图像中的原始肤色像素，例如可以通过肤色统计模型进行肤色检测，如RGB色彩空间肤色统计，或者通过阈值分割方式进行肤色检测，等等，通过计算原始肤色像素的特征参数值的平均值，并根据预设标准平均值与计算得到的平均值之间的差值，对原始图像的各图像像素的特征参数值进行校正，从而输出校正后的原始图像。
因此，本发明实施例是基于肤色对原始图像进行优化处理，即以预设的标准图像为参考，通过对原始图像的肤色像素的特征参数值与预设的标准图像的肤色像素的特征参数值做对比，根据对比结果可以判断原始图像的曝光情况，以对原始图像进行校正，使得原始图像的肤色更接近标准图像的肤色，从而使得原始图像的光照更接近自然情况，在一定程度上可以避免图像过曝或过暗的现象，有利于提高照片质量。
以下分别进行详细说明。
参阅图1b，图1b是本发明图像处理方法一实施例的流程图。如图所示，图像处理方法包括以下步骤：
步骤S101：获取原始图像。
原始图像为待处理的图像。获取的原始图像可以有多种，例如，获取原始图像具体可以包括：获取摄像头或其他图像采集设备实时获取的画面，以获取原始图像；或者，获取用户所选择的图片，以获取原始图像；又或者，接收终端设备发送的图片，以获取原始图像，等等。
步骤S102：对原始图像的图像像素进行肤色检测，以确定原始图像中的原始肤色像素。
肤色像素即人体皮肤像素。本实施例中，选取原始图像中的人脸区域的图像像素进行肤色检测。具体地，在步骤S102之前，进行如下步骤：对原始图像进行人脸检测，以确定原始图像的人脸区域。当确定原始图像的人脸区域后，对原始图像的图像像素进行肤色检测具体为：对原始图像的人脸区域内的图像像素进行肤色检测，以确定原始图像中的原始肤色像素。当在原始图像中未检测到人脸时，则对整张原始图像的图像像素进行肤色检测，以确定原始图像的原始肤色像素。
其中，人脸检测的方式有多种，例如有基于传统知识的方法、基于几何特征的方法等等，可以采用其中的一种或几种方法的结合进行人脸检测。其中，当原始图像是根据用户的选择获取的，则人脸区域还可以由用户主动标记，具体而言，用户在选择原始图像时，可以对原始图像中的人脸进行标记，从而根据用户标记的区域确定原始图像中的人脸区域。肤色像素的检测方式也可以有多种，例如可以通过建立肤色统计模型进行肤色检测，比如基于Y(亮度)Cg(绿色分量与亮度的差)Cr(红色分量与亮度的差)与YCgCb(蓝色分量与亮度的差)颜色空间的肤色检测。
例如，如图1c所示，对原始图像10a进行人脸检测，从而确定原始图像10a中的人脸区域11。通过对人脸区域11进行肤色检测，得到肤色检测结果10b，其中在肤色监测结果10b中白色区域代表肤色区域，黑色区域代表非肤色区域。
本实施例通过针对人脸区域进行肤色检测，相较于全图区域的肤色检测而言，可以减少运算量，降低肤色检测成本，且有利于减少噪声点。
步骤S103：计算原始肤色像素的特征参数值的平均值。
特征参数值指像素的参数的取值，例如可以是像素的灰阶值、色度值等。原始肤色像素的特征参数值可以是一个也可以是多个，有多个特征参数值时，分别计算每个特征参数值的平均值。其中，对于某个特征参数值的平均值的计算过程，具体可以包括：获取每个原始肤色像素的特征参数值；统计原始肤色像素的个数；计算所有原始肤色像素的同一特征参数值的总和；计算该总和与原始肤色像素的个数的比值，从而得到所有原始肤色像素的同一特征参数值的平均值。
步骤S104：根据预设标准平均值和计算得到的平均值之间的差值，对原始图像的各图像像素的特征参数值进行校正，标准平均值为根据预设标准图像中的标准肤色像素的特征参数值计算得到。
步骤S105：输出校正后的原始图像。
其中，标准图像中显示有用户的肤色，为曝光正常、明暗程度较为接近自然情况的图像，将标准图像中的肤色作为与用户的自然肤色最相近的肤色。本实施例中，根据预设标准平均值与原始肤色像素的特征参数值的平均值之间的差值，可以判断出原始图像的肤色相较于标准图像的肤色是偏暗或偏亮，进而根据该差值对原始图像进行调整，可以使得原始图像的肤色更接近标准图像的肤色(也即用户的自然肤色)，从而使得原始图像的人像显示更为正常，避免过曝或过暗的现象。并且，基于对原始图像的肤色检测分析，对原始图像的全图进行调整，可以使得整张图像明暗程度更接近自然情况，光线亮度更加均衡，避免图像过曝或过暗，提高图像质量。
其中，当原始图像是由摄像头等图像采集设备获取的实时画面，在步骤S105中，将校正后的原始图像作为实时画面输出并显示。当原始图像为用户所选择的图像，例如为用户在相册中选择的图像，则在步骤S105中，将校正后的原始图像输出并保存至相册中。
本实施例中，还包括计算标准平均值的步骤，具体地，参阅图2a，并结合图2b，在根据计算得到的平均值与预设标准值之间的差值，对原始图像的各图像像素的特征参数值进行校正之前，还包括以下步骤：
步骤S201：获取至少两个标准图像。
其中，标准图像可以由用户进行选择，用户可选择较为接近自身肤色的图像作为标准图像，根据用户的选择获取标准图像。
步骤S202：对每个标准图像的图像像素进行肤色检测，以确定标准图像的标准肤色像素。
本实施例中，在步骤S202之前，还包括：对每个标准图像进行人脸检测，以确定标准图像的人脸区域。步骤S202中，对每个标准图像的图像像素进行肤色检测具体为，对标准图像的人脸区域内的图像像素进行肤色检测，以确定标准图像中的标准肤色像素。当标准图像中未检测到人脸，则对整张标准图像的图像像素进行肤色检测以确定标准肤色像素。通过上述方式，可以减小运算量，提高运算性能，且可以减少噪声点。
步骤S203：计算每个标准图像的标准肤色像素的特征参数值的平均值。
该步骤与步骤S103的计算方式相类似，具体地，对于每个标准图像的标准肤色像素的每个特征参数值的平均值，其计算过程可以如下：获取标准图像的标准肤色像素的特征参数值；统计标准肤色像素的个数；计算所有标准肤色像素的同一特征参数值的总和，计算该总和与标准肤色像素的个数的比值，从而得到每个标准图像的所有标准肤色像素的同一特征参数值的平均值。
步骤S204：对所有标准图像的标准肤色像素的特征参数值的平均值进行平均计算，得到标准平均值。
标准平均值的计算步骤，具体包括：统计标准图像的总数；计算所有标准图像的标准肤色像素的同一特征参数值的平均值的总和；计算该总和与标准图像的总数的比值，从而得到标准肤色像素的同一特征参数值的标准平均值。
通过利用多个标准图像的标准肤色像素的特征参数值的平均值，计算标准平均值，可以使得标准平均值更接近用户的自然肤色，从而当以标准平均值为参考，根据原始肤色像素的特征参数值的平均值与标准平均值之间的差值对原始图像进行调整时，可以使得原始图像中的肤色更接近用户的自然肤色。
当然，在其他实施方式中，也可以选取一个标准图像计算标准平均值，此种方式中，标准平均值即为该标准图像的标准肤色像素的特征参数值的平均值。
其中，如图3所示，根据计算得到的平均值与预设标准平均值之间的差值，对原始图像的各图像像素的特征参数值进行校正具体包括以下子步骤：
子步骤S301：计算预设标准平均值与原始肤色像素的特征参数值的平均值之间的差值。
该差值具体是指标准平均值减去原始肤色像素的特征参数值的平均值的差值。
子步骤S302：获取原始图像的各图像像素的特征参数值。
子步骤S303：根据原始肤色像素的特征参数值的平均值和各图像像素的特征参数值，计算各图像像素的校正系数。
其中，当图像像素的特征参数值小于或等于原始肤色像素的特征参数值的平均值时，图像像素的校正系数为图像像素的特征参数值与原始肤色像素的特征参数值的平均值的比值。
当图像像素的特征参数值大于原始肤色像素的特征参数值的平均值时，计算预设常数与图像像素的特征参数值之间的第一差值，以及计算预设常数与原始肤色像素的特征参数值的平均值之间的第二差值，图像的校正系数为第一差值和第二差值的比值。
子步骤S304：根据预设标准平均值与原始肤色像素的特征参数值的平均值之间的差值，以及图像像素的校正系数，对原始图像的各图像像素的特征参数值进行校正。
具体地，根据以下公式对原始图像的各图像像素的特征参数值进行校正：
C1＝C0+ΔC*k (一)
其中，在上述公式一中，C1表示校正后的图像像素的特征参数值，C0表示校正前的图像像素的特征参数值，也即步骤S302中获取的原始图像像素的特征参数值，ΔC表示标准肤色像素的相应特征参数值的标准平均值与原始肤色像素的相应特征参数值的平均值之间的差值，k表示图像像素的校正系数。
其中，当图像像素的特征参数值小于或等于原始肤色像素的特征参数值的平均值时，校正系数k为：
k＝C0/Ca，其中C0≤Ca (二)
当图像像素的特征参数值大于原始肤色像素的特征参数值的平均值时，校正系数k为：
k＝(n-C0)/(n-Ca)，其中,C0＞Ca，n为预设常数 (三)。
下面将结合具体的特征参数值对本发明做进一步描述。
在本发明一实施例中，特征参数值包括第一颜色空间上的红、绿和蓝三基色分量的像素值，其中第一颜色空间为红绿蓝RGB(Red(红)，Green(绿)，Blue(蓝))颜色空间。本实施例中，像素的各基色分量的像素值的取值范围为0～1。
其中，可以根据上述步骤S201～步骤S204预先计算出标准图像的标准肤色像素的红、绿和蓝三基色分量的像素值的标准平均值。
参阅图4，本实施例的图像处理方法具体包括以下步骤：
步骤S401：获取原始图像。
步骤S402：对原始图像的图像像素进行肤色检测，以确定原始图像中的原始肤色像素。
步骤S403：获取原始图像中各原始肤色像素的红、绿和蓝三基色分量的像素值，并计算原始图像中所有原始肤色像素的红、绿和蓝三基色分量的像素值的平均值，得到原始肤色像素的特征参数值的平均值。
具体地，首先统计原始肤色像素的总量，也即各基色分量的总量。以红色分量为例，获取各原始肤色像素的红色分量的像素值，计算所有原始肤色像素的红色分量的像素值的总和，然后计算所有原始肤色像素的红色分量的像素值的总和与原始肤色像素的总量的比值，从而得到原始肤色像素的红色分量的像素值的平均值。绿色分量和蓝色分量的像素值的平均值可采用相类似的方法计算得到。
步骤S404：计算预设标准图像中标准肤色像素的红、绿和蓝三基色分量的像素值的标准平均值和原始图像中原始肤色像素的相应基色分量的像素值的平均值之间的差值。
具体而言，分别计算标准肤色像素的红色分量的像素值的标准平均值减去原始肤色像素的红色分量的像素值的平均值的差值、标准肤色像素的绿色分量的像素值的标准平均值减去原始肤色像素的绿色分量的像素值的平均值的差值、标准肤色像素的蓝色分量的像素值的标准平均值减去原始肤色像素的蓝色分量的像素值的平均值的差值。
步骤S405：获取各图像像素的红、绿和蓝三基色分量的像素值，得到各图像像素的特征参数值。
步骤S406：根据原始肤色像素的红、绿和蓝三基色分量的像素值的平均值，以及各图像像素的红、绿和蓝三基色分量的像素值，计算各图像像素的红、绿和蓝三基色分量的像素值的校正系数。
其中，根据上述公式二和公式三计算原始图像中各图像像素的红、绿和蓝三基色分量的像素值的校正系数。以红色分量为例，当图像像素的红色分量的像素值小于或等于原始肤色像素的红色分量的像素值的平均值，采用公式二计算该图像像素的红色分量的像素值的校正系数，其中公式二中的C0表示该图像像素的红色分量的像素值，Ca表示原始肤色像素的红色分量的像素值的平均值。当图像像素的红色分量的像素值大于原始肤色像素的红色分量的像素值的平均值时，采用公式三计算该图像像素的红色分量的校正系数，其中公式三中的n为1，即当像素值的取值范围在0～1时，预设常数为1。由此，根据图像像素的红色分量的像素值和原始肤色像素的红色分量的像素值的平均值的对比结果，将C0、Ca和n代入上述公式二或公式三即可计算出图像像素的红色分量的像素值的校正系数。
绿色分量和蓝色分量的像素值的校正系数可采用类似方法得到，对此不做赘述。
步骤S407：根据预设标准图像中标准肤色像素的红、绿和蓝三基色分量的像素值的标准平均值和原始图像中原始肤色像素的相应基色分量的像素值的平均值之间的差值，以及各图像像素的红、绿和蓝三基色分量的像素值的校正系数，对各图像像素的红、绿和蓝三基色分量的像素值进行校正。
其中，根据上述公式一对原始图像的各图像像素的红、绿和蓝三基色分量的像素值的进行校正。具体地，以红色分量为例，在公式一中，C1表示校正后的图像像素的红色分量的像素值，C0表示校正前该图像像素的红色分量的像素值，ΔC表示标准肤色像素的红色分量的像素值的标准平均值与原始肤色像素的红色分量的像素值的平均值之间的差值，k表示该图像像素的校正系数，由此将C0、ΔC和k代入上述公式一即可计算出校正后的图像像素的红色分量的像素值。
以此类推该图像像素的绿色分量和蓝色分量的像素值的校正过程。通过上述方式，可以得到各图像像素校正后的各基色分量的像素值，实现对原始图像的校正。
步骤S408：输出校正后的原始图像。
本实施例中，通过对原始图像的各图像像素的各基色分量的像素值进行校正，可以使得校正后的原始图像的明暗程度更接近自然情况，所显示的肤色与用户的自然肤色更接近，有利于减少图像过暗或过曝的现象，提高图像质量。
在本发明另一实施例中，特征参数值包括第二颜色空间上的亮度值、第一色度值以及第二色度值，其中第二颜色空间为YUV(Luminance(亮度)，Chroma(色度))颜色空间，为了便于描述，亮度值用Y值表示，第一色度值用U值表示，第二色度值用V值表示。
其中，可以根据上述步骤S201～步骤S204预先计算出标准图像的标准肤色像素的Y值、U值以及V值的标准平均值。
参阅图5，本实施例的图像处理方法具体包括以下步骤：
步骤S501：获取原始图像。
步骤S502：对原始图像的图像像素进行肤色检测，以确定原始图像中的原始肤色像素。
步骤S503：获取原始图像中各原始肤色像素在RGB颜色空间上的红、绿和蓝三基色分量的像素值，根据原始图像中各原始肤色像素的红、绿和蓝三基色分量的像素值，计算各原始肤色像素在YUV颜色空间上的Y值、U值以及V值，并计算所有原始肤色像素的Y值的平均值、U值的平均值以及V值的平均值，得到原始肤色像素的特征参数值的平均值。
其中，各原始肤色像素的各基色分量的像素值的取值范围为0～1。
根据如下公式计算各原始肤色像素在YUV颜色空间上的Y值、U值以及V值：
其中，Y1、U1、V1分别表示原始肤色像素在YUV颜色空间上的Y值、U值、V值，R1、G1、B1分别表示该原始肤色像素在RGB颜色空间上的红、绿和蓝基色分量的像素值。
计算得到各原始肤色像素的Y值、U值和V值后，统计原始肤色像素的总量，并计算所有原始肤色像素的Y值的总和、U值的总和以及V值的总和，然后分别计算Y值的总和与原始肤色像素的总量的比值、U值的总和与原始肤色像素的总量的比值以及V值的总和与原始肤色像素的总量的比值，从而分别得到原始肤色像素的Y值的平均值、U值的平均值以及V值的平均值。
步骤S504：计算预设标准图像中标准肤色像素的Y值、U值和V值的标准平均值和原始图像中原始肤色像素的相应Y值、U值和V值的平均值之间的差值。
具体而言，分别计算标准肤色像素的Y值的标准平均值和原始肤色像素的Y值的平均值之间的差值、标准肤色像素的U值的标准平均值和原始肤色像素的U值的平均值之间的差值、标准肤色像素的V值的标准平均值和原始肤色像素的V值的平均值之间的差值。
步骤S505：获取原始图像的各图像像素的Y值、U值以及V值，得到原始图像的各图像像素的特征参数值。
其中，各图像像素的Y值、U值以及V值与上述原始肤色像素的Y值、U值以及V值的计算方法相类似，可参考上述公式四实现，在此不做一一赘述。
步骤S506：根据原始肤色像素的Y值的平均值、U值的平均值以及V值的平均值，以及各图像像素的Y值、U值和V值，计算各图像像素的Y值、U值以及V值的校正系数。
其中，根据上述公式二和公式三计算原始图像中各图像像素的Y值、U值以及V值的校正系数。以Y值为例，当图像像素的Y值小于或等于原始肤色像素的Y值的平均值，采用公式二计算该图像像素的Y值的校正系数，其中公式二中的C0表示该图像像素的Y值，Ca表示原始肤色像素的Y值的平均值。当图像像素的Y值大于原始肤色像素的Y值的平均值时，采用公式三计算该图像像素的红色分量的校正系数，其中公式三中的n为1。U值和V值的校正系数可采用类似方法得到，对此不做赘述。
步骤S507：根据预设标准图像中标准肤色像素的Y值、U值和V值的标准平均值和原始图像中原始肤色像素的相应Y值、U值和V值的平均值之间的差值，以及各图像像素的Y值、U值和V值的校正系数，对各图像像素的Y值、U值和V值进行校正。
其中，根据上述公式一对原始图像的各图像像素的Y值、U值以及V值进行校正。具体地，以Y值为例，在公式一中，C1表示校正后的图像像素的Y值，C0表示校正前该图像像素的Y值，ΔC表示标准肤色像素的Y值的标准平均值与原始肤色像素的Y值的平均值之间的差值，k表示该图像像素的校正系数。以此类推该图像像素的U值和V值的校正方式。通过上述方式，可以得到各图像像素校正后的Y值、U值以及V值，实现对原始图像的校正。
步骤S508：输出校正后的原始图像。
其中，输出校正后的原始图像具体包括：根据校正后的各图像像素的Y值、U值以及V值，计算校正后各图像像素的红、绿和蓝三基色分量的像素值，从而得到RGB格式的原始图像，输出校正后的RGB格式的原始图像。
其中，根据如下公式计算校正后各图像像素的红、绿和蓝三基色分量的像素值：
其中，Y2、U2、V2分别表示校正后的图像像素的Y值、U值和V值，R2、G2、B2分别表示校正后的图像像素的红、绿和蓝三基色分量的像素值。
本实施例中，通过对原始图像的各图像像素的Y值、U值和V值进行校正，可以进一步提高校正后的原始图像的图像质量，使得校正后的原始图像的明暗程度更接近自然情况，所显示的肤色与用户的自然肤色更接近。
在本发明又一实施方式中，可以仅对图像像素的Y值进行校正而不对U值和Y值做调整，U值和V值在校正前后不变，即仅调整原始图像的亮度，对原始图像的色度不做调整，通过此种方式，可以在一定程度上降低原始图像过曝或过暗的几率，同时可以简化校正过程。其中，本实施例与图5所示实施例的主要不同在于，本实施例仅针对图像像素的Y值进行校正，因此具体的校正过程可参考图5所示实施例的Y值的校正过程进行，出于简洁的目的，在此不做一一赘述。
在本发明的又一实施例中，特征参数值包括第三颜色空间上的色调值、饱和度值和明度值，其中第三颜色空间为HSV(Hue(色调)，Saturation(饱和度)，Value(明度))颜色空间，为了便于描述，色调值用H值表示，饱和度值用S值表示，明度值用V值表示。
其中，可以根据上述步骤S201～步骤S204预先计算出标准图像的标准肤色像素的H值、S值以及V值的标准平均值。
参阅图6，本实施例的图像处理方法具体包括以下步骤：
步骤S601：获取原始图像。
步骤S602：对原始图像的图像像素进行肤色检测，以确定原始图像中的原始肤色像素。
步骤S603：获取原始图像中各原始肤色像素在RGB颜色空间上的红、绿和蓝三基色分量的像素值，根据原始图像中各原始肤色像素的红、绿和蓝三基色分量的像素值，计算各原始肤色像素在HSV颜色空间上的H值、S值以及V值，并计算所有原始肤色像素的H值的平均值、S值的平均值以及V值的平均值，得到原始肤色像素的特征参数值的平均值。
其中，各原始肤色像素的各基色分量的像素值的取值范围为0～1。
根据各原始肤色像素在HSV颜色空间上的H值、S值以及V值的计算方式如下：
设M＝max(R1，G1，B1)，即M等于R1、G1和B1中的最大者，N＝min(R1，G1，B1)，即N等于R1、G1和B1中的最小者，H值的计算方式如下：
S值的计算方式如下：
V值的计算方式如下：
V1＝M (八)
其中，H1、S1、V1分别表示原始肤色像素在HSV颜色空间上的H值、S值和V值，R1、G1、B1分别表示该原始肤色像素在RGB颜色空间上的红、绿和蓝基色分量的像素值。
计算得到各原始肤色像素的H值、S值和V值后，统计原始肤色像素的总量，并计算所有原始肤色像素的H值的总和、S值的总和以及V值的总和，然后分别计算H值的总和与原始肤色像素的总量的比值、S值的总和与原始肤色像素的总量的比值以及V值的总和与原始肤色像素的总量的比值，从而分别得到原始肤色像素的H值的平均值、S值的平均值以及V值的平均值。
步骤S604：计算预设标准图像中标准肤色像素的H值、S值和V值的标准平均值和原始图像中原始肤色像素的相应H值、S值和V值的平均值之间的差值。
具体而言，分别计算标准肤色像素的H值的标准平均值和原始肤色像素的H值的平均值之间的差值、标准肤色像素的S值的标准平均值和原始肤色像素的S值的平均值之间的差值、标准肤色像素的V值的标准平均值和原始肤色像素的V值的平均值之间的差值。
步骤S605：获取原始图像的各图像像素的H值、S值以及V值，得到原始图像的各图像像素的特征参数值。
其中，各图像像素的H值、S值以及V值与上述原始肤色像素的H值、S值以及V值的计算方法相类似，可参考上述公式六、七、八计算得到，在此不做一一赘述。
步骤S606：根据原始肤色像素的H值的平均值、S值的平均值以及V值的平均值，以及各图像像素的H值、S值和V值，计算各图像像素的H值、S值以及V值的校正系数。
其中，根据上述公式二和公式三计算原始图像中各图像像素的H值、S值以及V值的校正系数。以H值为例，当图像像素的H值小于或等于原始肤色像素的H值的平均值，采用公式二计算该图像像素的H值的校正系数，其中公式二中的C0表示该图像像素的H值，Ca表示原始肤色像素的H值的平均值。当图像像素的H值大于原始肤色像素的H值的平均值时，采用公式三计算该图像像素的红色分量的校正系数，其中公式三中的n为1。S值和V值的校正系数可采用类似方法得到，对此不做赘述。
步骤S607：根据预设标准图像中标准肤色像素的H值、S值和V值的标准平均值和原始图像中原始肤色像素的相应H值、S值和V值的平均值之间的差值，以及各图像像素的H值、S值和V值的校正系数，对各图像像素的H值、S值和V值进行校正。
其中，根据上述公式一对原始图像的各图像像素的H值、S值以及V值进行校正。具体地，以H值为例，在公式一中，C1表示校正后的图像像素的H值，C0表示校正前该图像像素的H值，ΔC表示标准肤色像素的H值的标准平均值与原始肤色像素的H值的平均值之间的差值，k表示该图像像素的校正系数。以此类推该图像像素的S值和V值的校正方式。通过上述方式，可以得到各图像像素校正后的H值、S值以及V值，实现对原始图像的校正。
步骤S608：输出校正后的原始图像。
其中，输出校正后的原始图像具体包括：根据校正后的各图像像素的H值、S值以及V值，计算校正后各图像像素的红、绿和蓝三基色分量的像素值，从而得到RGB格式的原始图像，输出校正后的RGB格式的原始图像。
其中，校正后各图像像素的红、绿和蓝三基色分量的像素值的计算方式如下：
如果S2＝0，则R2＝G2＝B2＝V2 (九)
如果S2≠0，则根据以下情况计算：
设：iH为0到(H2*6)范围之间的整数，包括0；
f＝H2-iH；
a＝V2*(1-S2)
b＝V2*(1-S2*f)
c＝V2*(1-S2*(1-f))
校正后各图像像素的红绿蓝三基色分量的像素值为：
其中，H2、S2、V2分别表示校正后的图像像素的H值、S值和V值，R2、G2、B2分别表示校正后的图像像素的红、绿和蓝三基色分量的像素值。
本实施例中，通过对原始图像的各图像像素的H值、S值和V值进行校正，可以进一步提高校正后的原始图像的图像质量，使得校正后的原始图像的明暗程度更接近自然情况，所显示的肤色与用户的自然肤色更接近。
参阅图7，本发明图像处理装置的一实施例中，图像处理装置可以是手机、平板电脑或个人计算机等终端设备。图像处理装置包括第一获取模块701、第一肤色检测模块702、第一计算模块703、校正模块704以及输出模块705。
其中，第一获取模块701用于获取原始图像。原始图像为待处理的图像。获取的原始图像可以有多种，例如，获取原始图像具体可以包括：获取摄像头或其他图像采集设备实时获取的画面，以获取原始图像；或者，获取用户所选择的图片，以获取原始图像；又或者，接收终端设备发送的图片，以获取原始图像，等等。
第一肤色检测模块702用于对第一获取模块701获取的原始图像的图像像素进行肤色检测，以确定原始图像中的原始肤色像素。肤色像素即人体皮肤像素。
其中，人脸检测的方式有多种，例如有基于传统知识的方法、基于几何特征的方法等，可以采用其中的一种或几种方法的结合进行人脸检测。其中，当原始图像是根据用户的选择获取的，则人脸区域可以由用户主动标记，具体而言，用户在选择原始图像时，可以对原始图像中的人脸进行标记，从而根据用户标记的区域确定原始图像中的人脸区域。肤色像素的检测方式也可以有多种，例如可以通过建立肤色统计模型进行肤色检测，比如基于Y(亮度)Cg(绿色分量与亮度的差)Cr(红色分量与亮度的差)与YCgCb(蓝色分量与亮度的差)颜色空间的肤色检测。
通过针对人脸区域进行肤色检测，可以减少运算量，降低肤色检测成本，且有利于减少噪声点。
其中，第一计算模块703用于计算原始肤色像素的特征参数值的平均值。特征参数值指像素的参数的取值，例如可以是像素的灰阶值、色度值等。原始肤色像素的特征参数值可以是一个也可以是多个，有多个特征参数值时，分别计算每个特征参数值的平均值。具体地：第一计算模块703获取每个原始肤色像素的特征参数值，并统计原始肤色像素的个数，然后计算所有原始肤色像素的同一特征参数值的总和，并计算该总和与原始肤色像素的个数的比值，从而得到所有原始肤色像素的同一特征参数值的平均值。
其中，校正模块704用于根据预设标准平均值和计算得到的平均值之间的差值，对原始图像的各图像像素的特征参数值进行校正，标准平均值为根据预设标准图像中的标准肤色像素的特征参数值计算得到。输出模块705用于输出校正后的原始图像。
其中，标准图像中显示有用户的肤色，为曝光正常、明暗程度较为接近自然情况的图像，将标准图像中的肤色作为与用户的自然肤色最相近的肤色。本实施例中，根据预设标准平均值与原始肤色像素的特征参数值的平均值之间的差值，可以判断出原始图像的肤色相较于标准图像的肤色是偏暗或偏亮，进而根据该差值对原始图像进行调整，可以使得原始图像的肤色更接近标准图像的肤色(也即用户的自然肤色)，从而使得原始图像的人像显示更为正常，避免过曝或过暗的现象。并且，基于对原始图像的肤色检测分析，对原始图像的全图进行调整，可以使得整张图像明暗程度更接近自然情况，光线亮度更加均衡，避免图像过曝或过暗，提高图像质量。
其中，当第一获取模块701获取摄像头或其他图像采集设备实时获取的画面以获取原始图像时，输出模块705用于将校正后的原始图像作为实时画面输出并显示。当第一获取模块701获取用户所选择的图片以获取原始图像时，输出模块705用于将校正后的原始图像输出并保存至相册中。
参阅图8，在本发明图像处理装置另一实施方式中，图像处理装置还包括第一人脸检测模块801、第二获取模块802、第二肤色检测模块803、第二计算模块804以及第二人脸检测模块805。
本实施例中，选取原始图像中的人脸区域的图像像素进行肤色检测。具体地，第一人脸检测模块801用于在第一肤色检测模块702进行肤色检测之前，对第一获取模块701获取的原始图像进行人脸检测，以确定原始图像的人脸区域。确定人脸区域后，第一肤色检测模块702具体用于对原始图像的人脸区域内的图像像素进行肤色检测，以确定原始图像中的原始肤色像素。其中，当在原始图像中未检测到人脸时，第一肤色检测模块702对整张原始图像的图像像素进行肤色检测，以确定原始图像的原始肤色像素。
其中，第二获取模块802用于获取至少两个标准图像。其中，标准图像可以由用户进行选择，用户可以选择较为接近自身肤色的图像作为标准图像，第二获取模块707根据用户的选择获取标准图像。
第二人脸检测模块805用于对每个标准图像进行人脸检测，以确定标准图像的人脸区域。当确定了人脸区域，第二肤色检测模块803用于对每个标准图像的人脸区域内的图像像素进行肤色检测，以确定标准图像的标准肤色像素。当标准图像中未检测到人脸，则第二肤色检测模块803用于对整张标准图像进行肤色检测以确定标准肤色像素。
第二计算模块804用于计算每个标准图像的标准肤色像素的特征参数值的平均值，并对所有标准图像的标准肤色像素的特征参数值的平均值进行平均计算，得到标准平均值。
对于每个标准图像的标准肤色像素的每个特征参数值的平均值，其计算过程可以如下：第二计算模块804获取标准图像的标准肤色像素的特征参数值，然后统计标准肤色像素的个数，并计算所有标准肤色像素的同一特征参数值的总和，之后计算该总和与标准肤色像素的个数的比值，从而得到每个标准图像的所有标准肤色像素的同一特征参数值的平均值。
其中，标准平均值的计算过程可以如下：第二计算模块804统计标准图像的总数，并计算所有标准图像的标准肤色像素的同一特征参数值的平均值的总和，之后计算该总和与标准图像的总数的比值，从而得到标准肤色像素的同一特征参数值的标准平均值。
通过利用多个标准图像的标准肤色像素的特征参数值的平均值，计算标准平均值，可以使得标准平均值更接近用户的自然肤色，从而当以标准平均值为参考，根据原始肤色像素的特征参数值的平均值与标准平均值之间的差值对原始图像进行调整时，可以使得原始图像中的肤色更接近用户的自然肤色。
当然，在其他实施方式中，也可以选取一个标准图像计算标准平均值，此种方式中，标准平均值即为该标准图像的标准肤色像素的特征参数值的平均值。
其中，第一人脸检测模块801与第二人脸检测模块805可以是同一个模块也可以是不同模块，第二获取模块802和第一获取模块701可以是同一个模块也可以是不同模块，第二肤色检测模块803和第一肤色检测模块702可以是同一个模块也可以是不同模块，第二计算模块804和第一计算模块703可以是同一模块也可以是不同模块。
本实施方式中，校正模块704包括第一计算单元7041、获取单元7042、第二计算单元7043以及校正单元7044。
其中，第一计算单元7041用于计算预设标准平均值与原始肤色像素的特征参数值的平均值之间的差值，该差值具体是指标准平均值减去原始肤色像素的特征参数值的平均值的差值。
获取单元7042用于获取原始图像的各图像像素的特征参数值。
第二计算单元7043用于根据原始肤色像素的特征参数值的平均值和各图像像素的特征参数值，计算各图像像素的校正系数。具体地，第二计算单元7043用于当图像像素的特征参数值小于或等于原始肤色像素的特征参数值的平均值时，计算图像像素的特征参数值与原始肤色像素的特征参数值的平均值的比值，从而得到图像像素的校正系数；并且用于当图像像素的特征参数值大于原始肤色像素的特征参数值的平均值时，计算预设常数与图像像素的特征参数值之间的第一差值，以及计算预设常数与原始肤色像素的特征参数值的平均值之间的第二差值，并第一差值和第二差值的比值，从而得到图像像素的校正系数。
校正单元7044用于根据预设标准平均值与原始肤色像素的特征参数值的平均值之间的差值，以及图像像素的校正系数，对原始图像的各图像像素的特征参数值进行校正。
具体地，根据以下公式对原始图像的各图像像素的特征参数值进行校正：
C1＝C0+ΔC*k (一)
其中，在上述公式一中，C1表示校正后的图像像素的特征参数值，C0表示校正前的图像像素的特征参数值，也即步骤S302中获取的原始图像像素的特征参数值，ΔC表示标准肤色像素的相应特征参数值的标准平均值与原始肤色像素的相应特征参数值的平均值之间的差值，k表示图像像素的校正系数。
其中，当图像像素的特征参数值小于或等于原始肤色像素的特征参数值的平均值时，校正系数k为：
k＝C0/Ca，其中C0≤Ca (二)
当图像像素的特征参数值大于原始肤色像素的特征参数值的平均值时，校正系数k为：
k＝(n-C0)/(n-Ca)，其中,C0＞Ca，n为预设常数 (三)。
在本发明一具体实施例中，特征参数值包括第一颜色空间上的红、绿和蓝三基色分量的像素值，其中第一颜色空间为红绿蓝RGB(Red(红)，Green(绿)，Blue(蓝))颜色空间。本实施例中，像素的各基色分量的像素值的取值范围为0～1。
本实施例中，第一计算模块703具体用于获取原始图像中各原始肤色像素的红、绿和蓝三基色分量的像素值，并计算原始图像中所有原始肤色像素的红、绿和蓝三基色分量的像素值的平均值，从而得到原始肤色像素的特征参数值的平均值。
第一计算单元7041用于计算预设标准图像中标准肤色像素的红、绿和蓝三基色分量的像素值的标准平均值和原始图像中原始肤色像素的相应基色分量的像素值的平均值之间的差值。
获取单元7042用于获取各图像像素的红、绿和蓝三基色分量的像素值，得到各图像像素的特征参数值。
第二计算单元7043用于根据原始肤色像素的红、绿和蓝三基色分量的像素值的平均值，以及各图像像素的红、绿和蓝三基色分量的像素值，计算各图像像素的红、绿和蓝三基色分量的像素值的校正系数。
校正单元7044用于根据预设标准图像中标准肤色像素的红、绿和蓝三基色分量的像素值的标准平均值预和原始图像中原始肤色像素的相应基色分量的像素值的平均值之间的差值，以及各图像像素的红、绿和蓝三基色分量的像素值的校正系数，对各图像像素的红、绿和蓝三基色分量的像素值进行校正。
其中，校正单元7044根据上述公式一对原始图像的各图像像素的红、绿和蓝三基色分量的像素值的进行校正。具体地，以红色分量为例，在公式一中，C1表示校正后的图像像素的红色分量的像素值，C0表示校正前该图像像素的红色分量的像素值，ΔC表示标准肤色像素的红色分量的像素值的标准平均值与原始肤色像素的红色分量的像素值的平均值之间的差值，k表示该图像像素的校正系数。以此类推该图像像素的绿色分量和蓝色分量的像素值的校正方式。通过上述方式，可以得到各图像像素校正后的各基色分量的像素值，实现对原始图像的校正。
本实施例中，通过对原始图像的各图像像素的各基色分量的像素值进行校正，可以使得校正后的原始图像的明暗程度更接近自然情况，所显示的肤色与用户的自然肤色更接近，有利于减少图像过暗或过曝的现象，提高图像质量。
在本发明另一实施例中，特征参数值包括第二颜色空间上的亮度值、第一色度值以及第二色度值，其中第二颜色空间为YUV(Luminance(亮度)，Chroma(色度))颜色空间，为了便于描述，亮度值用Y值表示，第一色度值用U值表示，第二色度值用V值表示。
本实施例中，第一计算模块703用于获取原始图像中各原始肤色像素在第一颜色空间上的红、绿和蓝三基色分量的像素值，并根据原始图像中各原始肤色像素的红、绿和蓝三基色分量的像素值，计算各原始肤色像素在第二颜色空间上的亮度值、第一色度值、第二色度值，并计算所有原始肤色像素的亮度值的平均值、第一色度值的平均值以及第二色度值的平均值，从而得到原始肤色像素的特征参数值的平均值。
其中，可以根据上述公式四计算各原始肤色像素在YUV颜色空间上的Y值、U值以及V值。
第一计算单元7041用于计算标准肤色像素的亮度值、第一色度值、第二色度值的标准平均值和原始肤色像素的相应亮度值、第一色度值、第二色度值的平均值之间的差值。
获取单元7042用于获取原始图像的各图像像素的亮度值、第一色度值以及第二色度值，从而得到原始图像的各图像像素的特征参数值。
第二计算单元7043用于根据原始肤色像素的亮度值的平均值、第一色度值的平均值以及第二色度值的平均值，以及各图像像素的亮度值、第一色度值以及第二色度值，计算各图像像素的亮度值、第一色度值以及第二色度值的校正系数。
校正单元7044用于根据预设标准图像中标准肤色像素的亮度值、第一色度值、第二色度值的标准平均值和原始图像中原始肤色像素的相应亮度值、第一色度值、第二色度值的平均值之间的差值，以及各图像像素的亮度值、第一色度值以及第二色度值的校正系数，对各图像像素的亮度值、第一色度值以及第二色度值进行校正。
其中，校正单元7044其中，根据上述公式一对原始图像的各图像像素的Y值、U值以及V值进行校正。具体地，以Y值为例，在公式一中，C1表示校正后的图像像素的Y值，C0表示校正前该图像像素的Y值，ΔC表示标准肤色像素的Y值的标准平均值与原始肤色像素的Y值的平均值之间的差值，k表示该图像像素的校正系数。以此类推该图像像素的U值和V值的校正方式。通过上述方式，可以得到各图像像素校正后的Y值、U值以及V值，实现对原始图像的校正。
其中，输出模块705具体用于根据校正后的各图像像素的Y值、U值以及V值，计算校正后各图像像素的红、绿和蓝三基色分量的像素值，从而得到RGB格式的原始图像，并输出校正后的RGB格式的原始图像。其中可以根据上述公式五计算校正后各图像像素的红、绿和蓝三基色分量的像素值。
本实施例中，通过对原始图像的各图像像素的Y值、U值和V值进行校正，可以进一步提高校正后的原始图像的图像质量，使得校正后的原始图像的明暗程度更接近自然情况，所显示的肤色与用户的自然肤色更接近。
在本发明又一实施例中，可以仅对图像像素的Y值进行校正。与上述实施例主要不同在于，本实施例仅针对图像像素的Y值进行校正，而不对U值和V值进行校正，在校正前后U值和V值不变，具体的校正方式与上述实施例相类似，在此不做一一赘述。
在本发明又一实施例中，特征参数值包括第三颜色空间上的色调值、饱和度值和明度值，其中第三颜色空间为HSV(Hue(色调)，Saturation(饱和度)，Value(明度))颜色空间，为了便于描述，色调值用H值表示，饱和度值用S值表示，明度值用V值表示。
本实施例中，第一计算模块703用于获取原始图像中各原始肤色像素在第一颜色空间上的红、绿和蓝三基色分量的像素值，并根据原始图像中各原始肤色像素的红、绿和蓝三基色分量的像素值，计算各原始肤色像素在第三颜色空间上的色调值、饱和度值和明度值，并计算所有原始肤色像素的色调值的平均值、饱和度值的平均值以及明度值的平均值，得到原始肤色像素的特征参数值的平均值。
其中，可以根据上述公式六、七、八计算各原始肤色像素在HSV颜色空间上的H值、S值以及V值。
第一计算单元7041用于计算预设标准图像中标准肤色像素的色调值、饱和度值、明度值的标准平均值和原始图像中原始肤色像素的相应色调值、饱和度值、明度值的平均值之间的差值。
获取单元7042用于获取原始图像的各图像像素的色调值、饱和度值以及明度值，得到原始图像的各图像像素的特征参数值。
第二计算单元7043用于根据原始肤色像素的色调值的平均值、饱和度值的平均值以及明度值的平均值，以及各图像像素的色调值、饱和度值以及明度值，计算各图像像素的色调值、饱和度值以及明度值的校正系数。
校正单元7044用于根据预设标准图像中标准肤色像素的色调值、饱和度值和明度值的标准平均值和原始图像中原始肤色像素的相应色调值、饱和度值和明度值的平均值之间的差值，以及各图像像素的色调值、饱和度值以及明度值的校正系数，对各图像像素的色调值、饱和度值以及明度值进行校正。
其中，可以根据上述公式一对原始图像的各图像像素的H值、S值以及V值进行校正。具体地，以H值为例，在公式一中，C1表示校正后的图像像素的H值，C0表示校正前该图像像素的H值，ΔC表示标准肤色像素的H值的标准平均值与原始肤色像素的H值的平均值之间的差值，k表示该图像像素的校正系数。以此类推该图像像素的S值和V值的校正方式。通过上述方式，可以得到各图像像素校正后的H值、S值以及V值，实现对原始图像的校正。
其中，输出模块705具体用于根据校正后的各图像像素的H值、S值以及V值，计算校正后各图像像素的红、绿和蓝三基色分量的像素值，从而得到RGB格式的原始图像，并输出校正后的RGB格式的原始图像。其中，可以根据上述公式九、十计算校正后各图像像素的红、绿和蓝三基色分量的像素值。
本实施例中，通过对原始图像的各图像像素的H值、S值和V值进行校正，可以进一步提高校正后的原始图像的图像质量，使得校正后的原始图像的明暗程度更接近自然情况，所显示的肤色与用户的自然肤色更接近。
本发明实施例还提供一种终端，如图9所示，该终端可以包括射频(RF，RadioFrequency)电路901、包括有一个或一个以上计算机可读存储介质的存储器902、输入单元903、显示单元904、传感器905、音频电路906、无线保真(WiFi，Wireless Fidelity)模块907、包括有一个或者一个以上处理核心的处理器908、以及电源909等部件。本领域技术人员可以理解，图9中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
RF电路901可用于收发信息或通话过程中，信号的接收和发送，特别地，将基站的下行信息接收后，交由一个或者一个以上处理器908处理；另外，将涉及上行的数据发送给基站。通常，RF电路901包括但不限于天线、至少一个放大器、调谐器、一个或多个振荡器、用户身份模块(SIM，Subscriber Identity Module)卡、收发信机、耦合器、低噪声放大器(LNA，Low Noise Amplifier)、双工器等。此外，RF电路901还可以通过无线通信与网络和其他设备通信。所述无线通信可以使用任一通信标准或协议，包括但不限于全球移动通讯系统(GSM，Global System of Mobile communication)、通用分组无线服务(GPRS，GeneralPacket Radio Service)、码分多址(CDMA，Code Division Multiple Access)、宽带码分多址(WCDMA，Wideband Code Division Multiple Access)、长期演进(LTE，Long TermEvolution)、电子邮件、短消息服务(SMS，Short Messaging Service)等。
存储器902可用于存储软件程序以及模块，处理器908通过运行存储在存储器902的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器902可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据终端的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器902可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器902还可以包括存储器控制器，以提供处理器908和输入单元903对存储器902的访问。
输入单元903可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地，在一个具体的实施例中，输入单元903可包括触敏表面以及其他输入设备。触敏表面，也称为触摸显示屏或者触控板，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面上或在触敏表面附近的操作)，并根据预先设定的程式驱动相应的连接装置。可选的，触敏表面可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器908，并能接收处理器908发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面。除了触敏表面，输入单元903还可以包括其他输入设备。具体地，其他输入设备可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元904可用于显示由用户输入的信息或提供给用户的信息以及终端的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元904可包括显示面板，可选的，可以采用液晶显示器(LCD，Liquid Crystal Display)、有机发光二极管(OLED，Organic Light-Emitting Diode)等形式来配置显示面板。进一步的，触敏表面可覆盖显示面板，当触敏表面检测到在其上或附近的触摸操作后，传送给处理器908以确定触摸事件的类型，随后处理器908根据触摸事件的类型在显示面板上提供相应的视觉输出。虽然在图9中，触敏表面与显示面板是作为两个独立的部件来实现输入和输入功能，但是在某些实施例中，可以将触敏表面与显示面板集成而实现输入和输出功能。
终端还可包括至少一种传感器905，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板的亮度，接近传感器可在终端移动到耳边时，关闭显示面板和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于终端还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
音频电路906、扬声器，传声器可提供用户与终端之间的音频接口。音频电路906可将接收到的音频数据转换后的电信号，传输到扬声器，由扬声器转换为声音信号输出；另一方面，传声器将收集的声音信号转换为电信号，由音频电路906接收后转换为音频数据，再将音频数据输出处理器908处理后，经RF电路901以发送给比如另一终端，或者将音频数据输出至存储器902以便进一步处理。音频电路906还可能包括耳塞插孔，以提供外设耳机与终端的通信。
WiFi属于短距离无线传输技术，终端通过WiFi模块907可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图9示出了WiFi模块907，但是可以理解的是，其并不属于终端的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。
处理器908是终端的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器902内的软件程序和/或模块，以及调用存储在存储器902内的数据，执行终端的各种功能和处理数据，从而对手机进行整体监控。可选的，处理器908可包括一个或多个处理核心；优选的，处理器908可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器908中。
终端还包括给各个部件供电的电源909(比如电池)，优选的，电源可以通过电源管理系统与处理器908逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源909还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
尽管未示出，终端还可以包括摄像头、蓝牙模块等，在此不再赘述。具体在本实施例中，终端中的处理器908会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器902中，并由处理器908来运行存储在存储器902中的应用程序，从而实现各种功能：
获取原始图像。原始图像为待处理的图像。获取的原始图像可以有多种，例如，获取原始图像具体可以包括：获取摄像头或其他图像采集设备实时获取的画面，以获取原始图像；或者，获取用户所选择的图片，以获取原始图像等。
对原始图像的图像像素进行肤色检测，以确定原始图像中的原始肤色像素。肤色像素即人体皮肤像素。
可选地，在进行肤色检测之前，对原始图像进行人脸检测，以确定原始图像的人脸区域。对原始图像的图像像素进行肤色检测具体为：对原始图像的人脸区域内的图像像素进行肤色检测，以确定原始图像中的原始肤色像素。当在原始图像中未检测到人脸时，则对整张原始图像的图像像素进行肤色检测，以确定原始图像的原始肤色像素。
计算原始肤色像素的特征参数值的平均值。
根据预设标准平均值和计算得到的平均值之间的差值，对原始图像的各图像像素的特征参数值进行校正，标准平均值为根据预设标准图像中的标准肤色像素的特征参数值计算得到。
其中，首先计算预设标准平均值与原始肤色像素的特征参数值的平均值之间的差值。该差值具体是指标准平均值减去原始肤色像素的特征参数值的平均值的差值。然后根据上述公式二、三计算各图像像素的校正系数，并根据公式一对原始图像的各图像像素的特征参数值。
输出校正后的原始图像。
以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，RandomAccess Memory)、磁盘或光盘等。
以上对本发明实施例所提供的一种浏览器页面数据过滤方法、装置和系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (20)

1.一种图像处理方法，其特征在于，包括：
获取原始图像；
对所述原始图像的图像像素进行肤色检测，以确定所述原始图像中的原始肤色像素；
计算所述原始肤色像素的特征参数值的平均值；
根据预设标准平均值与计算得到的平均值之间的差值，对所述原始图像的各图像像素的特征参数值进行校正，所述标准平均值为根据预设标准图像的标准肤色像素的特征参数值计算得到；
输出校正后的原始图像。
2.根据权利要求1所述的图像处理方法，其特征在于，在对所述原始图像的图像像素进行肤色检测，以确定所述原始图像中的原始肤色像素之前，还包括：对所述原始图像进行人脸检测，以确定所述原始图像的人脸区域；
所述对所述原始图像的图像像素进行肤色检测，以确定所述原始图像中的原始肤色像素，包括：对所述原始图像的人脸区域内的图像像素进行肤色检测，以确定所述原始图像中的原始肤色像素。
3.根据权利要求1所述的图像处理方法，其特征在于，所述根据预设标准平均值与计算得到的平均值之间的差值，对所述原始图像的各图像像素的特征参数值进行校正，包括：
计算预设标准平均值与所述原始肤色像素的特征参数值的平均值之间的差值；
获取所述原始图像的各图像像素的特征参数值；
根据所述原始肤色像素的特征参数值的平均值和各图像像素的特征参数值，计算各图像像素的校正系数；
根据所述差值以及各图像像素的校正系数，对各图像像素的特征参数值进行校正。
4.根据权利要求3所述的图像处理方法，其特征在于，所述根据所述原始肤色像素的特征参数值的平均值和各图像像素的特征参数值，计算各图像像素的校正系数，包括：
当所述图像像素的特征参数值小于或等于所述原始肤色像素的特征参数值的平均值，所述图像像素的校正系数为所述图像像素的特征参数值与所述原始肤色像素的特征参数值的平均值的比值；
当所述图像像素的特征参数值大于所述原始肤色像素的特征参数值的平均值，计算预设常数与所述图像像素的特征参数值之间的第一差值，以及计算所述预设常数与所述原始肤色像素的特征参数值的平均值之间的第二差值，所述图像像素的校正系数为所述第一差值和所述第二差值的比值。
5.根据权利要求3所述的图像处理方法，其特征在于，所述特征参数值包括第一颜色空间上的红、绿和蓝三基色分量的像素值；
所述计算所述原始肤色像素的特征参数值的平均值，包括：获取原始图像中各原始肤色像素的红、绿和蓝三基色分量的像素值；计算原始图像中所有原始肤色像素的红、绿和蓝三基色分量的像素值的平均值，得到原始肤色像素的特征参数值的平均值；
所述计算预设标准平均值与所述原始肤色像素的特征参数值的平均值之间的差值，包括：计算预设标准图像中标准肤色像素的红、绿和蓝三基色分量的像素值的标准平均值和所述原始肤色像素的相应基色分量的像素值的平均值之间的差值；
所述获取所述原始图像的各图像像素的特征参数值，包括：获取各图像像素的红、绿和蓝三基色分量的像素值，得到各图像像素的特征参数值。
6.根据权利要求5所述的图像处理方法，其特征在于，
所述根据所述原始肤色像素的特征参数值的平均值和各图像像素的特征参数值，计算各图像像素的校正系数，包括：根据所述原始肤色像素的红、绿和蓝三基色分量的像素值的平均值，以及各图像像素的红、绿和蓝三基色分量的像素值，计算各图像像素的红、绿和蓝三基色分量的像素值的校正系数；
所述根据所述差值以及各图像像素的校正系数，对各图像像素的特征参数值进行校正，包括：根据预设标准图像中标准肤色像素的红、绿和蓝三基色分量的像素值的标准平均值和所述原始肤色像素的相应基色分量的像素值的平均值之间的差值，以及各图像像素的红、绿和蓝三基色分量的像素值的校正系数，对各图像像素的红、绿和蓝三基色分量的像素值进行校正。
7.根据权利要求3所述的图像处理方法，其特征在于，所述特征参数值包括第二颜色空间上的亮度值、第一色度值以及第二色度值；
所述计算所述原始肤色像素的特征参数值的平均值，包括：获取原始图像中各原始肤色像素在第一颜色空间上的红、绿和蓝三基色分量的像素值；根据原始图像中各原始肤色像素的红、绿和蓝三基色分量的像素值，计算各原始肤色像素在第二颜色空间上的亮度值、第一色度值和第二色度值；计算所有原始肤色像素的亮度值的平均值、第一色度值的平均值以及第二色度值的平均值，得到原始肤色像素的特征参数值的平均值；
所述计算预设标准平均值与所述原始肤色像素的特征参数值的平均值之间的差值，包括：计算预设标准图像中标准肤色像素的亮度值、第一色度值和第二色度值的标准平均值和所述原始肤色像素的相应亮度值、第一色度值和第二色度值的平均值之间的差值；
所述获取所述原始图像的图像像素的特征参数值，包括：获取所述原始图像的各图像像素的亮度值、第一色度值以及第二色度值，得到所述原始图像的各图像像素的特征参数值。
8.根据权利要求7所述的图像处理方法，其特征在于，
所述根据所述原始肤色像素的特征参数值的平均值和各图像像素的特征参数值，计算各图像像素的校正系数，包括：根据所述原始肤色像素的亮度值的平均值、第一色度值的平均值以及第二色度值的平均值，以及各图像像素的亮度值、第一色度值以及第二色度值，计算各图像像素的亮度值、第一色度值以及第二色度值的校正系数；
所述根据所述差值以及各图像像素的校正系数，对各图像像素的特征参数值进行校正，包括：根据预设标准图像中标准肤色像素的亮度值、第一色度值和第二色度值的标准平均值和所述原始肤色像素的相应亮度值、第一色度值和第二色度值的平均值之间的差值，以及各图像像素的亮度值、第一色度值以及第二色度值的校正系数，对各图像像素的亮度值、第一色度值以及第二色度值进行校正。
9.根据权利要求3所述的图像处理方法，其特征在于，所述特征参数值包括第二颜色空间上的亮度值；
所述计算所述原始肤色像素的特征参数值的平均值，包括：获取原始图像中各原始肤色像素在第一颜色空间上的红、绿和蓝三基色分量的像素值；根据原始图像中各原始肤色像素的红、绿和蓝三基色分量的像素值，计算各原始肤色像素在第二颜色空间上的亮度值；计算所有原始肤色像素的亮度值的平均值，得到原始肤色像素的特征参数值的平均值；
所述计算预设标准平均值与所述原始肤色像素的特征参数值的平均值之间的差值，包括：计算预设标准图像中标准肤色像素的亮度值的标准平均值和所述原始肤色像素的亮度值的平均值之间的差值；
所述获取所述原始图像的图像像素的特征参数值，包括：获取所述原始图像的各图像像素的亮度值，得到所述原始图像的各图像像素的特征参数值。
10.根据权利要求9所述的图像处理方法，其特征在于，
所述根据所述原始肤色像素的特征参数值的平均值和各图像像素的特征参数值，计算各图像像素的校正系数，包括：根据所述原始肤色像素的亮度值的平均值以及各图像像素的亮度值，计算各图像像素的亮度值的校正系数；
所述根据所述差值以及各图像像素的校正系数，对各图像像素的特征参数值进行校正，包括：根据预设标准图像中标准肤色像素的亮度值的标准平均值和所述原始肤色像素的亮度值的平均值之间的差值，以及各图像像素的亮度值的校正系数，对各图像像素的亮度值进行校正。
11.根据权利要求3所述的图像处理方法，其特征在于，所述特征参数值包括第三颜色空间上的色调值、饱和度值以及明度值；
所述计算所述原始肤色像素的特征参数值的平均值，包括：获取原始图像中各原始肤色像素在第一颜色空间上的红、绿和蓝三基色分量的像素值；根据原始图像中各原始肤色像素的红、绿和蓝三基色分量的像素值，计算各原始肤色像素在第三颜色空间上的色调值、饱和度值和明度值；计算所有原始肤色像素的色调值的平均值、饱和度值的平均值以及明度值的平均值，得到原始肤色像素的特征参数值的平均值；
所述计算预设标准平均值与所述原始肤色像素的特征参数值的平均值之间的差值，包括：计算预设标准图像中标准肤色像素的色调值、饱和度值和明度值的标准平均值和所述原始肤色像素的相应色调值、饱和度值和明度值的平均值之间的差值；
所述获取所述原始图像的图像像素的特征参数值，包括：获取所述原始图像的各图像像素的色调值、饱和度值以及明度值，得到所述原始图像的各图像像素的特征参数值。
12.根据权利要求11所述的图像处理方法，其特征在于，
所述根据所述原始肤色像素的特征参数值的平均值和各图像像素的特征参数值，计算各图像像素的校正系数，包括：根据所述原始肤色像素的色调值的平均值、饱和度值的平均值以及明度值的平均值，以及各图像像素的色调值、饱和度值以及明度值，计算各图像像素的色调值、饱和度值以及明度值的校正系数；
所述根据所述差值以及各图像像素的校正系数，对各图像像素的特征参数值进行校正，包括：根据预设标准图像中标准肤色像素的色调值、饱和度值和明度值的标准平均值和所述原始肤色像素的相应色调值、饱和度值和明度值的平均值之间的差值，以及各图像像素的色调值、饱和度值以及明度值的校正系数，对各图像像素的色调值、饱和度值以及明度值进行校正。
13.根据权利要求1至12任一项所述的图像处理方法，其特征在于，所述根据预设标准平均值与计算得到的平均值之间的差值，对所述原始图像的图像像素的特征参数值进行校正之前，还包括：
获取至少两个所述标准图像；
对每个所述标准图像的图像像素进行肤色检测，以确定所述标准图像的标准肤色像素；
计算每个所述标准图像的标准肤色像素的特征参数值的平均值；
对所有所述标准图像的标准肤色像素的特征参数值的平均值进行平均计算，得到标准平均值。
14.根据权利要求13所述的图像处理方法，其特征在于，在对每个所述标准图像的图像像素进行肤色检测，以确定所述标准图像的标准肤色像素之前，还包括：对每个所述标准图像进行人脸检测，以确定所述标准图像的人脸区域；
所述对每个所述标准图像进行肤色检测，以确定所述标准图像的标准肤色像素，包括：对所述标准图像的人脸区域内的图像像素进行肤色检测，以确定所述标准图像中的标准肤色像素。
15.一种图像处理装置，其特征在于，包括：
第一获取模块，用于获取原始图像；
第一肤色检测模块，用于对所述原始图像的图像像素进行肤色检测，以确定所述原始图像中的原始肤色像素；
第一计算模块，用于计算所述原始肤色像素的特征参数值的平均值；
校正模块，用于根据预设标准平均值与计算得到的平均值之间的差值，对所述原始图像的各图像像素的特征参数值进行校正，所述标准平均值为根据预设标准图像的标准肤色像素的特征参数值计算得到；
输出模块，用于输出校正后的原始图像。
16.根据权利要求15所述的图像处理装置，其特征在于，还包括第一人脸检测模块；
所述第一人脸检测模块用于对所述原始图像进行人脸检测，以确定所述原始图像的人脸区域；
所述第一肤色检测模块用于对所述原始图像的人脸区域内的图像像素进行肤色检测，以确定所述原始图像中的原始肤色像素。
17.根据权利要求15所述的图像处理装置，其特征在于，所述校正模块包括：
第一计算单元，用于计算预设标准平均值与所述原始肤色像素的特征参数值的平均值之间的差值；
获取单元，用于获取所述原始图像的各图像像素的特征参数值；
第二计算单元，用于根据所述原始肤色像素的特征参数值的平均值和各图像像素的特征参数值，计算各图像像素的校正系数；
校正单元，用于根据所述差值以及各图像像素的校正系数，对各图像像素的特征参数值进行校正。
18.根据权利要求17所述的图像处理装置，其特征在于，所述第二计算单元具体用于：
当所述图像像素的特征参数值小于或等于所述原始肤色像素的特征参数值的平均值时，计算所述图像像素的特征参数值与所述原始肤色像素的特征参数值的平均值的比值，得到所述图像像素的校正系数；
当所述图像像素的特征参数值大于所述原始肤色像素的特征参数值的平均值时，计算预设常数与所述图像像素的特征参数值之间的第一差值，以及计算所述预设常数与所述原始肤色像素的特征参数值的平均值之间的第二差值，并计算所述第一差值和所述第二差值的比值，得到所述图像像素的校正系数。
19.根据权利要求15-18任一项所述的图像处理装置，其特征在于，还包括：
第二获取模块，用于获取至少两个所述标准图像；
第二肤色检测模块，用于对每个所述标准图像的图像像素进行肤色检测，以确定所述标准图像的标准肤色像素；
第二计算模块，用于计算每个所述标准图像的标准肤色像素的特征参数值的平均值，并对所有所述标准图像的标准肤色像素的特征参数值的平均值进行平均计算，得到标准平均值。
20.根据权利要求19所述的图像处理装置，其特征在于，还包括第二人脸检测模块；
所述第二人脸检测模块用于对每个所述标准图像进行人脸检测，以确定所述标准图像的人脸区域；
所述第二肤色检测模块用于对所述标准图像的人脸区域内的图像像素进行肤色检测，以确定所述标准图像中的标准肤色像素。
CN201710171010.5A 2017-03-21 2017-03-21 一种图像处理方法及装置 Active CN107038715B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201710171010.5A CN107038715B (zh) 2017-03-21 2017-03-21 一种图像处理方法及装置
PCT/CN2018/079073 WO2018171493A1 (zh) 2017-03-21 2018-03-15 图像处理方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710171010.5A CN107038715B (zh) 2017-03-21 2017-03-21 一种图像处理方法及装置

Publications (2)

Publication Number Publication Date
CN107038715A true CN107038715A (zh) 2017-08-11
CN107038715B CN107038715B (zh) 2022-03-08

Family

ID=59534464

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710171010.5A Active CN107038715B (zh) 2017-03-21 2017-03-21 一种图像处理方法及装置

Country Status (2)

Country Link
CN (1) CN107038715B (zh)
WO (1) WO2018171493A1 (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107945107A (zh) * 2017-11-30 2018-04-20 广东欧珀移动通信有限公司 图像处理方法、装置、计算机可读存储介质和电子设备
CN108366194A (zh) * 2018-01-15 2018-08-03 维沃移动通信有限公司 一种拍照方法及移动终端
WO2018171493A1 (zh) * 2017-03-21 2018-09-27 腾讯科技（深圳）有限公司 图像处理方法、装置及存储介质
CN109167921A (zh) * 2018-10-18 2019-01-08 北京小米移动软件有限公司 拍摄方法、装置、终端及存储介质
CN110930335A (zh) * 2019-11-27 2020-03-27 维沃移动通信有限公司 一种图像处理方法及电子设备
CN111541924A (zh) * 2020-04-30 2020-08-14 海信视像科技股份有限公司 显示设备及显示方法
CN111582046A (zh) * 2020-04-15 2020-08-25 浙江大华技术股份有限公司 一种车牌图像处理方法和装置
CN116825038A (zh) * 2023-07-05 2023-09-29 广州文石信息科技有限公司 饱和度调节方法、装置、存储介质及彩色墨水屏设备

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109377531A (zh) * 2018-09-29 2019-02-22 努比亚技术有限公司 图像偏色调整方法、装置、移动终端及可读存储介质
CN111047517B (zh) * 2018-10-11 2022-09-30 展讯通信（上海）有限公司 肤色调节方法及装置、可读存储介质
CN111583127B (zh) * 2020-04-03 2023-08-15 浙江大华技术股份有限公司 人脸肤色校正方法、装置、计算机设备和可读存储介质
CN113077378B (zh) * 2021-03-31 2024-02-09 重庆长安汽车股份有限公司 一种基于车载摄像头的图像处理及目标识别方法
CN113674225A (zh) * 2021-07-30 2021-11-19 南京信息工程大学 一种基于卷积神经网络的电力设备故障检测方法
CN114299069B (zh) * 2022-03-08 2022-05-13 南方医科大学南方医院 一种结直肠癌胶原评价和预后预测装置和存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080279467A1 (en) * 2007-05-10 2008-11-13 Microsoft Corporation Learning image enhancement
US20120257826A1 (en) * 2011-04-09 2012-10-11 Samsung Electronics Co., Ltd Color conversion apparatus and method thereof
CN103456032A (zh) * 2013-08-19 2013-12-18 北京京东尚科信息技术有限公司 一种处理虚拟试衣模特图像的方法和装置
CN104156915A (zh) * 2014-07-23 2014-11-19 小米科技有限责任公司 肤色调整方法和装置
CN105516585A (zh) * 2015-11-30 2016-04-20 努比亚技术有限公司 一种自动调整肤色的装置和方法
CN105608677A (zh) * 2015-12-28 2016-05-25 成都品果科技有限公司 一种任意光线环境下的图像肤色美化方法及系统
CN106060402A (zh) * 2016-07-06 2016-10-26 北京奇虎科技有限公司 一种图像数据的处理方法、装置和移动终端
CN106101547A (zh) * 2016-07-06 2016-11-09 北京奇虎科技有限公司 一种图像数据的处理方法、装置和移动终端
CN106156730A (zh) * 2016-06-30 2016-11-23 腾讯科技（深圳）有限公司 一种人脸图像的合成方法和装置
CN106296617A (zh) * 2016-08-22 2017-01-04 腾讯科技（深圳）有限公司 人脸图像的处理方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107038715B (zh) * 2017-03-21 2022-03-08 腾讯科技（深圳）有限公司 一种图像处理方法及装置

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080279467A1 (en) * 2007-05-10 2008-11-13 Microsoft Corporation Learning image enhancement
US20120257826A1 (en) * 2011-04-09 2012-10-11 Samsung Electronics Co., Ltd Color conversion apparatus and method thereof
CN103456032A (zh) * 2013-08-19 2013-12-18 北京京东尚科信息技术有限公司 一种处理虚拟试衣模特图像的方法和装置
CN104156915A (zh) * 2014-07-23 2014-11-19 小米科技有限责任公司 肤色调整方法和装置
CN105516585A (zh) * 2015-11-30 2016-04-20 努比亚技术有限公司 一种自动调整肤色的装置和方法
CN105608677A (zh) * 2015-12-28 2016-05-25 成都品果科技有限公司 一种任意光线环境下的图像肤色美化方法及系统
CN106156730A (zh) * 2016-06-30 2016-11-23 腾讯科技（深圳）有限公司 一种人脸图像的合成方法和装置
CN106060402A (zh) * 2016-07-06 2016-10-26 北京奇虎科技有限公司 一种图像数据的处理方法、装置和移动终端
CN106101547A (zh) * 2016-07-06 2016-11-09 北京奇虎科技有限公司 一种图像数据的处理方法、装置和移动终端
CN106296617A (zh) * 2016-08-22 2017-01-04 腾讯科技（深圳）有限公司 人脸图像的处理方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张晋等: "一种区域逐像素点肤色检测算法", 《南开大学学报(自然科学版)》 *
邵桂芳等: "基于颜色恒常性的肤色校正算法", 《中南大学学报(自然科学版)》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018171493A1 (zh) * 2017-03-21 2018-09-27 腾讯科技（深圳）有限公司 图像处理方法、装置及存储介质
CN107945107A (zh) * 2017-11-30 2018-04-20 广东欧珀移动通信有限公司 图像处理方法、装置、计算机可读存储介质和电子设备
CN108366194A (zh) * 2018-01-15 2018-08-03 维沃移动通信有限公司 一种拍照方法及移动终端
CN109167921A (zh) * 2018-10-18 2019-01-08 北京小米移动软件有限公司 拍摄方法、装置、终端及存储介质
CN109167921B (zh) * 2018-10-18 2020-10-20 北京小米移动软件有限公司 拍摄方法、装置、终端及存储介质
CN110930335A (zh) * 2019-11-27 2020-03-27 维沃移动通信有限公司 一种图像处理方法及电子设备
CN111582046A (zh) * 2020-04-15 2020-08-25 浙江大华技术股份有限公司 一种车牌图像处理方法和装置
CN111582046B (zh) * 2020-04-15 2023-09-05 浙江大华技术股份有限公司 一种车牌图像处理方法和装置
CN111541924A (zh) * 2020-04-30 2020-08-14 海信视像科技股份有限公司 显示设备及显示方法
CN111541924B (zh) * 2020-04-30 2022-12-23 海信视像科技股份有限公司 显示设备及显示方法
CN116825038A (zh) * 2023-07-05 2023-09-29 广州文石信息科技有限公司 饱和度调节方法、装置、存储介质及彩色墨水屏设备
CN116825038B (zh) * 2023-07-05 2024-03-12 广州文石信息科技有限公司 饱和度调节方法、装置、存储介质及彩色墨水屏设备

Also Published As

Publication number Publication date
WO2018171493A1 (zh) 2018-09-27
CN107038715B (zh) 2022-03-08

Similar Documents

Publication Publication Date Title
CN107038715A (zh) 一种图像处理方法及装置
JP6967160B2 (ja) 画像処理方法および関連デバイス
CN107038681B (zh) 图像虚化方法、装置、计算机可读存储介质和计算机设备
CN107256555A (zh) 一种图像处理方法、装置及存储介质
CN107966209A (zh) 环境光检测方法、装置、存储介质和电子设备
CN107818753A (zh) 屏幕亮度调整方法、装置、存储介质和电子设备
CN109191410A (zh) 一种人脸图像融合方法、装置及存储介质
CN107451979A (zh) 一种图像处理方法、装置和存储介质
CN108307125A (zh) 一种图像采集方法、装置和存储介质
CN108900790A (zh) 视频图像处理方法、移动终端及计算机可读存储介质
CN107438163A (zh) 一种拍照方法、终端及计算机可读存储介质
CN107958470A (zh) 一种色彩校正方法、移动终端
CN107690065A (zh) 一种白平衡校正方法、装置及计算机可读存储介质
CN107730462A (zh) 一种图像处理方法、终端及计算机可读存储介质
CN107895352A (zh) 一种图像处理方法及移动终端
CN107846537A (zh) 一种摄像头组件、图像获取方法及移动终端
EP4072131A1 (en) Image processing method and apparatus, terminal and storage medium
CN107566753A (zh) 照片拍摄方法及移动终端
CN108184105A (zh) 一种调整亮度的方法、装置及计算机可读存储介质
CN106060402A (zh) 一种图像数据的处理方法、装置和移动终端
WO2023005870A1 (zh) 一种图像处理方法及相关设备
CN108200352B (zh) 一种调解图片亮度的方法、终端及存储介质
CN108427938A (zh) 图像处理方法、装置、存储介质和电子设备
CN108182668A (zh) 一种放大图像处理方法、终端及计算机可读存储介质
CN108259771A (zh) 图像处理方法、装置、存储介质和电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant