CN107194869B - 一种图像处理方法及终端、计算机存储介质、计算机设备 - Google Patents

Abstract

本发明公开了一种图像处理方法及终端、计算机存储介质、计算机设备，所述方法包括：获取输入图像，对所述输入图像中的目标体进行识别，得到所述目标体的形态特征参数，所述目标体包括第一子目标体和第二子目标体；基于所述形态特征参数，创建第一图像模板和第二图像模板，所述第一图像模板用于标识所述第一子目标体的图像处理区域，所述第二图像模板用于标识所述第二子目标体的图像处理区域；基于所述第一图像模板，对所述输入图像中所述第一子目标体的图像处理区域采用第一图像处理策略进行处理，以及基于所述第二图像模板，对所述输入图像中所述第二子目标体的图像处理区域采用第二图像处理策略进行处理，得到第一输出图像。

Description

一种图像处理方法及终端、计算机存储介质、计算机设备

技术领域

本发明涉及图像处理技术，尤其涉及一种图像处理方法及终端、计算机存储介质、计算机设备。

背景技术

随着美图应用的发展，美图应用集成了越来越多的美化功能，用户可以将美图应用安装在终端上，从而可以利用美图应用对图片进行各式各样的美化处理，例如美白、磨皮、背景虚化、添加文字等等。

在众多美化功能中，亮眼功能受到广大用户的青睐。对图像进行亮眼处理是指对人脸图像的眼睛部分通过图像处理算法来提升眼睛与附近图像的对比度，祛除眼睛中杂色的过程。通常，对眼睛部分进行亮眼处理时，眼睛区域使用统一的图像模板，然而，眼睛区域包括瞳孔部分和眼白部分，将瞳孔部分和眼白部分作为整体来使用统一的算法进行对比度提升处理，眼睛中的杂色或血丝无法有效祛除，且经过对比度体升后眼睛中的杂色可能被凸显强化，从而导致了部分图像例如眼白部分的血丝图像处理效果不佳。

发明内容

为解决上述技术问题，本发明实施例提供了一种图像处理方法及终端、计算机存储介质、计算机设备。

本发明实施例提供的图像处理方法包括：

获取输入图像，对所述输入图像中的目标体进行识别，得到所述目标体的形态特征参数，所述目标体包括第一子目标体和第二子目标体；

基于所述形态特征参数，创建第一图像模板和第二图像模板，所述第一图像模板用于标识所述第一子目标体的图像处理区域，所述第二图像模板用于标识所述第二子目标体的图像处理区域；

基于所述第一图像模板，对所述输入图像中所述第一子目标体的图像处理区域采用第一图像处理策略进行处理，以及基于所述第二图像模板，对所述输入图像中所述第二子目标体的图像处理区域采用第二图像处理策略进行处理，得到第一输出图像。

本发明实施例中，所述方法还包括：

基于所述形态特征参数，创建第三图像模板；

基于所述第三图像模板，对所述输入图像和所述第一输出图像进行融合处理，得到第二输出图像。

本发明实施例中，所述目标体的形态特征参数包括：所述目标体的各个特征点位置，其中，基于所述目标体的各个特征点位置能够得到如下参数：表征所述第一子目标体的圆心位置的第一参数、表征所述第一子目标体的半径的第二参数、表征所述目标体的外接矩形区域范围的第三参数；

所述基于所述形态特征参数，创建第一图像模板，包括：

基于所述第三参数，创建第一图像，其中，所述第一图像的区域范围与所述外接矩形区域范围一致，所述第一图像的每个像素点的颜色通过一个像素值进行表示，所述第一图像的所有像素点的像素值均为第一值；

以所述第一参数作为圆心，以所述第二参数加上预设常数作为半径，在所述第一图像中绘制圆形，将所述圆形区域内的像素点的像素值设置为第二值，得到第二图像，所述第二值大于所述第一值；

对所述第二图像进行高斯模糊处理，得到所述第一图像模板，其中，在所述第一图像模板中，将像素值大于所述第一值的像素点区域作为所述第一子目标体的图像处理区域。

本发明实施例中，所述目标体的形态特征参数包括：所述目标体的各个特征点位置，其中，基于所述目标体的各个特征点位置能够得到如下参数：表征所述第一子目标体的圆心位置的第一参数、表征所述第一子目标体的半径的第二参数、表征所述目标体的外接矩形区域范围的第三参数；

所述基于所述形态特征参数，创建第二图像模板，包括：

基于所述第三参数，创建第三图像，其中，所述第三图像的区域范围与所述外接矩形区域范围一致，所述第三图像的每个像素点的颜色通过一个像素值进行表示，所述第三图像的所有像素点的像素值均为第一值；

基于所述目标体的各个特征点位置，在所述第三图像中连接所述各个特征点位置形成闭合区域，将所述闭合区域内的像素点的像素值设置为第二值，得到第四图像，所述第二值大于所述第一值；

对所述第四图像和所述第二图像进行逐像素相乘计算，得到第五图像；

对所述第五图像进行高斯模糊处理，得到所述第二图像模板，其中，在所述第二图像模板中，将像素值大于所述第一值的像素点区域作为所述第二子目标体的图像处理区域。

本发明实施例中，所述基于所述第一图像模板，对所述输入图像中所述第一子目标体的图像处理区域采用第一图像处理策略进行处理，包括：

基于所述第一图像模板，在所述输入图像中确定出所述第一子目标体的图像处理区域；

针对所述第一子目标体的图像处理区域，采用高反差保留算法及直方图均衡化处理算法进行图像处理。

本发明实施例中，所述基于所述第二图像模板，对所述输入图像中所述第二子目标体的图像处理区域采用第二图像处理策略进行处理，包括：

基于所述第二图像模板，在所述输入图像中确定出所述第二子目标体的图像处理区域；

针对所述第二子目标体的图像处理区域，采用滤色算法进行图像处理。

本发明实施例中，所述基于所述形态特征参数，创建第三图像模板，包括：

基于所述第三参数，创建第六图像，其中，所述第六图像的区域范围与所述外接矩形区域范围一致，所述第六图像的每个像素点的颜色通过一个像素值进行表示，所述第六图像的所有像素点的像素值均为第二值；

对所述第六图像和所述第四图像进行逐像素相乘计算，得到第七图像；

对所述第七图像进行高斯模糊处理，得到所述第三图像模板。

本发明实施例中，所述基于所述第三图像模板，对所述输入图像和所述第一输出图像进行融合处理，得到第二输出图像，包括：

基于所述第三图像模板，确定所述输入图像对应的第一权重参数以及所述第一输出图像对应的第二权重参数；

根据所述第一权重参数和所述第二权重参数，对所述输入图像乘以及所述第一输出图像进行加权处理，得到所述第二输出图像。

本发明实施例提供的终端，包括：

识别单元，用于获取输入图像，对所述输入图像中的目标体进行识别，得到所述目标体的形态特征参数，所述目标体包括第一子目标体和第二子目标体；

模板创建单元，用于基于所述形态特征参数，创建第一图像模板和第二图像模板，所述第一图像模板用于标识所述第一子目标体的图像处理区域，所述第二图像模板用于标识所述第二子目标体的图像处理区域；

图像处理单元，用于基于所述第一图像模板，对所述输入图像中所述第一子目标体的图像处理区域采用第一图像处理策略进行处理，以及基于所述第二图像模板，对所述输入图像中所述第二子目标体的图像处理区域采用第二图像处理策略进行处理，得到第一输出图像。

本发明实施例中，所述模板创建单元，还用于基于所述形态特征参数，创建第三图像模板；

所述图像处理单元，还用于基于所述第三图像模板，对所述输入图像和所述第一输出图像进行融合处理，得到第二输出图像。

本发明实施例中，所述目标体的形态特征参数包括：所述目标体的各个特征点位置，其中，基于所述目标体的各个特征点位置能够得到如下参数：表征所述第一子目标体的圆心位置的第一参数、表征所述第一子目标体的半径的第二参数、表征所述目标体的外接矩形区域范围的第三参数；

所述模板创建单元包括：第一创建子单元，用于基于所述第三参数，创建第一图像，其中，所述第一图像的区域范围与所述外接矩形区域范围一致，所述第一图像的每个像素点的颜色通过一个像素值进行表示，所述第一图像的所有像素点的像素值均为第一值；以所述第一参数作为圆心，以所述第二参数加上预设常数作为半径，在所述第一图像中绘制圆形，将所述圆形区域内的像素点的像素值设置为第二值，得到第二图像，所述第二值大于所述第一值；对所述第二图像进行高斯模糊处理，得到所述第一图像模板，其中，在所述第一图像模板中，将像素值大于所述第一值的像素点区域作为所述第一子目标体的图像处理区域。

本发明实施例中，所述目标体的形态特征参数包括：所述目标体的各个特征点位置，其中，基于所述目标体的各个特征点位置能够得到如下参数：表征所述第一子目标体的圆心位置的第一参数、表征所述第一子目标体的半径的第二参数、表征所述目标体的外接矩形区域范围的第三参数；

所述模板创建单元包括：第二创建子单元，用于基于所述第三参数，创建第三图像，其中，所述第三图像的区域范围与所述外接矩形区域范围一致，所述第三图像的每个像素点的颜色通过一个像素值进行表示，所述第三图像的所有像素点的像素值均为第一值；基于所述目标体的各个特征点位置，在所述第三图像中连接所述各个特征点位置形成闭合区域，将所述闭合区域内的像素点的像素值设置为第二值，得到第四图像，所述第二值大于所述第一值；对所述第四图像和所述第二图像进行逐像素相乘计算，得到第五图像；对所述第五图像进行高斯模糊处理，得到所述第二图像模板，其中，在所述第二图像模板中，将像素值大于所述第一值的像素点区域作为所述第二子目标体的图像处理区域。

本发明实施例中，所述图像处理单元包括：

第一处理子单元，用于基于所述第一图像模板，在所述输入图像中确定出所述第一子目标体的图像处理区域；针对所述第一子目标体的图像处理区域，采用高反差保留算法及直方图均衡化处理算法进行图像处理。

本发明实施例中，所述图像处理单元包括：

第二处理子单元，用于基于所述第二图像模板，在所述输入图像中确定出所述第二子目标体的图像处理区域；针对所述第二子目标体的图像处理区域，采用滤色算法进行图像处理。

本发明实施例中，所述模板创建单元包括：第三创建子单元，用于基于所述第三参数，创建第六图像，其中，所述第六图像的区域范围与所述外接矩形区域范围一致，所述第六图像的每个像素点的颜色通过一个像素值进行表示，所述第六图像的所有像素点的像素值均为第二值；对所述第六图像和所述第四图像进行逐像素相乘计算，得到第七图像；对所述第七图像进行高斯模糊处理，得到所述第三图像模板。

本发明实施例中，所述图像处理单元包括：

第三处理子单元，用于基于所述第三图像模板，确定所述输入图像对应的第一权重参数以及所述第一输出图像对应的第二权重参数；根据所述第一权重参数和所述第二权重参数，对所述输入图像乘以及所述第一输出图像进行加权处理，得到所述第二输出图像。

本发明实施例提供的计算机存储介质，其上存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现本发明实施例提供的图像处理方法。

本发明实施例提供的计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机可执行指令，所述处理器执行所述计算机可执行指令时实现本发明实施例提供的图像处理方法。

本发明实施例的技术方案中，获取输入图像，对所述输入图像中的目标体进行识别，得到所述目标体的形态特征参数，所述目标体包括第一子目标体和第二子目标体；基于所述形态特征参数，创建第一图像模板和第二图像模板，所述第一图像模板用于标识所述第一子目标体的图像处理区域，所述第二图像模板用于标识所述第二子目标体的图像处理区域；基于所述第一图像模板，对所述输入图像中所述第一子目标体的图像处理区域采用第一图像处理策略进行处理，以及基于所述第二图像模板，对所述输入图像中所述第二子目标体的图像处理区域采用第二图像处理策略进行处理，得到第一输出图像。采用本发明实施例的技术方案，对目标体(如眼睛)所包括的两个子目标体(如瞳孔和眼白)，分别创建独立的图像模板，以达到对第一子目标体的图像处理区域以及第二子目标体的图像处理区域精确定位的目的，从而实现针对目标体的不同区域采用独立的图像处理算法进行图像处理，在达到提升对比度的同时，还祛除了杂色，对于亮眼功能而言，能够有效改进亮眼处理效果。

附图说明

图1为本发明实施例的图像处理方法的流程示意图；

图2为眼睛的组成示意图；

图3为人脸特征点的示意图；

图4为人眼特征点的示意图；

图5为人眼中的各个参数的示意图；

图6为本发明实施例的第一图像模板的创建流程图一；

图7为本发明实施例的第一图像模板的创建流程图二；

图8为本发明实施例的第二图像模板的创建流程图一；

图9为本发明实施例的第二图像模板的创建流程图二；

图10为本发明实施例的第三图像模板的创建流程图一；

图11为本发明实施例的第三图像模板的创建流程图二；

图12为本发明实施例的亮眼处理方法的流程示意图；

图13为本发明实施例的亮眼效果图；

图14为本发明实施例的终端的结构组成示意图；

图15为本发明实施例的计算机设备的结构组成示意图。

具体实施方式

为了便于理解本发明实施例的技术方案，下面对本发明实施例涉及到的关键术语进行解释说明：

P图：是PS图片的简称，即：用PhotoShop对图片进行处理，使得图像达到美化的效果；随着P图技术的发展，P图工具不局限于PhotoShop，还可以扩展到其他类型的图片处理应用。

高反差保留算法：是PhotoShop的一种滤镜功能，实现该滤镜功能采用以下计算方式：1)高反差保留图＝高斯模糊图－原图+127；2)高反差保留图与原图做叠加混合计算，得到的结果用于对原图实现锐化。

叠加混合计算：是PhotoShop中使用的一种图像颜色混合算法，假设A为前景图像，B为背景图像，A图像与B图像进行叠加混合计算后，得到C图像，计算公式如下：如果A<＝0.5，则C＝2.0×A×B；如果A>0.5，C＝1.0-2.0×(1.0-A)×(1.0-B)。

直方图均衡化处理算法：在图像处理领域中利用图像直方图对图像的对比度进行调整的方法。

Alpha融合：对两幅大小相同的图像对应位置上的像素值基于输入的权重值Alpha做融合计算，结果作为目标像素值。

滤色算法：Adobe photoshop中使用的一种图像颜色混合模式，假设A为前景图像，B为背景图像，A图像与B图像进行叠加混合计算后，得到C图像，计算公式如下：C＝1-(1-A)×(1-B)。

灰度图：图像的每个像素点只对应一个像素值，该像素值的取值范围在0至255之间，当像素值为0时，代表黑色，当像素值为255时，代表白色。

图像掩膜(mask)：也称为图像模板，取所有作用域(如图像处理区域)的像素值为非0，其余区域的像素值为0，形成一幅二值化的图像。

亮眼：是指对于输入人脸图像的眼睛部分通过图像处理提升对比度，祛除杂色的过程。

人脸特征点定位：基于人脸识别算法对人脸图像实现轮廓及五官特征点的自动识别定位。人脸识别算法的输入为一张人脸图像，输出为人脸特征点数组，该人脸特征点数组包括脸部轮廓特征点及五官特征点。

图1为本发明实施例的图像处理方法的流程示意图，如图1所示，所述图像处理方法包括以下步骤：

步骤101：获取输入图像，对所述输入图像中的目标体进行识别，得到所述目标体的形态特征参数，所述目标体包括第一子目标体和第二子目标体。

本发明实施例的图像处理方法应用于终端中，所述终端可以是手机、平板电脑、笔记本电脑等电子设备。

本发明实施例中，电子设备具有P图功能(也称为美图功能、图片编辑功能等等)。在一实施方式中，P图功能作为独立的应用安装于电子设备中。在另一实施方式中，电子设备具有相机，P图功能内嵌在相机功能中，作为相机功能的一部分安装于电子设备中。

例如：终端具有相机，一般，相机由两大部分组成，一部分为硬件部分，通常设置在终端的背面或正面，用于采集取景区域处的图像数据；另一部分为软件部分，通常存储在终端的存储设备中，相机的软件部位对于用户而言呈现为相机应用，用户可以通过用户接口(UI，User Interface)界面使用相机的各种功能，其中一种相机功能即为P图功能，用户可以采用相机的P图功能对当前正在拍摄的图像进行美化处理，当然，也可以在拍摄图像结束后再对图像进行美化处理。

本发明实施例的方案旨在对目标体进行对比度提升处理，即提升目标体相对于周围图像的对比度，可以将这种P图功能称为对比度提升功能，当然这种P图功能也可以基于具体的目标体叫做其他名称，例如，当目标体为眼睛时，对比度提升功能具体为亮眼功能。

本发明实施例中，获取输入图像的方式包括但不局限于以下方式：

方式一：通过终端中的相机对取景区域进行拍摄，得到输入图像；

方式二：通过终端中本地存储的图片库，得到输入图像，其中，本地存储的图片库中的图片可以是通过相机拍摄得到，也可以是在网上下载得到，还可以是通过与其他终端互传得到。

本发明实施例以图像为人脸图像为例进行解释说明，具体地，获取输入人脸图像；基于人脸识别算法对所述输入人脸图像中的眼睛(对应目标体)进行识别，得到眼睛的形态特征参数，这里，眼睛的形态特征参数包括：眼睛的各个特征点位置。进一步，如图2所示，眼睛包括瞳孔(对应第一子目标体)和眼白(对应第二子目标体)，因而眼睛的形态特征参数包括：瞳孔的各个特征点位置和眼白的各个特征点位置。

本发明实施例的技术方案中，以目标体包括两个子目标体为例进行解释说明，当然，目标体还可以包括更多数目的子目标体，针对不同数目的子目标体，可以分别建立对应的图像模板。

步骤102：基于所述形态特征参数，创建第一图像模板和第二图像模板，所述第一图像模板用于标识所述第一子目标体的图像处理区域，所述第二图像模板用于标识所述第二子目标体的图像处理区域。

本发明实施例中，所述目标体的形态特征参数包括：所述目标体的各个特征点位置，其中，基于所述目标体的各个特征点位置能够得到如下参数：表征所述第一子目标体的圆心位置的第一参数、表征所述第一子目标体的半径的第二参数、表征所述目标体的外接矩形区域范围的第三参数。

参照图3所示，图3为人脸图像的示意图一，通过人脸识别算法在整个人脸图像中能够识别出一定数目的特征点，例如识别出84个特征点，这84个特征点包括了人脸轮廓的特征点和人脸五官的特征点，可以通过一个数组来表示出这84个特征点的位置参数：Fi(i＝0,1,2,…83)，其中，眼睛部位的特征点共有20个，对应的i值为：i＝35,…44，i＝45,…,54，前10个特征点代表左眼，后10个特征点代表右眼。

参照图4所示，图4为人脸图像的示意图二，通过人脸识别算法在整个人脸图像中仅识别出人脸左右眼的特征点，共有20个特征点，可以通过一个数组来表示出这20个特征点的位置参数：Fj(j＝0,1,2,…19)，其中，前10个特征点代表左眼，后10个特征点代表右眼。

本发明实施例中，目标体的特征点即为左右眼的特征点，如图5所示，基于左右眼的特征点参数能够得到如下参数：

瞳孔的圆心位置Ck、瞳孔的半径Rk、眼睛的外接矩形区域范围RECTk(x,y,w,h)，其中，(x，y)代表矩形左上角的坐标，(w，h)代表矩形的长和宽，k的取值为0和1分别对应左眼及右眼。

上述方案中，是以目标体为眼睛，第一子目标体为瞳孔，第二子目标体为眼白为例进行解释说明，当然，本发明实施例的技术方案并不局限于此，例如：目标体还可以是嘴巴，相应地，第一子目标体为牙齿，第二子目标体为嘴唇。

本发明实施例中，第一图像模板和第二图像模板都是一种图像mask，在图像mask中，取所有作用域(也即图像处理区域)的像素值为非0(也即大于0)，其余像素值为0，形成一幅二值化图像。可见，在第一图像模板中，像素值大于0的区域代表了瞳孔的图像处理区域，在第二图像模板中，像素值大于0的区域代表了眼白的图像处理区域。

本发明实施例基于以上人眼的特征点参数以及瞳孔的圆心位置Ck、瞳孔的半径Rk、眼睛的外接矩形区域范围RECTk(x,y,w,h)，可以计算出瞳孔的图像模板(以下称为第一图像模板)和眼白的图像模板(以下称为第二图像模板)。其中，第一图像模板用于标识所述第一子目标体的图像处理区域(如图5所示)，所述第二图像模板用于标识所述第二子目标体的图像处理区域(如图5所示)。

步骤103：基于所述第一图像模板，对所述输入图像中所述第一子目标体的图像处理区域采用第一图像处理策略进行处理，以及基于所述第二图像模板，对所述输入图像中所述第二子目标体的图像处理区域采用第二图像处理策略进行处理，得到第一输出图像。

本发明实施例中，所述基于所述第一图像模板，对所述输入图像中所述第一子目标体的图像处理区域采用第一图像处理策略进行处理，包括：

基于所述第一图像模板，在所述输入图像中确定出所述第一子目标体的图像处理区域；

针对所述第一子目标体的图像处理区域，采用高反差保留算法及直方图均衡化处理算法进行图像处理。

具体地，假设输入图像为imgA，对imgA进行高斯模糊处理后的图像为imgB，第一子目标体的图像处理区域为S1(x，y)，针对S1(x，y)内的所有像素点，采用如下公式进行图像处理：

imgC＝imgB－imgA+127，其中，imgC为高反差保留图；

对imgC(前景图像)和imgA(背景图像)通过如下公式进行叠加混合计算：

如果imgC<＝0.5，则imgD＝2.0×imgC×imgA；

如果imgC>0.5，则imgD＝1.0-2.0×(1.0-imgC)×(1.0-imgA)，其中，imgD为采用高反差保留算法处理得到的最终图像。

之后，再利用图像直方图对imgD的对比度进行调整。

本发明实施例中，所述基于所述第二图像模板，对所述输入图像中所述第二子目标体的图像处理区域采用第二图像处理策略进行处理，包括：

基于所述第二图像模板，在所述输入图像中确定出所述第二子目标体的图像处理区域；

针对所述第二子目标体的图像处理区域，采用滤色算法进行图像处理。

具体地，假设输入图像为imgA，imgB为白色图像(即所有像素值为255)，第二子目标体的图像处理区域为S2(x，y)，针对S2(x，y)内的所有像素点，采用如下公式进行图像处理：

imgC＝1-(1-imgB)×(1-imgA)，其中，imgC为采用滤色算法处理得到的最终图像。

可选地，本发明实施例的图像处理方法还包括如下步骤104。

步骤104：基于所述形态特征参数，创建第三图像模板；基于所述第三图像模板，对所述输入图像和所述第一输出图像进行融合处理，得到第二输出图像。

这里，第三图像模板用于对输入图像和所述第一输出图像进行融合处理，假设像素点(x,y)处对应的像素值在各个图像中分别表示为：第一输出图像为R0(r,g,b)，输入图像为A(r,g,b)，第三图像模板为G，第二输出图像为R(r,g,b)，则可通过如下公式来进行融合处理：

R(r,g,b)＝A(r,g,b)×(255-G)+R0(r,g,b)×(G)。

本发明实施例的技术方案，基于分离模板的思想，通过人脸眼部特征点，自动计算并分别建立眼白及瞳孔区域对应图像模板，作为后续处理的必要约束条件。之后，基于各自的图像模板，对瞳孔及眼白区域分别应用不同的图像增强处理算法达到提升对比度，祛除杂色的效果。亮眼处理过程无需手动介入，在支持参数可调整的同时，实现全自动亮眼效果实现。

下面对本发明上述实施例中的各个图像模板的具体创建过程作进一步详细描述。

图6为本发明实施例的第一图像模板的创建流程图，如图6所示，所述流程包括如下步骤：

步骤601：基于第三参数，创建第一图像，其中，所述第一图像的区域范围与所述外接矩形区域范围一致，所述第一图像的每个像素点的颜色通过一个像素值进行表示，所述第一图像的所有像素点的像素值均为第一值。

这里，第三参数表征所述目标体的外接矩形区域范围。以目标体为眼睛为例，第三参数为：眼睛的外接矩形区域范围RECTk(x,y,w,h)，其中，(x，y)代表矩形左上角的坐标，(w，h)代表矩形的长和宽，k的取值为0和1分别对应左眼及右眼。

如图7所示：第一图像的长为w，宽为h，第一图像的每个像素点的颜色通过一个像素值进行表示，也即第一图像为单通道图像。设置第一图像的所有像素点的像素值均为第一值，这里，第一值优选为0，此时，第一图像为黑色的图像。

步骤602：以第一参数作为圆心，以第二参数加上预设常数作为半径，在所述第一图像中绘制圆形，将所述圆形区域内的像素点的像素值设置为第二值，得到第二图像，所述第二值大于所述第一值。

这里，第一参数表征第一子目标体的圆心位置，第二参数表征所述第一子目标体的半径。以第一子目标体为瞳孔为例，瞳孔的圆心位置为Ck、瞳孔的半径Rk，k的取值为0和1分别对应左眼及右眼。

如图7所示：以Ck为圆心，以Rk为半径在第一图像中绘制圆形，将圆形内的像素值设置为第二值，这里，第二值优选255，此时，得到的第二图像如图7所示。

步骤603：对所述第二图像进行高斯模糊处理，得到所述第一图像模板，其中，在所述第一图像模板中，将像素值大于所述第一值的像素点区域作为所述第一子目标体的图像处理区域。

这里，采用高斯模糊算法对第二图像进行高斯模糊处理，从而使得图像的边缘出现渐变的效果。

第一图像模板是一种图像mask，在图像mask中，取所有作用域(也即图像处理区域)的像素值为非0(也即大于0)，其余像素值为0，形成一幅二值化图像。可见，在第一图像模板中，像素值大于0的区域代表了瞳孔的图像处理区域。

图8为本发明实施例的第二图像模板的创建流程图，如图8所示，所述流程包括如下步骤：

步骤801：基于第三参数，创建第三图像，其中，所述第三图像的区域范围与所述外接矩形区域范围一致，所述第三图像的每个像素点的颜色通过一个像素值进行表示，所述第三图像的所有像素点的像素值均为第一值。

这里，第三参数表征所述目标体的外接矩形区域范围。以目标体为眼睛为例，第三参数为：眼睛的外接矩形区域范围RECTk(x,y,w,h)，其中，(x，y)代表矩形左上角的坐标，(w，h)代表矩形的长和宽，k的取值为0和1分别对应左眼及右眼。

如图9所示：第三图像的长为w，宽为h，第三图像的每个像素点的颜色通过一个像素值进行表示，也即第三图像为单通道图像。设置第三图像的所有像素点的像素值均为第一值，这里，第一值优选为0，此时，第三图像为黑色的图像。

步骤802：基于所述目标体的各个特征点位置，在所述第三图像中连接所述各个特征点位置形成闭合区域，将所述闭合区域内的像素点的像素值设置为第二值，得到第四图像，所述第二值大于所述第一值。

如图9所示，闭合区域的范围也即眼睛的范围，将闭合区域内的像素值设置为第二值，这里，第二值优选255，此时，得到的第四图像如图9所示。

步骤803：对所述第四图像和所述第二图像进行逐像素相乘计算，得到第五图像。

本发明实施例中，对所述第四图像和所述第二图像进行逐像素相乘计算之前，先将所述第二图像进行逆变换，也即将第二图中像素值为255的替换为0，将像素值为0的替换为255，然后，再与第四图像进行逐像素相乘计算，得到的第五图像如图9所示。

步骤804：对所述第五图像进行高斯模糊处理，得到所述第二图像模板，其中，在所述第二图像模板中，将像素值大于所述第一值的像素点区域作为所述第二子目标体的图像处理区域。

这里，采用高斯模糊算法对第五图像进行高斯模糊处理，从而使得图像的边缘出现渐变的效果。

第二图像模板是一种图像mask，在图像mask中，取所有作用域(也即图像处理区域)的像素值为非0(也即大于0)，其余像素值为0，形成一幅二值化图像。可见，在第二图像模板中，像素值大于0的区域代表了眼白的图像处理区域。

图10为本发明实施例的第三图像模板的创建流程图，如图10所示，所述流程包括如下步骤：

步骤1001：基于第三参数，创建第六图像，其中，所述第六图像的区域范围与所述外接矩形区域范围一致，所述第六图像的每个像素点的颜色通过一个像素值进行表示，所述第六图像的所有像素点的像素值均为第二值。

这里，第三参数表征所述目标体的外接矩形区域范围。以目标体为眼睛为例，第三参数为：眼睛的外接矩形区域范围RECTk(x,y,w,h)，其中，(x，y)代表矩形左上角的坐标，(w，h)代表矩形的长和宽，k的取值为0和1分别对应左眼及右眼。

如图11所示：第六图像的长为w，宽为h，第六图像的每个像素点的颜色通过一个像素值进行表示，也即第六图像为单通道图像。设置第六图像的所有像素点的像素值均为第二值，这里，第二值优选为255，此时，第六图像为白色的图像。

步骤1002：对所述第六图像和所述第四图像进行逐像素相乘计算，得到第七图像。

步骤1003：对所述第七图像进行高斯模糊处理，得到所述第三图像模板。

这里，采用高斯模糊算法对第七图像进行高斯模糊处理，从而使得图像的边缘出现渐变的效果。

第三图像模板是为了对两幅图像进行融合处理，具体地，基于所述第三图像模板，确定所述输入图像对应的第一权重参数以及所述第一输出图像对应的第二权重参数；根据所述第一权重参数和所述第二权重参数，对所述输入图像乘以及所述第一输出图像进行加权处理，得到所述第二输出图像。

下面结合具体地应用场景对本发明实施例的图像处理方法再作进一步详细描述。

图12为本发明实施例的亮眼处理方法的流程示意图，如图12所示，所述流程包括以下步骤：

步骤1201：输入人脸图像imgA并识别，得到人脸特征点：Fi(i＝0,1,2,…83)。

步骤1202：从人脸特征点中得到眼睛特征点：Fi(i＝35,36,37,…54)。

其中，Fi(i＝35,36,37,…44)为左眼特征点，Fi(i＝45,46,47,…54)为右眼特征点。

步骤1203：基于眼睛特征点，得到眼睛参数：瞳孔的圆心位置Ck、瞳孔的半径Rk、眼睛的外接矩形区域RECTk(x,y,w,h)。

其中，(x，y)代表矩形左上角的坐标，(w，h)代表矩形的长和宽，k的取值为0和1分别对应左眼及右眼。

步骤1204：创建图像imgM1。

这里，imgM1为单通道图像，imgM1的长宽分别为RECTk参数中的w和h，初始时设置imgM1中所有的像素值为0。

步骤1205：以Ck为圆心，以(Rk+ratio)为半径，在imgM1上绘制圆形，设置圆形区域内像素值为255，其中，ratio为常数可根据测试经验值取出，例如ratio＝3。对imgM1做高斯模糊处理后，输出图像表示为imgMaskIris。执行步骤1209

这里，imgMaskIris用于标记瞳孔处理区域，在imgMaskIris中，像素值大于0的区域为瞳孔处理区域。

步骤1206：创建图像imgM2。

这里，imgM2为单通道图像，imgM2的长宽分别为RECTk参数中的w和h，初始时设置imgM2中所有的像素值为0。

步骤1207：基于眼睛特征点Fi(i＝35,36,37,…54)，在imgM2上连接Fi点构造闭合区域，将闭合区域内的像素值设置为255；对imgM2与imgM做逐像素相乘计算，输出结果保存到imgM3，对imgM3做高斯模糊处理，输出图像表示为imgMaskW。

这里，imgMaskW用于标记眼白处理区域，在imgMaskW中，像素值大于0的区域为眼白处理区域。

步骤1208：基于imgMaskW的约束下，对眼白处理区域应用滤色算法祛除杂色。

步骤1209：对上述眼白处理后的结果图像，基于imgMaskIris的约束下，对瞳孔处理区域应用高反差保留算法及直方图均衡算法提升图像的对比度，得到眼睛部位的目标区域图imgR0。

步骤1210：创建图像imgAlpha，其中，图像imgAlpha中的长和宽分别为RECTk参数中的w和h，初始时设置imgAlpha中所有的像素值为255。对imgAlpha及imgM2做逐像素相乘，结果保存在imgAlpha中；对imgAlpha做高斯模糊处理。

步骤1211：基于imgAlpha的约束下，融合imgR0到imgA，得到结果图像imgR。

这里，采用如下公式进行融合：

像素点位置(x,y)处各个图像对应的像素取值分别为：Alpha(G)、A(r,g,b)、R(r,g,b)、R0(r,g,b)，则：R(r,g,b)＝A(r,g,b)×(255-G)+R0(r,g,b)×(G)。

可见，255-G代表了imgA的融合权重，G代表了R0的融合权重。

经过上述过程对人脸图像进行亮眼处理后，能够使得眼部相对于周围的图像对比度提升，并且有效去除了杂质，参照图13所示的亮眼效果图。

图14为本发明实施例的终端的结构组成示意图，如图14所示，所述终端包括：

识别单元1401，用于获取输入图像，对所述输入图像中的目标体进行识别，得到所述目标体的形态特征参数，所述目标体包括第一子目标体和第二子目标体；

模板创建单元1402，用于基于所述形态特征参数，创建第一图像模板和第二图像模板，所述第一图像模板用于标识所述第一子目标体的图像处理区域，所述第二图像模板用于标识所述第二子目标体的图像处理区域；

图像处理单元1403，用于基于所述第一图像模板，对所述输入图像中所述第一子目标体的图像处理区域采用第一图像处理策略进行处理，以及基于所述第二图像模板，对所述输入图像中所述第二子目标体的图像处理区域采用第二图像处理策略进行处理，得到第一输出图像。

本发明实施例中，所述模板创建单元1402，还用于基于所述形态特征参数，创建第三图像模板；

所述图像处理单元1403，还用于基于所述第三图像模板，对所述输入图像和所述第一输出图像进行融合处理，得到第二输出图像。

本发明实施例中，所述目标体的形态特征参数包括：所述目标体的各个特征点位置，其中，基于所述目标体的各个特征点位置能够得到如下参数：表征所述第一子目标体的圆心位置的第一参数、表征所述第一子目标体的半径的第二参数、表征所述目标体的外接矩形区域范围的第三参数；

所述模板创建单元1402包括：第一创建子单元14021，用于基于所述第三参数，创建第一图像，其中，所述第一图像的区域范围与所述外接矩形区域范围一致，所述第一图像的每个像素点的颜色通过一个像素值进行表示，所述第一图像的所有像素点的像素值均为第一值；以所述第一参数作为圆心，以所述第二参数加上预设常数作为半径，在所述第一图像中绘制圆形，将所述圆形区域内的像素点的像素值设置为第二值，得到第二图像，所述第二值大于所述第一值；对所述第二图像进行高斯模糊处理，得到所述第一图像模板，其中，在所述第一图像模板中，将像素值大于所述第一值的像素点区域作为所述第一子目标体的图像处理区域。

本发明实施例中，所述目标体的形态特征参数包括：所述目标体的各个特征点位置，其中，基于所述目标体的各个特征点位置能够得到如下参数：表征所述第一子目标体的圆心位置的第一参数、表征所述第一子目标体的半径的第二参数、表征所述目标体的外接矩形区域范围的第三参数；

所述模板创建单元1402包括：第二创建子单元14022，用于基于所述第三参数，创建第三图像，其中，所述第三图像的区域范围与所述外接矩形区域范围一致，所述第三图像的每个像素点的颜色通过一个像素值进行表示，所述第三图像的所有像素点的像素值均为第一值；基于所述目标体的各个特征点位置，在所述第三图像中连接所述各个特征点位置形成闭合区域，将所述闭合区域内的像素点的像素值设置为第二值，得到第四图像，所述第二值大于所述第一值；对所述第四图像和所述第二图像进行逐像素相乘计算，得到第五图像；对所述第五图像进行高斯模糊处理，得到所述第二图像模板，其中，在所述第二图像模板中，将像素值大于所述第一值的像素点区域作为所述第二子目标体的图像处理区域。

本发明实施例中，所述图像处理单元1403包括：

第一处理子单元14031，用于基于所述第一图像模板，在所述输入图像中确定出所述第一子目标体的图像处理区域；针对所述第一子目标体的图像处理区域，采用高反差保留算法及直方图均衡化处理算法进行图像处理。

本发明实施例中，所述图像处理单元1403包括：

第二处理子单元14032，用于基于所述第二图像模板，在所述输入图像中确定出所述第二子目标体的图像处理区域；针对所述第二子目标体的图像处理区域，采用滤色算法进行图像处理。

本发明实施例中，所述模板创建单元1402包括：第三创建子单元14023，用于基于所述第三参数，创建第六图像，其中，所述第六图像的区域范围与所述外接矩形区域范围一致，所述第六图像的每个像素点的颜色通过一个像素值进行表示，所述第六图像的所有像素点的像素值均为第二值；对所述第六图像和所述第四图像进行逐像素相乘计算，得到第七图像；对所述第七图像进行高斯模糊处理，得到所述第三图像模板。

本发明实施例中，所述图像处理单元1403包括：

第三处理子单元14033，用于基于所述第三图像模板，确定所述输入图像对应的第一权重参数以及所述第一输出图像对应的第二权重参数；根据所述第一权重参数和所述第二权重参数，对所述输入图像乘以及所述第一输出图像进行加权处理，得到所述第二输出图像。

本领域技术人员应当理解，图14所示的终端中的各单元的实现功能可参照前述图像处理方法的相关描述而理解。图14所示的终端中的各单元的功能可通过运行于处理器上的程序而实现，也可通过具体的逻辑电路而实现。

本发明实施例上述终端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：U盘、移动硬盘、只读存储器(ROM，Read Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。这样，本发明实施例不限制于任何特定的硬件和软件结合。

相应地，本发明实施例还提供一种计算机存储介质，其中存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现本发明实施例的上述图像处理方法。

图15为本发明实施例的计算机设备的结构组成示意图，如图15所示，所述计算机设备包括存储器1501、处理器1502及存储在存储器1501上并可在处理器1502上运行的计算机可执行指令，所述处理器1502执行所述计算机可执行指令时实现如下方法步骤：

获取输入图像，对所述输入图像中的目标体进行识别，得到所述目标体的形态特征参数，所述目标体包括第一子目标体和第二子目标体；

基于所述形态特征参数，创建第一图像模板和第二图像模板，所述第一图像模板用于标识所述第一子目标体的图像处理区域，所述第二图像模板用于标识所述第二子目标体的图像处理区域；

基于所述第一图像模板，对所述输入图像中所述第一子目标体的图像处理区域采用第一图像处理策略进行处理，以及基于所述第二图像模板，对所述输入图像中所述第二子目标体的图像处理区域采用第二图像处理策略进行处理，得到第一输出图像。

以上涉及计算机设备的描述，与上述方法描述是类似的，同方法的有益效果描述，不做赘述。

本发明实施例所记载的技术方案之间，在不冲突的情况下，可以任意组合。

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。

Claims (15)

1.一种图像处理方法，其特征在于，所述方法包括：

获取输入图像，对所述输入图像中的目标体进行识别，得到所述目标体的形态特征参数，所述目标体包括第一子目标体和第二子目标体；

基于所述形态特征参数，创建第一图像模板和第二图像模板，所述第一图像模板用于标识所述第一子目标体的图像处理区域，所述第二图像模板用于标识所述第二子目标体的图像处理区域；

基于所述第一图像模板，对所述输入图像中所述第一子目标体的图像处理区域采用第一图像处理策略进行处理，以及基于所述第二图像模板，对所述输入图像中所述第二子目标体的图像处理区域采用第二图像处理策略进行处理，得到第一输出图像。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

基于所述形态特征参数，创建第三图像模板；

基于所述第三图像模板，对所述输入图像和所述第一输出图像进行融合处理，得到第二输出图像。

3.根据权利要求1所述的方法，其特征在于，所述目标体的形态特征参数包括：所述目标体的各个特征点位置，其中，基于所述目标体的各个特征点位置能够得到如下参数：表征所述第一子目标体的圆心位置的第一参数、表征所述第一子目标体的半径的第二参数、表征所述目标体的外接矩形区域范围的第三参数；

所述基于所述形态特征参数，创建第一图像模板，包括：

基于所述第三参数，创建第一图像，其中，所述第一图像的区域范围与所述外接矩形区域范围一致，所述第一图像的每个像素点的颜色通过一个像素值进行表示，所述第一图像的所有像素点的像素值均为第一值；

以所述第一参数作为圆心，以所述第二参数加上预设常数作为半径，在所述第一图像中绘制圆形，将所述圆形区域内的像素点的像素值设置为第二值，得到第二图像，所述第二值大于所述第一值；

对所述第二图像进行高斯模糊处理，得到所述第一图像模板，其中，在所述第一图像模板中，将像素值大于所述第一值的像素点区域作为所述第一子目标体的图像处理区域。

4.根据权利要求2或3所述的方法，其特征在于，所述目标体的形态特征参数包括：所述目标体的各个特征点位置，其中，基于所述目标体的各个特征点位置能够得到如下参数：表征所述第一子目标体的圆心位置的第一参数、表征所述第一子目标体的半径的第二参数、表征所述目标体的外接矩形区域范围的第三参数；

所述基于所述形态特征参数，创建第二图像模板，包括：

基于所述第三参数，创建第三图像，其中，所述第三图像的区域范围与所述外接矩形区域范围一致，所述第三图像的每个像素点的颜色通过一个像素值进行表示，所述第三图像的所有像素点的像素值均为第一值；

基于所述目标体的各个特征点位置，在所述第三图像中连接所述各个特征点位置形成闭合区域，将所述闭合区域内的像素点的像素值设置为第二值，得到第四图像，所述第二值大于所述第一值；

对所述第四图像和所述第二图像进行逐像素相乘计算，得到第五图像；

对所述第五图像进行高斯模糊处理，得到所述第二图像模板，其中，在所述第二图像模板中，将像素值大于所述第一值的像素点区域作为所述第二子目标体的图像处理区域。

5.根据权利要求1所述的方法，其特征在于，所述基于所述第一图像模板，对所述输入图像中所述第一子目标体的图像处理区域采用第一图像处理策略进行处理，包括：

基于所述第一图像模板，在所述输入图像中确定出所述第一子目标体的图像处理区域；

针对所述第一子目标体的图像处理区域，采用高反差保留算法及直方图均衡化处理算法进行图像处理。

6.根据权利要求1所述的方法，其特征在于，所述基于所述第二图像模板，对所述输入图像中所述第二子目标体的图像处理区域采用第二图像处理策略进行处理，包括：

基于所述第二图像模板，在所述输入图像中确定出所述第二子目标体的图像处理区域；

针对所述第二子目标体的图像处理区域，采用滤色算法进行图像处理。

7.根据权利要求4所述的方法，其特征在于，所述基于所述形态特征参数，创建第三图像模板，包括：

基于所述第三参数，创建第六图像，其中，所述第六图像的区域范围与所述外接矩形区域范围一致，所述第六图像的每个像素点的颜色通过一个像素值进行表示，所述第六图像的所有像素点的像素值均为第二值；

对所述第六图像和所述第四图像进行逐像素相乘计算，得到第七图像；

对所述第七图像进行高斯模糊处理，得到所述第三图像模板。

8.根据权利要求7所述的方法，其特征在于，所述基于所述第三图像模板，对所述输入图像和所述第一输出图像进行融合处理，得到第二输出图像，包括：

基于所述第三图像模板，确定所述输入图像对应的第一权重参数以及所述第一输出图像对应的第二权重参数；

根据所述第一权重参数和所述第二权重参数，对所述输入图像乘以及所述第一输出图像进行加权处理，得到所述第二输出图像。

9.一种终端，其特征在于，所述终端包括：

识别单元，用于获取输入图像，对所述输入图像中的目标体进行识别，得到所述目标体的形态特征参数，所述目标体包括第一子目标体和第二子目标体；

模板创建单元，用于基于所述形态特征参数，创建第一图像模板和第二图像模板，所述第一图像模板用于标识所述第一子目标体的图像处理区域，所述第二图像模板用于标识所述第二子目标体的图像处理区域；

图像处理单元，用于基于所述第一图像模板，对所述输入图像中所述第一子目标体的图像处理区域采用第一图像处理策略进行处理，以及基于所述第二图像模板，对所述输入图像中所述第二子目标体的图像处理区域采用第二图像处理策略进行处理，得到第一输出图像。

10.根据权利要求9所述的终端，其特征在于，

所述模板创建单元，还用于基于所述形态特征参数，创建第三图像模板；

所述图像处理单元，还用于基于所述第三图像模板，对所述输入图像和所述第一输出图像进行融合处理，得到第二输出图像。

11.根据权利要求9所述的终端，其特征在于，所述目标体的形态特征参数包括：所述目标体的各个特征点位置，其中，基于所述目标体的各个特征点位置能够得到如下参数：表征所述第一子目标体的圆心位置的第一参数、表征所述第一子目标体的半径的第二参数、表征所述目标体的外接矩形区域范围的第三参数；

所述模板创建单元包括：第一创建子单元，用于基于所述第三参数，创建第一图像，其中，所述第一图像的区域范围与所述外接矩形区域范围一致，所述第一图像的每个像素点的颜色通过一个像素值进行表示，所述第一图像的所有像素点的像素值均为第一值；以所述第一参数作为圆心，以所述第二参数加上预设常数作为半径，在所述第一图像中绘制圆形，将所述圆形区域内的像素点的像素值设置为第二值，得到第二图像，所述第二值大于所述第一值；对所述第二图像进行高斯模糊处理，得到所述第一图像模板，其中，在所述第一图像模板中，将像素值大于所述第一值的像素点区域作为所述第一子目标体的图像处理区域。

12.根据权利要求9所述的终端，其特征在于，所述图像处理单元包括：

第一处理子单元，用于基于所述第一图像模板，在所述输入图像中确定出所述第一子目标体的图像处理区域；针对所述第一子目标体的图像处理区域，采用高反差保留算法及直方图均衡化处理算法进行图像处理。

13.根据权利要求9所述的终端，其特征在于，所述图像处理单元包括：

第二处理子单元，用于基于所述第二图像模板，在所述输入图像中确定出所述第二子目标体的图像处理区域；针对所述第二子目标体的图像处理区域，采用滤色算法进行图像处理。

14.一种计算机存储介质，其上存储有计算机可执行指令，其特征在于，该计算机可执行指令被处理器执行时实现权利要求1-8任一项所述的方法步骤。

15.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机可执行指令，其特征在于，所述处理器执行所述计算机可执行指令时实现权利要求1-8任一项所述的方法步骤。

Images