CN107301626A - 一种适合移动设备拍摄图像的磨皮算法 - Google Patents
一种适合移动设备拍摄图像的磨皮算法 Download PDFInfo
- Publication number
- CN107301626A CN107301626A CN201710481106.1A CN201710481106A CN107301626A CN 107301626 A CN107301626 A CN 107301626A CN 201710481106 A CN201710481106 A CN 201710481106A CN 107301626 A CN107301626 A CN 107301626A
- Authority
- CN
- China
- Prior art keywords
- mrow
- level
- image
- mill
- 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
Links
- 239000011159 matrix material Substances 0.000 claims abstract description 17
- 238000001514 detection method Methods 0.000 claims abstract description 13
- 235000013399 edible fruits Nutrition 0.000 claims description 21
- 239000010985 leather Substances 0.000 claims description 21
- 238000005070 sampling Methods 0.000 claims description 9
- 238000000227 grinding Methods 0.000 claims description 5
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000003786 synthesis reaction Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 8
- 230000000694 effects Effects 0.000 abstract description 6
- 235000002918 Fraxinus excelsior Nutrition 0.000 description 2
- 239000002956 ash Substances 0.000 description 2
- 238000012913 prioritisation Methods 0.000 description 2
- 230000004215 skin function Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003801 milling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种适合移动设备拍摄图像的磨皮算法,包括步骤:S100获取原始图像;S200对原始图像进行肤色检测,生成肤色概率图的高斯金字塔;利用原始图像,生成灰度图像的高斯金字塔;对灰度图像估算全局磨皮强度,并计算出磨皮强度的拉伸系数表;S300通过肤色概率图的高斯金字塔、灰度图像的高斯金字塔和磨皮强度的拉伸系数表计算出相似度矩阵;S400利用相似度矩阵对原始图像进行磨皮操作,合成最终图像。本发明能够实现自动磨皮,使用户能一键完成磨皮;且方法简单稳定,磨皮效果自然,在移动设备上运行流畅。
Description
技术领域
本发明属于图像处理技术领域,特别是涉及一种适合移动设备拍摄图像的磨皮算法。
背景技术
近年来,随着科技的进步,智能手机、平板等移动设备已经成为人们必不可少的数字娱乐工具。伴随着智能设备的兴起,美颜自拍的需求也不断增长,其中磨皮功能受到广大女性用户的追捧,磨皮的质量和速度决定了用户的体验。
但是现有的磨皮方法无法实现自动磨皮功能,并且存在磨皮方法复杂、稳定性差、磨皮效果不自然和在移动设备上的运行不流畅等问题。
发明内容
为了解决上述问题,本发明提出了一种适合移动设备拍摄图像的磨皮算法,能够实现自动磨皮,使用户能一键完成磨皮;且方法简单稳定,磨皮效果自然,在移动设备上运行流畅。
为达到上述目的,本发明采用的技术方案是:一种适合移动设备拍摄图像的磨皮算法,包括步骤:
S100获取原始图像;
S200对原始图像进行肤色检测,生成肤色概率图的高斯金字塔;
利用原始图像,生成灰度图像的高斯金字塔;
对灰度图像估算全局磨皮强度,并计算出磨皮强度的拉伸系数表;
S300通过肤色概率图的高斯金字塔、灰度图像的高斯金字塔和磨皮强度的拉伸系数表计算出相似度矩阵;
S400利用相似度矩阵对原始图像进行磨皮操作,合成最终图像。
进一步的是,步骤S200中所述的对原始图像进行肤色检测,生成肤色概率图的高斯金字塔,具体包括步骤:
对原始图像进行肤色检测,得到肤色概率图;
利用肤色概率图,生成肤色概率图的高斯金字塔;
其中,肤色概率图的高斯金字塔Slevel为{Slevel|level=0,1,2,3},其中S0=SkinMap,level为层数,SkinMap是肤色概率图。
进一步的是,步骤S200中所述的利用原始图像,生成灰度图像的高斯金字塔,具体包括步骤:
将原始图像转换成灰度图像;
生成灰度图像的高斯金字塔;
其中,灰度图像的高斯金字塔Ilevel为{Ilevel|level=0,1,2,3},其中I0=I,I是灰度图像,level为层数。
进一步的是,步骤S200中所述的对灰度图像估算全局磨皮强度,具体包括步骤:
进行人脸关键点检测,得到人脸关键点;
通过人脸关键点定位脸颊区域;
计算全局磨皮强度。
进一步的是,对脸颊区域进行区域处理:
1)计算脸颊区域面积Area以及灰度图像中对应脸颊区域的图像方差Var;
2)对Area和Var进行范围截断,得到处理后的颊区域面积Area′以及灰度图像中对应脸颊区域区域的图像方差Var′:
Area′=CLIP(Area,64,360)
Var′=CLIP(Var,10,40);
其中,CLIP(x,a,b)表示将x限制在[a,b]范围内。
进一步的是,计算全局磨皮强度sigma:
其中strength=Area*0.303+Var*19.81+237.5。
进一步的是,计算磨皮强度的拉伸系数表NLUT,计算方式为其中x=0,1,2,…,255。
进一步的是,计算相似度矩阵SimMatrixLevel,dx,dy,包括步骤:
1)利用灰度图像的高斯金字塔,计算绝对差值图:
1.1)令dx={x|x∈Z,x∈[-Sr,Sr]},dy={x|x∈Z,x∈[0,Sr]},其中Z代表整数集;令集合A={(dx,dy)|(dy>0)∨(dy=0∧dx>0)};
1.2)对于A中任意dx和dy,计算绝对差值图I_adLevel,dx,dy=|ILevel(y,x)-ILevel(y+dy,x+dx)|,
其中,x、y表示图像坐标;Sr常整数,范围为[1,9];
2)通过积分运算计算I_adLevel,dx,dy的积分图I_ad_IntegralLevel,dx,dy;
3)利用I_ad_IntegralLevel,dx,dy计算相似度矩阵SimMatrixLevel,dx,dy:
其中,SkinProb=Slevel(y,x),Cr常整数,范围为[1,9]。
进一步的是,所述磨皮操作是对原始图像的三个颜色分量Ir,Ig,Ib分别进行滤波,所述滤波过程包括步骤:
a)对Ir进行Laplace金字塔分解得到图像集{LLevel|Level=0,1,2,3};
b)计算level=3时的磨皮结果:定义权值矩阵为weightsum以及加权像素图为weightedSum,并初始化为0;令dx={x|x∈Z,x∈[-Sr,Sr]},dy={x|x∈Z,x∈[0,Sr]},其中Z代表整数集,令集合A={(dx,dy)|(dy>0)∨(dy=0∧dx>0)};
b.1)对于A中任意dx、dy,计算坐标(y,x)处的权重
b.2)计算加权像素图:
计算总的权重:
b.3)最后计算level=3的磨皮结果并更新,LLevel(y,x)=(weightedSum(y,x)+LLevel(y,x))/(weightsum(y,x)+1);
c)计算level=2的磨皮结果:更新当前图像集:LLevel(y,x)+=Upsample(LLevel+1(y,x)),其中Upsample表示上采样操作;然后按照步骤b)同理进行计算;
d)计算level=1的磨皮结果:更新当前图像集:LLevel(y,x)+=Upsample(LLevel+1(y,x)),其中Upsample表示上采样操作;然后按照步骤b)同理进行计算;
e)计算level=0的磨皮结果:更新当前图像集:LLevel(y,x)+=Upsample(LLevel+1(y,x)),其中Upsample表示上采样操作;然后按照步骤b)同理进行计算;
同理,依次计算Ig和Ib分量的磨皮结果。
进一步的是,所述合成最终图像是将三个颜色分量的磨皮结果进行组合得到最终图像。
采用本技术方案的有益效果:
本发明能够实现自动磨皮,使用户能一键完成磨皮;且方法简单稳定,磨皮效果自然,在移动设备上运行流畅;
通过评估脸颊区域的面积以及方差,自适应地确认全局磨皮的强度,实现自动磨皮功能,能够提高磨皮精度,提高磨皮效果;
通过肤色概率图自适应地确定图像各个像素的局部磨皮强度,使磨皮效果自然且方法鲁棒;
通过灰度图计算一系列相似度矩阵,并用于rgb三个通道的运算,能够加快运算速度快,适合移动设备。
附图说明
图1为本发明的一种适合移动设备拍摄图像的磨皮算法流程示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图对本发明作进一步阐述。
在本实施例中,参见图1所示,本发明提出了一种适合移动设备拍摄图像的磨皮算法,包括步骤:
S100获取原始图像;
S200对原始图像进行肤色检测,生成肤色概率图的高斯金字塔;
利用原始图像,生成灰度图像的高斯金字塔;
对灰度图像估算全局磨皮强度,并计算出磨皮强度的拉伸系数表;
S300通过肤色概率图的高斯金字塔、灰度图像的高斯金字塔和磨皮强度的拉伸系数表计算出相似度矩阵;
S400利用相似度矩阵对原始图像进行磨皮操作,合成最终图像。
作为上述实施例的优化方案,步骤S200中所述的对原始图像进行肤色检测,生成肤色概率图的高斯金字塔,具体包括步骤:
对原始图像进行肤色检测,得到肤色概率图;
利用肤色概率图,生成肤色概率图的高斯金字塔;
其中,肤色概率图的高斯金字塔Slevel为{Slevel|level=0,1,2,3},其中S0=SkinMap,level为层数,SkinMap是肤色概率图。
步骤S200中所述的利用原始图像,生成灰度图像的高斯金字塔,具体包括步骤:
将原始图像转换成灰度图像;
生成灰度图像的高斯金字塔;
其中,灰度图像的高斯金字塔Ilevel为{Ilevel|level=0,1,2,3},其中I0=I,I是灰度图像,level为层数。
步骤S200中所述的对灰度图像估算全局磨皮强度,具体包括步骤:
进行人脸关键点检测,得到人脸关键点;
通过人脸关键点定位脸颊区域;
计算全局磨皮强度。
对脸颊区域进行区域处理:
1)计算脸颊区域面积Area以及灰度图像中对应脸颊区域的图像方差Var;
2)对Area和Var进行范围截断,得到处理后的颊区域面积Area′以及灰度图像中对应脸颊区域区域的图像方差Var′:
Area′=CLIP(Area,64,360)
Var′=CLIP(Var,10,40);
其中,CLIP(x,a,b)表示将x限制在[a,b]范围内。
计算全局磨皮强度sigma:
其中strength=Area*0.303+Var*19.81+237.5。
计算磨皮强度的拉伸系数表NLUT,计算方式为其中x=0,1,2,…,255。
计算相似度矩阵SimMatrixLevel,dx,dy,包括步骤:
1)利用灰度图像的高斯金字塔,计算绝对差值图:
1.1)令dx={x|x∈Z,x∈[-Sr,Sr]},dy={x|x∈Z,x∈[0,Sr]},其中Z代表整数集;令集合A={(dx,dy)|(dy>0)∨(dy=0∧dx>0)};
1.2)对于A中任意dx和dy,计算绝对差值图I_adLevel,dx,dy=|ILevel(y,x)-ILevel(y+dy,x+dx)|,
其中,x、y表示图像坐标;Sr常整数,范围为[1,9];
2)通过积分运算计算I_adLevel,dx,dy的积分图I_ad_IntegralLevel,dx,dy;
3)利用I_ad_IntegralLevel,dx,dy计算相似度矩阵SimMatrixLevel,dx,dy:
其中,SkinProb=Slevel(y,x),Cr常整数,范围为[1,9]。
作为上述实施例的优化方案,所述磨皮操作是对原始图像的三个颜色分量Ir,Ig,Ib分别进行滤波,所述滤波过程包括步骤:
a)对Ir进行Laplace金字塔分解得到图像集{LLevel|Level=0,1,2,3};
b)计算level=3时的磨皮结果:定义权值矩阵为weightsum以及加权像素图为weightedSum,并初始化为0;令dx={x|x∈Z,x∈[-Sr,Sr]},dy={x|x∈Z,x∈[0,Sr]},其中Z代表整数集,令集合A={(dx,dy)|(dy>0)∨(dy=0∧dx>0)};
b.1)对于A中任意dx、dy,计算坐标(y,x)处的权重
b.2)计算加权像素图:
计算总的权重:
b.3)最后计算level=3的磨皮结果并更新,LLevel(y,x)=(weightedSum(y,x)+LLevel(y,x))/(weightsum(y,x)+1);
c)计算level=2的磨皮结果:更新当前图像集:LLevel(y,x)+=Upsample(LLevel+1(y,x)),其中Upsample表示上采样操作;然后按照步骤b)同理进行计算;
d)计算level=1的磨皮结果:更新当前图像集:LLevel(y,x)+=Upsample(LLevel+1(y,x)),其中Upsample表示上采样操作;然后按照步骤b)同理进行计算;
e)计算level=0的磨皮结果:更新当前图像集:LLevel(y,x)+=Upsample(LLevel+1(y,x)),其中Upsample表示上采样操作;然后按照步骤b)同理进行计算;
同理,依次计算Ig和Ib分量的磨皮结果。
所述合成最终图像是将三个颜色分量的磨皮结果进行组合得到最终图像。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.一种适合移动设备拍摄图像的磨皮算法,其特征在于,包括步骤:
S100获取原始图像;
S200对原始图像进行肤色检测,生成肤色概率图的高斯金字塔;
利用原始图像,生成灰度图像的高斯金字塔;
对灰度图像估算全局磨皮强度,并计算出磨皮强度的拉伸系数表;
S300通过肤色概率图的高斯金字塔、灰度图像的高斯金字塔和磨皮强度的拉伸系数表计算出相似度矩阵;
S400利用相似度矩阵对原始图像进行磨皮操作,合成最终图像。
2.根据权利要求1所述的一种适合移动设备拍摄图像的磨皮算法,其特征在于,步骤S200中所述的对原始图像进行肤色检测,生成肤色概率图的高斯金字塔,具体包括步骤:
对原始图像进行肤色检测,得到肤色概率图;
利用肤色概率图,生成肤色概率图的高斯金字塔;
其中,肤色概率图的高斯金字塔Slevel为{Slevel|level=0,1,2,3},其中S0=SkinMap,level为层数,SkinMap是肤色概率图。
3.根据权利要求2所述的一种适合移动设备拍摄图像的磨皮算法,其特征在于,步骤S200中所述的利用原始图像,生成灰度图像的高斯金字塔,具体包括步骤:
将原始图像转换成灰度图像;
生成灰度图像的高斯金字塔;
其中,灰度图像的高斯金字塔Ilevel为{Ilevel|level=0,1,2,3},其中I0=I,I是灰度图像,level为层数。
4.根据权利要求3所述的一种适合移动设备拍摄图像的磨皮算法,其特征在于,步骤S200中所述的对灰度图像估算全局磨皮强度,具体包括步骤:
进行人脸关键点检测,得到人脸关键点;
通过人脸关键点定位脸颊区域;
计算全局磨皮强度。
5.根据权利要求4所述的一种适合移动设备拍摄图像的磨皮算法,其特征在于,对脸颊区域进行区域处理:
1)计算脸颊区域面积Area以及灰度图像中对应脸颊区域的图像方差Var;
2)对Area和Var进行范围截断,得到处理后的颊区域面积Area′以及灰度图像中对应脸颊区域区域的图像方差Var′:
Area′=CLIP(Area,64,360)
Var′=CLIP(Var,10,40);
其中,CLIP(x,a,b)表示将x限制在[a,b]范围内。
6.根据权利要求5所述的一种适合移动设备拍摄图像的磨皮算法,其特征在于,计算全局磨皮强度sigma:
<mrow>
<mi>s</mi>
<mi>i</mi>
<mi>g</mi>
<mi>m</mi>
<mi>a</mi>
<mo>=</mo>
<mn>45</mn>
<mo>*</mo>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<mi>s</mi>
<mi>t</mi>
<mi>r</mi>
<mi>e</mi>
<mi>n</mi>
<mi>g</mi>
<mi>t</mi>
<mi>h</mi>
</mrow>
<mn>1000</mn>
</mfrac>
<mo>)</mo>
</mrow>
<mn>1.5</mn>
</msup>
<mo>+</mo>
<mn>3</mn>
<mo>,</mo>
</mrow>
其中strength=Area*0.303+Var*19.81+237.5。
7.根据权利要求6所述的一种适合移动设备拍摄图像的磨皮算法,其特征在于,计算磨皮强度的拉伸系数表NLUT,计算方式为其中x=0,1,2,…,255。
8.根据权利要求7所述的一种适合移动设备拍摄图像的磨皮算法,其特征在于,计算相似度矩阵SimMatrixLevel,dx,dy,包括步骤:
1)利用灰度图像的高斯金字塔,计算绝对差值图:
1.1)令dx={x|x∈Z,x∈[-Sr,Sr]},dy={x|x∈Z,x∈[0,Sr]},其中Z代表整数集;令集合A={(dx,dy)|(dy>0)∨(dy=0∧dx>0)};
1.2)对于A中任意dx和dy,计算绝对差值图I_adLevel,dx,dy=|ILevel(y,x)-ILevel(y+dy,x+dx)|,
其中,x、y表示图像坐标;Sr常整数,范围为[1,9];
2)通过积分运算计算I_adLevel,dx,dy的积分图I_ad_IntegralLevel,dx,dy;
3)利用I_ad_IntegralLevel,dx,dy计算相似度矩阵SimMatrixLevel,dx,dy:
<mrow>
<msub>
<mi>SimMatrix</mi>
<mrow>
<mi>L</mi>
<mi>e</mi>
<mi>v</mi>
<mi>e</mi>
<mi>l</mi>
<mo>,</mo>
<mi>d</mi>
<mi>x</mi>
<mo>,</mo>
<mi>d</mi>
<mi>y</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mi>y</mi>
<mo>,</mo>
<mi>x</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mi>s</mi>
<mi>u</mi>
<mi>m</mi>
<mo>_</mo>
<msub>
<mi>ad</mi>
<mrow>
<mi>L</mi>
<mi>e</mi>
<mi>v</mi>
<mi>e</mi>
<mi>l</mi>
<mo>,</mo>
<mi>d</mi>
<mi>x</mi>
<mo>,</mo>
<mi>d</mi>
<mi>y</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mi>y</mi>
<mo>,</mo>
<mi>x</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<mn>2</mn>
<mi>C</mi>
<mi>r</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mfrac>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<msub>
<mi>N</mi>
<mrow>
<mi>L</mi>
<mi>U</mi>
<mi>T</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mi>S</mi>
<mi>k</mi>
<mi>i</mi>
<mi>n</mi>
<mi>Pr</mi>
<mi>o</mi>
<mi>b</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mo>;</mo>
</mrow>
其中,SkinProb=Slevel(y,x),Cr常整数,范围为[1,9]。
9.根据权利要求8所述的一种适合移动设备拍摄图像的磨皮算法,其特征在于,所述磨皮操作是对原始图像的三个颜色分量Ir,Ig,Ib分别进行滤波,所述滤波过程包括步骤:
a)对Ir进行Laplace金字塔分解得到图像集{LLevel|Level=0,1,2,3};
b)计算level=3时的磨皮结果:定义权值矩阵为weightsum以及加权像素图为weightedSum,并初始化为0;令dx={x|x∈Z,x∈[-Sr,Sr]},dy={x|x∈Z,x∈[0,Sr]},其中Z代表整数集,令集合A={(dx,dy)|(dy>0)∨(dy=0∧dx>0)};
b.1)对于A中任意dx、dy,计算坐标(y,x)处的权重
b.2)计算加权像素图:
<mrow>
<mi>w</mi>
<mi>e</mi>
<mi>i</mi>
<mi>g</mi>
<mi>h</mi>
<mi>t</mi>
<mi>e</mi>
<mi>d</mi>
<mi>S</mi>
<mi>u</mi>
<mi>m</mi>
<mo>(</mo>
<mrow>
<mi>y</mi>
<mo>,</mo>
<mi>x</mi>
</mrow>
<mo>)</mo>
<mo>+</mo>
<mo>=</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mo>(</mo>
<mi>d</mi>
<mi>x</mi>
<mo>,</mo>
<mi>d</mi>
<mi>y</mi>
<mo>)</mo>
<mo>&Element;</mo>
<mi>A</mi>
</mrow>
</munder>
<msub>
<mi>weight</mi>
<mrow>
<mi>d</mi>
<mi>x</mi>
<mo>,</mo>
<mi>d</mi>
<mi>y</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>y</mi>
<mo>,</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>*</mo>
<msub>
<mi>L</mi>
<mrow>
<mi>L</mi>
<mi>e</mi>
<mi>v</mi>
<mi>e</mi>
<mi>l</mi>
</mrow>
</msub>
<mo>(</mo>
<mrow>
<mi>y</mi>
<mo>,</mo>
<mi>x</mi>
</mrow>
<mo>)</mo>
</mrow>
<mrow>
<mi>w</mi>
<mi>e</mi>
<mi>i</mi>
<mi>g</mi>
<mi>h</mi>
<mi>t</mi>
<mi>e</mi>
<mi>d</mi>
<mi>S</mi>
<mi>u</mi>
<mi>m</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>y</mi>
<mo>+</mo>
<mi>d</mi>
<mi>y</mi>
<mo>,</mo>
<mi>x</mi>
<mo>+</mo>
<mi>d</mi>
<mi>x</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mo>=</mo>
<munder>
<mi>&Sigma;</mi>
<mrow>
<mrow>
<mo>(</mo>
<mrow>
<mi>d</mi>
<mi>x</mi>
<mo>,</mo>
<mi>d</mi>
<mi>y</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>&Element;</mo>
<mi>A</mi>
</mrow>
</munder>
<msub>
<mi>weight</mi>
<mrow>
<mi>d</mi>
<mi>x</mi>
<mo>,</mo>
<mi>d</mi>
<mi>y</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mi>y</mi>
<mo>,</mo>
<mi>x</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>*</mo>
<msub>
<mi>L</mi>
<mrow>
<mi>L</mi>
<mi>e</mi>
<mi>v</mi>
<mi>e</mi>
<mi>l</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mi>y</mi>
<mo>,</mo>
<mi>x</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
计算总的权重:
<mrow>
<msub>
<mi>weight</mi>
<mrow>
<mi>s</mi>
<mi>u</mi>
<mi>m</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>y</mi>
<mo>,</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mo>=</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mo>(</mo>
<mi>d</mi>
<mi>x</mi>
<mo>,</mo>
<mi>d</mi>
<mi>y</mi>
<mo>)</mo>
<mo>&Element;</mo>
<mi>A</mi>
</mrow>
</munder>
<msub>
<mi>weight</mi>
<mrow>
<mi>d</mi>
<mi>x</mi>
<mo>,</mo>
<mi>d</mi>
<mi>y</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>y</mi>
<mo>,</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
</mrow>
2
<mrow>
<msub>
<mi>weight</mi>
<mrow>
<mi>s</mi>
<mi>u</mi>
<mi>m</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>y</mi>
<mo>+</mo>
<mi>d</mi>
<mi>y</mi>
<mo>,</mo>
<mi>x</mi>
<mo>+</mo>
<mi>d</mi>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mo>=</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mo>(</mo>
<mi>d</mi>
<mi>x</mi>
<mo>,</mo>
<mi>d</mi>
<mi>y</mi>
<mo>)</mo>
<mo>&Element;</mo>
<mi>A</mi>
</mrow>
</munder>
<msub>
<mi>weight</mi>
<mrow>
<mi>d</mi>
<mi>x</mi>
<mo>,</mo>
<mi>d</mi>
<mi>y</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>y</mi>
<mo>,</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
b.3)最后计算level=3的磨皮结果,LLevel(y,x)=(weightedSum(y,x)+LLevel(y,x))/(weightsum(y,x)+1);
c)计算level=2的磨皮结果:更新当前图像集:LLevel(y,x)+=Upsample(LLevel+1(y,x)),其中Upsample表示上采样操作;然后按照步骤b)同理进行计算;
d)计算level=1的磨皮结果:更新当前图像集:LLevel(y,x)+=Upsample(LLevel+1(y,x)),其中Upsample表示上采样操作;然后按照步骤b)同理进行计算;
e)计算level=0的磨皮结果:更新当前图像集:LLevel(y,x)+=Upsample(LLevel+1(y,x)),其中Upsample表示上采样操作;然后按照步骤b)同理进行计算;
同理,依次计算Ig和Ib分量的磨皮结果。
10.根据权利要求9所述的一种适合移动设备拍摄图像的磨皮算法,其特征在于,所述合成最终图像是将三个颜色分量的磨皮结果进行组合得到最终图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710481106.1A CN107301626B (zh) | 2017-06-22 | 2017-06-22 | 一种适合移动设备拍摄图像的磨皮算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710481106.1A CN107301626B (zh) | 2017-06-22 | 2017-06-22 | 一种适合移动设备拍摄图像的磨皮算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107301626A true CN107301626A (zh) | 2017-10-27 |
CN107301626B CN107301626B (zh) | 2020-11-06 |
Family
ID=60136399
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710481106.1A Active CN107301626B (zh) | 2017-06-22 | 2017-06-22 | 一种适合移动设备拍摄图像的磨皮算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107301626B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107578372A (zh) * | 2017-10-31 | 2018-01-12 | 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 |
CN107770446A (zh) * | 2017-10-31 | 2018-03-06 | 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 |
CN107862658A (zh) * | 2017-10-31 | 2018-03-30 | 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 |
CN107862654A (zh) * | 2017-11-30 | 2018-03-30 | 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 |
CN107911609A (zh) * | 2017-11-30 | 2018-04-13 | 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 |
CN107993209A (zh) * | 2017-11-30 | 2018-05-04 | 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 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
US20140369554A1 (en) * | 2013-06-18 | 2014-12-18 | Nvidia Corporation | Face beautification system and method of use thereof |
CN104952036A (zh) * | 2015-06-18 | 2015-09-30 | 福州瑞芯微电子有限公司 | 一种即时视频中的人脸美化方法和电子设备 |
EP3035283A1 (en) * | 2013-08-15 | 2016-06-22 | Xiaomi Inc. | Image processing method and apparatus, and terminal device |
CN105787888A (zh) * | 2014-12-23 | 2016-07-20 | 联芯科技有限公司 | 人脸图像美化方法 |
-
2017
- 2017-06-22 CN CN201710481106.1A patent/CN107301626B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
US20140369554A1 (en) * | 2013-06-18 | 2014-12-18 | Nvidia Corporation | Face beautification system and method of use thereof |
EP3035283A1 (en) * | 2013-08-15 | 2016-06-22 | Xiaomi Inc. | Image processing method and apparatus, and terminal device |
CN105787888A (zh) * | 2014-12-23 | 2016-07-20 | 联芯科技有限公司 | 人脸图像美化方法 |
CN104952036A (zh) * | 2015-06-18 | 2015-09-30 | 福州瑞芯微电子有限公司 | 一种即时视频中的人脸美化方法和电子设备 |
Non-Patent Citations (2)
Title |
---|
LIANG LY ET AL: "《Facial Skin Beautification Using Adaptive Region-Aware Masks》", 《IEEE TRANSACTIONS ON CYBERNETICS》 * |
赵国英等: "《人体脸部灰度图像上色的改进算法》", 《计算机辅助设计与图形学学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107578372A (zh) * | 2017-10-31 | 2018-01-12 | 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 |
CN107770446A (zh) * | 2017-10-31 | 2018-03-06 | 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 |
CN107862658A (zh) * | 2017-10-31 | 2018-03-30 | 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 |
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 |
CN107862654A (zh) * | 2017-11-30 | 2018-03-30 | 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 |
CN107911609A (zh) * | 2017-11-30 | 2018-04-13 | 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 |
CN107993209A (zh) * | 2017-11-30 | 2018-05-04 | 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 |
Also Published As
Publication number | Publication date |
---|---|
CN107301626B (zh) | 2020-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107301626A (zh) | 一种适合移动设备拍摄图像的磨皮算法 | |
CN108229479B (zh) | 语义分割模型的训练方法和装置、电子设备、存储介质 | |
CN106815808A (zh) | 一种利用分块运算的图像拼接方法 | |
CN109344821A (zh) | 基于特征融合和深度学习的小目标检测方法 | |
CN112330526B (zh) | 一种人脸转换模型的训练方法、存储介质及终端设备 | |
CN106875361A (zh) | 一种基于深度卷积神经网络去除泊松噪声的方法 | |
CN110070091B (zh) | 用于街景理解的基于动态插值重建的语义分割方法及系统 | |
CN107767413A (zh) | 一种基于卷积神经网络的图像深度估计方法 | |
CN113128449A (zh) | 用于人脸图像处理的神经网络训练、人脸图像处理方法及装置 | |
CN107274345A (zh) | 一种中文打印字符图像合成方法及装置 | |
CN107993238A (zh) | 一种基于注意力模型的头肩部分图像分割方法及装置 | |
CN109711268B (zh) | 一种人脸图像筛选方法及设备 | |
CN112446364B (zh) | 高清人脸替换视频生成方法及系统 | |
CN108122256A (zh) | 一种逼近状态下旋转目标位姿测量的方法 | |
CN109685716A (zh) | 一种基于高斯编码反馈的生成对抗网络的图像超分辨率重建方法 | |
CN103325120A (zh) | 一种快速自适应支持权值双目视觉立体匹配方法 | |
CN105095857B (zh) | 基于关键点扰动技术的人脸数据增强方法 | |
CN106127688A (zh) | 一种超分辨率图像重建方法及其系统 | |
CN112561846A (zh) | 训练图像融合模型的方法、装置和电子设备 | |
CN106910159A (zh) | 视频拼接方法及装置 | |
CN107301643A (zh) | 基于鲁棒稀疏表示与拉普拉斯正则项的显著目标检测方法 | |
CN101232572B (zh) | 一种数字图像降噪方法和装置 | |
CN111127309A (zh) | 肖像风格迁移模型训练方法、肖像风格迁移方法以及装置 | |
CN104299241A (zh) | 基于 Hadoop 的遥感图像显著性目标检测方法及系统 | |
CN108596992B (zh) | 一种快速实时的唇彩化妆方法 |
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 |