CN107369142A - 图像处理方法及装置 - Google Patents
图像处理方法及装置 Download PDFInfo
- Publication number
- CN107369142A CN107369142A CN201710517969.XA CN201710517969A CN107369142A CN 107369142 A CN107369142 A CN 107369142A CN 201710517969 A CN201710517969 A CN 201710517969A CN 107369142 A CN107369142 A CN 107369142A
- Authority
- CN
- China
- Prior art keywords
- algorithm
- target
- parameter
- image
- face characteristic
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000012545 processing Methods 0.000 claims description 182
- 238000000605 extraction Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 239000013598 vector Substances 0.000 description 26
- 230000002087 whitening effect Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 8
- 230000003993 interaction Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 230000001815 facial effect Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 241000208340 Araliaceae Species 0.000 description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 description 3
- 230000000712 assembly Effects 0.000 description 3
- 238000000429 assembly Methods 0.000 description 3
- 210000000887 face Anatomy 0.000 description 3
- 235000008434 ginseng Nutrition 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- KLDZYURQCUYZBL-UHFFFAOYSA-N 2-[3-[(2-hydroxyphenyl)methylideneamino]propyliminomethyl]phenol Chemical compound OC1=CC=CC=C1C=NCCCN=CC1=CC=CC=C1O KLDZYURQCUYZBL-UHFFFAOYSA-N 0.000 description 1
- 241000404144 Pieris melete Species 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 210000001061 forehead Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000012092 media component Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003068 static effect 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
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Processing Or Creating Images (AREA)
Abstract
本公开是关于图像处理方法及装置。该方法包括：获取目标图像的人脸特征参数，目标图像的人脸特征参数用于指示目标图像中人脸的图像特征；根据目标图像的人脸特征参数获取与目标算法对应的目标算法参数；根据目标算法以及目标算法参数对目标图像进行处理。该技术方案可以自动获取与目标图像对应的目标算法参数并根据目标算法以及目标算法参数对目标图像进行处理，提高了图像处理的效率。
Description
技术领域
本公开涉及图像处理领域，尤其涉及图像处理方法及装置。
背景技术
随着科技的发展，人们在日常生活中开始频繁的使用图像处理技术对图像进行处理，例如对图像进行美颜等，其中美颜是指对图像中的人脸进行处理例如将人脸的眼睛变大、将人脸的皮肤变白或将人脸的形状变瘦等，从而达到让人脸更加美观的目的。
发明内容
为克服相关技术中存在的问题，本公开的实施例提供一种图像处理方法及装置。技术方案如下：
根据本公开的实施例的第一方面，提供一种图像处理方法，包括：
获取目标图像的人脸特征参数，目标图像的人脸特征参数用于指示目标图像中人脸的图像特征；
根据目标图像的人脸特征参数获取与目标算法对应的目标算法参数；
根据目标算法以及目标算法参数对目标图像进行处理。
当多个图像包括图像特征相同的人脸且使用目标算法对该多个图像进行图像处理时，为了确保使图像对应的算法参数和图像中人脸的图像特征对应，本公开的实施例提供的技术方案中，通过根据目标图像的人脸特征参数获取与目标算法对应的目标算法参数，使目标算法参数与目标图像中人脸的图像特征对应，并根据目标算法以及目标算法参数对目标图像进行处理。因此本公开的实施例提供的技术方案能够自动获取与目标图像对应的目标算法参数并根据目标算法以及目标算法参数对目标图像进行处理，提高了图像处理的效率，并且使目标算法参数与目标图像中的人脸匹配，从而确保根据该目标算法参数处理后的目标图像更加美观。
在一个实施例中，根据目标图像的人脸特征参数获取与目标算法对应的目标算法参数，包括：
获取与目标算法对应的图像处理数据库，图像处理数据库用于指示至少一个人脸特征参数与至少一个算法参数之间的对应关系，至少一个人脸特征参数包括目标图像的人脸特征参数；
根据图像处理数据库在至少一个算法参数中确定与目标图像的人脸特征参数对应的目标算法参数。
与目标算法对应的图像处理数据库可以清晰的指示人脸特征参数与算法参数的对应关系，根据图像处理数据库能够迅速确定与目标图像的人脸特征参数对应的目标算法参数，从而提高图像处理的效率。
在一个实施例中，根据目标图像的人脸特征参数获取与目标算法对应的目标算法参数，包括：
发送参数索取信息，参数索取信息包括目标图像的人脸特征参数；
接收参数反馈信息，并从参数反馈信息中提取与目标图像的人脸特征参数对应的目标算法参数。
与目标算法对应的图像处理数据库可以清晰的指示人脸特征参数与算法参数的对应关系，根据图像处理数据库能够迅速确定与目标图像的人脸特征参数对应的目标算法参数，从而提高图像处理的效率。
在一个实施例中，本公开的实施例提供的图像处理方法还包括：
根据目标图像的人脸特征参数确定目标算法。
根据目标图像的人脸特征参数确定目标算法，可以自动获取与目标图像对应的算法以便于根据该算法对目标图像进行处理，无需由用户指定对目标图像进行处理时所使用的算法，从而提高了图像处理的效率，并且使目标算法参数与目标图像中的人脸匹配，确保根据该目标算法参数处理后的目标图像更加美观。
在一个实施例中，本公开的实施例提供的图像处理方法还包括：
获取目标算法指令，目标算法指令用于指示对目标图像进行处理时使用的算法包括目标算法；
根据目标算法指令确定目标算法。
根据目标算法指令确定目标算法，使用户能够指定对目标图像进行处理时所使用的算法，增加了进行图像处理时用户选择的空间，改善了用户体验。
根据本公开的实施例的第二方面，提供一种数据库生成方法，包括：
获取至少一个原始图像，并确定与至少一个原始图像中每个原始图像对应的算法参数，以及与至少一个原始图像中每个原始图像对应的算法；
确定参考算法，并根据参考算法在至少一个原始图像中确定参考图像，参考图像对应的算法为参考算法；
获取参考图像的人脸特征参数；
根据参考图像的人脸特征参数以及与参考图像对应的算法参数生成图像处理数据库，图像处理数据库用于指示至少一个人脸特征参数与至少一个算法参数之间的对应关系。
通过获取原始图以及与原始图像对应的算法参数，并确定原始图像对应的算法，可以确定用户针对不同的图像所设置的算法及算法参数，而确定参考算法，并根据参考算法在至少一个原始图像中确定参考图像，并根据参考图像的人脸特征参数以及与参考图像对应的算法参数生成图像处理数据库，可以确保图像处理数据库能够指示图像中人脸的图像特征与针对该图像所设置的算法参数的对应关系。当使用该图像处理数据库确定与图像的人脸特征参数对应的算法参数时，可以使确定的算法参数与图像中的人脸匹配，从而确保根据该算法参数处理后的图像更加美观。
根据本公开的实施例的第三方面，提供一种图像处理装置，包括：
人脸特征参数获取模块，用于获取目标图像的人脸特征参数，目标图像的人脸特征参数用于指示目标图像中人脸的图像特征；
目标算法参数获取模块，用于根据目标图像的人脸特征参数获取与目标算法对应的目标算法参数；
图像处理模块，用于根据目标算法以及目标算法参数对目标图像进行处理。
在一个实施例中，目标算法参数获取模块，包括：
图像处理数据库获取子模块，用于获取与目标算法对应的图像处理数据库，图像处理数据库用于指示至少一个人脸特征参数与至少一个算法参数之间的对应关系，至少一个人脸特征参数包括目标图像的人脸特征参数；
目标算法参数确定子模块，用于根据图像处理数据库在至少一个算法参数中确定与目标图像的人脸特征参数对应的目标算法参数。
在一个实施例中，目标算法参数获取模块，包括：
发送模块，用于发送参数索取信息，参数索取信息包括目标图像的人脸特征参数；
接收模块，用于接收参数反馈信息，并根据参数反馈信息获取与目标图像的人脸特征参数对应的目标算法参数。
在一个实施例中，本公开的实施例提供的图像处理装置还包括：
第一目标算法确定模块，根据目标图像的人脸特征参数确定目标算法。
在一个实施例中，本公开的实施例提供的图像处理装置还包括：
指令获取模块，用于获取目标算法指令，目标算法指令用于指示对目标图像进行处理时使用的算法包括目标算法；
第二目标算法确定模块，用于根据目标算法指令确定目标算法。
根据本公开的实施例的第四方面，提供一种数据库生成装置，包括
原始图像数据获取单元，用于获取至少一个原始图像，并确定与至少一个原始图像中每个原始图像对应的算法参数，以及与至少一个原始图像中每个原始图像对应的算法；
参考图像确定单元，用于确定参考算法，并根据参考算法在至少一个原始图像中确定参考图像，参考图像对应的算法为参考算法；
人脸特征参数获取单元，用于获取参考图像的人脸特征参数；
图像处理数据库生成单元，用于根据参考图像的人脸特征参数以及与参考图像对应的算法参数生成图像处理数据库，图像处理数据库用于指示至少一个人脸特征参数与至少一个算法参数之间的对应关系。
根据本公开的实施例的第五方面，提供一种图像处理装置，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，处理器被配置为：
获取目标图像的人脸特征参数，目标图像的人脸特征参数用于指示目标图像中人脸的图像特征；
根据目标图像的人脸特征参数获取与目标算法对应的目标算法参数；
根据目标算法以及目标算法参数对目标图像进行处理。
根据本公开的实施例的第六方面，提供一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现上述本公开的实施例的第一方面提供的方法中的步骤。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的图像处理方法的工作环境的示意图；
图2a是根据一示例性实施例示出的一种图像处理方法的流程示意图1；
图2b是根据一示例性实施例示出的一种图像处理方法的流程示意图2；
图2c是根据一示例性实施例示出的一种图像处理方法的流程示意图3；
图2d是根据一示例性实施例示出的一种图像处理方法的流程示意图4；
图2e是根据一示例性实施例示出的一种图像处理方法的流程示意图5；
图3是根据一示例性实施例示出的一种数据库生成方法的流程示意图；
图4是根据一示例性实施例示出的一种图像处理方法的交互流程示意图；
图5是根据一示例性实施例示出的一种图像处理方法的交互流程示意图；
图6a是根据一示例性实施例示出的一种图像处理装置的结构示意图1；
图6b是根据一示例性实施例示出的一种图像处理装置的结构示意图2；
图6c是根据一示例性实施例示出的一种图像处理装置的结构示意图3；
图6d是根据一示例性实施例示出的一种图像处理装置的结构示意图4；
图6e是根据一示例性实施例示出的一种图像处理装置的结构示意图5；
图7是根据一示例性实施例示出的一种数据库生成装置的结构示意图；
图8是根据一示例性实施例示出的一种图像处理装置的框图；
图9是根据一示例性实施例示出的一种装置的框图；
图10是根据一示例性实施例示出的一种装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
随着科学技术的高速发展和人们生活水平的不断提高，人们在日常生活中开始更加频繁的使用图像处理技术处理图像，如对包括人脸的图像进行美颜等，其中美颜是指对图像中的人脸进行处理例如将人脸的眼睛变大、将人脸的皮肤变白、将人脸的形状变瘦等，从而让人脸更加美观。
相关技术中，在对待处理的图像进行处理前，需要获取用户为待处理的图像指定的算法参数，并根据图像处理算法与算法参数对图像进行处理，降低了图像处理的效率
为了解决上述问题，本公开的实施例提供的技术方案中，通过获取目标图像的人脸特征参数，根据目标图像的人脸特征参数获取与目标算法对应的目标算法参数，即获取当使用目标算法对目标图像进行处理时与该目标图像中人脸的图像特征对应的目标算法参数，同时还确保该目标算法参数与目标算法对应，根据目标算法以及目标算法参数对目标图像进行处理。因此本公开的实施例提供的技术方案能够自动根据与目标图像对应的算法参数对目标图像进行处理，从而提高了图像处理的效率。
图1是本公开的一个实施例所涉及的图像处理方法的工作环境的示意图，如图1所示，终端101可以对模特人脸102进行拍摄以获取模特人脸图像，终端101上可以安装有美颜应用程序(Application，APP)，通过该美颜APP可以对模特人脸图像进行图像处理。终端101也可以向服务器103发送模特人脸图像，使服务器103对收到的模特人脸图像进行图像处理。终端101也可以从服务器103下载待处理的图像，并对待处理的图像进行图像处理。
本公开的实施例提供了一种图像处理方法，该方法可以应用于服务器或终端，其中终端可以为手机、平板电脑、智能可穿戴设备、电视或计算机等，服务器可以为由图像处理运营商提供并使用的提供计算服务的设备，也可以为由网络运营商提供由图像处理运营商使用的提供计算服务的设备，本公开的实施例对此不做限定。如图2a所示，包括如下步骤201至步骤203：
在步骤201中，获取目标图像的人脸特征参数。
其中，目标图像的人脸特征参数用于指示目标图像中人脸的图像特征。
示例性的，目标图像为需要进行图像处理的图像。当本公开的实施例应用于终端时，目标图像可以为终端拍摄或截取的图像，也可以为终端从其他装置或系统处获取的图像；当本公开的实施例应用于服务器时，目标图像可以为服务器从终端处获取的图像。
人脸的图像特征可以包括人脸的颜色特征、人脸的形状特征以及人脸的空间关系特征等。其中人脸的颜色特征可以为人脸上指定区域的颜色，例如嘴唇的颜色、额头区域皮肤的颜色等，当人脸的图像特征包括人脸的颜色特征时，人脸特征参数可以包括人脸上指定区域的色值，该色值可以RGB颜色通道数值或YUV颜色编码值，当目标图像中包括多个人脸时，人脸特征参数可以包括该多个人脸上相同指定区域的色值的集合，以RGB颜色通道数值为例，目标图像的人脸特征参数为：RGB(252，224，203)、RGB(251，223，202)、RGB(253，224，200)，其中RGB颜色通道数值即RGB(红，绿，蓝)标识红、绿、蓝三个通道的颜色数值，通过调整红、绿、蓝三个颜色通道的颜色数值可得到不同的颜色，一个具体的RGB颜色通道数值代表了一种具体的颜色；人脸的形状特征可以包括人脸整体的轮廓形状或人脸上指定各区域的轮廓形状，例如眼睛、鼻子或嘴巴的轮廓形状等，当人脸的图像特征包括人脸的形状特征时，人脸特征参数可以包括人脸形状标识，该人脸形状标识用于指示人脸整体的轮廓形状或人脸上指定区域的轮廓形状，当目标图像中包括多个人脸时，人脸特征参数可以包括该多个人脸的人脸形状标识的集合；人脸的空间关系特征可以为人脸上至少两个指定区域之间的空间关系，例如眼睛与嘴巴之间的距离、眼睛与鼻子之间的距离等，当人脸的图像特征包括人脸的空间关系特征时，人脸特征参数可以包括人脸上至少两个指定区域之的距离，当目标图像中包括多个人脸时，人脸特征参数可以包括该多个人脸上两个指定区域之的距离的集合，也可以包括该多个人脸上两个指定区域之的距离的平均值，例如目标图像的人脸特征参数用于指示目标图像中的人脸上鼻子与嘴巴之间的距离，该人脸特征参数为：25mm。
人脸特征参数也可以为目标图像的人脸特征向量，其中，目标图像的人脸特征向量是根据目标图像中人脸的图像区域的色值生成的多维向量，需要说明的是，色值可以使RGB色值、YUV色值或者灰度值等，以灰度值为例：可以根据目标图像中人脸的图像区域的色值生成矩阵A，矩阵A中每个元素表示人脸的图像区域对应位置的像素的灰度值，计算矩阵A的特征向量即目标图像的人脸特征向量。获取目标图像的人脸特征参数可以包括：对目标图像进行人脸识别，以确定目标图像中包括人脸的图像区域，截取目标图像中包括人脸的图像区域并转换为多维向量即人脸特征向量。需要说明的是，当目标图像中包括多个人脸时，该目标图像的人脸特征参数可以为多个人脸特征向量的集合。
在步骤202中，根据目标图像的人脸特征参数获取与目标算法对应的目标算法参数；
示例性的，由于对目标图像经过处理后的效果存在不同的预期，可以使用不同的算法对目标图像进行图像处理，例如，当需要对目标图像中的人脸进行美白时，可以使用美白算法；当需要对目标图像中的人脸进行磨皮时，可以使用磨皮算法，目标算法为对目标图形进行图像处理时所使用的算法。目标算法可以为预先配置的，也可以为根据人脸特征参数确定与目标图像中人脸对应的目标算法，或获取目标算法指令并根据目标算法指令确定目标算法，其中目标算法指令用于指示对目标图像进行处理时使用的算法包括目标算法，目标算法指令可以由用户输入，也可以为从其他装置或系统处获取。例如，根据人脸特征参数确定与目标图像中人脸对应的目标算法，可以为获取目标算法数据库，该目标算法数据库用于指示至少一个算法标识与至少一个人脸特征参数的对应关系，该至少一个人脸特征参数包括目标图像的人脸特征参数，根据该目标算法数据库可以在至少一个算法标识中确定与目标图像的人脸特征参数对应的目标算法标识，并根据该目标算法标识确定目标算法。
目标算法参数用于指示使用目标算法对目标图像进行处理时的强度。根据目标图像的人脸特征参数获取与目标算法对应的目标算法参数，可以为将目标图像的人脸特征参数代入与目标算法对应的预设算法进行计算，以获取与目标算法对应的目标算法参数，也可以为获取与目标算法对应的图像处理数据库，该图像处理数据库用于指示人脸特征参数与算法参数之间的对应关系，并根据该图像处理数据库确定与目标图像的人脸特征参数对应的目标算法参数。需要说明的是，当目标算法包括多个算法时，可以分别根据目标图像的人脸特征参数获取与该多个算法中每个算法分别对应的算法参数，目标算法参数可以为该多个算法参数的集合。例如，当目标算法为美白算法时，目标算法参数可以为：美白参数(0.5)；当目标算法为磨皮算法时，目标算法参数可以为：磨皮参数(12.5)；又例如，当人脸特征参数为人脸特征向量时，获取对应不同算法参数的K个类，K≥1，其中每个类分别包括至少一个人脸特征向量，即每个类分别对应包含不同图像特征的人脸；获取目标图像的人脸特征向量与该K个类中人脸特征向量之间的距离，该距离用于指示目标图像中的人脸与该K个类中人脸特征向量对应的人脸的相似程度，距离越大则相似程度越低；将该K个类中与目标图像的人脸特征向量的距离最小的人脸特征向量所在的类确定为目标类，即确保目标类中人脸特征向量对应的人脸与目标图像中的人脸的相似程度最高，并获取目标类对应的算法参数即目标算法参数，从而在该K个类对应的人脸中确定与目标图像中的人脸相似程度最高的人脸，并将与该确定的人脸对应的算法参数作为目标算法参数，以确保目标算法参数与目标图像中的人脸对应。需要说明的是，目标算法参数可以为一个算法参数，也可以为多个算法参数或算法参数的一段取值区间。
在步骤203中，根据目标算法以及目标算法参数对目标图像进行处理。
示例性的，根据目标算法以及目标算法参数对目标图像进行处理，可以为在使用目标算法对目标图形进行处理时将目标算法参数代入目标算法，也可以为根据目标算法参数调整使用目标算法对目标图形进行处理的强度。例如，当目标算法为美白算法与磨皮算法时，目标算法参数为美白参数(0.5，)、磨皮参数(12.5)，其中美白参数(0.5)为对目标图像进行美白处理时与目标图像中的人脸最对应的美白参数，磨皮参数(12.5)为对目标图像进行磨皮处理时与目标图像中的人脸最对应的磨皮参数；将美白参数(0.5，)代入美白算法对目标图像进行美白处理，将磨皮参数(0.5，)代入磨皮算法对目标图像进行磨皮处理。其中目标图像经过美白处理后，目标图像中人脸的美白效果达到最好，目标图像经过磨皮处理后，目标图像中人脸的磨皮效果达到最好。
当多个图像包括图像特征相同的人脸且使用目标算法对该多个图像进行图像处理时，为了确保使图像对应的算法参数和图像中人脸的图像特征对应，本公开的实施例提供的技术方案中，通过根据目标图像的人脸特征参数获取与目标算法对应的目标算法参数，使目标算法参数与目标图像中人脸的图像特征对应，并根据目标算法以及目标算法参数对目标图像进行处理。因此本公开的实施例提供的技术方案能够自动获取与目标图像对应的目标算法参数并根据目标算法以及目标算法参数对目标图像进行处理，提高了图像处理的效率，并且使目标算法参数与目标图像中的人脸匹配，从而确保根据该目标算法参数处理后的目标图像更加美观。
在第一个实施例中，如图2b所示，在步骤202中，根据目标图像的人脸特征参数获取与目标算法对应的目标算法参数，可以通过步骤2021至步骤2022实现：
在步骤2021中，获取与目标算法对应的图像处理数据库。
其中，图像处理数据库用于指示至少一个人脸特征参数与至少一个算法参数之间的对应关系，至少一个人脸特征参数包括目标图像的人脸特征参数。
示例性的，当本公开的实施例应用于终端时，图像处理数据库可以为事先设置在终端中，也可以为由终端从服务器或其他装置或系统处获取；当本公开的实施例应用于服务器时，图像处理数据库可以为事先设置在服务器中，也可以为由服务器从其他装置或系统处获取。
当图像处理数据库与目标算法对应时，该图像处理数据库中的算法参数均为与目标算法对应的算法参数。例如当图像处理数据库与美白算法对应时，该图像处理数据库中的算法参数均为与美白算法对应的美白参数。人脸特征参数与算法参数之间的对应关系可以为人脸特征参数对应一个或多个算法参数，也可以为人脸特征参数对应算法参数的一段取值区间。
需要说明的是，获取与目标算法对应的图像处理数据库，可以为在多个图像处理数据库中确定与目标算法对应的图像处理数据库，该多个图像处理数据库分别对应不同的目标算法。例如，读取终端上事先储存的算法类型数据库，算法类型数据库用于指示至少一个算法标识与至少一个数据库标识之间的对应关系，算法标识用于指示算法，数据库标识用于指示图像处理数据库；根据算法类型数据库确定用于指示与目标算法对应的图像处理数据库的数据库标识；根据获取的数据库标识在多个图像处理数据库中确定与目标算法对应的图像处理数据库，该多个图像处理数据库均事先储存在终端上。
获取与目标算法对应的图像处理数据库，也可以为在总图像处理数据库中确定与目标算法的算法标识对应的一个或多个算法参数以及与该一个或多个算法参数对应的人脸特征参数，上述确定的与目标算法的算法标识对应的一个或多个算法参数以及与该一个或多个算法参数对应的人脸特征参数，可以被认为是与目标算法对应的图像处理数据库，其中总图像处理数据库可以事先储存在终端上，该总图像处理数据库包括与至少一个算法标识对应的一个或多个算法参数，以及与每个算法参数对应的人脸特征参数。
在步骤2022中，根据图像处理数据库在至少一个算法参数中确定与目标图像的人脸特征参数对应的目标算法参数。
示例性的，根据图像处理数据库在至少一个算法参数中确定与目标图像的人脸特征参数对应的目标算法参数，可以为在图像处理数据库中检索目标图像的人脸特征参数，当确定图像处理数据库包括目标图像的人脸特征参数时，获取图像处理数据库所指示的与目标图像的人脸特征参数对应的算法参数即目标算法参数。
与目标算法对应的图像处理数据库可以清晰的指示人脸特征参数与算法参数的对应关系，根据图像处理数据库能够迅速确定与目标图像的人脸特征参数对应的目标算法参数，从而提高图像处理的效率。
在一个实施例中，如图2c所示，在步骤202中，根据目标图像的人脸特征参数获取与目标算法对应的目标算法参数，可以通过步骤2022至步骤2023实现：
在步骤2022中，发送参数索取信息。
其中，参数索取信息包括目标图像的人脸特征参数。
在步骤2023中，接收参数反馈信息，并从参数反馈信息中提取与目标图像的人脸特征参数对应的目标算法参数。
示例性的，当本公开的实施例应用于终端时，发送参数索取信息可以为终端向服务器发送参数索取信息，参数索取信息用于指示服务器确定与目标图像的人脸特征参数对应的目标算法，并根据与目标算法对应的图像处理数据库在至少一个算法参数中确定与目标图像的人脸特征参数对应的目标算法参数。图像处理数据库用于指示至少一个人脸特征参数与至少一个算法参数之间的对应关系，至少一个人脸特征参数包括目标图像的人脸特征参数，该图像处理数据库可以为事先设置在服务器中，也可以为由服务器从其他装置或系统处获取。
需要说明的是，参数索取信息也可以包括目标图像的人脸特征参数以及用于指示目标算法的目标算法标识，服务器可以根据目标算法标识确定与目标算法对应的图像处理数据库，并根据与目标算法对应的图像处理数据库在至少一个算法参数中确定与目标图像的人脸特征参数对应的目标算法参数。
例如，终端向服务器发送参数索取信息；服务器接收参数索取信息，并读取该参数索取信息中的目标图像的人脸特征参数；服务器根据算法数据库在至少一个算法标识中确定与目标图像的人脸特征参数对应的目标算法标识，算法标识用于指示算法，算法数据库用于指示至少一个人脸特征参数与至少一个算法标识之间的对应关系，至少一个人脸特征参数包括目标图像的人脸特征参数；之后服务器根据目标算法标识获取与目标算法对应的图像处理数据库，并根据与目标算法对应的图像处理数据库在至少一个算法参数中确定与目标图像的人脸特征参数对应的目标算法参数，其中图像处理数据库用于指示至少一个人脸特征参数与至少一个算法参数之间的对应关系；服务器向终端发送参数反馈信息，该参数反馈信息包括与目标图像的人脸特征参数对应的目标算法参数，终端接收该参数反馈信息，并从该参数反馈信息中提取与目标图像的人脸特征参数对应的目标算法参数。
又例如，终端向服务器发送参数索取信息；服务器接收参数索取信息，并读取该参数索取信息中的目标图像的人脸特征参数以及目标算法标识，该目标算法标识用于指示目标算法；服务器确定根据目标算法标识获取与目标算法对应的图像处理数据库，并根据与目标算法对应的图像处理数据库在至少一个算法参数中确定与目标图像的人脸特征参数对应的目标算法参数，其中图像处理数据库用于指示至少一个人脸特征参数与至少一个算法参数之间的对应关系；服务器向终端发送参数反馈信息，该参数反馈信息包括与目标图像的人脸特征参数对应的目标算法参数，终端接收该参数反馈信息，并从该参数反馈信息中提取与目标图像的人脸特征参数对应的目标算法参数。
需要说明的是，获取与目标算法对应的图像处理数据库，可以为在多个图像处理数据库中确定与目标算法对应的图像处理数据库，该多个图像处理数据库分别对应不同的目标算法。例如，读取服务器上事先储存的算法类型数据库，算法类型数据库用于指示至少一个算法标识与至少一个数据库标识之间的对应关系，算法标识用于指示算法，数据库标识用于指示图像处理数据库；根据算法类型数据库确定用于指示与目标算法对应的图像处理数据库的数据库标识；根据获取的数据库标识在多个图像处理数据库中确定与目标算法对应的图像处理数据库，该多个图像处理数据库均事先储存在服务器上。
获取与目标算法对应的图像处理数据库，也可以为在总图像处理数据库中确定与目标算法的算法标识对应的一个或多个算法参数以及与该一个或多个算法参数对应的人脸特征参数，上述确定的与目标算法的算法标识对应的一个或多个算法参数以及与该一个或多个算法参数对应的人脸特征参数，可以被认为是与目标算法对应的图像处理数据库，其中总图像处理数据库可以事先储存在服务器上，该总图像处理数据库包括与至少一个算法标识对应的一个或多个算法参数，以及与每个算法参数对应的人脸特征参数。
与目标算法对应的图像处理数据库可以清晰的指示人脸特征参数与算法参数的对应关系，根据图像处理数据库能够迅速确定与目标图像的人脸特征参数对应的目标算法参数，从而提高图像处理的效率。
在第一个实施例中，如图2d所示，本公开的实施例提供的技术方案还包括步骤204：
在步骤204中，根据目标图像的人脸特征参数确定目标算法。
示例性的，根据目标图像的人脸特征参数确定目标算法，可以为首先获取目标算法数据库，该目标算法数据库用于指示至少一个算法标识与至少一个人脸特征参数的对应关系，该至少一个人脸特征参数包括目标图像的人脸特征参数，其次根据该目标算法数据库可以在至少一个算法标识中确定与目标图像的人脸特征参数对应的目标算法标识，最后并根据该目标算法标识确定目标算法。
根据目标图像的人脸特征参数确定目标算法，可以自动获取与目标图像对应的算法以便于根据该算法对目标图像进行处理，无需由用户指定对目标图像进行处理时所使用的算法，从而提高了图像处理的效率。
在第一个实施例中，如图2e所示，本公开的实施例提供的技术方案还包括步骤205至步骤206：
在步骤205中，获取目标算法指令。
其中，目标算法指令用于指示对目标图像进行处理时使用的算法包括所述目标算法。
在步骤206中，根据目标算法指令确定目标算法。
示例性的，当本公开的实施例应用于终端时，终端可以获取用户输入的目标算法指令，也可以从服务器或其他装置或系统处获取目标算法指令。例如，终端上可以安装有图像处理APP，图像处理APP的操作界面可以通过终端的触摸屏进行展示，通过检测用户在图像处理APP的操作页面上的点击位置或滑动动作，图像处理APP可以获取用户输入的目标算法指令，并根据目标算法指令确定目标算法。当本公开的实施例使用于服务器时，服务器可以从终端处获取目标算法指令，也可以从其他装置或系统处获取目标算法指令
根据目标算法指令确定目标算法，使用户能够指定对目标图像进行处理时所使用的算法，增加了进行图像处理时用户选择的空间，改善了用户体验。
如图3所示，本公开的实施例提供了一种数据库生成方法，该方法可以应用于服务器或终端，其中终端可以为手机、平板电脑、智能可穿戴设备、电视或计算机等，服务器可以为由图像处理运营商提供并使用的提供计算服务的设备，也可以为由网络运营商提供由图像处理运营商使用的提供计算服务的设备，本公开的实施例对此不做限定。如图3所示，包括如下步骤301至步骤303：
在步骤301中，获取至少一个原始图像，并确定与至少一个原始图像中每个原始图像对应的算法参数，以及与至少一个原始图像中每个原始图像对应的算法。
在步骤302中，确定参考算法，并根据参考算法在至少一个原始图像中确定参考图像，参考图像对应的算法为参考算法。
在步骤303中，获取参考图像的人脸特征参数。
在步骤304中，根据参考图像的人脸特征参数以及与参考图像对应的算法参数生成图像处理数据库。
其中，图像处理数据库用于指示至少一个人脸特征参数与至少一个算法参数之间的对应关系。
示例性的，原始图像可以为未经处理的图像，与原始图像对应的算法可以为用户为原始图像指定的算法，与原始图像对应的算法参数可以为用户针对原始图像输入的算法参数，当本公开的实施例应用于服务器时，可以由服务器从终端处获取原始图像以及与原始图像对应的算法参数，也可以由服务器读取事先储存在服务器上的原始图像以及与原始图像对应的算法参数。确定参考算法，可以为确定与生成的图像处理数据库对应的算法，当需要生成多个图像处理数据库且该多个图像处理数据库分别对应不同的算法时，可以确定多个参考算法，并分别生成与每个参考算法各自对应的图像处理数据库。获取参考图像的人脸特征参数，可以为从参考图像中选取包括人脸的图像区域，并将该包括人脸的图像区域转换为多维向量即参考图像的人脸特征向量。
例如，服务器首先获取事先储存在服务器上的多个未经处理的原始图像，确定用户为每个原始图像设置的算法即每个原始图像对应的算法，并获取用户针对每个原始图像设置的算法参数即每个原始图像对应的算法参数；其次在多个原始图像中确定参考图像即用户设置的算法为参考算法的图像；之后在参考图像中选取包括人脸的图像区域，并将该包括人脸的图像区域转换为多维向量即参考图像的人脸特征向量；使用混合高斯模型(Gaussian Mixture-based Model，GMM)聚类方法或K均值(K-means)聚类方法将参考图像的人脸特征向量聚为N个类，N≥1，其中每个类包含至少一个参考图像的人脸特征向量；根据每个类中参考图像的人脸特征向量对应的算法参数获取与每个类对应的算法参数，例如当一个类包含多个参考图像的人脸特征向量时，与该类对应的算法参数可以为该多个参考图像的人脸特征向量对应的算法参数的均值，或该多个参考图像的人脸特征向量对应的算法参数中出现频率最高的值；最后生成用于指示该N个类的人脸特征向量与算法参数对应关系的图像处理数据库。
通过获取原始图以及与原始图像对应的算法参数，并确定原始图像对应的算法，可以确定用户针对不同的图像所设置的算法及算法参数，而确定参考算法，根据参考算法在至少一个原始图像中确定参考图像，并根据参考图像的人脸特征参数以及与参考图像对应的算法参数生成图像处理数据库，可以确保图像处理数据库能够指示图像中人脸的图像特征与针对该图像所设置的算法参数的对应关系。当使用该图像处理数据库确定与图像的人脸特征参数对应的算法参数时，可以使确定的算法参数与图像中的人脸匹配，从而确保根据该算法参数处理后的图像更加美观。
图4是根据一示例性实施例示出的一种图像处理方法的示意性交互流程图进行说明。如图4所示，该方法包括以下步骤：
在步骤401中，终端获取目标图像的人脸特征参数。
其中，目标图像的人脸特征参数用于指示目标图像中人脸的图像特征。
在步骤402中，终端向服务器发送参数索取信息，参数索取信息包括目标图像的人脸特征参数。
在步骤403中，服务器根据目标图像的人脸特征参数确定目标算法。
在步骤404中，服务器获取与目标算法对应的图像处理数据库。
其中，图像处理数据库用于指示至少一个人脸特征参数与至少一个算法参数之间的对应关系，至少一个人脸特征参数包括目标图像的人脸特征参数。
在步骤405中，服务器根据图像处理数据库在至少一个算法参数中确定与目标图像的人脸特征参数对应的目标算法参数。
在步骤406中，服务器向终端发送参数反馈信息，参数反馈信息包括与目标图像的人脸特征参数对应的目标算法参数。
在步骤407中，终端接收参数反馈信息，并根据目标算法以及目标算法参数对目标图像进行处理。
其中，根据目标图像的人脸特征参数确定目标算法，可以自动获取与目标图像对应的算法以便于根据该算法对目标图像进行处理，无需由用户指定对目标图像进行处理时所使用的算法。与目标算法对应的图像处理数据库可以清晰的指示人脸特征参数与算法参数的对应关系，根据图像处理数据库能够迅速确定与目标图像的人脸特征参数对应的目标算法参数，并根据目标算法以及目标算法参数对目标图像进行处理，从而提高了图像处理的效率。
图5是根据一示例性实施例示出的一种图像处理方法的示意性交互流程图进行说明。如图4所示，该方法包括以下步骤：
在步骤501中，终端获取目标图像的人脸特征参数。
其中，目标图像的人脸特征参数用于指示目标图像中人脸的图像特征。
在步骤502中，终端获取目标算法指令，并根据目标算法指令确定目标算法。
其中，目标算法指令用于指示对目标图像进行处理时使用的算法包括目标算法。
在步骤503中，终端向服务器发送参数索取信息，参数索取信息包括目标图像的人脸特征参数。
在步骤504中，服务器根据参数索取信息确定目标算法。
在步骤505中，服务器获取与目标算法对应的图像处理数据库。
其中，图像处理数据库用于指示至少一个人脸特征参数与至少一个算法参数之间的对应关系，至少一个人脸特征参数包括目标图像的人脸特征参数。
在步骤506中，服务器根据图像处理数据库在至少一个算法参数中确定与目标图像的人脸特征参数对应的目标算法参数。
在步骤507中，服务器向终端发送参数反馈信息，参数反馈信息包括与目标图像的人脸特征参数对应的目标算法参数。
在步骤508中，终端接收参数反馈信息，并根据参数反馈信息获取与目标图像的人脸特征参数对应的目标算法参数。
在步骤509中，终端根据目标算法以及目标算法参数对目标图像进行处理。
其中，根据目标算法指令确定目标算法，使用户能够指定对目标图像进行处理时所使用的算法，增加了进行图像处理时用户选择的空间，与目标算法对应的图像处理数据库可以清晰的指示人脸特征参数与算法参数的对应关系，根据图像处理数据库能够迅速确定与目标图像的人脸特征参数对应的目标算法参数，并根据目标算法以及目标算法参数对目标图像进行处理，从而提高了图像处理的效率。
图6a是根据一个示例性实施例示出的一种图像处理装置600的框图，图像处理装置600可以为智能手机、平板电脑、智能可穿戴设备、电视、计算机或服务器，也可以为智能手机、平板电脑、智能可穿戴设备、电视、计算机或服务器中的一部分，图像处理装置600可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。如图6a所示，该图像处理装置600包括：
人脸特征参数获取模块601，用于获取目标图像的人脸特征参数，目标图像的人脸特征参数用于指示目标图像中人脸的图像特征.
目标算法参数获取模块602，用于根据目标图像的人脸特征参数获取与目标算法对应的目标算法参数.
图像处理模块603，用于根据目标算法以及目标算法参数对目标图像进行处理。
在一个实施例中，如图6b所示，目标算法参数获取模块602，包括：
图像处理数据库获取子模块6021，用于获取与目标算法对应的图像处理数据库，图像处理数据库用于指示至少一个人脸特征参数与至少一个算法参数之间的对应关系，至少一个人脸特征参数包括目标图像的人脸特征参数；
目标算法参数确定子模块6022，用于根据图像处理数据库在至少一个算法参数中确定与目标图像的人脸特征参数对应的目标算法参数。
在一个实施例中，如图6c所示，目标算法参数获取模块602，包括：
发送模块6023，用于发送参数索取信息，参数索取信息包括目标图像的人脸特征参数；
接收模块6024，用于接收参数反馈信息，并从参数反馈信息中提取与目标图像的人脸特征参数对应的目标算法参数。
在一个实施例中，如图6d所示，本公开的实施例提供的图像处理装置600还包括：
第一目标算法确定模块604，根据目标图像的人脸特征参数确定目标算法。
在一个实施例中，如图6e所示，本公开的实施例提供的图像处理装置600还包括：
指令获取模块605，用于获取目标算法指令，目标算法指令用于指示对目标图像进行处理时使用的算法包括目标算法；
第二目标算法确定模块606，用于根据目标算法指令确定目标算法。
当多个图像包括图像特征相同的人脸且使用目标算法对该多个图像进行图像处理时，为了确保针对图像中人脸的处理效果一致例如确保针对图像中人脸的处理效果均达到最好，应当使该多个图像分别对应的算法参数保持一致，即应当使图像对应的算法参数和图像中人脸的图像特征对应，本公开的实施例提供的技术方案中，通过根据目标图像的人脸特征参数获取与目标算法对应的目标算法参数，使目标算法参数与目标图像中人脸的图像特征对应，并根据目标算法以及目标算法参数对目标图像进行处理。因此本公开的实施例提供的技术方案能够自动获取与目标图像对应的目标算法参数并根据目标算法以及目标算法参数对目标图像进行处理，提高了图像处理的效率。
图7是根据一个示例性实施例示出的一种数据库生成装置700的框图，数据库生成装置700可以为智能手机、平板电脑、智能可穿戴设备、电视、计算机或服务器，也可以为智能手机、平板电脑、智能可穿戴设备、电视、计算机或服务器中的一部分，数据库生成装置700可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。如图7所示，该数据库生成装置700包括：
原始图像数据获取单元701，用于获取至少一个原始图像，并确定与至少一个原始图像中每个原始图像对应的算法参数，以及与至少一个原始图像中每个原始图像对应的算法；
参考图像确定单元702，用于确定参考算法，并根据参考算法在至少一个原始图像中确定参考图像，参考图像对应的算法为参考算法；
人脸特征参数获取单元703，用于获取参考图像的人脸特征参数；
图像处理数据库生成单元704，用于根据参考图像的人脸特征参数以及与参考图像对应的算法参数生成图像处理数据库。
本公开的实施例提供的技术方案中，通过获取原始图以及与原始图像对应的算法参数，并确定原始图像对应的算法，可以确定用户针对不同的图像所设置的算法及算法参数，而确定参考算法，根据参考算法在至少一个原始图像中确定参考图像，并根据参考图像的人脸特征参数以及与参考图像对应的算法参数生成图像处理数据库，可以确保图像处理数据库能够指示图像中人脸的图像特征与针对该图像所设置的算法参数的对应关系。当使用该图像处理数据库确定与图像的人脸特征参数对应的算法参数时，可以使确定的算法参数与图像中的人脸匹配，从而确保根据该算法参数处理后的图像更加美观。
图8是根据一示例性实施例示出的一种图像处理装置80的框图，该图像处理装置80可以为终端或服务器，也可以为终端或服务器的一部分，图像处理装置80包括：
处理器；801
用于存储处理器801可执行指令的存储器802；
其中，处理器801被配置为：
获取目标图像的人脸特征参数，目标图像的人脸特征参数用于指示目标图像中人脸的图像特征；
根据目标图像的人脸特征参数获取与目标算法对应的目标算法参数；
根据目标算法以及目标算法参数对目标图像进行处理。
在一个实施例中，上述处理器801还可以被配置为：
获取与目标算法对应的图像处理数据库，图像处理数据库用于指示至少一个人脸特征参数与至少一个算法参数之间的对应关系，至少一个人脸特征参数包括目标图像的人脸特征参数；
根据图像处理数据库在至少一个算法参数中确定与目标图像的人脸特征参数对应的目标算法参数。
在一个实施例中，上述处理器801还可以被配置为：
发送参数索取信息，参数索取信息包括目标图像的人脸特征参数；
接收参数反馈信息，并从参数反馈信息中提取与目标图像的人脸特征参数对应的目标算法参数。
在一个实施例中，上述处理器801还可以被配置为：
根据目标图像的人脸特征参数确定目标算法。
在一个实施例中，上述处理器801还可以被配置为：
根据目标图像的人脸特征参数确定目标算法。
在一个实施例中，上述处理器801还可以被配置为：
获取目标算法指令，目标算法指令用于指示对目标图像进行处理时使用的算法包括目标算法；
根据目标算法指令确定目标算法。
当多个图像包括图像特征相同的人脸且使用目标算法对该多个图像进行图像处理时，为了确保使图像对应的算法参数和图像中人脸的图像特征对应，本公开的实施例提供的技术方案中，通过根据目标图像的人脸特征参数获取与目标算法对应的目标算法参数，使目标算法参数与目标图像中人脸的图像特征对应，并根据目标算法以及目标算法参数对目标图像进行处理。因此本公开的实施例提供的技术方案能够自动获取与目标图像对应的目标算法参数并根据目标算法以及目标算法参数对目标图像进行处理，提高了图像处理的效率，并且使目标算法参数与目标图像中的人脸匹配，从而确保根据该目标算法参数处理后的目标图像更加美观。
图9是根据一示例性实施例示出的一种用于图像处理的装置900的框图。例如，装置900可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
装置900可以包括以下一个或多个组件：处理组件902，存储器904，电源组件906，多媒体组件908，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件902通常控制装置900的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理元件902可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件902可以包括一个或多个模块，便于处理组件902和其他组件之间的交互。例如，处理组件902可以包括多媒体模块，以方便多媒体组件908和处理组件902之间的交互。
存储器904被配置未存储各种类型的数据以支持在装置900的操作。这些数据的示例包括用于在装置900上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器904可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件906为装置900的各种组件提供电力。电源组件906可以包括电源管理系统，一个或多个电源，及其他与为装置900生成、管理和分配电力相关联的组件。
多媒体组件908包括在装置900和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件908包括一个前置摄像头和/或后置摄像头。当装置900处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件910被配置为输出和/或输入音频信号。例如，音频组件910包括一个麦克风(MIC)，当装置900处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器904或经由通信组件916发送。在一些实施例中，音频组件910还包括一个扬声器，用于输出音频信号。
I/O接口912为处理组件902和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件914包括一个或多个传感器，用于为装置900提供各个方面的状态评估。例如，传感器组件914可以检测到装置900的打开/关闭状态，组件的相对定位，例如所述组件为装置900的显示器和小键盘，传感器组件814还可以检测装置900或装置900一个组件的位置改变，用户与装置900接触的存在或不存在，装置900方位或加速/减速和装置900的温度变化。传感器组件914可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件914还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件914还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件916被配置为便于装置900和其他设备之间有线或无线方式的通信。装置900可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件916经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件916还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，装置900可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器904，上述指令可由装置900的处理器920执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种非临时性计算机可读存储介质，当所述存储介质中的指令由装置900的处理器执行时，使得装置900能够执行上述图像处理方法，所述方法包括：
获取目标图像的人脸特征参数，目标图像的人脸特征参数用于指示目标图像中人脸的图像特征；
根据目标图像的人脸特征参数获取与目标算法对应的目标算法参数；
根据目标算法以及目标算法参数对目标图像进行处理。
在一个实施例中，根据目标图像的人脸特征参数获取与目标算法对应的目标算法参数，包括：
获取与目标算法对应的图像处理数据库，图像处理数据库用于指示至少一个人脸特征参数与至少一个算法参数之间的对应关系，至少一个人脸特征参数包括目标图像的人脸特征参数；
根据图像处理数据库在至少一个算法参数中确定与目标图像的人脸特征参数对应的目标算法参数。
在一个实施例中，根据目标图像的人脸特征参数获取与目标算法对应的目标算法参数，包括：
发送参数索取信息，参数索取信息包括目标图像的人脸特征参数；
接收参数反馈信息，并从参数反馈信息中提取与目标图像的人脸特征参数对应的目标算法参数。
在一个实施例中，所述方法还包括：
根据目标图像的人脸特征参数确定目标算法。
在一个实施例中，所述方法还包括：
获取目标算法指令，目标算法指令用于指示对目标图像进行处理时使用的算法包括目标算法；
根据目标算法指令确定目标算法。
图10是根据一示例性实施例示出的一种用于图像处理的装置1000的框图。例如，装置1000可以被提供为一服务器。装置1000包括处理组件1022，其进一步包括一个或多个处理器，以及由存储器1032所代表的存储器资源，用于存储可由处理组件1022的执行的指令，例如应用程序。存储器1032中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1022被配置为执行指令，以执行上述方法。
装置1000还可以包括一个电源组件1026被配置为执行装置1000的电源管理，一个有线或无线网络接口1050被配置为将装置1000连接到网络，和一个输入输出(I/O)接口1059。装置1000可以操作基于存储在存储器1032的操作系统，例如Windows ServerTM，MacOS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。
一种非临时性计算机可读存储介质，当所述存储介质中的指令由装置1000的处理器执行时，使得装置1000能够执行图像处理方法，所述方法包括：
获取目标图像的人脸特征参数，目标图像的人脸特征参数用于指示目标图像中人脸的图像特征；
根据目标图像的人脸特征参数获取与目标算法对应的目标算法参数；
根据目标算法以及目标算法参数对目标图像进行处理。
在一个实施例中，根据目标图像的人脸特征参数获取与目标算法对应的目标算法参数，包括：
获取与目标算法对应的图像处理数据库，图像处理数据库用于指示至少一个人脸特征参数与至少一个算法参数之间的对应关系，至少一个人脸特征参数包括目标图像的人脸特征参数；
根据图像处理数据库在至少一个算法参数中确定与目标图像的人脸特征参数对应的目标算法参数。
在一个实施例中，根据目标图像的人脸特征参数获取与目标算法对应的目标算法参数，包括：
发送参数索取信息，参数索取信息包括目标图像的人脸特征参数；
接收参数反馈信息，并从参数反馈信息中提取与目标图像的人脸特征参数对应的目标算法参数。
在一个实施例中，所述方法还包括：
根据目标图像的人脸特征参数确定目标算法。
在一个实施例中，所述方法还包括：
获取目标算法指令，目标算法指令用于指示对目标图像进行处理时使用的算法包括目标算法；
根据目标算法指令确定目标算法。
本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (14)
1.一种图像处理方法，其特征在于，包括：
获取目标图像的人脸特征参数，所述目标图像的人脸特征参数用于指示所述目标图像中人脸的图像特征；
根据所述目标图像的人脸特征参数获取与目标算法对应的目标算法参数；
根据所述目标算法以及所述目标算法参数对所述目标图像进行处理。
2.根据权利要求1所述的图像处理方法，其特征在于，所述根据所述目标图像的人脸特征参数获取与所述目标算法对应的目标算法参数，包括：
获取与所述目标算法对应的图像处理数据库，所述图像处理数据库用于指示至少一个人脸特征参数与至少一个算法参数之间的对应关系，所述至少一个人脸特征参数包括所述目标图像的人脸特征参数；
根据所述图像处理数据库在所述至少一个算法参数中确定与所述目标图像的人脸特征参数对应的所述目标算法参数。
3.根据权利要求1所述的图像处理方法，其特征在于，所述根据所述目标图像的人脸特征参数获取与所述目标算法对应的目标算法参数，包括：
发送参数索取信息，所述参数索取信息包括所述目标图像的人脸特征参数；
接收参数反馈信息，并从所述参数反馈信息中提取与所述目标图像的人脸特征参数对应的所述目标算法参数。
4.根据权利要求1所述的图像处理方法，其特征在于，所述方法还包括：
根据所述目标图像的人脸特征参数确定所述目标算法。
5.根据权利要求1所述的图像处理方法，其特征在于，所述方法还包括：
获取目标算法指令，所述目标算法指令用于指示对所述目标图像进行处理时使用的算法包括所述目标算法；
根据所述目标算法指令确定所述目标算法。
6.一种数据库生成方法，其特征在于，包括：
获取至少一个原始图像，并确定与所述至少一个原始图像中每个原始图像对应的算法参数，以及与所述至少一个原始图像中每个原始图像对应的算法；
确定参考算法，并根据所述参考算法在所述至少一个原始图像中确定参考图像，所述参考图像对应的算法为所述参考算法；
获取所述参考图像的人脸特征参数；
根据所述参考图像的人脸特征参数以及与所述参考图像对应的算法参数生成图像处理数据库，所述图像处理数据库用于指示至少一个人脸特征参数与至少一个算法参数之间的对应关系。
7.一种图像处理装置，其特征在于，包括：
人脸特征参数获取模块，用于获取目标图像的人脸特征参数，所述目标图像的人脸特征参数用于指示所述目标图像中人脸的图像特征；
目标算法参数获取模块，用于根据所述目标图像的人脸特征参数获取与目标算法对应的目标算法参数；
图像处理模块，用于根据所述目标算法以及所述目标算法参数对所述目标图像进行处理。
8.根据权利要求7所述的图像处理装置，其特征在于，所述目标算法参数获取模块，包括：
图像处理数据库获取子模块，用于获取与所述目标算法对应的图像处理数据库，所述图像处理数据库用于指示至少一个人脸特征参数与至少一个算法参数之间的对应关系，所述至少一个人脸特征参数包括所述目标图像的人脸特征参数；
目标算法参数确定子模块，用于根据所述图像处理数据库在所述至少一个算法参数中确定与所述目标图像的人脸特征参数对应的所述目标算法参数。
9.根据权利要求7所述的图像处理装置，其特征在于，所述目标算法参数获取模块，包括：
发送模块，用于发送参数索取信息，所述参数索取信息包括所述目标图像的人脸特征参数；
接收模块，用于接收参数反馈信息，并从所述参数反馈信息中提取与所述目标图像的人脸特征参数对应的所述目标算法参数。
10.根据权利要求7所述的图像处理装置，其特征在于，所述图像处理装置还包括：
第一目标算法确定模块，根据所述目标图像的人脸特征参数确定所述目标算法。
11.根据权利要求7所述的图像处理装置，其特征在于，所述图像处理装置还包括：
指令获取模块，用于获取目标算法指令，所述目标算法指令用于指示对所述目标图像进行处理时使用的算法包括所述目标算法；
第二目标算法确定模块，用于根据所述目标算法指令确定所述目标算法。
12.一种数据库生成装置，其特征在于，包括：
原始图像数据获取单元，用于获取至少一个原始图像，并确定与所述至少一个原始图像中每个原始图像对应的算法参数，以及与所述至少一个原始图像中每个原始图像对应的算法；
参考图像确定单元，用于确定参考算法，并根据所述参考算法在所述至少一个原始图像中确定参考图像，所述参考图像对应的算法为所述参考算法；
人脸特征参数获取单元，用于获取所述参考图像的人脸特征参数；
图像处理数据库生成单元，用于根据所述参考图像的人脸特征参数以及与所述参考图像对应的算法参数生成所述图像处理数据库，所述图像处理数据库用于指示至少一个人脸特征参数与至少一个算法参数之间的对应关系。
13.一种图像处理装置，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
获取目标图像的人脸特征参数，所述目标图像的人脸特征参数用于指示所述目标图像中人脸的图像特征；
根据所述目标图像的人脸特征参数获取与目标算法对应的目标算法参数；
根据所述目标算法以及所述目标算法参数对所述目标图像进行处理。
14.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现权利要求1-5任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710517969.XA CN107369142A (zh) | 2017-06-29 | 2017-06-29 | 图像处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710517969.XA CN107369142A (zh) | 2017-06-29 | 2017-06-29 | 图像处理方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107369142A true CN107369142A (zh) | 2017-11-21 |
Family
ID=60305951
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710517969.XA Pending CN107369142A (zh) | 2017-06-29 | 2017-06-29 | 图像处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107369142A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108198144A (zh) * | 2017-12-28 | 2018-06-22 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
| CN109922247A (zh) * | 2019-04-17 | 2019-06-21 | 浙江禾川科技股份有限公司 | 一种智能相机及一种图像处理方法 |
| CN111507140A (zh) * | 2019-01-31 | 2020-08-07 | 金联汇通信息技术有限公司 | 人像对比方法、系统、电子设备和可读存储介质 |
| CN111640111A (zh) * | 2020-06-10 | 2020-09-08 | 詹俊鲲 | 医学图像处理方法、装置及存储介质 |
| CN112689851A (zh) * | 2019-01-09 | 2021-04-20 | 欧姆龙株式会社 | 图像处理装置、图像处理程序以及图像处理方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104966267A (zh) * | 2015-07-02 | 2015-10-07 | 广东欧珀移动通信有限公司 | 一种美颜用户图像的方法及装置 |
| CN105096241A (zh) * | 2015-07-28 | 2015-11-25 | 努比亚技术有限公司 | 人脸图像美化装置及方法 |
| CN105279487A (zh) * | 2015-10-15 | 2016-01-27 | 广东欧珀移动通信有限公司 | 美颜工具筛选方法和系统 |
| CN105513007A (zh) * | 2015-12-11 | 2016-04-20 | 惠州Tcl移动通信有限公司 | 一种基于移动终端的拍照美颜方法、系统及移动终端 |
| CN105825486A (zh) * | 2016-04-05 | 2016-08-03 | 北京小米移动软件有限公司 | 美颜处理的方法及装置 |
| CN106056533A (zh) * | 2016-05-26 | 2016-10-26 | 维沃移动通信有限公司 | 一种拍照的方法及终端 |
| CN106210521A (zh) * | 2016-07-15 | 2016-12-07 | 深圳市金立通信设备有限公司 | 一种拍照方法及终端 |
-
2017
- 2017-06-29 CN CN201710517969.XA patent/CN107369142A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104966267A (zh) * | 2015-07-02 | 2015-10-07 | 广东欧珀移动通信有限公司 | 一种美颜用户图像的方法及装置 |
| CN105096241A (zh) * | 2015-07-28 | 2015-11-25 | 努比亚技术有限公司 | 人脸图像美化装置及方法 |
| CN105279487A (zh) * | 2015-10-15 | 2016-01-27 | 广东欧珀移动通信有限公司 | 美颜工具筛选方法和系统 |
| CN105513007A (zh) * | 2015-12-11 | 2016-04-20 | 惠州Tcl移动通信有限公司 | 一种基于移动终端的拍照美颜方法、系统及移动终端 |
| CN105825486A (zh) * | 2016-04-05 | 2016-08-03 | 北京小米移动软件有限公司 | 美颜处理的方法及装置 |
| CN106056533A (zh) * | 2016-05-26 | 2016-10-26 | 维沃移动通信有限公司 | 一种拍照的方法及终端 |
| CN106210521A (zh) * | 2016-07-15 | 2016-12-07 | 深圳市金立通信设备有限公司 | 一种拍照方法及终端 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108198144A (zh) * | 2017-12-28 | 2018-06-22 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
| CN112689851A (zh) * | 2019-01-09 | 2021-04-20 | 欧姆龙株式会社 | 图像处理装置、图像处理程序以及图像处理方法 |
| CN111507140A (zh) * | 2019-01-31 | 2020-08-07 | 金联汇通信息技术有限公司 | 人像对比方法、系统、电子设备和可读存储介质 |
| CN111507140B (zh) * | 2019-01-31 | 2023-08-08 | 金联汇通信息技术有限公司 | 人像对比方法、系统、电子设备和可读存储介质 |
| CN109922247A (zh) * | 2019-04-17 | 2019-06-21 | 浙江禾川科技股份有限公司 | 一种智能相机及一种图像处理方法 |
| CN111640111A (zh) * | 2020-06-10 | 2020-09-08 | 詹俊鲲 | 医学图像处理方法、装置及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107369142A (zh) | 图像处理方法及装置 | |
| CN107123081A (zh) | 图像处理方法、装置及终端 | |
| CN104380248B (zh) | 用于基于手势的管理的系统和方法 | |
| CN105512605B (zh) | 人脸图像处理方法及装置 | |
| CN105469356B (zh) | 人脸图像处理方法及装置 | |
| CN105139415A (zh) | 图像前后景分割方法、装置及终端 | |
| JP2016531362A (ja) | 肌色調整方法、肌色調整装置、プログラム及び記録媒体 | |
| CN107122679A (zh) | 图像处理方法及装置 | |
| CN107368810A (zh) | 人脸检测方法及装置 | |
| CN107392166A (zh) | 肤色检测方法、装置及计算机可读存储介质 | |
| CN106389062A (zh) | 按摩椅控制方法及装置 | |
| CN106778531A (zh) | 人脸定位方法及装置 | |
| CN104934016B (zh) | 屏幕显示方法及装置 | |
| CN107705245A (zh) | 图像处理方法及装置 | |
| CN104978200A (zh) | 应用程序显示方法及装置 | |
| CN104867112B (zh) | 照片处理方法及装置 | |
| CN107213642A (zh) | 虚拟人物外观改变方法及装置 | |
| CN107529699A (zh) | 电子设备控制方法及装置 | |
| CN105095917A (zh) | 图像处理方法、装置及终端 | |
| CN105094594A (zh) | 操作项显示方法及装置 | |
| CN105957037A (zh) | 图像增强方法及装置 | |
| CN107992811A (zh) | 人脸识别方法及装置 | |
| CN105635574B (zh) | 图像的处理方法和装置 | |
| CN107330391A (zh) | 产品信息提示方法及装置 | |
| CN104407727B (zh) | 屏幕保护方法和装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171121 |
|
| RJ01 | Rejection of invention patent application after publication |