CN107507144A - 肤色增强的处理方法、装置及图像处理装置 - Google Patents
肤色增强的处理方法、装置及图像处理装置 Download PDFInfo
- Publication number
- CN107507144A CN107507144A CN201710712314.8A CN201710712314A CN107507144A CN 107507144 A CN107507144 A CN 107507144A CN 201710712314 A CN201710712314 A CN 201710712314A CN 107507144 A CN107507144 A CN 107507144A
- Authority
- CN
- China
- Prior art keywords
- skin
- pixel
- area
- color
- colour
- 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
- 230000002708 enhancing effect Effects 0.000 title claims abstract description 80
- 238000012545 processing Methods 0.000 title claims abstract description 69
- 238000003672 processing method Methods 0.000 title claims abstract description 42
- 230000004075 alteration Effects 0.000 claims abstract description 35
- 230000015654 memory Effects 0.000 claims description 21
- 230000001052 transient effect Effects 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 2
- 230000005055 memory storage Effects 0.000 claims description 2
- 238000000034 method Methods 0.000 abstract description 17
- 230000000694 effects Effects 0.000 description 22
- 239000003086 colorant Substances 0.000 description 6
- 230000003068 static effect Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000004040 coloring Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 239000007933 dermal patch Substances 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 241001062009 Indigofera Species 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004549 pulsed laser deposition Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000012360 testing method Methods 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
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种肤色增强的处理方法、装置及图像处理装置，其中方法包括以下步骤：获取图像中人脸的肤色区域的图像信息，图像信息包括肤色区域内各像素点的第一颜色向量，第一颜色向量包括红色分量色差值和蓝色分量色差值；根据红色分量色差值以及蓝色分量色差值，计算肤色区域内的肤色中心区域；根据肤色区域内像素点与肤色中心区域之间的关系，计算肤色区域内各像素点的第一颜色向量的偏移量；根据第一颜色向量的偏移量对图像进行肤色增强处理。本发明对动态肤色模型中的肤色中心区域的选取进行设置，使得肤色中心区域的选取肤色人眼对色差的感受，真实地反应了当前场景下的真实肤色，使该处理方法具有较好的肤色增强效果，具有广泛的适用性。
Description
技术领域
本发明涉及图像处理技术领域，具体涉及一种肤色增强的处理方法、装置及图像处理装置。
背景技术
在图像处理技术领域，尤其是人体图像处理中，肤色增强是比较重要的一环，肤色增强是肤色美颜的一部分，但是肤色美颜主要的关注点是在皮肤的纹理和质感，而肤色增强则是侧重于皮肤颜色的微调从而使画面看上去更加符合审美需求。
目前主流的肤色增强主要分为肤色检测和肤色变换两步组成，其中，肤色检测方法一般是基于静态肤色模型的。所谓静态肤色模型就是在图像输入之前就已经通过相关的参数规定好了颜色空间中哪些区域属于肤色哪些区域不属于肤色，对于不属于肤色区域的像素不进行任何处理，而对于落在肤色区域内的像素点，再根据其在肤色区域内的位置来赋予该像素点的肤色调节权值，比较普遍的做法是，根据统计模型判定肤色的概率，其值越高则赋予该点的肤色调节的权值就越大。静态肤色模型适用于色温恒定，亮度均匀且类肤色物体较少的场景下对人物肤色进行全方位的调整。目前静态肤色模型主要分为：区域划分、高斯建模、贝叶斯直方图统计三种，三种模型的各有优缺点，且基本原理相似，高通的静态肤色模型就采用了区域划分的方法。
第二步的肤色变换就是将第一步检测出来的肤色区域朝着审美偏向的目标肤色偏移。静态肤色模型容易造成肤色的遗漏和伪肤色的出现，产生这种效应的原因是当前场景下肤色分布规律和静态模型下统计的肤色分布差别较大，造成同一个人脸，部分区域被遗漏从而产生了斑块效应，消除斑块效应的一个办法就是扩大肤色识别区域从而缩小权值差距，但是这么做就会增加图片的伪肤色，这是一对很难协调的矛盾。
为解决上述斑块效应与图片的伪肤色之间的矛盾，现有技术中一般基于动态肤色模型进行肤色检测，即在前场景下通过特征提取检测人脸，再统计该场景下人脸肤色的分布的频率，并将肤色出现频率最高的像素点或者所有像素的肤色平均值作为肤色中心来动态得修改肤色区域。
然而由于该算法并没有考虑到人眼对于不同色彩关注的敏感度，因此其虽然能够减轻斑块效应但是并不能消除斑块效应。
发明内容
有鉴于此，本发明实施例提供了一种肤色增强的处理方法、装置及图像处理装置，以解决肤色增强的处理效果不佳的问题。
本发明第一方面提供了一种肤色增强的处理方法，包括以下步骤：
获取图像中人脸的肤色区域的图像信息，所述图像信息包括所述肤色区域内各像素点的第一颜色向量，所述第一颜色向量包括红色分量色差值和蓝色分量色差值；
根据所述红色分量色差值以及所述蓝色分量色差值，计算所述肤色区域内的肤色中心区域；
根据所述肤色区域内像素点与所述肤色中心区域之间的关系，计算所述肤色区域内各像素点的第一颜色向量的偏移量；
根据所述第一颜色向量的偏移量对所述图像进行肤色增强处理。
可选地，所述根据所述红色分量色差值以及所述蓝色分量色差值，计算所述肤色区域内的肤色中心区域，包括以下步骤：
计算所述肤色区域内各像素点的像素色差值，所述像素色差值为对应像素点的红色分量色差值减去蓝色分量色差值；
确定所述肤色区域内像素色差值最大的像素点，所述像素色差值最大的像素点为所述肤色中心区域；
或者，所述根据所述红色分量色差值以及所述蓝色分量色差值，计算所述肤色区域内的肤色中心区域，包括以下步骤：
将所述肤色区域划分为m行n列的像素块；
计算各所述像素块的像素色差平均值，所述像素色差平均值为所述像素块内各像素点的所述红色分量色差值与所述蓝色分量色差值的差的平均值；
确定像素色差平均值最大的像素块，所述像素色差平均值最大的像素块为所述肤色中心区域。
可选地，所述图像信息还包括所述肤色区域内各像素点的亮度信号值，所述根据所述肤色区域内像素点与所述肤色中心区域之间的关系，计算所述肤色区域内各像素点的第一颜色向量的偏移量，包括以下步骤：
根据所述肤色区域内像素点与所述肤色中心区域之间的第一颜色向量，计算所述肤色区域内像素点的调节权重；
根据所述肤色区域内像素点与所述肤色中心区域之间的所述亮度信号值，计算所述像素点的调节向量；
计算所述调节权重与所述调节向量的乘积，所述乘积为所述肤色区域内像素点的所述第一颜色向量的偏移量。
可选地，采用如下公式计算所述调节权重：
其中，i为所述肤色区域内像素点的横坐标，j为肤色区域内像素点的纵坐标，cb(i,j)为所述肤色区域内像素点的蓝色分量色差值，center_cb为所述肤色中心区域的蓝色分量色差值，cr(i,j)为所述肤色区域内像素点的红色分量色差值，center_cr为所述肤色中心区域的红色分量色差值，num为平滑度系数。
可选地，采用如下公式计算所述调节向量：
其中，i为所述肤色区域内像素点的横坐标，j为肤色区域内像素点的纵坐标，cb(i,j)为所述肤色区域内像素点的蓝色分量色差值，cb′(i,j)为与所述肤色区域内像素点对应的目标像素点的蓝色分量色差值，cr(i,j)为所述肤色区域内像素点的红色分量色差值，cr′(i,j)为与所述肤色区域内像素点对应的目标像素点的红色分量色差值，所述目标像素点的蓝色分量色差值和红色分量色差值是根据所述亮度信号值进行设置的。
可选地，所述根据所述第一颜色向量的偏移量对所述图像进行肤色增强处理，包括以下步骤：
计算各所述肤色区域内像素点的第二颜色向量，所述第二颜色向量为所述第一颜色向量与所述第一颜色向量的偏移量的和；
对所述肤色区域进行调整，使得所述肤色区域的图像信息调整为所述亮度信号值和所述第二颜色向量。
可选地，所述获取图像中人脸的肤色区域的图像信息的步骤之前，还包括：
识别所述图像中的人脸框；
计算所述人脸框内的第三颜色向量，所述第三颜色向量包括所有所述人脸框内像素点的所述红色分量色差值的平均值以及所述蓝色分量色差值的平均值；
判断所述人脸框内像素点的第四颜色向量与所述第三颜色向量之间的距离，所述第四颜色向量包括所述人脸框内像素点的红色分量色差值和蓝色分量色差值；
当所述距离小于阈值时，所述人脸框内像素点为所述肤色区域内像素点。
本发明第二方面提供了一种肤色增强的处理装置，包括：
获取单元，用于获取图像中人脸的肤色区域的图像信息，所述图像信息包括所述肤色区域内各像素点的第一颜色向量，所述第一颜色向量包括红色分量色差值和蓝色分量色差值；
第一计算单元，用于根据所述红色分量色差值以及所述蓝色分量色差值，计算所述肤色区域内的肤色中心区域；
第二计算单元，用于根据所述肤色区域内像素点与所述肤色中心区域之间的关系，计算所述肤色区域内各像素点的第一颜色向量的偏移量；
处理单元，用于根据所述第一颜色向量的偏移量对所述图像进行肤色增强处理。
本发明第三方面提供了一种图像处理装置，包括至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行本发明第一方面中任一项所述的肤色增强的处理方法。
本发明第四方面提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行第一方面或者第一方面的任意一种可选方式中所述的肤色增强的处理方法。
本发明第五方面提供了一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行第一方面或者第一方面的任意一种可选方式中所述的肤色增强的处理方法。
1.本发明实施例提供的肤色增强的处理方法，包括以下步骤：获取图像中人脸的肤色区域的图像信息，所述图像信息包括所述肤色区域内各像素点的第一颜色向量，所述第一颜色向量包括红色分量色差值和蓝色分量色差值；根据所述红色分量色差值以及所述蓝色分量色差值，计算所述肤色区域内的肤色中心区域；根据所述肤色区域内像素点与所述肤色中心区域之间的关系，计算所述肤色区域内各像素点的第一颜色向量的偏移量；根据所述第一颜色向量的偏移量对所述图像进行肤色增强处理。本发明实施例通过对动态肤色模型中的肤色中心区域的选取进行设置，使得肤色中心区域的选取肤色人眼对色差的感受，真实地反应了当前场景下的真实肤色，消除肤色增强算法的斑块效应，使该处理方法具有较好的肤色增强效果，具有广泛的适用性。
2.本发明实施体提供的肤色增强的处理方法，其中，根据所述红色分量色差值以及所述蓝色分量色差值，计算所述肤色区域内的肤色中心区域，包括以下步骤：计算所述肤色区域内各像素点的像素色差值，所述像素色差值为对应像素点的红色分量色差值减去蓝色分量色差值；确定所述肤色区域内像素色差值最大的像素点，所述像素色差值最大的像素点为所述肤色中心区域；或者，所述根据所述红色分量色差值以及所述蓝色分量色差值，计算所述肤色区域内的肤色中心区域，包括以下步骤：将所述肤色区域划分为m行n列的像素块；计算各所述像素块的像素色差平均值，所述像素色差平均值为所述像素块内各像素点的所述红色分量色差值与所述蓝色分量色差值的差的平均值；确定像素色差平均值最大的像素块，所述像素色差平均值最大的像素块为所述肤色中心区域。本发明实施例通过统计人脸框内肤色区域内各像素点的像素色差值，并将像素色差值最大的像素点或一小块像素区域作为肤色中心区域，通过像素色差定义的肤色中心区域能够使得图像摆脱亮度对肤色中心区域的影响，从而使得该像素点的像素色差值能够反映当前场景以及当前色温下人脸皮肤的真实颜色。
3.本发明实施例提供的肤色增强的处理方法，所述图像信息还包括所述肤色区域内各像素点的亮度信号值，所述根据所述肤色区域内像素点与所述肤色中心区域之间的关系，计算所述肤色区域内各像素点的第一颜色向量的偏移量，包括以下步骤：根据所述肤色区域内像素点与所述肤色中心区域之间的第一颜色向量，计算所述肤色区域内像素点的调节权重；根据所述肤色区域内像素点与所述肤色中心区域之间的所述亮度信号值，计算所述像素点的调节向量；计算所述调节权重与所述调节向量的乘积，所述乘积为所述肤色区域内像素点的所述第一颜色向量的偏移量。本发明通过肤色中心区域与肤色区域内像素点之间的第一颜色向量，设置肤色区域内像素点的调节权重，通过上述两者的亮度信号值，设置肤色区域内像素点的调节向量，从而使得通过肤色中心区域生成的调节权重和调节向量能够适应当前场景下的不同亮度，使得肤色增强的效果在不同帧之间，以及帧内不同肤色块之间都能够保持良好的一致性，进而避免产生帧内的肤色斑块效应以及帧间的肤色跳变，具有较好的肤色增强的处理效果。
4.本发明实施例提供的肤色增强的处理方法，其中，根据所述第一颜色向量的偏移量对所述图像进行肤色增强处理，包括以下步骤：计算各所述肤色区域内像素点的第二颜色向量，所述第二颜色向量为所述第一颜色向量与所述第一颜色向量的偏移量的和；对所述肤色区域进行调整，使得所述肤色区域的图像信息调整为所述亮度信号值和所述第二颜色向量。通过在保持每个像素点亮度信号值不变的情况下，设置第一颜色向量的偏移量，该第一颜色向量随每个像素点的亮度不同而不同，使得第一颜色向量的偏移量能够适应当前场景下的不同亮度，使得肤色增强的效果在不同帧之间，以及帧内不同肤色块之间都能够保持良好的一致性，进而避免产生帧内的肤色斑块效应以及帧间的肤色跳变，具有较好的肤色增强的处理效果。
5.本发明实施例提供的肤色增强的处理装置，包括：获取单元，用于获取图像中人脸的肤色区域的图像信息，所述图像信息包括所述肤色区域内各像素点的第一颜色向量，所述第一颜色向量包括红色分量色差值和蓝色分量色差值；第一计算单元，用于根据所述红色分量色差值以及所述蓝色分量色差值，计算所述肤色区域内的肤色中心区域；第二计算单元，用于根据所述肤色区域内像素点与所述肤色中心区域之间的关系，计算所述肤色区域内各像素点的第一颜色向量的偏移量；处理单元，用于根据所述第一颜色向量的偏移量对所述图像进行肤色增强处理。本发明实施例通过对动态肤色模型中的肤色中心区域的选取进行设置，使得肤色中心区域的选取肤色人眼对色差的感受，真实地反应了当前场景下的真实肤色，消除肤色增强算法的斑块效应，使该处理装置具有较好的肤色增强效果，具有广泛的适用性。
附图说明
通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，在附图中：
图1示出了本发明实施例1中肤色增强的处理方法一个具体示意的流程图；
图2示出了本发明实施例2中肤色增强的处理方法一个具体示意的流程图；
图3示出了本发明实施例3中肤色增强的处理方法一个具体示意的流程图；
图4示出了本发明实施例4中肤色增强的处理方法一个具体示意的流程图；
图5示出了本发明实施例5中肤色增强的处理装置的一个具体示意的结构图；
图6示出了本发明实施例5中肤色增强的处理装置的另一个具体示意的结构图；
图7示出了本发明实施例5中第一计算单元的一个具体示意的结构图；
图8示出了本发明实施例5中肤色增强的处理装置的又一个具体示意的部分结构图；
图9示出了本发明实施例6中图像处理装置的一个具体示意的结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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。
在本发明的描述中，需要说明的是，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
本领域技术人员应当理解的是，颜色空间主要有以下三种：
(1)RGB型颜色空间/计算机图形颜色空间：这类模型主要用于电视机和计算机的颜色显示系统。例如，RGB，HSI，HSL和HSV等颜色空间；
(2)XYZ型颜色空间/CIE颜色空间：这类颜色空间是由国际照明委员会定义的颜色空间，通常作为国际性的颜色空间标准，用作颜色的基本度量方法。例如，CIE 1931 XYZ，L*a*b，L*u*v和LCH等颜色空间就可作为过渡性的转换空间；
(3)YUV型颜色空间/电视系统颜色空间：由广播电视需求的推动而开发的颜色空间，主要目的是通过压缩色度信息以有效地播送彩色电视图像。
其中，用Y、C1,C2彩色表示法分别表示亮度信号和两个色差信号，C1，C2的含义与具体的应用有关。在人脸图像处理技术领域中，C1，C2分别表示Cr，Cb两个色差信号。所谓色差是指基色信号中的三个分量信号(即R、G、B)与亮度信号之差。Y表示亮度，Cr表示红色分量与亮度的差值，又称为红色分量色差值，Cb表示蓝色分量与亮度的差值，又称为蓝色分量色差值。
不同颜色空间可以通过一定的数学关系相互转换：有些颜色空间之间可以直接变换；例如，RGB和HSL，RGB和HSB，RGB和R'G'B',R'G'B'和Y'CrCb，CIE XYZ和CIE L*a*b*等。而有些颜色空间之间不能直接变换；例如，RGB和CIE La*b*,CIE XYZ和HSL，HSL和Y'CbCr等，它们之间的变换需要借助其他颜色空间进行过渡。例如：
RGB和YCbCr两个彩色空间之间的转换关系用下式表示：
Y＝0.299R+0.587G+0.114B；
Cr＝(0.500R-0.4187G-0.0813B)+128；
Cb＝(-0.1687R-0.3313G+0.500B)+128。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例1
本施例提供一种肤色增强的处理方法，用于肤色增强的处理装置中。如图1所示，该肤色增强的处理方法包括以下步骤：
步骤S11，获取图像中人脸的肤色区域的图像信息，图像信息包括肤色区域内各像素点的第一颜色向量，第一颜色向量包括红色分量色差值和蓝色分量色差值。
人脸肤色的图像处理技术中，需要对图像颜色的类别与深浅程度进行不同的处理。因此，在人脸肤色的图像处理中，通常以色度(即色调饱和度)区分。本实施例中，获取人脸肤色区域的图像信息中，包括肤色区域内各像素点的第一颜色向量，其中，第一颜色向量可表示为[Cb，Cr]。
步骤S12，根据红色分量色差值以及蓝色分量色差值，计算肤色区域内的肤色中心区域。
本实施例中的肤色中心区域，为肤色增强处理方法的处理基准，在后续步骤中的肤色增强处理都是以该肤色中心区域为基准进行的。根据Cr以及Cb的值进行肤色中心区域的设置，即处理基准点的设定，可以保证该肤色中心区域能够反映当前场景当前色温下的真实肤色，同时仅仅通过Cr以及Cb的值确定肤色中心区域，可以避免亮度信号值对该肤色中心区域的影响。本实施例中，肤色中心区域可以是一个像素点，也可以是一个像素块。
步骤S13，根据肤色区域内像素点与肤色中心区域之间的关系，计算肤色区域内各像素点的第一颜色向量的偏移量。
本实施例中，对肤色区域内的每个像素点都根据该像素点与肤色中心区域之间的关系，进行该像素点的第一颜色向量的偏移量的计算。该第一颜色向量的偏移量即为肤色区域内各像素点相对于肤色中心区域需要进行调整的偏差值。
步骤S14，根据第一颜色向量的偏移量对图像进行肤色增强处理。
本实施例中，可以结合肤色区域内各像素点的第一颜色向量的偏移量以及第一颜色向量，对该图像进行肤色增强的处理。
本发明实施例通过对动态肤色模型中的肤色中心区域的选取进行设置，使得肤色中心区域的选取肤色人眼对色差的感受，真实地反应了当前场景下的真实肤色，消除肤色增强算法的斑块效应，使该处理方法具有较好的肤色增强效果，具有广泛的适用性。
实施例2
本施例提供一种肤色增强的处理方法，用于肤色增强的处理装置中。如图2所示，该肤色增强的处理方法包括以下步骤：
步骤S21：获取图像中人脸的肤色区域的图像信息，图像信息包括肤色区域内各像素点的第一颜色向量，第一颜色向量包括红色分量色差值和蓝色分量色差值。与实施例1中的步骤S11相同，不再赘述。
步骤S22，根据红色分量色差值以及蓝色分量色差值，计算肤色区域内的肤色中心区域。
本实施例中通过统计人脸框内肤色区域内各像素的像素色差值，并将像素色差值最大的像素点作为该肤色区域内的肤色中心区域。
作为本实施例的一种可选实施方式，步骤S22具体包括以下步骤：
步骤S221，计算肤色区域内各像素点的像素色差值，所述像素色差值为对应像素点的红色分量色差值减去蓝色分量色差值。
例如，可以通过以下公式计算像素色差值：
Csc(i,j)＝cr(i,j)-cb(i,j)；
其中，i表示肤色区域内像素点的横坐标，j表示肤色区域内像素点的纵坐标，Csc(i,j)表示肤色区域内坐标为(i,j)的像素点的像素色差值，cr(i,j)表示肤色区域内坐标为(i,j)的像素点的红色分量色差值，cb(i,j)表示肤色区域内坐标为(i,j)的像素点的蓝色分量色差值。
步骤S222，确定肤色区域内像素色差值最大的像素点，所述像素色差值最大的像素点为肤色中心区域。
本实施例中，通过计算肤色区域内像素点的像素色差值的最大值，并将该像素色差值最大的像素点作为肤色中心区域。即通过统计人脸框内肤色区域内各像素点的像素色差值，并将像素色差值最大的像素点作为肤色中心区域，通过像素色差定义的肤色中心区域能够使得图像摆脱亮度对肤色中心区域的影响，从而使得该像素点的像素色差值能够反映当前场景以及当前色温下人脸皮肤的真实颜色。
例如，可以采用以下公式计算像素色差值的最大值：
Mcenter＝max(Csc(i,j))；
其中，Mcenter表示像素色差值的最大值，max(Csc(i,j))表示计算各像素点的像素色差值的最大值。计算出该像素色差值的最大值后，将该像素色差值的最大值所对应的像素点作为肤色区域内的肤色中心区域。
步骤S23，根据肤色区域内像素点与肤色中心区域之间的关系，计算肤色区域内各像素点的第一颜色向量的偏移量。
本实施例中，人脸的图像信息还包括肤色区域内各像素点的亮度信号值Y，通过肤色中心区域设定肤色区域内各像素点的调节权重和调节向量。其中，肤色区域内像素点与肤色中心区域的cb，cr值之间的距离越远，对应肤色区域内像素点的调节权重越小；肤色区域内像素点与肤色中心区域的亮度信号值之间的差值越大，对应的目标像素点的蓝色分量色差值和红色分量色差值越小，即对应肤色区域内像素点的调节向量越小。
作为本实施例的一种可选实施方式，步骤S23具体包括以下步骤：
步骤S231，根据所述肤色区域内像素点与所述肤色中心区域之间的第一颜色向量，计算所述肤色区域内像素点的调节权重。
本实施例中的第一颜色向量包括红色分量色差值和蓝色分量色差值，第一颜色向量可表示为：
其中，i为所述肤色区域内像素点的横坐标，j为肤色区域内像素点的纵坐标，cb(i,j)为所述肤色区域内像素点的蓝色分量色差值，cr(i,j)为所述肤色区域内像素点的红色分量色差值。
作为本实施例的一种可选实施方式，可采用如下公式计算该调节权重：
其中，i为所述肤色区域内像素点的横坐标，j为肤色区域内像素点的纵坐标，cb(i,j)为所述肤色区域内像素点的蓝色分量色差值，center_cb为所述肤色中心区域的蓝色分量色差值，cr(i,j)为所述肤色区域内像素点的红色分量色差值，center_cr为所述肤色中心区域的红色分量色差值，num为平滑度系数。
其中，平滑度系数num是事先人为设定的，一般为[10，15]。本实施例中，num＝15，该平滑度系数使得各像素点之间能够平滑过渡，避免出现帧内的肤色斑块效应以及帧间的肤色跳变，从而具有较好的肤色增强的处理效果。
步骤S232，根据肤色区域内像素点与肤色中心区域之间的亮度信号值，计算所述像素点的调节向量。
本实施例中，图像中人脸的肤色区域的图像信息还包括有亮度信号值。肤色区域内像素点与肤色中心区域之间的亮度信号值的差值越大，对应的目标像素点的蓝色分量色差值和红色分量色差值越小，即对应肤色区域内像素点的调节向量越小。
其中，肤色区域内像素点对应的目标像素点是根据人对图像的审美预先设置好，并存储在肤色增强的处理装置中。
作为本实施例的一种可选实施方式，采用如下公式计算调节向量：
其中，i为肤色区域内像素点的横坐标，j为肤色区域内像素点的纵坐标，cb(i,j)为肤色区域内像素点的蓝色分量色差值，cb′(i,j)为与肤色区域内像素点对应的目标像素点的蓝色分量色差值，cr(i,j)为肤色区域内像素点的红色分量色差值，cr′(i,j)为与肤色区域内像素点对应的目标像素点的红色分量色差值，所述目标像素点的蓝色分量色差值和红色分量色差值是根据所述亮度信号值进行设置的。
步骤S233，计算调节权重与所述调节向量的乘积，乘积为所述肤色区域内像素点的第一颜色向量的偏移量。
本实施例中，由每个像素点的调节权重和调节向量的乘积，生成每一个像素点的最终颜色向量的偏移量。
作为本实施例的一种可选实施方式，可以采用如下公式计算各像素点的第一颜色向量的偏移量：
步骤S24，根据第一颜色向量的偏移量对图像进行肤色增强处理。
本实施例中，根据肤色区域内各像素点的第一颜色向量和第一颜色向量的偏移量对图像进行肤色增强处理。
作为本实施例的一种可选实施方式，步骤S24具体包括以下步骤：
步骤S241，计算各肤色区域内像素点的第二颜色向量，第二颜色向量为第一颜色向量与第一颜色向量的偏移量的和。
第二颜色向量可采用如下公式计算：
步骤S242，对肤色区域进行调整，使得肤色区域的图像信息调整为亮度信号值和所述第二颜色向量。
本实施例中，在进行肤色增强处理之前，肤色区域内每个像素点的颜色空间为亮度信号值Y，以及第一颜色向量在进行肤色增强处理之后，肤色区域内每个像素点的颜色空间为亮度信号值Y，以及第二颜色向量
本实施例通过在保持每个像素点亮度信号值不变的情况下，设置第一颜色向量的偏移量，该第一颜色向量随每个像素点的亮度不同而不同，使得第一颜色向量的偏移量能够适应当前场景下的不同亮度，使得肤色增强的效果在不同帧之间，以及帧内不同肤色块之间都能够保持良好的一致性，进而避免产生帧内的肤色斑块效应以及帧间的肤色跳变，具有较好的肤色增强的处理效果。
实施例3
本施例提供一种肤色增强的处理方法，用于肤色增强的处理装置中。如图3所示，该肤色增强的处理方法包括以下步骤：
步骤S31：获取图像中人脸的肤色区域的图像信息，图像信息包括肤色区域内各像素点的第一颜色向量，第一颜色向量包括红色分量色差值和蓝色分量色差值。与实施例2中的步骤S21相同，不再赘述。
步骤S32，根据红色分量色差值以及蓝色分量色差值，计算肤色区域内的肤色中心区域。
本实施例中通过统计人脸框内肤色区域内各像素块的像素色差值，并将像素色差值最大的像素块作为该肤色区域内的肤色中心区域。
作为本实施例的一种可选实施方式，步骤S32具体包括以下步骤：
步骤S321，将肤色区域划分为m行n列的像素块。
本实施例中，将人脸图像的肤色区域划分为m行n列的多个像素块，其中，m表示像素块的行数，n表示像素块的列数。m、n的具体数值选择取决于对人脸图像的处理精度要求，要求越高的，m、n的取值越大。
步骤S322，计算各像素块的像素色差平均值，像素色差平均值为像素块内各像素点的红色分量色差值与蓝色分量色差值的差的平均值。
本实施例中，首先计算各像素块内每个像素点的红色分量色差值与蓝色分量色差值的差，再计算各像素块内上述差值的平均值，该平均值为各像素块的像素色差平均值。
步骤S323，确定像素色差平均值最大的像素块，像素色差平均值最大的像素块为肤色中心区域。
本实施例中，通过计算肤色区域内像素块的像素色差值的最大值，并将该像素色差值最大的像素块作为肤色中心区域。即通过统计人脸框内肤色区域内各像素块的像素色差值，并将像素色差平均值最大的像素点作为肤色中心区域，通过像素色差定义的肤色中心区域能够使得图像摆脱亮度对肤色中心区域的影响，从而使得该像素块的像素色差值能够反映当前场景以及当前色温下人脸皮肤的真实颜色。
步骤S33，根据肤色区域内像素点与肤色中心区域之间的关系，计算肤色区域内各像素点的第一颜色向量的偏移量。与实施例2中的步骤S23相同，不再赘述。
步骤S34，根据第一颜色向量的偏移量对图像进行肤色增强处理。与实施例2中的步骤S24相同，不再赘述。
实施例4
本施例提供一种肤色增强的处理方法，用于肤色增强的处理装置中。如图4所示，该肤色增强的处理方法包括以下步骤：
步骤S41，识别图像中的人脸框。
对图像中的人脸框的识别方式可以为先验知识法，即根据人脸的额认识而总结到的一些对人脸的额特征规则进行表达的方法；模板匹配法，即通过测试固定目标模板与某候选区域图像之间的相互关联程度或者差异程度，然后以此测量结果来搜索图像中的人脸；机器学习法，即通过分析以及学习上述两种技术来训练，包括人脸数据以及非人脸数据，然后变换成为二类模式分类的问题，从而可以区分人脸跟其它物体。
步骤S42，计算人脸框内的第三颜色向量，第三颜色向量包括所有人脸框内像素点的红色分量色差值的平均值以及蓝色分量色差值的平均值。
本实施例中，可以采用如下公式计算第三颜色向量：
其中，N表示人脸框内像素点的个数，i表示第i个像素点，cr(i)表示第i个像素点的红色分量色差值，cb(i)表示第i个像素点的蓝色分量色差值。
若则
上式中第三颜色向量可以简化为：
步骤S43，判断人脸框内像素点的第四颜色向量与第三颜色向量之间的距离，第四颜色向量包括人脸框内像素点的红色分量色差值和蓝色分量色差值。
本实施例中，第四颜色向量可以采用如下公式计算人脸框内每个像素点的第四颜色向量与第三颜色向量之间的距离：
其中，i表示人脸框内的第i个像素点，cr(i)表示第i个像素点的红色分量色差值，cb(i)表示第i个像素点的蓝色分量色差值。
步骤S44，当距离小于阈值时，人脸框内像素点为肤色区域内像素点。
其中，阈值的取值范围可以为[10，20]。作为本实施例的一种可选实施方式，阈值取15。该阈值能够简化计算过程，能够将肤色区域内像素点的划分符合当前场景当前色温。
步骤S45，获取图像中人脸的肤色区域的图像信息，图像信息包括肤色区域内各像素点的第一颜色向量，第一颜色向量包括红色分量色差值和蓝色分量色差值。与实施例2中的步骤S21相同，不再赘述。
步骤S46，根据红色分量色差值以及蓝色分量色差值，计算肤色区域内的肤色中心区域。与实施例2中的步骤S22相同，或与实施例3中的步骤S32相同，不再赘述。
步骤S47，根据肤色区域内像素点与肤色中心区域之间的关系，计算肤色区域内各像素点的第一颜色向量的偏移量。与实施例2中的步骤S23相同，不再赘述。
步骤S48，根据第一颜色向量的偏移量对图像进行肤色增强处理。与实施例2中的步骤S24相同，不再赘述。
本实施例通过人脸检测程序生成的动态肤色模型，可以较好地适应不同场景下的肤色分布分为，有效地避免漏检现象，另外通过人脸框的限定可以避免伪肤色情况的存在，使得整个图像处理人脸之外的其他区域不受任何影响。
实施例5
本施例提供一种肤色增强的处理装置，用于执行实施例1中的肤色增强的处理方法。如图5所示，该肤色增强的处理装置包括：
获取单元51，用于获取图像中人脸的肤色区域的图像信息，图像信息包括肤色区域内各像素点的第一颜色向量，第一颜色向量包括红色分量色差值和蓝色分量色差值；
第一计算单元52，用于根据红色分量色差值以及蓝色分量色差值，计算肤色区域内的肤色中心区域；
第二计算单元53，用于根据肤色区域内像素点与肤色中心区域之间的关系，计算肤色区域内各像素点的第一颜色向量的偏移量；
处理单元54，用于根据第一颜色向量的偏移量对图像进行肤色增强处理。
作为本实施例的一种可选实施方式，如图6所示，其中，第一计算单元52包括：
第一计算子单元521，用于计算肤色区域内各像素点的像素色差值，像素色差值为对应像素点的红色分量色差值减去蓝色分量色差值；
第二计算子单元522，用于确定肤色区域内像素色差值最大的像素点，像素色差值最大的像素点为所述肤色中心区域；
作为本实施例的一种可选实施方式，如图7所示，其中，第一计算单元52包括：
划分单元523，用于将肤色区域划分为m*n的像素块；
第三计算子单元524，用于计算各像素块的像素色差平均值，像素色差平均值为像素块内各像素点的红色分量色差值与蓝色分量色差值的差的平均值；
第四计算子单元525，用于确定像素色差平均值最大的像素块，像素色差平均值最大的像素块为肤色中心区域。
作为本实施例的一种可选实施方式，其中，图像信息还包括肤色区域内各像素点的亮度信号值，如图6所示，第二计算单元53，包括：
第五计算子单元531，用于根据肤色区域内像素点与肤色中心区域之间的第一颜色向量，计算肤色区域内像素点的调节权重；
第六计算子单元532，用于根据肤色区域内像素点与肤色中心区域之间的亮度信号值，计算像素点的调节向量；
第七计算子单元533，用于计算调节权重与调节向量的乘积，该乘积为肤色区域内像素点的第一颜色向量的偏移量。
作为本实施例的一种可选实施方式，采用如下公式计算调节权重：
其中，i为肤色区域内像素点的横坐标，j为肤色区域内像素点的纵坐标，cb(i,j)为肤色区域内像素点的蓝色分量色差值，center_cb为肤色中心区域的蓝色分量色差值，cr(i,j)为肤色区域内像素点的红色分量色差值，center_cr为肤色中心区域的红色分量色差值，num为平滑度系数。
作为本实施例的一种可选实施方式，采用如下公式计算调节向量：
其中，i为肤色区域内像素点的横坐标，j为肤色区域内像素点的纵坐标，cb(i,j)为肤色区域内像素点的蓝色分量色差值，cb′(i,j)为与肤色区域内像素点对应的目标像素点的蓝色分量色差值，cr(i,j)为肤色区域内像素点的红色分量色差值，cr′(i,j)为与肤色区域内像素点对应的目标像素点的红色分量色差值，所述目标像素点的蓝色分量色差值和红色分量色差值是根据所述亮度信号值进行设置的。
作为本实施例的一种可选实施方式，如图6所示，处理单元54包括：
第八计算子单元541，用于计算各肤色区域内像素点的第二颜色向量，所述第二颜色向量为第一颜色向量与第一颜色向量的偏移量的和；
调整单元542，用于对肤色区域进行调整，使得肤色区域的图像信息调整为亮度信号值和第二颜色向量。
作为本实施例的一种可选实施方式，如图8所示，该肤色增强的处理装置还包括：
识别单元55，用于识别图像中的人脸框；
第三计算单元56，用于计算人脸框内的第三颜色向量，第三颜色向量包括所有人脸框内像素点的红色分量色差值的平均值以及蓝色分量色差值的平均值；
判断单元57，用于判断人脸框内像素点的第四颜色向量与所述第三颜色向量之间的距离，所述第四颜色向量包括人脸框内像素点的红色分量色差值和蓝色分量色差值；
定性单元58，用于当所述距离小于阈值时，人脸框内像素点为肤色区域内像素点。
本发明实施例提供的肤色增强的处理装置，通过对动态肤色模型中的肤色中心区域的选取进行设置，使得肤色中心区域的选取肤色人眼对色差的感受，真实地反应了当前场景下的真实肤色，消除肤色增强算法的斑块效应，使该处理装置具有较好的肤色增强效果，具有广泛的适用性。
实施例6
图9是本发明实施例提供的图像处理装置的硬件结构示意图，如图9所示，该装置包括一个或多个处理器61以及存储器62，图9中以一个处理器61为例。
该图像处理装置还可以包括：图像显示器(未示出)，用于对比显示图像的处理结果。处理器61、存储器62和图像显示器可以通过总线或者其他方式连接，图9中以通过总线连接为例。
处理器61可以为中央处理器(Central Processing Unit，CPU)。处理器61还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器62作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的肤色增强处理方法对应的程序指令/模块。处理器61通过运行存储在存储器62中的非暂态软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述实施例中，肤色增强的处理方法。
存储器62可以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、至少一个功能所需要的应用程序；存储数据区可存储根据肤色增强的处理装置的使用所创建的数据等。此外，存储器62可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器62可选包括相对于处理器61远程设置的存储器，这些远程存储器可以通过网络连接至肤色增强的处理装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器62中，当被所述一个或者多个处理器61执行时，执行实施例1至实施例4中任一项所述的肤色增强的处理方法。
上述产品可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，具体可参见如图1所示的实施例中的相关描述。
实施例7
本发明实施例还提供了一种非暂态计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行实施例1至实施例4中任一项所述的肤色增强的处理方法。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。
本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(ROM)或随机存储记忆体(RAM)等。
虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种肤色增强的处理方法，其特征在于，包括以下步骤：
获取图像中人脸的肤色区域的图像信息，所述图像信息包括所述肤色区域内各像素点的第一颜色向量，所述第一颜色向量包括红色分量色差值和蓝色分量色差值；
根据所述红色分量色差值以及所述蓝色分量色差值，计算所述肤色区域内的肤色中心区域；
根据所述肤色区域内像素点与所述肤色中心区域之间的关系，计算所述肤色区域内各像素点的第一颜色向量的偏移量；
根据所述第一颜色向量的偏移量对所述图像进行肤色增强处理。
2.根据权利要求1所述的处理方法，其特征在于，所述根据所述红色分量色差值以及所述蓝色分量色差值，计算所述肤色区域内的肤色中心区域，包括以下步骤：
计算所述肤色区域内各像素点的像素色差值，所述像素色差值为对应像素点的红色分量色差值减去蓝色分量色差值；
确定所述肤色区域内像素色差值最大的像素点，所述像素色差值最大的像素点为所述肤色中心区域；
或者，所述根据所述红色分量色差值以及所述蓝色分量色差值，计算所述肤色区域内的肤色中心区域，包括以下步骤：
将所述肤色区域划分为m行n列的像素块；
计算各所述像素块的像素色差平均值，所述像素色差平均值为所述像素块内各像素点的所述红色分量色差值与所述蓝色分量色差值的差的平均值；
确定像素色差平均值最大的像素块，所述像素色差平均值最大的像素块为所述肤色中心区域。
3.根据权利要求1或2所述的处理方法，其特征在于，所述图像信息还包括所述肤色区域内各像素点的亮度信号值，所述根据所述肤色区域内像素点与所述肤色中心区域之间的关系，计算所述肤色区域内各像素点的第一颜色向量的偏移量，包括以下步骤：
根据所述肤色区域内像素点与所述肤色中心区域之间的第一颜色向量，计算所述肤色区域内像素点的调节权重；
根据所述肤色区域内像素点与所述肤色中心区域之间的所述亮度信号值，计算所述像素点的调节向量；
计算所述调节权重与所述调节向量的乘积，所述乘积为所述肤色区域内像素点的所述第一颜色向量的偏移量。
4.根据权利要求3所述的处理方法，其特征在于，采用如下公式计算所述调节权重：
<mrow>
<msub>
<mi>C</mi>
<mn>0</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>1</mn>
<mo>-</mo>
<mfrac>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<mi>c</mi>
<mi>b</mi>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mo>)</mo>
<mo>-</mo>
<mi>c</mi>
<mi>e</mi>
<mi>n</mi>
<mi>t</mi>
<mi>e</mi>
<mi>r</mi>
<mo>_</mo>
<mi>c</mi>
<mi>b</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<mi>c</mi>
<mi>r</mi>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mo>)</mo>
<mo>-</mo>
<mi>c</mi>
<mi>e</mi>
<mi>n</mi>
<mi>t</mi>
<mi>e</mi>
<mi>r</mi>
<mo>_</mo>
<mi>c</mi>
<mi>r</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
<mrow>
<msup>
<mi>num</mi>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
<mo>;</mo>
</mrow>
其中，i为所述肤色区域内像素点的横坐标，j为肤色区域内像素点的纵坐标，cb(i,j)为所述肤色区域内像素点的蓝色分量色差值，center_cb为所述肤色中心区域的蓝色分量色差值，cr(i,j)为所述肤色区域内像素点的红色分量色差值，center_cr为所述肤色中心区域的红色分量色差值，num为平滑度系数。
5.根据权利要求3所述的处理方法，其特征在于，采用如下公式计算所述调节向量：
<mrow>
<mover>
<msub>
<mi>C</mi>
<mn>1</mn>
</msub>
<mo>&RightArrow;</mo>
</mover>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mo>&lsqb;</mo>
<msup>
<mi>cb</mi>
<mo>&prime;</mo>
</msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>c</mi>
<mi>b</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<msup>
<mi>cr</mi>
<mo>&prime;</mo>
</msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>c</mi>
<mi>r</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>;</mo>
</mrow>
其中，i为所述肤色区域内像素点的横坐标，j为肤色区域内像素点的纵坐标，cb(i,j)为所述肤色区域内像素点的蓝色分量色差值，cb′(i,j)为与所述肤色区域内像素点对应的目标像素点的蓝色分量色差值，cr(i,j)为所述肤色区域内像素点的红色分量色差值，cr′(i,j)为与所述肤色区域内像素点对应的目标像素点的红色分量色差值，所述目标像素点的蓝色分量色差值和红色分量色差值是根据所述亮度信号值进行设置的。
6.根据权利要求1所述的处理方法，其特征在于，所述根据所述第一颜色向量的偏移量对所述图像进行肤色增强处理，包括以下步骤：
计算各所述肤色区域内像素点的第二颜色向量，所述第二颜色向量为所述第一颜色向量与所述第一颜色向量的偏移量的和；
对所述肤色区域进行调整，使得所述肤色区域的图像信息调整为所述亮度信号值和所述第二颜色向量。
7.根据权利要求1-6中任一项所述的处理方法，其特征在于，所述获取图像中人脸的肤色区域的图像信息的步骤之前，还包括：
识别所述图像中的人脸框；
计算所述人脸框内的第三颜色向量，所述第三颜色向量包括所有所述人脸框内像素点的所述红色分量色差值的平均值以及所述蓝色分量色差值的平均值；
判断所述人脸框内像素点的第四颜色向量与所述第三颜色向量之间的距离，所述第四颜色向量包括所述人脸框内像素点的红色分量色差值和蓝色分量色差值；
当所述距离小于阈值时，所述人脸框内像素点为所述肤色区域内像素点。
8.一种肤色增强的处理装置，其特征在于，包括：
获取单元，用于获取图像中人脸的肤色区域的图像信息，所述图像信息包括所述肤色区域内各像素点的第一颜色向量，所述第一颜色向量包括红色分量色差值和蓝色分量色差值；
第一计算单元，用于根据所述红色分量色差值以及所述蓝色分量色差值，计算所述肤色区域内的肤色中心区域；
第二计算单元，用于根据所述肤色区域内像素点与所述肤色中心区域之间的关系，计算所述肤色区域内各像素点的第一颜色向量的偏移量；
处理单元，用于根据所述第一颜色向量的偏移量对所述图像进行肤色增强处理。
9.一种图像处理装置，其特征在于，包括至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行权利要求1至7中任一项所述的肤色增强的处理方法。
10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使计算机执行权利要求1至7中任一项所述的肤色增强的处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710712314.8A CN107507144B (zh) | 2017-08-18 | 2017-08-18 | 肤色增强的处理方法、装置及图像处理装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710712314.8A CN107507144B (zh) | 2017-08-18 | 2017-08-18 | 肤色增强的处理方法、装置及图像处理装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107507144A true CN107507144A (zh) | 2017-12-22 |
| CN107507144B CN107507144B (zh) | 2020-06-16 |
Family
ID=60692325
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710712314.8A Active CN107507144B (zh) | 2017-08-18 | 2017-08-18 | 肤色增强的处理方法、装置及图像处理装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107507144B (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109522839A (zh) * | 2018-11-15 | 2019-03-26 | 北京达佳互联信息技术有限公司 | 一种人脸皮肤区域确定方法、装置、终端设备及存储介质 |
| CN109727198A (zh) * | 2019-01-03 | 2019-05-07 | 成都品果科技有限公司 | 一种基于肤色检测的图像亮度优化方法 |
| CN109727212A (zh) * | 2018-12-24 | 2019-05-07 | 维沃移动通信有限公司 | 一种图像处理方法及移动终端 |
| CN110009588A (zh) * | 2019-04-09 | 2019-07-12 | 成都品果科技有限公司 | 一种人像图像色彩增强方法及装置 |
| CN110533651A (zh) * | 2019-08-29 | 2019-12-03 | 维沃移动通信有限公司 | 一种图像处理方法及装置 |
| CN110570476A (zh) * | 2018-06-06 | 2019-12-13 | 英属开曼群岛商玩美股份有限公司 | 执行于计算设备的系统、方法及存储媒体 |
| CN110942487A (zh) * | 2018-09-25 | 2020-03-31 | 瑞昱半导体股份有限公司 | 色度调整系统、方法及其非暂态电脑可读取媒体 |
| CN112017174A (zh) * | 2020-09-03 | 2020-12-01 | 湖南省华芯医疗器械有限公司 | 图像处理方法、装置、电子设备及存储介质 |
| CN113222844A (zh) * | 2021-05-14 | 2021-08-06 | 上海绚显科技有限公司 | 一种图像美化方法、装置、电子设备及介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101321228A (zh) * | 2007-06-06 | 2008-12-10 | 富士施乐株式会社 | 颜色调节装置、计算机可读介质以及颜色调节方法 |
| CN102096911A (zh) * | 2011-01-31 | 2011-06-15 | 格科微电子（上海）有限公司 | 亮度提升的方法 |
| CN106845455A (zh) * | 2017-03-01 | 2017-06-13 | 中国科学院上海高等研究院 | 基于肤色检测的图像处理方法、系统及服务器 |
-
2017
- 2017-08-18 CN CN201710712314.8A patent/CN107507144B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101321228A (zh) * | 2007-06-06 | 2008-12-10 | 富士施乐株式会社 | 颜色调节装置、计算机可读介质以及颜色调节方法 |
| CN102096911A (zh) * | 2011-01-31 | 2011-06-15 | 格科微电子（上海）有限公司 | 亮度提升的方法 |
| CN106845455A (zh) * | 2017-03-01 | 2017-06-13 | 中国科学院上海高等研究院 | 基于肤色检测的图像处理方法、系统及服务器 |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110570476A (zh) * | 2018-06-06 | 2019-12-13 | 英属开曼群岛商玩美股份有限公司 | 执行于计算设备的系统、方法及存储媒体 |
| CN110942487B (zh) * | 2018-09-25 | 2023-08-29 | 瑞昱半导体股份有限公司 | 色度调整系统、方法及其非暂态电脑可读取媒体 |
| CN110942487A (zh) * | 2018-09-25 | 2020-03-31 | 瑞昱半导体股份有限公司 | 色度调整系统、方法及其非暂态电脑可读取媒体 |
| CN109522839A (zh) * | 2018-11-15 | 2019-03-26 | 北京达佳互联信息技术有限公司 | 一种人脸皮肤区域确定方法、装置、终端设备及存储介质 |
| CN109727212A (zh) * | 2018-12-24 | 2019-05-07 | 维沃移动通信有限公司 | 一种图像处理方法及移动终端 |
| CN109727198B (zh) * | 2019-01-03 | 2023-04-07 | 成都品果科技有限公司 | 一种基于肤色检测的图像亮度优化方法 |
| CN109727198A (zh) * | 2019-01-03 | 2019-05-07 | 成都品果科技有限公司 | 一种基于肤色检测的图像亮度优化方法 |
| CN110009588A (zh) * | 2019-04-09 | 2019-07-12 | 成都品果科技有限公司 | 一种人像图像色彩增强方法及装置 |
| CN110009588B (zh) * | 2019-04-09 | 2022-12-27 | 成都品果科技有限公司 | 一种人像图像色彩增强方法及装置 |
| CN110533651A (zh) * | 2019-08-29 | 2019-12-03 | 维沃移动通信有限公司 | 一种图像处理方法及装置 |
| CN112017174A (zh) * | 2020-09-03 | 2020-12-01 | 湖南省华芯医疗器械有限公司 | 图像处理方法、装置、电子设备及存储介质 |
| CN112017174B (zh) * | 2020-09-03 | 2024-05-31 | 湖南省华芯医疗器械有限公司 | 图像处理方法、装置、电子设备及存储介质 |
| CN113222844A (zh) * | 2021-05-14 | 2021-08-06 | 上海绚显科技有限公司 | 一种图像美化方法、装置、电子设备及介质 |
| CN113222844B (zh) * | 2021-05-14 | 2023-11-24 | 上海绚显科技有限公司 | 一种图像美化方法、装置、电子设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107507144B (zh) | 2020-06-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107507144A (zh) | 肤色增强的处理方法、装置及图像处理装置 | |
| WO2017092431A1 (zh) | 基于肤色的人手检测方法及装置 | |
| US9569827B2 (en) | Image processing apparatus and method, and program | |
| US8525847B2 (en) | Enhancing images using known characteristics of image subjects | |
| CN103973977B (zh) | 一种预览界面的虚化处理方法、装置及电子设备 | |
| US9767387B2 (en) | Predicting accuracy of object recognition in a stitched image | |
| CN104103082A (zh) | 一种基于区域描述和先验知识的图像显著性检测方法 | |
| US10817723B2 (en) | Image recognition system and information-display method thereof | |
| CN109903265B (zh) | 一种图像变化区域侦测阀值设定方法、系统及其电子装置 | |
| CN106815587A (zh) | 图像处理方法及装置 | |
| CN107832359A (zh) | 一种图片检索方法及系统 | |
| CN107295324A (zh) | 白平衡处理方法、装置和终端设备 | |
| CN103514595B (zh) | 图像显著区域检测方法 | |
| CN103020949A (zh) | 人脸图像检测方法 | |
| CN106231278B (zh) | 视频处理方法及电视系统 | |
| JP5615344B2 (ja) | 色特徴を抽出するための方法および装置 | |
| WO2012153661A1 (ja) | 画像補正装置、画像補正表示装置、画像補正方法、プログラム、及び、記録媒体 | |
| US20240320806A1 (en) | Image processing method and apparatus, electronic device and computer readable storage medium | |
| CN113781330B (zh) | 图像处理方法、装置及电子系统 | |
| Shih et al. | Multiskin color segmentation through morphological model refinement | |
| JP3444160B2 (ja) | 動物体検出方法 | |
| Lecca | A Retinex Inspired Bilateral Filter for Enhancing Images under Difficult Light Conditions. | |
| Arora et al. | Enhancement of overexposed color images | |
| JP2016066990A (ja) | 階調補正の評価方法、および演算装置 | |
| JP5069599B2 (ja) | 映像変換装置、映像変換方法および映像変換プログラム |
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 |