CN107798654B

CN107798654B - 图像磨皮方法及装置、存储介质

Info

Publication number: CN107798654B
Application number: CN201711112509.5A
Authority: CN
Inventors: 陈志军
Original assignee: Beijing Xiaomi Mobile Software Co Ltd
Current assignee: Beijing Xiaomi Mobile Software Co Ltd
Priority date: 2017-11-13
Filing date: 2017-11-13
Publication date: 2022-04-26
Anticipated expiration: 2037-11-13
Also published as: CN107798654A

Abstract

本公开是关于一种图像磨皮方法及装置、存储介质，属于图像处理技术领域。所述方法包括：采用双边滤波算法对目标图像中的待磨皮区域进行第一滤波处理，得到第一磨皮图像；采用导向滤波算法对所述目标图像中的所述待磨皮区域进行第二滤波处理，得到第二磨皮图像；将所述第一磨皮图像和所述第二磨皮图像进行图像融合处理，得到目标磨皮图像。本公开解决了相关技术中对图像进行磨皮处理的方式单一，灵活性较低的问题。本公开用于图像磨皮。

Description

图像磨皮方法及装置、存储介质

技术领域

本公开涉及图像处理技术领域，特别涉及一种图像磨皮方法及装置、存储介质。

背景技术

随着图像处理技术的快速发展和人们审美需求的不断提高，利用电子设备提供的各类图像处理软件对图像进行美化处理已经成为了当代人常见的选择。其中，磨皮处理是对图像进行美化处理的一种重要方式。

相关技术中，通常采用双边滤波算法或导向滤波算法对图像进行磨皮处理。相关技术中对图像进行磨皮处理的方式单一，灵活性较低。

发明内容

本公开实施例提供了一种图像磨皮方法及装置、存储介质，可以解决相关技术中的问题。所述技术方案如下：

根据本公开实施例的第一方面，提供一种图像磨皮方法，所述方法包括：

采用双边滤波算法对目标图像中的待磨皮区域进行第一滤波处理，得到第一磨皮图像；

采用导向滤波算法对所述目标图像中的所述待磨皮区域进行第二滤波处理，得到第二磨皮图像；

将所述第一磨皮图像和所述第二磨皮图像进行图像融合处理，得到目标磨皮图像。

可选的，所述采用双边滤波算法对目标图像中的待磨皮区域进行滤波处理，得到第一磨皮图像，包括：

对所述目标图像中的待磨皮区域进行n倍下采样，得到第一中间图像，所述n大于1；

采用所述双边滤波算法对所述第一中间图像中的所述待磨皮区域进行所述第一滤波处理，得到第二中间图像；

对所述第二中间图像中的所述待磨皮区域进行n倍上采样，得到所述第一磨皮图像。

可选的，所述将所述第一磨皮图像和所述第二磨皮图像进行图像融合处理，得到目标磨皮图像，包括：

将所述第一磨皮图像和所述第二磨皮图像按照第一融合比例进行图像融合处理，得到第三磨皮图像；

将所述第三磨皮图像和所述目标图像按照第二融合比例进行图像融合处理，得到所述目标磨皮图像。

可选的，所述将所述第三磨皮图像和所述目标图像按照第二融合比例进行图像融合处理，包括：

计算所述目标图像中每个像素的梯度值；

基于所述每个像素的梯度值，确定所述第二融合比例；

将所述第三磨皮图像和所述目标图像按照所述第二融合比例进行像素融合处理。

可选的，所述基于所述每个像素的梯度值，确定所述第二融合比例，包括：

基于比例计算公式，确定所述第二融合比例，所述第二融合比例为一融合比例矩阵，所述第二融合比例包括所述目标图像中的每个像素与所述第三磨皮图像中的每个像素的融合比例；

其中，所述比例计算公式为：α＝(1-G)/255，α为所述第二融合比例，G为梯度矩阵，所述梯度矩阵包括所述目标图像中的每个像素的梯度值。

可选的，所述第一滤波处理和所述第二滤波处理同步执行。

根据本公开实施例的第二方面，提供一种图像磨皮装置，所述装置包括：

第一滤波处理模块，被配置为采用双边滤波算法对目标图像中的待磨皮区域进行第一滤波处理，得到第一磨皮图像；

第二滤波处理模块，被配置为采用导向滤波算法对所述目标图像中的所述待磨皮区域进行第二滤波处理，得到第二磨皮图像；

图像融合模块，被配置为将所述第一磨皮图像和所述第二磨皮图像进行图像融合处理，得到目标磨皮图像。

可选的，所述第一滤波处理模块，包括：

下采样子模块，被配置为对所述目标图像中的待磨皮区域进行n倍下采样，得到第一中间图像，所述n大于1；

第一滤波处理子模块，被配置为采用所述双边滤波算法对所述第一中间图像中的所述待磨皮区域进行所述第一滤波处理，得到第二中间图像；

上采样子模块，被配置为对所述第二中间图像中的所述待磨皮区域进行n倍上采样，得到所述第一磨皮图像。

可选的，所述图像融合模块，包括：

第一图像融合子模块，被配置为将所述第一磨皮图像和所述第二磨皮图像按照第一融合比例进行图像融合处理，得到第三磨皮图像；

第二图像融合子模块，被配置为将所述第三磨皮图像和所述目标图像按照第二融合比例进行图像融合处理，得到所述目标磨皮图像。

可选的，第二图像融合子模块，包括：

计算单元，被配置为计算所述目标图像中每个像素的梯度值；

确定单元，被配置为基于所述每个像素的梯度值，确定所述第二融合比例；

像素融合单元，被配置为将所述第三磨皮图像和所述目标图像按照所述第二融合比例进行像素融合处理。

可选的，所述确定单元，被配置为：

可选的，所述第一滤波处理模块和所述第二滤波处理模块同步执行。

根据本公开实施例的第三方面，提供一种图像磨皮装置，包括：

处理器；

用于存储所述处理器的可执行指令的存储器；

其中，所述处理器被配置为：

根据本公开实施例的第四方面，提供一种存储介质，当所述存储介质中的指令由终端的处理组件执行时，使得所述终端能够执行第一方面任一所述的图像磨皮方法。

本公开的实施例提供的技术方案可以包括以下有益效果：

本公开实施例提供的图像磨皮方法，分别采用双边滤波算法和导向滤波算法对目标图像中的待磨皮区域进行滤波处理，并将处理得到的两个磨皮图像进行图像融合处理，得到最终的目标磨皮图像，改善了图像磨皮效果，丰富了图像磨皮的方式，提高了图像磨皮的灵活性。

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的，并不能限制本公开。

附图说明

为了更清楚地说明本公开的实施例，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1-1是本公开一示意性实施例提供的一种图像磨皮方法的流程图。

图1-2是本公开一示意性实施例提供的另一种图像磨皮方法的流程图。

图2是本公开一示意性实施例提供的又一种图像磨皮方法的流程图。

图3-1是根据一示例性实施例示出的一种图像磨皮装置的框图。

图3-2是根据一示例性实施例示出的一种第一滤波处理模块的框图。

图3-3是根据一示例性实施例示出的一种图像融合模块的框图。

图3-4是根据一示例性实施例示出的一种第二图像融合子模块的框图。

图4是根据一示例性实施例示出的一种用于图像磨皮的装置的框图。

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。

具体实施方式

为了使本公开的目的、技术方案和优点更加清楚，下面将结合附图对本公开作进一步地详细描述，显然，所描述的实施例仅仅是本公开一部份实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本公开保护的范围。

本公开实施例提供了一种图像磨皮方法，可以解决相关技术中对图像进行磨皮处理的方式单一，灵活性较低的问题，如图1-1所示，该方法可以包括：

步骤101A、采用双边滤波算法对目标图像中的待磨皮区域进行第一滤波处理，得到第一磨皮图像。

步骤102A、采用导向滤波算法对目标图像中的待磨皮区域进行第二滤波处理，得到第二磨皮图像。

步骤103A、将第一磨皮图像和第二磨皮图像进行图像融合处理，得到目标磨皮图像。

综上所述，本公开实施例提供的图像磨皮方法，分别采用双边滤波算法和导向滤波算法对目标图像中的待磨皮区域进行滤波处理，并将处理得到的两个磨皮图像进行图像融合处理，得到最终的目标磨皮图像，改善了图像磨皮效果，丰富了图像磨皮的方式，提高了图像磨皮的灵活性。

进一步的，本公开实施例提供了另一种图像磨皮方法，如图1-2所示，该方法可以包括：

步骤101B、对目标图像中的待磨皮区域进行n倍下采样，得到第一中间图像，n>1。

步骤102B、采用双边滤波算法对目标图像中的待磨皮区域进行第一滤波处理，得到第二中间图像。

步骤103B、对第二中间图像中的待磨皮区域进行n倍上采样，得到第一磨皮图像。

步骤104B、采用导向滤波算法对目标图像中的待磨皮区域进行第二滤波处理，得到第二磨皮图像。

步骤105B、将第一磨皮图像和第二磨皮图像进行图像融合处理，得到目标磨皮图像。

综上所述，本公开实施例提供的图像磨皮方法，先对待磨皮区域进行n倍下采样，再采用双边滤波算法对待磨皮区域进行第一滤波处理，可以提高第一滤波处理的速度，对第一滤波处理后的第二中间图像中的待磨皮区域进行n倍上采样，可以还原待磨皮区域的分辨率，将得到的第一磨皮图像和进行第二滤波处理得到的第二磨皮图像进行图像融合处理，得到的目标磨皮图像的磨皮效果优于第二磨皮图像，因此，本公开实施例提供的图像磨皮方法，与基于双边滤波算法的图像磨皮方法相比效率更高，与基于导向滤波算法的图像磨皮方法相比磨皮效果更好，提高了图像磨皮的灵活性。

图2是本公开一示意性实施例提供的一种图像磨皮方法的流程图，如图2所示，该方法可以包括：

步骤201、获取目标图像。

可选的，目标图像可以是终端的图库中已保存的图像，也可以是通过终端的摄像组件拍摄得到的图像。在本公开实施例中，当图像磨皮软件打开后，终端可以通过图像磨皮软件获取目标图像。

步骤202、确定目标图像中的待磨皮区域。

可选的，待磨皮区域可以为人脸区域，则相应的，可以采用人脸检测算法确定目标图像中的待磨皮区域，例如，先检测目标图像中是否存在人脸，当确定目标图像中存在人脸时，获取人脸区域的位置，即获取目标图像中的待磨皮区域。其中，人脸检测算法包括多种，例如基于直方图粗分割和奇异值特征的人脸检测算法、基于二进小波变换的人脸检测算法、基于AdaBoost算法的人脸检测算法和基于面部双眼结构特征的人脸检测算法等，本公开实施例对所采用的人脸检测算法不做限定。

步骤203、对目标图像中的待磨皮区域进行n倍下采样，得到第一中间图像。

其中，n大于1，n可以为整数，也可以不为整数，本公开实施例对此不做限定。可选的，可以采用双线性差值算法对目标图像中的待磨皮区域进行n倍下采样，得到第一中间图像。

示例的，假设n＝4，目标图像中的待磨皮区域的像素分辨率为M×N，则采用双线性差值算法对目标图像中的待磨皮区域进行4倍下采样之后，得到的第一中间图像中的待磨皮区域的像素分辨率为

即得到的第一中间图像中的待磨皮区域的像素分辨率为目标图像中的待磨皮区域的像素分辨率的16分之一。

可选的，还可以采用其他算法对目标图像中的待磨皮区域进行下采样，例如还可以采用最近邻算法对目标图像中的待磨皮区域进行下采样，本公开实施例对此不做限定。

步骤204、采用双边滤波算法对第一中间图像中的待磨皮区域进行第一滤波处理，得到第二中间图像。

双边滤波(英文：Bilateral filter)是一种非线性的滤波方法，是结合图像的空间邻近度和像素值相似度的一种折中处理，同时考虑空域信息和灰度相似性，达到保边去噪的目的。具有简单、非迭代和局部性的特点。

可选的，双边滤波函数表达式可以为：

其中，g(i,j)是像素(i，j)的输出值，(k，l)是像素(i，j)的邻域像素的位置，f(k,l)是邻域像素的像素值，w(i,j,k,l)表示权重系数，权重系数具体可以表示为：

是空间定义域滤波核函数，

是位置，

是值域滤波核函数，

是灰度值方差，f(i,j)是像素(i，j)的像素值。

实际应用中，双边滤波函数表达式还可以为其他表达式，采用双边滤波算法对第一中间图像中的待磨皮区域进行第一滤波处理的具体方式可以参考现有技术，本公开实施例在此不做赘述。

需要说明的是，先对待磨皮区域进行n倍下采样，再采用双边滤波算法对待磨皮区域进行滤波处理，可以使滤波处理的时间缩短至原来的n²分之一，极大地提高了双边滤波处理的速度。

步骤205、对第二中间图像中的待磨皮区域进行n倍上采样，得到第一磨皮图像。

需要说明的是，对第二中间图像中的待磨皮区域进行n倍上采样所采用的算法与对目标图像中的待磨皮区域进行n倍下采样所采用的算法相同。例如，步骤203中采用双线性差值算法对目标图像中的待磨皮区域进行n倍下采样，则步骤205中也相应采用双线性差值算法对第二中间图像中的待磨皮区域进行n倍上采样，得到第一磨皮图像。

示例的，参考步骤203中的例子，假设第二中间图像中的待磨皮区域的像素分辨率为

则采用双线性差值算法对第二中间图像中的待磨皮区域进行4倍上采样后，得到的第一磨皮图像中的待磨皮区域的像素分辨率为M×N，即得到的第一磨皮图像中的待磨皮区域的像素分辨率与目标图像中的待磨皮区域的像素分辨率相同，以保证得到的第一磨皮图像的图像质量。

步骤206、采用导向滤波算法对目标图像中的待磨皮区域进行第二滤波处理，得到第二磨皮图像。

可选的，导向滤波函数表达式可以表示为：

其中，q是输出像素的值，I是输入像素的值，i和k是像素索引，a和b是当窗口的中心位于k时，该导向滤波函数表达式的系数，a_k和b_k的表达式分别可以为：

其中，ε为一常数系数，μ_k是I在窗口中的平均值，

是I在窗口中的方差，|w|是窗口中像素的数量，

是待磨皮区域在窗口中的均值。

需要说明的是，采用导向滤波算法对目标图像中的待磨皮区域进行第二滤波处理的具体方式可以参考现有技术，本公开实施例在此不做赘述。

可选的，上述第一滤波处理和第二滤波处理可以同步执行，以提高图像磨皮的速度。

步骤207、将第一磨皮图像和第二磨皮图像按照第一融合比例进行图像融合处理，得到第三磨皮图像。

需要说明的是，一般情况下，图像融合由低到高分为三个层次:数据级融合、特征级融合、决策级融合。数据级融合也称像素级融合，是指直接对传感器采集的数据进行处理而获得融合图像的过程，它是高层次图像融合的基础，也是目前图像融合研究的重点之一。像素级融合的优点是保持尽可能多的现场原始数据，能够提供其它融合层次所不能提供的细微信息。

可选的，可以将第一磨皮图像和第二磨皮图像按照第一融合比例进行像素融合处理，得到第三磨皮图像。示例的，假设第一磨皮图像的像素矩阵为B₁，第二磨皮图像的像素矩阵为B₂，第一融合比例为β，则得到的第三磨皮图像的像素矩阵B可以表示为：

B＝β*B₁+(1-β)*B₂。

可选的，第一融合比例可以根据实际需求确定，例如可以根据多次训练得到的结果确定，第一融合比例可以为0.5。

需要说明的是，将第一磨皮图像和第二磨皮图像进行图像融合处理得到的第三磨皮图像，与第一磨皮图像或第二磨皮图像相比，图像的磨皮效果较好。

步骤208、将第三磨皮图像和目标图像按照第二融合比例进行图像融合处理，得到目标磨皮图像。

在本公开实施例中，可以将第三磨皮图像和目标图像按照第二融合比例进行像素融合处理，以保证得到的目标磨皮图像的纹理，提高目标磨皮图像中的细节度。

示例的，假设目标图像的像素矩阵为A，第三磨皮图像的像素矩阵为B，第二融合比例为α，则得到的第三磨皮图像的像素矩阵C可以表示为：

C＝α*A+(1-α)*B。

一方面，第二融合比例可以根据实际需求确定，例如可以根据多次训练得到的结果确定，第二融合比例可以为0.5。另一方面，可以计算目标图像中每个像素的梯度值；并基于每个像素的梯度值，确定第二融合比例。

可选的，基于每个像素的梯度值，确定第二融合比例的方法可以包括：

基于比例计算公式，确定第二融合比例，该第二融合比例为一融合比例矩阵，该第二融合比例包括目标图像中的每个像素与第三磨皮图像中的每个像素的融合比例。其中，比例计算公式可以为：α＝(1-G)/255，α为第二融合比例，G为梯度矩阵，该梯度矩阵包括目标图像中的每个像素的梯度值。

需要说明的是，上述比例计算公式还可以为其他公式，使得第二融合比例α与梯度矩阵G存在关联性即可，本公开实施例对比例计算公式的形式不做限定。

可选的，以目标图像的宽度所在方向为x轴，以目标图像的高度所在方向为y轴，建立一平面直角坐标系，则目标图像中的某一像素的梯度G₁＝d_x(i，j)+d_y(i，j)，其中，d_x(i，j)＝I(i+1，j)-I(i，j)，d_y(i，j)＝I(i，j+1)-I(i，j)，或者，d_x(i，j)＝[I(i+1，j)-I(i-1，j)]/2，d_y(i，j)＝[I(i，j+1)-I(i，j-1)]/2，I为目标图像中的像素的像素值(例如红色像素值、绿色像素值和蓝色像素值)，(i，j)为该某一像素的坐标。计算目标图像中的像素的梯度值的方式还可以为其他方式，在此仅做示例性说明。

实际应用中，可以计算目标图像的待磨皮区域中每个像素的梯度值，以确定目标图像的待磨皮区域中每个像素与第三磨皮图像中进行滤波处理后的区域中每个像素的融合比例，在将第三磨皮图像和目标图像按照第二融合比例进行像素融合处理时，即将第三磨皮图像中进行滤波处理后的区域中每个像素与目标图像的待磨皮区域中每个像素按照确定的融合比例一一进行像素融合。由于第三磨皮图像中未进行滤波处理的区域与目标图像中除待磨皮区域以外的区域的特征完全相同，因此在对该部分区域进行融合处理时，保证二者的融合比例之和为1即可，无需计算该部分区域内的像素的梯度值，可以减少运算量，提高图像磨皮的速度。

需要说明的是，本公开实施例提供的图像磨皮方法步骤的先后顺序可以进行适当调整，例如，步骤206可以在步骤203之前，步骤206也可以与步骤203至步骤205同时执行，步骤也可以根据情况进行相应增减，任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到变化的方法，都应涵盖在本公开的保护范围之内，因此不再赘述。

综上所述，本公开实施例提供的图像磨皮方法，分别采用双边滤波算法和导向滤波算法对目标图像中的待磨皮区域进行滤波处理，并将处理得到的两个磨皮图像进行图像融合处理，得到最终的目标磨皮图像，改善了图像磨皮效果，丰富了图像磨皮的方式，提高了图像磨皮的灵活性；进一步的，在采用双边滤波算法之前，可以先对待磨皮区域进行n倍下采样，以提高双边滤波的处理速度，且第一滤波处理和第二滤波处理可以同时执行，进一步地提高了图像磨皮的速度。

图3-1是根据一示例性实施例示出的一种图像磨皮装置30的框图，如图3-1所示，该装置30可以包括：

第一滤波处理模块301，被配置为采用双边滤波算法对目标图像中的待磨皮区域进行第一滤波处理，得到第一磨皮图像。

第二滤波处理模块302，被配置为采用导向滤波算法对目标图像中的待磨皮区域进行第二滤波处理，得到第二磨皮图像。

图像融合模块303，被配置为将第一磨皮图像和第二磨皮图像进行图像融合处理，得到目标磨皮图像。

综上所述，本公开实施例提供的图像磨皮装置，分别通过第一滤波处理模块和第二滤波处理模块对目标图像中的待磨皮区域进行滤波处理，并通过图像融合模块将处理得到的两个磨皮图像进行图像融合处理，得到最终的目标磨皮图像，改善了图像磨皮效果，丰富了图像磨皮的方式，提高了图像磨皮的灵活性。

可选的，如图3-2所示，第一滤波处理模块301可以包括：

下采样子模块3011，被配置为对目标图像中的待磨皮区域进行n倍下采样，得到第一中间图像，n大于1。

第一滤波处理子模块3012，被配置为采用双边滤波算法对第一中间图像中的待磨皮区域进行第一滤波处理，得到第二中间图像。

上采样子模块3013，被配置为对第二中间图像中的待磨皮区域进行n倍上采样，得到第一磨皮图像。

可选的，如图3-3所示，图像融合模块303可以包括：

第一图像融合子模块3031，被配置为将第一磨皮图像和第二磨皮图像按照第一融合比例进行图像融合处理，得到第三磨皮图像。

第二图像融合子模块3032，被配置为将第三磨皮图像和目标图像按照第二融合比例进行图像融合处理，得到目标磨皮图像。

可选的，如图3-4所示，第二图像融合子模块3032可以包括：

计算单元32a，被配置为计算目标图像中每个像素的梯度值。

确定单元32b，被配置为基于每个像素的梯度值，确定第二融合比例。

像素融合单元32c，被配置为将第三磨皮图像和目标图像按照第二融合比例进行像素融合处理。

其中，确定单元可以被配置为：

基于比例计算公式，确定第二融合比例，第二融合比例为一融合比例矩阵，第二融合比例包括目标图像中的每个像素与第三磨皮图像中的每个像素的融合比例；其中，比例计算公式为：α＝(1-G)/255，α为第二融合比例，G为梯度矩阵，梯度矩阵包括目标图像中的每个像素的梯度值。

可选的，第一滤波处理模块和第二滤波处理模块同步执行。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

本公开实施例提供了一种图像磨皮装置，包括：

处理器；

用于存储所述处理器的可执行指令的存储器；

其中，所述处理器被配置为：

图4是根据一示例性实施例示出的一种用于图像磨皮的装置400的框图。例如，装置400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。

参照图4，装置400可以包括以下一个或多个组件：处理组件402，存储器404，电源组件406，多媒体组件408，音频组件410，输入/输出(I/O)的接口412，传感器组件414，以及通信组件416。

处理组件402通常控制装置400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。处理组件402可以包括一个或多个处理器420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402可以包括一个或多个模块，便于处理组件402和其他组件之间的交互。例如，处理组件402可以包括多媒体模块，以方便多媒体组件408和处理组件402之间的交互。

存储器404被配置为存储各种类型的数据以支持在装置400的操作。这些数据的示例包括用于在装置400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404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406为装置400的各种组件提供电力。电源组件406可以包括电源管理系统，一个或多个电源，及其他与为装置400生成、管理和分配电力相关联的组件。

多媒体组件408包括在所述装置400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408包括一个前置摄像头和/或后置摄像头。当装置400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410被配置为输出和/或输入音频信号。例如，音频组件410包括一个麦克风(MIC)，当装置400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404或经由通信组件416发送。在一些实施例中，音频组件410还包括一个扬声器，用于输出音频信号。

I/O接口412为处理组件402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414包括一个或多个传感器，用于为装置400提供各个方面的状态评估。例如，传感器组件414可以检测到装置400的打开/关闭状态，组件的相对定位，例如所述组件为装置400的显示器和小键盘，传感器组件414还可以检测装置400或装置400一个组件的位置改变，用户与装置400接触的存在或不存在，装置400方位或加速/减速和装置400的温度变化。传感器组件414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414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414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416被配置为便于装置400和其他设备之间有线或无线方式的通信。装置400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416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416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400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404，上述指令可由装置400的处理器420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。

本公开实施例提供了一种存储介质，当所述存储介质中的指令由终端的处理组件执行时，使得所述终端能够执行以上任一所述的图像磨皮方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，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

1.一种图像磨皮方法，其特征在于，所述方法包括：

确定目标图像中的待磨皮区域，其中，当所述目标图像中存在人脸时，将人脸区域作为待磨皮区域；

采用双边滤波算法对所述目标图像中的待磨皮区域进行第一滤波处理，得到第一磨皮图像；

将所述第一磨皮图像和所述第二磨皮图像进行图像融合处理，得到目标磨皮图像；

其中，所述第一滤波处理和所述第二滤波处理同步执行；

所述将所述第一磨皮图像和所述第二磨皮图像进行图像融合处理，得到目标磨皮图像，包括：

将所述第三磨皮图像和所述目标图像按照第二融合比例进行图像融合处理，得到所述目标磨皮图像；

其中，所述将所述第三磨皮图像和所述目标图像按照第二融合比例进行图像融合处理，包括：

计算所述目标图像的待磨皮区域中每个像素的梯度值；基于所述每个像素的梯度值，确定所述第二融合比例；将所述第三磨皮图像的进行滤波处理后的区域和所述目标图像的待磨皮区域按照所述第二融合比例进行像素融合处理；

以及将所述第三磨皮图像中未进行滤波处理的区域和所述目标图像中除所述待磨皮区域以外的区域进行图像融合处理，并保证二者融合比例之和为1。

2.根据权利要求1所述的方法，其特征在于，所述采用双边滤波算法对目标图像中的待磨皮区域进行第一滤波处理，得到第一磨皮图像，包括：

3.根据权利要求1所述的方法，其特征在于，

所述基于所述每个像素的梯度值，确定所述第二融合比例，包括：

其中，所述比例计算公式为：α=（1-G）/255，α为所述第二融合比例，G为梯度矩阵，所述梯度矩阵包括所述目标图像中的每个像素的梯度值。

4.一种图像磨皮装置，其特征在于，所述装置包括：

第一滤波处理模块，被配置为确定目标图像中的待磨皮区域，其中，当所述目标图像中存在人脸时，将人脸区域作为待磨皮区域；采用双边滤波算法对所述目标图像中的待磨皮区域进行第一滤波处理，得到第一磨皮图像；

图像融合模块，被配置为将所述第一磨皮图像和所述第二磨皮图像进行图像融合处理，得到目标磨皮图像；

其中，所述图像融合模块，包括：

第二图像融合子模块，被配置为将所述第三磨皮图像和所述目标图像按照第二融合比例进行图像融合处理，得到所述目标磨皮图像；

其中，所述第二图像融合子模块，包括：

计算单元，被配置为计算所述目标图像的待磨皮区域中每个像素的梯度值；

像素融合单元，被配置为将所述第三磨皮图像的进行滤波处理后的区域和所述目标图像的待磨皮区域按照所述第二融合比例进行像素融合处理；以及将所述第三磨皮图像中未进行滤波处理的区域和所述目标图像中除所述待磨皮区域以外的区域进行图像融合处理，并保证二者融合比例之和为1；

其中，所述第一滤波处理模块和所述第二滤波处理模块同步执行。

5.根据权利要求4所述的装置，其特征在于，所述第一滤波处理模块，包括：

6.根据权利要求4所述的装置，其特征在于，所述确定单元，还被配置为：

7.一种图像磨皮装置，其特征在于，包括：

处理器；

用于存储所述处理器的可执行指令的存储器；

其中，所述处理器被配置为：

其中，所述第一滤波处理和所述第二滤波处理同步执行；

其中，所述将所述第一磨皮图像和所述第二磨皮图像进行图像融合处理，得到目标磨皮图像，包括：

8.一种存储介质，其特征在于，当所述存储介质中的指令由终端的处理组件执行时，使得所述终端能够执行权利要求1至3任一项所述的图像磨皮方法。