CN107832766B - 高光区域的确定方法、装置、设备和存储介质 - Google Patents
高光区域的确定方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN107832766B CN107832766B CN201711052788.0A CN201711052788A CN107832766B CN 107832766 B CN107832766 B CN 107832766B CN 201711052788 A CN201711052788 A CN 201711052788A CN 107832766 B CN107832766 B CN 107832766B
- Authority
- CN
- China
- Prior art keywords
- pixel point
- value
- highlight
- threshold
- area
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
- G06V40/161—Detection; Localisation; Normalisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
- Color Image Communication Systems (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本公开是关于一种高光区域的确定方法、装置、设备和存储介质,该方法应用于用户设备,包括:通过人脸检测技术,获取待处理照片中的人脸区域;将所述待处理照片中的所述人脸区域的格式进行转换,获取LAB空间;根据所述LAB空间,从所述人脸区域中的每个像素点中确定出L、A、B满足预设高光条件的至少一个第一像素点,所述至少一个第一个像素点组成的区域作为高光区域。通过根据不同情况设置不同的高光条件,确定出人脸中的高光区域,以便在后续图像处理过程中能够消除高光部分的影响,提高用户体验。
Description
技术领域
本公开涉及图像处理技术,尤其涉及一种高光区域的确定方法、装置、设备和存储介质。
背景技术
随着智能终端设备的发展,越来越多的用户通过终端设备拍照,记录身边的人和事物,在照片拍摄过程中,不论是胶卷还是数码感光元件,它们的感光范围都是有限的。光源直射或者是光源附近的部分都会产生高光,而光线被物体遮挡会在光源的相反位置产生阴影,即拍摄完成的照片中有高光和阴影的区域,特别是对人像照片,为了优化照片中人像的效果,需要对人像照片中的高光区域进行检测。
发明内容
为克服相关技术中存在的问题,本公开提供一种高光区域的确定方法、装置、设备和存储介质。
根据本公开实施例的第一方面,提供一种高光区域的确定方法,应用于用户设备,包括:
通过人脸检测技术,获取待处理照片中的人脸区域;
将所述待处理照片中的所述人脸区域的格式进行转换,获取颜色模型LAB空间;
根据所述LAB空间,从所述人脸区域中的每个像素点中确定出L、A、B满足预设高光条件的至少一个第一像素点,所述至少一个第一个像素点组成的区域作为高光区域。
本公开实施例提供的方案中,用户设备对待处理照片进行分析处理,通过人脸检测技术得到人脸区域,并进行格式转换,对转换后的人脸区域中的每个像素,根据L、A、B三个参数进行分析,从中获取满足预设的高光条件的像素点组成高光区域,得到人脸区域中的高光区域,更精准的实现高光区域的定位,提高用户体验。
在该方案的一种具体实现中,所述高光条件包括:像素点的L值大于预设的第一阈值,且所述像素点的A、B的绝对值小于预设的第二阈值;所述第一阈值大于所述第二阈值。
本公开实施例提供的方案中,提供一种具体实现中的高光条件的设置方式,在LAB空间中,LAB颜色空间中的,L分量用于表示像素的照明度,即亮度,取值范围是[0,100],表示从纯黑到纯白;A表示从红色到绿色的范围,取值范围是[127,-128];B表示从黄色到蓝色的范围,取值范围是[127,-128],一般情况下高光的像素点的亮度较高,而AB更接近于0,因此在确定某个像素时,可以对L和AB分别设置不同的阈值,当某个像素点的L值大于设置的第一阈值,AB绝对值小于第二阈值时确定为高光的像素点,该第一阈值和第二阈值可根据实际情况进行调整。
在上述任一方案的基础上,所述根据所述LAB空间,从所述人脸区域中的每个像素点中确定出L、A、B满足预设高光条件的至少一个第一像素点之前,所述方法还包括:
计算获取所述人脸区域中的每个像素点的L的平均值Lmean;
根据所述L的最大值和所述Lmean,设置所述第一阈值和所述第二阈值。
本公开实施例提供的方案中,高光区域与照片本身的整体效果相关,因此本方案提供一种针对不同照片设置响应的阈值的方案,即计算出人脸区域中所有像素点的照明度的平均值,根据该照明度平均值设置第一阈值和第二阈值。
在上述任一方案的基础上,所述根据所述LAB空间,从所述人脸区域中的每个像素点中确定出L、A、B满足预设高光条件的至少一个第一像素点,包括:
根据所述人脸区域中每个像素点的L、A、B值,估计每个像素点的高光程度值;
确定所述人脸区域中高光程度值大于第三阈值的像素点为所述至少一个第一像素点;
其中,所述高光条件为:像素点的高光程度值大于预设的所述第三阈值。
可选的,所述根据所述人脸区域中每个像素点的L、A、B值,估计每个像素点的高光程度值,包括:
根据所述人脸区域中每个像素点的L、A、B值,采用高光评估公式计算获取每个像素点的高光程度值;其中,所述高光评估公式通过获取每个像素点的L的变化趋势和程度,以及A、B的变化趋势和程度,确定所述像素点的高光程度。
可选的,所述高光评估公式为:
mi=a*(tanh(sig*((Li-Lt)+(Ct-sqrt(Ai*Ai+Bi*Bi))))+1);
其中,a,sig为预设常数,Li为像素点i的L值,Bi为像素点i的B值,Ai为像素点i的A值,Lt为所述第一阈值,Ct为所述第二阈值,mi为像素i的高光程度值。
本公开实施例提供的方案中,除了对L、A、B三个参数设置相应的阈值,还可以通过公式计算出每个像素点的高光程度值,通过获取像素点的参数值在整个亮度和AB色彩变化曲线中的正切值,更精确的确定像素点亮度的变化趋势和程度,从而保证确定出的高光区域的精准度,对于高光的像素点可通过设置响应的高光程度值的阈值来筛选,对确定的高光区域进行处理可得到效果更好的照片,提高用户体验。
可选的,所述方法还包括:
将所述高光区域在所述待处理照片中进行标记,并显示标记后的待处理照片。
本公开实施例提供的方案中,在按照前述的任一方案确定出人脸区域中的高光区域之后,可将高光区域在照片中进行标记,并显示给用户,以便用户可在用户设备上直接看到高光区域,提高用户体验。
根据本公开实施例的第二方面,提供一种高光区域的确定装置,包括:
第一处理模块,被配置为通过人脸检测技术,获取待处理照片中的人脸区域;
第二处理模块,被配置为将所述待处理照片中的所述人脸区域的格式进行转换,获取颜色模型LAB空间;
第三处理模块,根据所述LAB空间,从所述人脸区域中的每个像素点中确定出L、A、B满足预设高光条件的至少一个第一像素点,所述至少一个第一个像素点组成的区域作为高光区域。
可选的,所述高光条件包括:像素点的L值大于预设的第一阈值,且所述像素点的A、B的绝对值小于预设的第二阈值;所述第一阈值大于所述第二阈值。
可选的,所述装置还包括:
第四处理模块,配置为计算获取所述人脸区域中的每个像素点的L的平均值Lmean;
第五处理模块,配置为根据所述L的最大值和所述Lmean,设置所述第一阈值和所述第二阈值。
可选的,所述第三处理模块包括:
计算子模块,被配置为根据所述人脸区域中每个像素点的L、A、B值,估计每个像素点的高光程度值;
第一处理子模块,被配置为确定所述人脸区域中高光程度值大于第三阈值的像素点为所述至少一个第一像素点;
其中,所述高光条件为:像素点的高光程度值大于预设的所述第三阈值。
可选的,所述计算子模块具体被配置为:
根据所述人脸区域中每个像素点的L、A、B值,采用高光评估公式计算获取每个像素点的高光程度值;其中,所述高光评估公式通过获取每个像素点的L的变化趋势和程度,以及A、B的变化趋势和程度,确定所述像素点的高光程度。
可选的,所述高光评估公式为:
mi=a*(tanh(sig*((Li-Lt)+(Ct-sqrt(Ai*Ai+Bi*Bi))))+1);
其中,a,sig为预设常数,Li为像素点i的L值,Bi为像素点i的B值,Ai为像素点i的A值,Lt为所述第一阈值,Ct为所述第二阈值,mi为像素i的高光程度值。
可选的,所述装置还包括:
第六处理模块,被配置为将所述高光区域在所述待处理照片中进行标记;
显示模块,被配置为显示标记后的待处理照片。
根据本公开实施例的第三方面,提供一种用户设备,包括:计算机指令,被配置为控制计算机指令执行的处理器;
所述处理器被配置为:
通过人脸检测技术,获取待处理照片中的人脸区域;
将所述待处理照片中的所述人脸区域的格式进行转换,获取颜色模型LAB空间;
根据所述LAB空间,从所述人脸区域中的每个像素点中确定出L、A、B满足预设高光条件的至少一个第一像素点,所述至少一个第一个像素点组成的区域作为高光区域。
根据本公开实施例的第四方面,提供一种计算机存储介质,其上存储有可执行的计算机指令,所述计算机指令被处理器执行以下方法:
通过人脸检测技术,获取待处理照片中的人脸区域;
将所述待处理照片中的所述人脸区域的格式进行转换,获取颜色模型LAB空间;
根据所述LAB空间,从所述人脸区域中的每个像素点中确定出L、A、B满足预设高光条件的至少一个第一像素点,所述至少一个第一个像素点组成的区域作为高光区域。
本发明提供的高光区域的确定方法、装置、设备和存储介质,对待处理照片进行分析处理,通过人脸检测技术得到人脸区域,并进行格式转换,对转换后的人脸区域中的每个像素,根据L、A、B三个参数进行分析,从中获取满足预设的高光条件的像素点组成高光区域,得到人脸区域中的高光区域,更精准的实现高光区域的定位,提高用户体验。
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,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的高光区域的确定方法实施例一的流程图。
图2是LAB颜色空间的示意图;
图3是根据一示例性实施例示出的高光区域的确定方法实施例二的流程图。
图4是根据一示例性实施例示出的高光区域的确定装置实施例一的框图。
图5是根据一示例性实施例示出的高光区域的确定装置实施例二的框图。
图6是根据一示例性实施例示出的高光区域的确定装置实施例三的框图。
图7是根据一示例性实施例示出的高光区域的确定装置实施例四的框图。
图8是根据一示例性实施例示出的一种用户设备的实体的框图。
图9是根据一示例性实施例示出的一种用户设备1200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发明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、本发明的一些方面相一致的装置和方法的例子。
在用户采用可拍摄照片的用户设备进行照片拍摄时,由于光线和角度的原因,容易在照片中出现部分曝光过度或者亮度较高的区域,即高光区域,照片中的高光区域影响了照片的整体效果,因此需要对高光区域进行处理,以便照片的效果更好,目前还没有合适的关于照片中高光区域的定位方案。
根据上述存在的问题,本公开实施例提供一种高光区域的确定方法,实现对待处理照片中的高光区域的定位,特别是对人脸区域的高光区域进行自适应的检测。
请参考图1,图1是根据一示例性实施例示出的高光区域的确定方法实施例一的流程图,该方案在用户设备中执行,至少包括以下步骤:
在步骤S101中,通过人脸检测技术,获取待处理照片中的人脸区域。
以对照片中的人脸区域中的高光区域的定位为例,对本公开实施例提供的高光区域的确定方法进行说明。
在本步骤中,用户设备可以是用户的手机、电脑、平板等能够进行图像处理的设备,用户设备对待处理照片进行特征点定位,例如人像中的五官特征点,通过人脸检测技术从照片确定出人脸区域。可选的,对于普通的非人像照片,可以直接执行步骤S102。
在步骤S102中,将所述待处理照片中的所述人脸区域的格式进行转换,获取LAB空间。
在本步骤中,同RGB颜色空间相比,LAB是一种设备无关的颜色系统,也是一种基于生理特征的颜色系统,是用数字化的方法来描述人的视觉感应。图2是LAB颜色空间的示意图,如图2所示,LAB颜色空间中的L分量用于表示像素的亮度,也称为照明度,取值范围是[0,100],表示从纯黑到纯白;A或者a表示从红色到绿色的范围,取值范围是[127,-128];B或者b表示从黄色到蓝色的范围,取值范围是[127,-128]。
基于该LAB颜色空间,用户设备将得到的待处理照片中的人脸区域进行转换,将其由RGB转换成LAB空间,即可以根据转换后的LAB空间确定出该人脸区域中的每个像素点的L、A、B三个参数,以便后续根据每个像素点的L、A、B参数确定是不是高光区域。
在步骤S103中,根据所述LAB空间,从所述人脸区域中的每个像素点中确定出L、A、B满足预设高光条件的至少一个第一像素点,所述至少一个第一个像素点组成的区域作为高光区域。
在本步骤中,对于不同应用的照片来说,对于高光的要求不尽相同,因此,可根据对照片高光的实际需求,设置不同的高光条件,限定高光像素的参数要求等,对人脸区域的每个像素进行检测,检测该像素的L、A、B是否满足预设的高光条件,将其中满足该高光条件的所有第一像素点全部确定出来,该些第一像素点组成的区域即确定为高光区域。
本实施例提供的高光区域的确定方法,用户设备对待处理照片进行分析处理,通过人脸检测技术得到人脸区域,并进行格式转换,对转换后的人脸区域中的每个像素,根据L、A、B三个参数进行分析,从中获取满足预设的高光条件的像素点组成高光区域,得到人脸区域中的高光区域,更精准的实现高光区域的定位,提高用户体验。
在上述公开实施例的基础上,一种具体实现中,所述高光条件包括:像素点的L值大于预设的第一阈值,且所述像素点的A、B值小于预设的第二阈值;所述第一阈值大于所述第二阈值。
由于前述的L,A,B三个参数均有一定的取值范围,并且在光照不同早上的高光和非高光情况下,该三个参数有明显的变化,因此,可以设置每个参数的阈值,以此来限定高光条件。L的数值越大,则越有可能出现曝光过度或者高光的情况,因此可以为L设置一个最小值,即上述的第一阈值,可以设置为60左右,或者60-100之间的任何取值,而对于高光像素,其颜色基本接近白色,即可知A,B的取值接近于0,因此可设置A,B的绝对值的最大值,即上述的第二阈值,可以设置为30左右,或者0-30之间的任何取值,该第一阈值和第二阈值可根据实际情况进行调整,对此本方案不做限制。
请参考图3,图3是根据一示例性实施例示出的高光区域的确定方法实施例二的流程图。在前述方案的基础上,步骤S103可以具体实现为:
在步骤S1031中,根据所述人脸区域中每个像素点的L、A、B值,估计每个像素点的高光程度值。
在步骤S1032中,确定所述人脸区域中高光程度值大于第三阈值的像素点为所述至少一个第一像素点;其中,所述高光条件为:像素点的高光程度值大于预设的所述第三阈值,所述至少一个第一像素点组成的区域作为高光区域。
在上述两个步骤中,可知高光条件除了直接设置L、A、B三个参数的阈值,还可以通过特定的数值,评估一个像素点是否高光。结合LAB色彩空间得到的每个像素点的L、A、B参数值,对每个像素点的高光程度值进行估计,然后根据预设的高光程度值的门限值,即上述的第三阈值,与每个像素点的高光程度值进行比较,将高光程度值大于该第三阈值的像素点确定为高光像素点即第一像素点。
一种具体实现中,可将每个像素点的L、A、B参数输入预设的高光评估公式计算得到用于评价该像素点高光程度的高光程度值,目前的高光评估公式是通过获取每个像素点的L的变化趋势和程度,以及A、B的变化趋势和程度,确定所述像素点的高光程度。一种具体方式是通过计算获取每个像素点的L值和A、B的平方根的双曲正切函数值评估该像素点的高光程度。即考虑该像素点的L,A,B三个参数在曲线中的变化程度,确定像素点亮度的变化趋势和程度,从而保证确定出的高光区域的精准度。
可选的,在上述步骤之后,该方案还包括:
S104:将所述高光区域在所述待处理照片中进行标记,并显示标记后的待处理照片。
在上述任一方案的基础上,用户设备还可以将确定的高光区域在照片中进行标记显示,例如将高光区域标记为明显区别与其他位置的颜色,以便用户可以直观的看到照片中的高光区域。
本公开实施例提供的高光区域的确定方法,除了对L、A、B三个参数设置相应的阈值,还可以通过公式计算出每个像素点的高光程度值,对于高光的像素点可通过设置响应的高光程度值的阈值来筛选,对确定的高光区域进行处理可得到效果更好的照片,确定出人脸区域中的高光区域之后,可将高光区域在照片中进行标记,并显示给用户,以便用户可在用户设备上直接看到高光区域,提高用户体验。
在上述任一实施例的基础上,下面通过一实例对阈值设置的方案以及高光程度值计算进行详细说明。
对于照片中的人像进行美颜时,脸上高光区域需要对其进行特殊处理,第一步需要检测出高光区域。本方案提供一种自适应的高光检测方法,首先第一步将图像从RGB空间转化为LAB空间,然后计算人脸区域中的每个像素点的L均值Lmean,然后根据L的最大值和所述Lmean,设置所述第一阈值和所述第二阈值。
通过高光评估公式:
mi=a*(tanh(sig*((Li-Lt)+(Ct-sqrt(Ai*Ai+Bi*Bi))))+1)计算出人脸区域的每个像素点的高光程度值,其中,a,sig为预设常数,Li为像素点i的L值,Bi为像素点i的B值,Ai为像素点i的A值,Lt为所述第一阈值,Ct为所述第二阈值,mi为像素i的高光程度值。a,sig为根据经验获取的经验常数,此外,公式中的几个参数都是随均值Lmean动态改变的。
可以将上述方案中的第三阈值设置为0.6(具体数值本方案不做限制,可根据实际情况进行设置),即像素i的mi大于0.6时,该像素属于高光区域,像素i的mi小于0.6时,该像素点不属于高光区域。
最后,对高光区域进行区域连通域判断,将连通域小于一定大小的阈值删除掉。第四步,结合人脸特征点定位,计算出人脸的mask区域,二者进行求交集,确定出人脸区域上的高光区域。
可选的,在该高光区域的具体应用过程中,对于几个阈值的设置可以进行自适应方式,例如,在上述公式中,sig,Lt,Ct是设定的阈值,具体应用过程中可根据皮肤的光照情况,动态调节这些阈值。a,sig的主要是目的是将高光程度值确定在一定的数值范围内,避免数值过大,运算复杂的问题,一般情况下课将高光程度值限定在0-1之间,因此一种具体实现中,a可以取值0.5,Sig取值为1/60。
根据计算人脸区域统计每个像素的L,计算脸部区域L均值Lmean
则第一阈值Lt的取值为Lt=min(90,Lmean+θ),其中,θ值为10,也可以为其他值。
Ct可根据Lmean的大小,当Lmean>70时,Ct=15,当Lmean小于70时,Ct=20等,上述的几个取值只是对本方案的举例说明,上述几个阈值均可动态调整,并不具体进行限制。
该方案中,可以将动态调整阈值代入前述的公式中,计算得出每个像素的对应mi,并且将mi>0.6值的像素点组成的区域确定为高光区域,通过该方案能有效检测高光和油光区域,提高用户体验。为了更直观的让用户确定图像中的高光区域,可将高光区域的确定结果进行标记显示,例如用别的颜色进行标记或者线条圈出等。
本公开提供一种高光区域的确定装置,该装置可以用于执行图1至图3所示的方法中的用户设备的技术方案。
请参考图4,图4是根据一示例性实施例示出的高光区域的确定装置实施例一的框图。该高光区域的确定装置10,包括:
第一处理模块11,被配置为通过人脸检测技术,获取待处理照片中的人脸区域;
第二处理模块12,被配置为将所述待处理照片中的所述人脸区域的格式进行转换,获取颜色模型LAB空间;
第三处理模块13,根据所述LAB空间,从所述人脸区域中的每个像素点中确定出L、A、B满足预设高光条件的至少一个第一像素点,所述至少一个第一个像素点组成的区域作为高光区域。
本实施例提供的高光区域的确定装置,用于执行前述任一方法实施例中用户设备的技术方案,其实现原理和技术效果类似,用户设备对待处理照片进行人脸检测,确定出人脸区域,再对照片进行格式转换得到人脸区域的LAB空间,然后根据转换后的人脸区域的每个像素的L、A、B三个参数,确定其中满足预设的高光条件的所有像素点,该些满足高光条件的像素点组成高光区域,以便后续对高光区域进行处理,提升照片效果,提高用户体验。
在上述方案的一种具体实现中,所述高光条件包括:像素点的L值大于预设的第一阈值,且所述像素点的A、B的绝对值小于预设的第二阈值;所述第一阈值大于所述第二阈值。
在上述图4所示的实施例的基础上,图5是根据一示例性实施例示出的高光区域的确定装置实施例二的框图。参照图5,该高光区域的确定装置10还包括:
第四处理模块14,配置为计算获取所述人脸区域中的每个像素点的L的平均值Lmean;
第五处理模块15,配置为根据所述L的最大值和所述Lmean,设置所述第一阈值和所述第二阈值。
在上述图4或图5所示的实施例的基础上,图6是根据一示例性实施例示出的高光区域的确定装置实施例三的框图。参照图6,所述第三处理模块13包括:
计算子模块131,被配置为根据所述人脸区域中每个像素点的L、A、B值,估计每个像素点的高光程度值;
第一处理子模块132,被配置为确定所述人脸区域中高光程度值大于第三阈值的像素点为所述至少一个第一像素点;
其中,所述高光条件为:像素点的高光程度值大于预设的所述第三阈值。
可选的,所述计算子模块具体被配置为:
根据所述人脸区域中每个像素点的L、A、B值,采用高光评估公式计算获取每个像素点的高光程度值;其中,所述高光评估公式通过获取每个像素点的L的变化趋势和程度,以及A、B的变化趋势和程度,确定所述像素点的高光程度。
可选的,所述高光评估公式为:
mi=a*(tanh(sig*((Li-Lt)+(Ct-sqrt(Ai*Ai+Bi*Bi))))+1);
其中,a,sig为预设常数,Li为像素点i的L值,Bi为像素点i的B值,Ai为像素点i的A值,Lt为所述第一阈值,Ct为所述第二阈值,mi为像素i的高光程度值。
在上述几个方案中提供的高光区域的确定装置,用于执行前述任一实施例提供的方法的技术方案,其实现原理和技术效果类似,在确定某个像素时,可以对L和AB分别设置不同的阈值,当某个像素点的L值大于设置的第一阈值,AB小于第二阈值时确定为高光的像素点,该第一阈值和第二阈值可根据实际情况进行调整,或者通过公式计算出每个像素点的高光程度值,对于高光的像素点可通过设置响应的高光程度值的阈值来筛选,对确定的高光区域进行处理可得到效果更好的照片,有效提高用户体验。
在上述图4至图6任一所示的实施例的基础上,图7是根据一示例性实施例示出的高光区域的确定装置实施例四的框图。参照图7,该高光区域的确定装置10还包括:
第六处理模块16,被配置为将所述高光区域在所述待处理照片中进行标记;
显示模块17,被配置为显示标记后的待处理照片。
本公开实施例提供的高光区域的确定装置中,按照前述的任一方案确定出人脸区域中的高光区域之后,可将高光区域在照片中进行标记,并显示给用户,以便用户可在用户设备上直接看到高光区域,提高用户体验。
关于上述各个实施例中的高光区域的确定装置,可以被实现为一种用户设备,其中各个模块执行操作的具体方式已经在有关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。即以上描述了用户设备的内部功能模块和结构示意。
请参考图8,图8是根据一示例性实施例示出的一种用户设备的实体的框图,如图8所示,该用户设备可以具体实现为:计算机指令,被配置为控制计算机指令执行的处理器,被配置为存储处理器计算机指令的存储器;
所述处理器被配置为:
通过人脸检测技术,获取待处理照片中的人脸区域;
将所述待处理照片中的所述人脸区域的格式进行转换,获取颜色模型LAB空间;
根据所述LAB空间,从所述人脸区域中的每个像素点中确定出L、A、B满足预设高光条件的至少一个第一像素点,所述至少一个第一个像素点组成的区域作为高光区域。
在上述用户设备的实施例中,应理解,处理器可以是中央处理单元(英文:CentralProcessing Unit,简称:CPU),还可以是其他通用处理器、数字信号处理器(英文:DigitalSignal Processor,简称:DSP)、专用集成电路(英文:Application Specific IntegratedCircuit,简称:ASIC)等。通用处理器可以是微处理器或者处理器也可以是任何常规的处理器等,而前述的存储器可以是只读存储器(英文:read-only memory,缩写:ROM)、随机存取存储器(英文:random access memory,简称:RAM)、快闪存储器、硬盘或者固态硬盘。结合本发明实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
本申请还提供一种计算机存储介质,其上存储有可执行的计算机指令,所述计算机指令被处理器执行(上述方案中用户设备侧的技术方案)以下方法:
通过人脸检测技术,获取待处理照片中的人脸区域;
将所述待处理照片中的所述人脸区域的格式进行转换,获取颜色模型LAB空间;
根据所述LAB空间,从所述人脸区域中的每个像素点中确定出L、A、B满足预设高光条件的至少一个第一像素点,所述至少一个第一个像素点组成的区域作为高光区域。
请参考图9,图9是根据一示例性实施例示出的一种用户设备1200的框图。例如,该用户设备可以是用户的手机、平板电脑、台式电脑等可进行图像处理的设备。
参照图9,用户设备1200可以包括以下一个或多个组件:处理组件1202,存储器1204,电源组件1206,多媒体组件1208,音频组件1210,输入/输出(I/O)的接口1212,传感器组件1214,以及通信组件1216。
处理组件1202通常控制用户设备1200的整体操作,诸如与显示,数据通信,多媒体操作和记录操作相关联的操作。处理组件1202可以包括一个或多个处理器1220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1202可以包括一个或多个模块,便于处理组件1202和其他组件之间的交互。例如,处理组件1202可以包括多媒体模块,以方便多媒体组件1208和处理组件1202之间的交互。
存储器1204被配置为存储各种类型的数据以支持在用户设备1200的操作。这些数据的示例包括用于在用户设备1200上操作的任何应用程序或方法的指令,各类数据,消息,图片,视频等。存储器1204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1206为用户设备1200的各种组件提供电力。电源组件1206可以包括电源管理系统,一个或多个电源,及其他与为用户设备1200生成、管理和分配电力相关联的组件。
多媒体组件1208包括在用户设备1200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。触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与触摸或滑动操作相关的持续时间和压力。
音频组件1210被配置为输出和/或输入音频信号。例如,音频组件1210包括一个麦克风(MIC),当用户设备1200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1204或经由通信组件1216发送。在一些实施例中,音频组件1210还包括一个扬声器,用于输出音频信号。
I/O接口1212为处理组件1202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。
传感器组件1214包括一个或多个传感器,用于为用户设备1200提供各个方面的状态评估。例如,传感器组件1214可以检测到用户设备1200的打开/关闭状态,组件的相对定位,例如组件为用户设备1200的显示器和小键盘,传感器组件1214还可以检测用户设备1200或用户设备1200一个组件的位置改变,用户与用户设备1200接触的存在或不存在,用户设备1200方位或加速/减速和用户设备1200的温度变化。传感器组件1214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1214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,传感器组件1214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1216被配置为便于用户设备1200和其他设备之间有线或无线方式的通信。用户设备1200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1216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,通信组件1216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,用户设备1200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,用于执行高光区域的确定方法,包括:
通过人脸检测技术,获取待处理照片中的人脸区域;
将所述待处理照片中的所述人脸区域的格式进行转换,获取颜色模型LAB空间;
根据所述LAB空间,从所述人脸区域中的每个像素点中确定出L、A、B满足预设高光条件的至少一个第一像素点,所述至少一个第一个像素点组成的区域作为高光区域。
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1204,上述指令可由终端设备1200的处理器1220执行以完成上述方法。例如,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,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、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发明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,本发明的真正范围和精神由权利要求书指出。
应当理解的是,本发明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。本发明的范围仅由所附的权利要求书来限制。
Claims (10)
1.一种高光区域的确定方法,其特征在于,应用于用户设备,包括:
通过人脸检测技术,获取待处理照片中的人脸区域;
将所述待处理照片中的所述人脸区域的格式进行转换,获取颜色模型LAB空间;
根据所述LAB空间,从所述人脸区域中的每个像素点中确定出照明度L、红色至绿色的取值A、黄色到绿色的取值B满足预设高光条件的至少一个第一像素点,所述至少一个第一个像素点组成的区域作为高光区域;
所述根据所述LAB空间,从所述人脸区域中的每个像素点中确定出L、A、B满足预设高光条件的至少一个第一像素点,包括:
根据所述人脸区域中每个像素点的L、A、B值,估计每个像素点的高光程度值;
确定所述人脸区域中高光程度值大于第三阈值的像素点为所述至少一个第一像素点;
其中,所述高光条件为:像素点的高光程度值大于预设的所述第三阈值;
所述根据所述人脸区域中每个像素点的L、A、B值,估计每个像素点的高光程度值,包括:
根据所述人脸区域中每个像素点的L、A、B值,采用高光评估公式计算获取每个像素点的高光程度值;其中,所述高光评估公式通过获取每个像素点的L的变化趋势和程度,以及A、B的变化趋势和程度,确定所述像素点的高光程度;
所述高光评估公式为:
mi =a*(tanh(sig*((Li-Lt) +(Ct-sqrt(Ai*Ai+Bi*Bi))))+ 1);
其中,a,sig为预设常数,Li为像素点i的L值,Bi为像素点i的B值,Ai为像素点i的A值,Lt为第一阈值,Ct为第二阈值,mi为像素i的高光程度值。
2.根据权利要求1所述的方法,其特征在于,所述高光条件包括:像素点的L值大于预设的第一阈值,且所述像素点的A、B的绝对值小于预设的第二阈值;所述第一阈值大于所述第二阈值。
3.根据权利要求2所述的方法,其特征在于,所述根据所述LAB空间,从所述人脸区域中的每个像素点中确定出L、A、B满足预设高光条件的至少一个第一像素点之前,所述方法还包括:
计算获取所述人脸区域中的每个像素点的L的平均值Lmean;
根据所述L的最大值和所述Lmean,设置所述第一阈值和所述第二阈值。
4.根据权利要求1至3任一项所述的方法,其特征在于,所述方法还包括:
将所述高光区域在所述待处理照片中进行标记,并显示标记后的待处理照片。
5.一种高光区域的确定装置,其特征在于,包括:
第一处理模块,被配置为通过人脸检测技术,获取待处理照片中的人脸区域;
第二处理模块,被配置为将所述待处理照片中的所述人脸区域的格式进行转换,获取颜色模型LAB空间;
第三处理模块,根据所述LAB空间,从所述人脸区域中的每个像素点中确定出L、A、B满足预设高光条件的至少一个第一像素点,所述至少一个第一个像素点组成的区域作为高光区域;
所述第三处理模块包括:
计算子模块,被配置为根据所述人脸区域中每个像素点的L、A、B值,估计每个像素点的高光程度值;
第一处理子模块,被配置为确定所述人脸区域中高光程度值大于第三阈值的像素点为所述至少一个第一像素点;
其中,所述高光条件为:像素点的高光程度值大于预设的所述第三阈值;
所述计算子模块具体被配置为:
根据所述人脸区域中每个像素点的L、A、B值,采用高光评估公式计算获取每个像素点的高光程度值;其中,所述高光评估公式通过获取每个像素点的L的变化趋势和程度,以及A、B的变化趋势和程度,确定所述像素点的高光程度;
所述高光评估公式为:
mi = a *(tanh(sig*((Li-Lt) +(Ct-sqrt(Ai*Ai+Bi*Bi))))+ 1);
其中,a,sig为预设常数,Li为像素点i的L值,Bi为像素点i的B值,Ai为像素点i的A值,Lt为第一阈值,Ct为第二阈值,mi为像素i的高光程度值。
6.根据权利要求5所述的装置,其特征在于,所述高光条件包括:像素点的L值大于预设的第一阈值,且所述像素点的A、B的绝对值小于预设的第二阈值;所述第一阈值大于所述第二阈值。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
第四处理模块,配置为计算获取所述人脸区域中的每个像素点的L的平均值Lmean;
第五处理模块,配置为根据所述L的最大值和所述Lmean,设置所述第一阈值和所述第二阈值。
8.根据权利要求5至7任一项所述的装置,其特征在于,所述装置还包括:
第六处理模块,被配置为将所述高光区域在所述待处理照片中进行标记;
显示模块,被配置为显示标记后的待处理照片。
9.一种用户设备,其特征在于,包括:计算机指令,被配置为控制计算机指令执行的处理器,被配置为存储处理器计算机指令的存储器;
所述处理器被配置为:
通过人脸检测技术,获取待处理照片中的人脸区域;
将所述待处理照片中的所述人脸区域的格式进行转换,获取颜色模型LAB空间;
根据所述LAB空间,从所述人脸区域中的每个像素点中确定出L、A、B满足预设高光条件的至少一个第一像素点,所述至少一个第一个像素点组成的区域作为高光区域;
所述根据所述LAB空间,从所述人脸区域中的每个像素点中确定出L、A、B满足预设高光条件的至少一个第一像素点,包括:
根据所述人脸区域中每个像素点的L、A、B值,估计每个像素点的高光程度值;
确定所述人脸区域中高光程度值大于第三阈值的像素点为所述至少一个第一像素点;
其中,所述高光条件为:像素点的高光程度值大于预设的所述第三阈值;
所述根据所述人脸区域中每个像素点的L、A、B值,估计每个像素点的高光程度值,包括:
根据所述人脸区域中每个像素点的L、A、B值,采用高光评估公式计算获取每个像素点的高光程度值;其中,所述高光评估公式通过获取每个像素点的L的变化趋势和程度,以及A、B的变化趋势和程度,确定所述像素点的高光程度;
所述高光评估公式为:
mi =a*(tanh(sig*((Li-Lt) +(Ct-sqrt(Ai*Ai+Bi*Bi))))+ 1);
其中,a,sig为预设常数,Li为像素点i的L值,Bi为像素点i的B值,Ai为像素点i的A值,Lt为第一阈值,Ct为第二阈值,mi为像素i的高光程度值。
10.一种计算机存储介质,其上存储有可执行的计算机指令,其特征在于,所述计算机指令被处理器执行以下方法:
通过人脸检测技术,获取待处理照片中的人脸区域;
将所述待处理照片中的所述人脸区域的格式进行转换,获取颜色模型LAB空间;
根据所述LAB空间,从所述人脸区域中的每个像素点中确定出L、A、B满足预设高光条件的至少一个第一像素点,所述至少一个第一个像素点组成的区域作为高光区域;
所述根据所述LAB空间,从所述人脸区域中的每个像素点中确定出L、A、B满足预设高光条件的至少一个第一像素点,包括:
根据所述人脸区域中每个像素点的L、A、B值,估计每个像素点的高光程度值;
确定所述人脸区域中高光程度值大于第三阈值的像素点为所述至少一个第一像素点;
其中,所述高光条件为:像素点的高光程度值大于预设的所述第三阈值;
所述根据所述人脸区域中每个像素点的L、A、B值,估计每个像素点的高光程度值,包括:
根据所述人脸区域中每个像素点的L、A、B值,采用高光评估公式计算获取每个像素点的高光程度值;其中,所述高光评估公式通过获取每个像素点的L的变化趋势和程度,以及A、B的变化趋势和程度,确定所述像素点的高光程度;
所述高光评估公式为:
mi =a*(tanh(sig*((Li-Lt) +(Ct-sqrt(Ai*Ai+Bi*Bi))))+ 1);
其中,a,sig为预设常数,Li为像素点i的L值,Bi为像素点i的B值,Ai为像素点i的A值,Lt为第一阈值,Ct为第二阈值,mi为像素i的高光程度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711052788.0A CN107832766B (zh) | 2017-10-30 | 2017-10-30 | 高光区域的确定方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711052788.0A CN107832766B (zh) | 2017-10-30 | 2017-10-30 | 高光区域的确定方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107832766A CN107832766A (zh) | 2018-03-23 |
CN107832766B true CN107832766B (zh) | 2021-07-23 |
Family
ID=61650349
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711052788.0A Active CN107832766B (zh) | 2017-10-30 | 2017-10-30 | 高光区域的确定方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107832766B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101443791A (zh) * | 2006-05-03 | 2009-05-27 | 快图影像有限公司 | 在数字图像中实现改进的前景/背景分离 |
CN101911097A (zh) * | 2007-11-08 | 2010-12-08 | 快图影像有限公司 | 检测数字图像中的红眼缺陷 |
CN103985098A (zh) * | 2014-05-27 | 2014-08-13 | 广州商景网络科技有限公司 | 一种证件图像的高光去除方法及系统 |
CN105405130A (zh) * | 2015-11-02 | 2016-03-16 | 北京旷视科技有限公司 | 基于聚类的证照图像高光检测方法及装置 |
CN105528765A (zh) * | 2015-12-02 | 2016-04-27 | 小米科技有限责任公司 | 处理图像的方法及装置 |
CN106056129A (zh) * | 2016-05-16 | 2016-10-26 | 西安邮电大学 | 一种融合多种特征的监控视频图像过曝光区域检测方法 |
-
2017
- 2017-10-30 CN CN201711052788.0A patent/CN107832766B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101443791A (zh) * | 2006-05-03 | 2009-05-27 | 快图影像有限公司 | 在数字图像中实现改进的前景/背景分离 |
CN101911097A (zh) * | 2007-11-08 | 2010-12-08 | 快图影像有限公司 | 检测数字图像中的红眼缺陷 |
CN103985098A (zh) * | 2014-05-27 | 2014-08-13 | 广州商景网络科技有限公司 | 一种证件图像的高光去除方法及系统 |
CN105405130A (zh) * | 2015-11-02 | 2016-03-16 | 北京旷视科技有限公司 | 基于聚类的证照图像高光检测方法及装置 |
CN105528765A (zh) * | 2015-12-02 | 2016-04-27 | 小米科技有限责任公司 | 处理图像的方法及装置 |
CN106056129A (zh) * | 2016-05-16 | 2016-10-26 | 西安邮电大学 | 一种融合多种特征的监控视频图像过曝光区域检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107832766A (zh) | 2018-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2977959B1 (en) | Method and device for adjusting skin color | |
RU2577188C1 (ru) | Способ, аппарат и устройство для сегментации изображения | |
CN104517268B (zh) | 调整图像亮度的方法及装置 | |
US10284773B2 (en) | Method and apparatus for preventing photograph from being shielded | |
CN105528765B (zh) | 处理图像的方法及装置 | |
WO2017143776A1 (zh) | 图片类型的识别方法及装置 | |
RU2614541C2 (ru) | Способ, устройство и терминал для перенастройки изображения | |
CN107967459B (zh) | 卷积处理方法、装置及存储介质 | |
CN107463052B (zh) | 拍摄曝光方法及装置 | |
CN107480785B (zh) | 卷积神经网络的训练方法及装置 | |
CN109029720B (zh) | 光照强度检测方法及装置 | |
CN108198148B (zh) | 图像处理的方法及装置 | |
CN107507128B (zh) | 图像处理方法及设备 | |
CN107677377B (zh) | 确定色温的方法及装置 | |
CN107808626B (zh) | 调节显示屏色温的方法、装置及计算机可读存储介质 | |
CN106982327B (zh) | 图像处理方法和装置 | |
CN111294576A (zh) | 一种自动白平衡处理方法、装置及电子设备 | |
CN112331158B (zh) | 终端显示调节方法、装置、设备及存储介质 | |
CN107730443B (zh) | 图像处理方法、装置及用户设备 | |
CN107657608B (zh) | 图像质量确定方法、装置及电子设备 | |
CN106469446B (zh) | 深度图像的分割方法和分割装置 | |
EP3327718A1 (en) | Method and device for processing a page | |
CN115239570A (zh) | 图像处理方法、图像处理装置及存储介质 | |
CN107832766B (zh) | 高光区域的确定方法、装置、设备和存储介质 | |
CN112033527A (zh) | 环境亮度检测方法、装置、设备及存储介质 |
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 |