CN107862673B - 图像处理方法及装置 - Google Patents

图像处理方法及装置 Download PDF

Info

Publication number
CN107862673B
CN107862673B CN201711051624.6A CN201711051624A CN107862673B CN 107862673 B CN107862673 B CN 107862673B CN 201711051624 A CN201711051624 A CN 201711051624A CN 107862673 B CN107862673 B CN 107862673B
Authority
CN
China
Prior art keywords
image
eye
region
pouch
face
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
Application number
CN201711051624.6A
Other languages
English (en)
Other versions
CN107862673A (zh
Inventor
杨松
刘鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Xiaomi Mobile Software Co Ltd
Original Assignee
Beijing Xiaomi Mobile Software Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Xiaomi Mobile Software Co Ltd filed Critical Beijing Xiaomi Mobile Software Co Ltd
Priority to CN201711051624.6A priority Critical patent/CN107862673B/zh
Publication of CN107862673A publication Critical patent/CN107862673A/zh
Application granted granted Critical
Publication of CN107862673B publication Critical patent/CN107862673B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/77—Retouching; Inpainting; Scratch removal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/168—Segmentation; Edge detection involving transform domain methods
    • 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
    • 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
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本公开是关于图像处理方法及装置。该方法包括：检测待处理人脸图像的人脸中是否佩戴眼镜；当检测到待处理人脸图像的人脸中未佩戴眼镜时，对待处理人脸图像中的人脸进行关键点定位，获取待处理人脸图像中的原始眼袋区域的局部图像；对原始眼袋区域的局部图像进行美颜处理，获取美颜处理后的眼袋区域的局部图像；对美颜处理后的眼袋区域的局部图像和原始眼袋区域的局部图像根据预设图像融合算法进行融合，得到目标眼袋区域的局部图像；将待处理人脸图像中的原始眼袋区域的局部图像使用目标眼袋区域的局部图像进行替换，得到处理后的人脸图像。通过两次美颜处理，有效提升了美颜效果。

Description

图像处理方法及装置
技术领域
本公开涉及图像处理技术领域，尤其涉及图像处理方法及装置。
背景技术
照片可以记录生活的点滴，而由于智能手机是人们生活中不可获取的设备，因此，智能手机中的拍照功能已经成为使用较为频繁的功能。
人们在通过智能手机拍摄照片后，为了提升照片的美化程度，往往会通过美颜功能对照片进行处理，例如：用户希望拍出的照片肤色均匀白皙，用户就可以通过美颜功能对照片进行肤色的美白处理等。
发明内容
为克服相关技术中存在的问题，本公开实施例提供图像处理方法及装置。所述技术方案如下：
根据本公开实施例的第一方面，提供一种图像处理方法，包括：
检测待处理人脸图像的人脸中是否佩戴眼镜；
当检测到所述待处理人脸图像的人脸中未佩戴眼镜时，对所述待处理人脸图像中的人脸进行关键点定位，获取所述待处理人脸图像中的原始眼袋区域的局部图像；
对所述原始眼袋区域的局部图像进行美颜处理，获取美颜处理后的眼袋区域的局部图像；
对所述美颜处理后的眼袋区域的局部图像和所述原始眼袋区域的局部图像根据预设图像融合算法进行融合，得到目标眼袋区域的局部图像；
将所述待处理人脸图像中的所述原始眼袋区域的局部图像使用所述目标眼袋区域的局部图像进行替换，得到处理后的人脸图像。
本公开的实施例提供的技术方案可以包括以下有益效果：检测待处理人脸图像的人脸中是否佩戴眼镜；当检测到待处理人脸图像的人脸中未佩戴眼镜时，对待处理人脸图像中的人脸进行关键点定位，获取待处理人脸图像中的原始眼袋区域的局部图像；对原始眼袋区域的局部图像进行美颜处理，获取美颜处理后的眼袋区域的局部图像；对美颜处理后的眼袋区域的局部图像和原始眼袋区域的局部图像根据预设图像融合算法进行融合，得到目标眼袋区域的局部图像；将待处理人脸图像中的原始眼袋区域的局部图像使用目标眼袋区域的局部图像进行替换，得到处理后的人脸图像。其中，首先对待处理人脸图像中的眼袋区域先进行了美颜处理，然后又对美颜处理后的眼袋区域进行二次美颜处理，也即，对美颜处理后的眼袋区域按照预设融合算法进行融合的处理，通过上述两次对眼袋区域的美颜处理，有效提升了美颜效果，且使得美颜后的待处理人脸图像更加漂亮，而且由于在两次美颜处理中，分别采用美颜处理算法和图像融合算法，使得对待处理人脸图像中的眼袋区域的处理过程更加简单稳定，有效提升了图像处理速度。
在一个实施例中，所述对所述待处理人脸图像中的人脸进行关键点定位，获取所述待处理人脸图像中的原始眼袋区域的局部图像，包括：
对所述待处理人脸图像中的人脸进行关键点定位，获取所述待处理人脸图像中的眼睛部位关键点；
将所述的眼睛部位关键点中眼睛下边缘关键点组成的曲线的两端根据所述曲线的弯曲趋势延伸预设长度；
以延伸后的所述曲线的两端之间连线为短轴确定椭圆，所述椭圆的长轴的长度为所述短轴长度的预设倍数，所述长轴与所述短轴的交点为所述短轴的中点；
确定所述椭圆中位于所述眼睛下边缘关键点下方的区域，且与延伸后的所述曲线所组成的区域为眼袋区域；
根据所述眼袋区域获取所述原始眼袋区域的局部图像。
在一个实施例中，所述对所述原始眼袋区域的局部图像进行美颜处理，获取美颜处理后的眼袋区域的局部图像，包括：
使用预设美颜算法对所述原始眼袋区域的局部图像中的眼袋区域进行美颜处理，获取美颜处理后的眼袋区域的局部图像；
其中，预设美颜算法包括以下算法中的至少一种：降低所述原始眼袋区域的局部图像中的中性色的像素在CMYK颜色空间下的黑色分量；或，将所述原始眼袋区域的局部图像与一张纯白色图进行图层柔光混合；或，调整所述原始眼袋区域的局部图像中的色阶。
在一个实施例中，所述对所述美颜处理后的眼袋区域的局部图像和所述原始眼袋区域的局部图像根据预设图像融合算法进行融合，得到目标眼袋区域的局部图像，包括：
获取所述原始眼袋区域的局部图像中眼袋区域的掩码图；
采用泊松融合算法，对所述美颜后的眼袋区域的局部图像和所述原始眼袋区域的局部图像使用所述掩码图进行融合，得到所述目标眼袋区域的局部图像。
在一个实施例中，所述对所述美颜处理后的眼袋区域的局部图像和所述原始眼袋区域的局部图像根据预设图像融合算法进行融合，得到目标眼袋区域的局部图像，包括：
获取所述原始眼袋区域的局部图像中眼袋区域的掩码图；
对所述掩码图进行高斯模糊处理得到模糊掩码图；
采用alpha融合算法，对所述美颜处理后的眼袋区域的局部图像和所述原始眼袋区域的局部图像使用所述模糊掩码图进行融合，得到所述目标眼袋区域的局部图像。
在一个实施例中，所述方法还包括：
当检测到所述待处理人脸图像的人脸中佩戴眼镜时，放弃对所述待处理人脸图像中的眼袋区域进行图像处理。
根据本公开实施例的第二方面，提供一种图像处理装置，包括：
检测模块，用于检测待处理人脸图像的人脸中是否佩戴眼镜；
第一获取模块，用于当所述检测模块检测到所述待处理人脸图像的人脸中未佩戴眼镜时，对所述待处理人脸图像中的人脸进行关键点定位，获取所述待处理人脸图像中的原始眼袋区域的局部图像；
第二获取模块，用于对所述第一获取模块获取的所述原始眼袋区域的局部图像进行美颜处理，获取美颜处理后的眼袋区域的局部图像；
第三获取模块，用于对所述第二获取模块获取的所述美颜处理后的眼袋区域的局部图像和所述原始眼袋区域的局部图像根据预设图像融合算法进行融合，得到目标眼袋区域的局部图像；
第四获取模块，用于将所述待处理人脸图像中的所述原始眼袋区域的局部图像使用所述第三获取模块获取的所述目标眼袋区域的局部图像进行替换，得到处理后的人脸图像。
在一个实施例中，所述第一获取模块包括：第一获取子模块、延伸子模块、椭圆确定子模块、眼袋确定子模块和第二获取子模块；
所述第一获取子模块，用于对所述待处理人脸图像中的人脸进行关键点定位，获取所述待处理人脸图像中的眼睛部位关键点；
所述延伸子模块，用于将所述第一获取子模块获取的所述的眼睛部位关键点中眼睛下边缘关键点组成的曲线的两端根据所述曲线的弯曲趋势延伸预设长度；
所述椭圆确定子模块，用于以所述延伸子模块延伸后的所述曲线的两端之间连线为短轴确定椭圆，所述椭圆的长轴的长度为所述短轴长度的预设倍数，所述长轴与所述短轴的交点为所述短轴的中点；
所述眼袋确定子模块，用于确定根据所述椭圆确定子模块确定的所述椭圆中位于所述眼睛下边缘关键点下方的区域，且与延伸后的所述曲线所组成的区域为眼袋区域；
所述第二获取子模块，用于根据所述眼袋确定子模块确定的所述眼袋区域获取所述原始眼袋区域的局部图像。
在一个实施例中，所述第二获取模块包括：第三获取子模块；
所述第三获取子模块，用于使用预设美颜算法对所述第一获取模块获取的所述原始眼袋区域的局部图像中的眼袋区域进行美颜处理，获取美颜处理后的眼袋区域的局部图像；
其中，预设美颜算法包括以下算法中的至少一种：降低所述原始眼袋区域的局部图像中的中性色的像素在CMYK颜色空间下的黑色分量；或，将所述原始眼袋区域的局部图像与一张纯白色图进行图层柔光混合；或，调整所述原始眼袋区域的局部图像中的色阶。
在一个实施例中，所述第三获取模块包括：第四获取子模块和第五获取子模块；
所述第四获取子模块，用于获取所述第一获取模块获取的所述原始眼袋区域的局部图像中眼袋区域的掩码图；
所述第五获取子模块，用于采用泊松融合算法，对所述第二获取模块获取的所述美颜后的眼袋区域的局部图像和所述第一获取模块获取的所述原始眼袋区域的局部图像使用所述掩码图进行融合，得到所述目标眼袋区域的局部图像。
在一个实施例中，所述第三获取模块包括：第六获取子模块、模糊处理子模块和第七获取子模块；
所述第六获取子模块，用于获取所述第一获取模块获取的所述原始眼袋区域的局部图像中眼袋区域的掩码图；
所述模糊处理子模块，用于对所述第六获取子模块获取的所述掩码图进行高斯模糊处理得到模糊掩码图；
所述第七获取子模块，用于采用alpha融合算法，对所述第二获取模块获取的所述美颜处理后的眼袋区域的局部图像和所述第一获取模块获取的所述原始眼袋区域的局部图像使用所述模糊掩码图进行融合，得到所述目标眼袋区域的局部图像。
在一个实施例中，所述装置还包括：第五获取模块；
所述第五获取模块，用于当所述检测模块检测到所述待处理人脸图像的人脸中佩戴眼镜时，放弃对所述待处理人脸图像中的眼袋区域进行图像处理。
根据本公开实施例的第三方面，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，所述处理器被配置为：
检测待处理人脸图像的人脸中是否佩戴眼镜；
当检测到所述待处理人脸图像的人脸中未佩戴眼镜时，对所述待处理人脸图像中的人脸进行关键点定位，获取所述待处理人脸图像中的原始眼袋区域的局部图像；
对所述原始眼袋区域的局部图像进行美颜处理，获取美颜处理后的眼袋区域的局部图像；
对所述美颜处理后的眼袋区域的局部图像和所述原始眼袋区域的局部图像根据预设图像融合算法进行融合，得到目标眼袋区域的局部图像；
将所述待处理人脸图像中的所述原始眼袋区域的局部图像使用所述目标眼袋区域的局部图像进行替换，得到处理后的人脸图像。
根据本公开实施例的第四方面，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以下步骤：
检测待处理人脸图像的人脸中是否佩戴眼镜；
当检测到所述待处理人脸图像的人脸中未佩戴眼镜时，对所述待处理人脸图像中的人脸进行关键点定位，获取所述待处理人脸图像中的原始眼袋区域的局部图像；
对所述原始眼袋区域的局部图像进行美颜处理，获取美颜处理后的眼袋区域的局部图像；
对所述美颜处理后的眼袋区域的局部图像和所述原始眼袋区域的局部图像根据预设图像融合算法进行融合，得到目标眼袋区域的局部图像；
将所述待处理人脸图像中的所述原始眼袋区域的局部图像使用所述目标眼袋区域的局部图像进行替换，得到处理后的人脸图像。
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一示出的图像处理方法的流程图。
图2是根据一示例性实施例一示出的待处理人脸图像中的眼睛图像示意图。
图3是根据一示例性实施例二示出的待处理人脸图像中的眼睛图像示意图。
图4是根据一示例性实施例三示出的待处理人脸图像中的眼睛图像示意图。
图5是根据一示例性实施例四示出的待处理人脸图像中的眼睛图像示意图。
图6是根据一示例性实施例五示出的待处理人脸图像中的眼睛图像示意图。
图7是根据一示例性实施例五示出的待处理人脸图像中的眼睛图像的掩码图。
图8是根据一示例性实施例五示出的待处理人脸图像中的眼睛图像的模糊掩码图。
图9是根据一示例性实施例二示出的一种图像处理方法的流程图。
图10是根据一示例性实施例示出的待处理人脸图像示意图。
图11是根据一示例性实施例示出的待处理人脸图像中原始眼袋区域的局部图像示意图。
图12是根据一示例性实施例示出的待处理人脸图像中原始眼袋区域的局部图像的掩码图。
图13是根据一示例性实施例示出的待处理人脸图像中美颜处理后的眼袋区域的局部图像示意图。
图14是根据一示例性实施例示出的待处理人脸图像中目标眼袋区域的局部图像示意图。
图15是根据一示例性实施例示出的处理后的人脸图像示意图。
图16是根据一示例性实施例一示出的一种图像处理装置的框图。
图17是根据一示例性实施例示出的一种图像处理装置中第一获取模块12的框图。
图18是根据一示例性实施例示出的一种图像处理装置中第二获取模块13的框图。
图19是根据一示例性实施例一示出的一种图像处理装置中第三获取模块14的框图。
图20是根据一示例性实施例二示出的一种图像处理装置中第三获取模块14的框图。
图21是根据一示例性实施例二示出的一种图像处理装置的框图。
图22是根据一示例性实施例示出的一种用于图像处理装置80的框图。
图23是根据一示例性实施例示出的一种用于图像处理装置90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。
图1是根据一示例性实施例一示出的图像处理方法的流程图，如图1所示，该方法包括以下步骤S101-S105：
在步骤S101中，检测待处理人脸图像的人脸中是否佩戴眼镜。
在拍摄照片时，有的用户会佩戴眼镜，而眼镜的类型、颜色、形状各不相同，从而使得眼袋区域不好定位，而且处理时也容易使得眼镜的颜色造成偏色，所以需要先进行佩戴眼镜识别，当检测到待处理人脸图像的人脸中佩戴眼镜时，便放弃对待处理人脸图像中的眼袋区域进行图像处理，此时，还可以对该待处理人脸图像执行其他方式的图像处理，比如：磨皮处理等。
示例的，上述检测待处理人脸图像的人脸中是否佩戴眼镜可以使用相关技术中的方法，本公开不对其加限制。例如：使用局部二值模式(Local binary patterns，简称为：LBP)+支持向量机(Support Vector Machine，简称为：SVM)的方法进行识别，或者，使用卷积神经网络(convolutional neural networks，简称为：CNN)的方法进行识别，具体识别步骤与相关技术中相同，本公开中不再赘述。
在步骤S102中，当检测到待处理人脸图像的人脸中未佩戴眼镜时，对待处理人脸图像中的人脸进行关键点定位，获取待处理人脸图像中的原始眼袋区域的局部图像。
对待处理人脸图像中的人脸进行关键点定位，首先得到人脸关键点的位置，进而根据人脸关键点的位置便可以推断出来眼袋区域，进而得到原始眼袋区域的局部图像。
其中，对待处理人脸图像中的人脸进行关键点定位可以采用相关技术中的方法，例如：至少可以采用以下方法：有监督的梯度下降方法(supervised descent method，简称为：SDM)、主动外观模型(active appearance model，简称为：AAM)或CNN的方法，本公开不对如何对人脸进行关键点定位加以限制。
在步骤S103中，对原始眼袋区域的局部图像进行美颜处理，获取美颜处理后的眼袋区域的局部图像。
当得到了待处理人脸图像的人脸中的原始眼袋区域的局部图像后，首先对该原始眼袋区域的局部图像进行美颜处理，以使偏暗的原始眼袋区域的局部图像的颜色得到提升，更接近肤色，从而减弱眼袋，使得眼部图像看起来漂亮。
在步骤S104中，对美颜处理后的眼袋区域的局部图像和原始眼袋区域的局部图像根据预设图像融合算法进行融合，得到目标眼袋区域的局部图像。
在对原始眼袋区域的局部图像进行美颜处理后，进一步的对美颜处理后的眼袋区域的局部图像进行二次美颜处理，此时，使用的美颜处理方法为对美颜处理后的眼袋区域的局部图像和原始眼袋区域的局部图像根据预设图像融合算法进行融合，从而使得眼部图像看起来更加漂亮。
在步骤S105中，将待处理人脸图像中的原始眼袋区域的局部图像使用目标眼袋区域的局部图像进行替换，得到处理后的人脸图像。
由于本公开的方法是对眼袋区域图像进行处理，为了提升图片处理速度，没必要对整个待处理人脸图像进行处理，所以只对眼袋附近的区域进行处理，也即，对上述的原始眼袋区域的局部图像进行处理，当对原始眼袋区域的局部图像处理完成后得到目标眼袋区域的局部图像，此时，便使用该目标眼袋区域的局部图像替换待处理人脸图像中的原始眼袋区域的局部图像，得到处理后的人脸图像。
本公开的实施例提供的技术方案可以包括以下有益效果：检测待处理人脸图像的人脸中是否佩戴眼镜；当检测到待处理人脸图像的人脸中未佩戴眼镜时，对待处理人脸图像中的人脸进行关键点定位，获取待处理人脸图像中的原始眼袋区域的局部图像；对原始眼袋区域的局部图像进行美颜处理，获取美颜处理后的眼袋区域的局部图像；对美颜处理后的眼袋区域的局部图像和原始眼袋区域的局部图像根据预设图像融合算法进行融合，得到目标眼袋区域的局部图像；将待处理人脸图像中的原始眼袋区域的局部图像使用目标眼袋区域的局部图像进行替换，得到处理后的人脸图像。其中，首先对待处理人脸图像中的眼袋区域先进行了美颜处理，然后又对美颜处理后的眼袋区域进行二次美颜处理，也即，对美颜处理后的眼袋区域按照预设融合算法进行融合的处理，通过上述两次对眼袋区域的美颜处理，有效提升了美颜效果，且使得美颜后的待处理人脸图像更加漂亮，而且由于在两次美颜处理中，分别采用美颜处理算法和图像融合算法，使得对待处理人脸图像中的眼袋区域的处理过程更加简单稳定，有效提升了图像处理速度。
在一种可实现方式中，在检测待处理人脸图像的人脸中是否佩戴眼镜之前，还包括：获取待处理人脸图像。
此时，可以对待检测图片进行人脸检测，当检测到待检测图片中包括人脸图像时，则确定该待检测图片即为待处理人脸图像，当检测到待检测图片中不包括人脸图像时，则确定该待检测图片不是待处理人脸图像。
示例的，可以通过Haar+Adaboost的方法对待检测图片进行人脸检测，或通过Faster rcnn的方法对待检测图片进行人脸检测，本公开不对如何进行人脸检测的方法加以限制。
在一个实施例中，上述步骤S102可以实施为以下步骤A1-A5：
在步骤A1中，对待处理人脸图像中的人脸进行关键点定位，获取待处理人脸图像中的眼睛部位关键点。
在步骤A2中，将眼睛部位关键点中眼睛下边缘关键点组成的曲线的两端根据所述曲线的弯曲趋势延伸预设长度。
在步骤A3中，以延伸后的曲线的两端之间连线为短轴确定椭圆，椭圆的长轴的长度为短轴长度的预设倍数，长轴与短轴的交点为短轴的中点。
在步骤A4中，确定椭圆中位于眼睛下边缘关键点下方的区域，且与延伸后的曲线所组成的区域为眼袋区域。
在步骤A5中，根据眼袋区域获取原始眼袋区域的局部图像。
由于眼袋是呈半个椭圆形分布在眼睛下方，因此可以基于眼睛下边缘关键点来确定眼袋区域。
示例的，如图2所示的为待处理人脸图像中的眼睛图像，当得到待处理人脸图像后，对待处理人脸图像进行关键点定位，得到待处理人脸图像中的眼睛部位关键点，如图3所示的黑点，便表示了眼睛部位关键点，当得到了眼睛部位关键点后，如图4所示，将眼睛部位关键点中眼睛下边缘关键点组成的曲线的两端A和B根据曲线的弯曲趋势延伸预设长度分别延伸到C和D，此时得到的延伸后的曲线的两端即为C和D，进一步的以C点和D点的连线作为椭圆的短轴，以短轴长度的预设倍数作为椭圆的长轴，且以C点和D点连线的中点作为椭圆中短轴和长轴的交点作一椭圆，如图5所示，在图5中仅画出了椭圆的下半部分，也即此时得到了眼袋区域轮廓点，进一步如图6所示，椭圆中位于眼睛下边缘关键点下方的眼袋区域轮廓点，且与延伸后的曲线所组成的区域为眼袋区域。
因为本公开中是进行眼袋去除，为了速度，没必要对全图进行处理，所以只对眼袋附近的区域进行处理，此时会将获取的上述椭圆构成的眼袋区域并向四周扩大一点，得到原始眼袋区域的局部图像，此时的原始眼袋区域的局部图像可以为如图6所述的图像。
本公开的实施例提供的技术方案可以包括以下有益效果：通过眼睛部位关键点中眼睛下边缘关键点确定眼袋区域，有效提升了眼袋区域确定的准确性。
在一个实施例中，上述步骤S103可以实施为以下步骤B1：
在步骤B1中，使用预设美颜算法对原始眼袋区域的局部图像中的眼袋区域进行美颜处理，获取美颜处理后的眼袋区域的局部图像。
其中，预设美颜算法包括以下算法中的至少一种：降低原始眼袋区域的局部图像中的中性色的像素在CMYK颜色空间下的黑色分量；或，将原始眼袋区域的局部图像与一张纯白色图进行图层柔光混合；或，调整原始眼袋区域的局部图像中的色阶。
示例的，当得到原始眼袋区域的局部图像后，可以通过降低原始眼袋区域的局部图像中的中性色的像素在CMYK颜色空间下的黑色分量，起到美白的效果，示例的，利用可选颜色对原始眼袋区域的局部图像的中性色的像素进行处理，减少个其在CMYK颜色空间下的黑色分量。
示例的，当得到原始眼袋区域的局部图像后，将原始眼袋区域的局部图像和一张纯白图进行图层柔光混合，来对偏暗的眼袋进行去除。
示例的，当得到原始眼袋区域的局部图像后，对原始眼袋区域的局部图像进行色阶调整，使其中间调小于1，达到全图提亮的目的。
本公开的实施例提供的技术方案可以包括以下有益效果：通过上述各种美颜算法对原始眼袋区域的局部图像进行第一次美颜处理，有效提升了图像处理的效率。
在一个实施例中，上述步骤S104可以实施为以下步骤C1-C2：
在步骤C1中，获取原始眼袋区域的局部图像中眼袋区域的掩码图。
在步骤C2中，采用泊松融合算法，对美颜后的眼袋区域的局部图像和原始眼袋区域的局部图像使用掩码图进行融合，得到目标眼袋区域的局部图像。
为了进一步提升眼袋处理的效果，还可以对美颜后的眼袋区域的局部图像进行二次美颜，本公开中可以使用泊松图像融合算法对美颜后的眼袋区域的局部图像进行二次美颜，此时，需要先根据图6中的眼袋轮廓点得到如图7所示的眼袋区域的掩码图，进而使用掩码图对美颜后的眼袋区域的局部图像和原始眼袋区域的局部图像在梯度域进行融合，也即，采用泊松图像融合算法，对美颜后的眼袋区域的局部图像和原始眼袋区域的局部图像使用掩码图进行融合，得到目标眼袋区域的局部图像。
本公开的实施例提供的技术方案可以包括以下有益效果：通过泊松融合算法，对美颜后的眼袋区域的局部图像进行二次美颜，从而有效提升了美颜效果。
在一个实施例中，上述步骤S104可以实施为以下步骤D1-D3：
在步骤D1中，获取原始眼袋区域的局部图像中眼袋区域的掩码图。
在步骤D2中，对掩码图进行高斯模糊处理得到模糊掩码图。
在步骤D3中，采用alpha融合算法，对美颜处理后的眼袋区域的局部图像和原始眼袋区域的局部图像使用模糊掩码图进行融合，得到目标眼袋区域的局部图像。
为了进一步提升眼袋处理的效果，还可以对美颜后的眼袋区域的局部图像进行二次美颜，本公开中可以使用alpha融合算法对美颜后的眼袋区域的局部图像进行二次美颜，此时，需要先根据图6中的眼袋轮廓点得到如图7所示的眼袋区域的掩码图，进而对掩码图进行高斯模糊，得到模糊后的掩码图如图8所示，进而使用模糊后的掩码图对美颜后的眼袋区域的局部图像和原始眼袋区域的局部图像进行融合，得到目标眼袋区域的局部图像。
示例的，通过以下公式
Figure BDA0001453241260000141
对每一个像素进行处理；
其中，OR为目标眼袋区域的局部图像中第一像素的像素值，JR为美颜后的眼袋区域的局部图像中第一像素的像素值，IR为原始眼袋区域的局部图像中第一像素的像素值，M1为模糊后的掩码图中第一像素的像素值。
本公开的实施例提供的技术方案可以包括以下有益效果：通过alpha融合算法对美颜后的眼袋区域的局部图像进行二次美颜，由于alpha融合算法的速度快，从而可以有效提升图像处理的速度。
图9是根据一示例性实施例二示出的一种图像处理方法的流程图，该方法包括以下步骤：
在步骤S201中，对待检测图片进行人脸检测，当检测到待检测图片中包括人脸图像时，则确定该待检测图片即为待处理人脸图像，执行以下步骤S202-S2010，当检测到待检测图片中不包括人脸图像时，则确定该待检测图片不是待处理人脸图像，放弃对该待检测图片进行图像处理。
在步骤S202中，检测待处理人脸图像的人脸中是否佩戴眼镜；当检测到待处理人脸图像的人脸中未佩戴眼镜时，执行以下步骤S203-S2011，当检测到待处理人脸图像的人脸中佩戴眼镜时，则放弃对该待处理人脸图像中的眼袋区域进行图像处理。
示例的，此时的待处理人脸图像为图10所示，值得注意的是，图10中仅示出了待处理人脸图像中的部分图像。
在步骤S203中，对待处理人脸图像中的人脸进行关键点定位，获取待处理人脸图像中的眼睛部位关键点。
在步骤S204中，将眼睛部位关键点中眼睛下边缘关键点组成的曲线的两端根据所述曲线的弯曲趋势延伸预设长度。
在步骤S205中，以延伸后的曲线的两端之间连线为短轴确定椭圆，椭圆的长轴的长度为短轴长度的预设倍数，长轴与短轴的交点为短轴的中点。
在步骤S206中，椭圆中位于眼睛下边缘关键点下方的区域，且与延伸后的曲线所组成的区域为眼袋区域。
在步骤S207中，根据眼袋区域获取原始眼袋区域的局部图像，得到如图11所示的左眼原始眼袋区域的局部图像和右眼原始眼袋区域的局部图像。
在步骤S208中，获取原始眼袋区域的局部图像中眼袋区域的掩码图，得到如图12所示的左眼原始眼袋区域的局部图像的掩码图和右眼原始眼袋区域的局部图像的掩码图。
在步骤S209中，使用预设美颜算法对原始眼袋区域的局部图像中的眼袋区域进行美颜处理，获取美颜处理后的眼袋区域的局部图像，得到如图13所示的美颜处理后的左眼眼袋区域的局部图像和美颜处理后的右眼眼袋区域的局部图像。
在步骤S2010中，采用泊松融合算法，对美颜后的眼袋区域的局部图像和原始眼袋区域的局部图像使用掩码图进行融合，得到目标眼袋区域的局部图像，得到如图14所示的左眼目标眼袋区域的局部图像和右眼目标眼袋区域的局部图像。
在步骤S2011中，将待处理人脸图像中的原始眼袋区域的局部图像使用目标眼袋区域的局部图像进行替换，得到处理后的人脸图像，得到如图15所示的处理后的人脸图像。
下述为本公开装置实施例，可以用于执行本公开方法实施例。
图16是根据一示例性实施例一示出的一种图像处理装置的框图，如图16所示，该图像处理装置包括：
检测模块11，用于检测待处理人脸图像的人脸中是否佩戴眼镜；
第一获取模块12，用于当所述检测模块11检测到所述待处理人脸图像的人脸中未佩戴眼镜时，对所述待处理人脸图像中的人脸进行关键点定位，获取所述待处理人脸图像中的原始眼袋区域的局部图像；
第二获取模块13，用于对所述第一获取模块12获取的所述原始眼袋区域的局部图像进行美颜处理，获取美颜处理后的眼袋区域的局部图像；
第三获取模块14，用于对所述第二获取模块13获取的所述美颜处理后的眼袋区域的局部图像和所述原始眼袋区域的局部图像根据预设图像融合算法进行融合，得到目标眼袋区域的局部图像；
第四获取模块15，用于将所述待处理人脸图像中的所述原始眼袋区域的局部图像使用所述第三获取模块14获取的所述目标眼袋区域的局部图像进行替换，得到处理后的人脸图像。
在一个实施例中，如图17所示，所述第一获取模块12包括：第一获取子模块121、延伸子模块122、椭圆确定子模块123、眼袋确定子模块124和第二获取子模块125；
所述第一获取子模块121，用于对所述待处理人脸图像中的人脸进行关键点定位，获取所述待处理人脸图像中的眼睛部位关键点；
所述延伸子模块122，用于将所述第一获取子模块121获取的所述的眼睛部位关键点中眼睛下边缘关键点组成的曲线的两端根据所述曲线的弯曲趋势延伸预设长度；
所述椭圆确定子模块123，用于以所述延伸子模块122延伸后的所述曲线的两端之间连线为短轴确定椭圆，所述椭圆的长轴的长度为所述短轴长度的预设倍数，所述长轴与所述短轴的交点为所述短轴的中点；
所述眼袋确定子模块124，用于确定根据所述椭圆确定子模块123确定的所述椭圆中位于所述眼睛下边缘关键点下方的区域，且与延伸后的所述曲线所组成的区域为眼袋区域；
所述第二获取子模块125，用于根据所述眼袋确定子模块124确定的所述眼袋区域获取所述原始眼袋区域的局部图像。
在一个实施例中，如图18所示，所述第二获取模块13包括：第三获取子模块131；
所述第三获取子模块131，用于使用预设美颜算法对所述第一获取模块12获取的所述原始眼袋区域的局部图像中的眼袋区域进行美颜处理，获取美颜处理后的眼袋区域的局部图像；
其中，预设美颜算法包括以下算法中的至少一种：降低所述原始眼袋区域的局部图像中的中性色的像素在CMYK颜色空间下的黑色分量；或，将所述原始眼袋区域的局部图像与一张纯白色图进行图层柔光混合；或，调整所述原始眼袋区域的局部图像中的色阶。
在一个实施例中，如图19所示，所述第三获取模块14包括：第四获取子模块141和第五获取子模块142；
所述第四获取子模块141，用于获取所述第一获取模块12获取的所述原始眼袋区域的局部图像中眼袋区域的掩码图；
所述第五获取子模块142，用于采用泊松融合算法，对所述第二获取模块13获取的所述美颜后的眼袋区域的局部图像和所述第一获取模块12获取的所述原始眼袋区域的局部图像使用所述掩码图进行融合，得到所述目标眼袋区域的局部图像。
在一个实施例中，如图20所示，所述第三获取模块14包括：第六获取子模块143、模糊处理子模块144和第七获取子模块145；
所述第六获取子模块143，用于获取所述第一获取模块12获取的所述原始眼袋区域的局部图像中眼袋区域的掩码图；
所述模糊处理子模块144，用于对所述第六获取子模块143获取的所述掩码图进行高斯模糊处理得到模糊掩码图；
所述第七获取子模块145，用于采用alpha融合算法，对所述第二获取模块13获取的所述美颜处理后的眼袋区域的局部图像和所述第一获取模块12获取的所述原始眼袋区域的局部图像使用所述模糊掩码图进行融合，得到所述目标眼袋区域的局部图像。
在一个实施例中，如图21所示，所述装置还包括：第五获取模块16；
所述第五获取模块16，用于当所述检测模块11检测到所述待处理人脸图像的人脸中佩戴眼镜时，放弃对所述待处理人脸图像中的眼袋区域进行图像处理。
根据本公开实施例的第三方面，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：
检测待处理人脸图像的人脸中是否佩戴眼镜；
当检测到所述待处理人脸图像的人脸中未佩戴眼镜时，对所述待处理人脸图像中的人脸进行关键点定位，获取所述待处理人脸图像中的原始眼袋区域的局部图像；
对所述原始眼袋区域的局部图像进行美颜处理，获取美颜处理后的眼袋区域的局部图像；
对所述美颜处理后的眼袋区域的局部图像和所述原始眼袋区域的局部图像根据预设图像融合算法进行融合，得到目标眼袋区域的局部图像；
将所述待处理人脸图像中的所述原始眼袋区域的局部图像使用所述目标眼袋区域的局部图像进行替换，得到处理后的人脸图像。
上述处理器还可被配置为：
所述对所述待处理人脸图像中的人脸进行关键点定位，获取所述待处理人脸图像中的原始眼袋区域的局部图像，包括：
对所述待处理人脸图像中的人脸进行关键点定位，获取所述待处理人脸图像中的眼睛部位关键点；
将所述的眼睛部位关键点中眼睛下边缘关键点组成的曲线的两端根据所述曲线的弯曲趋势延伸预设长度；
以延伸后的所述曲线的两端之间连线为短轴确定椭圆，所述椭圆的长轴的长度为所述短轴长度的预设倍数，所述长轴与所述短轴的交点为所述短轴的中点；
确定所述椭圆中位于所述眼睛下边缘关键点下方的区域，且与延伸后的所述曲线所组成的区域为眼袋区域；
根据所述眼袋区域获取所述原始眼袋区域的局部图像。
所述对所述原始眼袋区域的局部图像进行美颜处理，获取美颜处理后的眼袋区域的局部图像，包括：
使用预设美颜算法对所述原始眼袋区域的局部图像中的眼袋区域进行美颜处理，获取美颜处理后的眼袋区域的局部图像；
其中，预设美颜算法包括以下算法中的至少一种：降低所述原始眼袋区域的局部图像中的中性色的像素在CMYK颜色空间下的黑色分量；或，将所述原始眼袋区域的局部图像与一张纯白色图进行图层柔光混合；或，调整所述原始眼袋区域的局部图像中的色阶。
所述对所述美颜处理后的眼袋区域的局部图像和所述原始眼袋区域的局部图像根据预设图像融合算法进行融合，得到目标眼袋区域的局部图像，包括：
获取所述原始眼袋区域的局部图像中眼袋区域的掩码图；
采用泊松融合算法，对所述美颜后的眼袋区域的局部图像和所述原始眼袋区域的局部图像使用所述掩码图进行融合，得到所述目标眼袋区域的局部图像。
所述对所述美颜处理后的眼袋区域的局部图像和所述原始眼袋区域的局部图像根据预设图像融合算法进行融合，得到目标眼袋区域的局部图像，包括：
获取所述原始眼袋区域的局部图像中眼袋区域的掩码图；
对所述掩码图进行高斯模糊处理得到模糊掩码图；
采用alpha融合算法，对所述美颜处理后的眼袋区域的局部图像和所述原始眼袋区域的局部图像使用所述模糊掩码图进行融合，得到所述目标眼袋区域的局部图像。
所述方法还包括：
当检测到所述待处理人脸图像的人脸中佩戴眼镜时，放弃对所述待处理人脸图像中的眼袋区域进行图像处理。
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。
图22是根据一示例性实施例示出的一种用于图像处理装置80的框图，该装置适用于终端设备。例如，装置80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80可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，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802通常控制装置80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802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802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在装置80的操作。这些数据的示例包括用于在装置80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804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806为装置80的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为装置80生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述装置80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808包括一个前置摄像头和/或后置摄像头。当装置80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810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置80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804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802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814包括一个或多个传感器，用于为装置80提供各个方面的状态评估。例如，传感器组件814可以检测到装置80的打开/关闭状态，组件的相对定位，例如所述组件为装置80的显示器和小键盘，传感器组件814还可以检测装置80或装置80一个组件的位置改变，用户与装置80接触的存在或不存在，装置80方位或加速/减速和装置80的温度变化。传感器组件814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814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814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816被配置为便于装置80和其他设备之间有线或无线方式的通信。装置80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816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816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80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组件实现，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804，上述指令可由装置80的处理器820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80的处理器执行时，使得装置80能够执行上述的图像处理方法，所述方法包括：
检测待处理人脸图像的人脸中是否佩戴眼镜；
当检测到所述待处理人脸图像的人脸中未佩戴眼镜时，对所述待处理人脸图像中的人脸进行关键点定位，获取所述待处理人脸图像中的原始眼袋区域的局部图像；
对所述原始眼袋区域的局部图像进行美颜处理，获取美颜处理后的眼袋区域的局部图像；
对所述美颜处理后的眼袋区域的局部图像和所述原始眼袋区域的局部图像根据预设图像融合算法进行融合，得到目标眼袋区域的局部图像；
将所述待处理人脸图像中的所述原始眼袋区域的局部图像使用所述目标眼袋区域的局部图像进行替换，得到处理后的人脸图像。
所述对所述待处理人脸图像中的人脸进行关键点定位，获取所述待处理人脸图像中的原始眼袋区域的局部图像，包括：
对所述待处理人脸图像中的人脸进行关键点定位，获取所述待处理人脸图像中的眼睛部位关键点；
将所述的眼睛部位关键点中眼睛下边缘关键点组成的曲线的两端根据所述曲线的弯曲趋势延伸预设长度；
以延伸后的所述曲线的两端之间连线为短轴确定椭圆，所述椭圆的长轴的长度为所述短轴长度的预设倍数，所述长轴与所述短轴的交点为所述短轴的中点；
确定所述椭圆中位于所述眼睛下边缘关键点下方的区域，且与延伸后的所述曲线所组成的区域为眼袋区域；
根据所述眼袋区域获取所述原始眼袋区域的局部图像。
所述对所述原始眼袋区域的局部图像进行美颜处理，获取美颜处理后的眼袋区域的局部图像，包括：
使用预设美颜算法对所述原始眼袋区域的局部图像中的眼袋区域进行美颜处理，获取美颜处理后的眼袋区域的局部图像；
其中，预设美颜算法包括以下算法中的至少一种：降低所述原始眼袋区域的局部图像中的中性色的像素在CMYK颜色空间下的黑色分量；或，将所述原始眼袋区域的局部图像与一张纯白色图进行图层柔光混合；或，调整所述原始眼袋区域的局部图像中的色阶。
所述对所述美颜处理后的眼袋区域的局部图像和所述原始眼袋区域的局部图像根据预设图像融合算法进行融合，得到目标眼袋区域的局部图像，包括：
获取所述原始眼袋区域的局部图像中眼袋区域的掩码图；
采用泊松融合算法，对所述美颜后的眼袋区域的局部图像和所述原始眼袋区域的局部图像使用所述掩码图进行融合，得到所述目标眼袋区域的局部图像。
所述对所述美颜处理后的眼袋区域的局部图像和所述原始眼袋区域的局部图像根据预设图像融合算法进行融合，得到目标眼袋区域的局部图像，包括：
获取所述原始眼袋区域的局部图像中眼袋区域的掩码图；
对所述掩码图进行高斯模糊处理得到模糊掩码图；
采用alpha融合算法，对所述美颜处理后的眼袋区域的局部图像和所述原始眼袋区域的局部图像使用所述模糊掩码图进行融合，得到所述目标眼袋区域的局部图像。
所述方法还包括：
当检测到所述待处理人脸图像的人脸中佩戴眼镜时，放弃对所述待处理人脸图像中的眼袋区域进行图像处理。
图23是根据一示例性实施例示出的一种用于图像处理装置90的框图。例如，装置90可以被提供为一服务器。装置90包括处理组件902，其进一步包括一个或多个处理器，以及由存储器903所代表的存储器资源，用于存储可由处理组件902的执行的指令，例如应用程序。存储器903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902被配置为执行指令，以执行上述方法。
装置90还可以包括一个电源组件906被配置为执行装置90的电源管理，一个有线或无线网络接口905被配置为将装置90连接到网络，和一个输入输出(I/O)接口908。装置90可以操作基于存储在存储器903的操作系统，例如Windows ServerTM，Mac OS 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90的处理器执行时，使得装置90能够执行上述的图像处理方法，所述方法包括：
检测待处理人脸图像的人脸中是否佩戴眼镜；
当检测到所述待处理人脸图像的人脸中未佩戴眼镜时，对所述待处理人脸图像中的人脸进行关键点定位，获取所述待处理人脸图像中的原始眼袋区域的局部图像；
对所述原始眼袋区域的局部图像进行美颜处理，获取美颜处理后的眼袋区域的局部图像；
对所述美颜处理后的眼袋区域的局部图像和所述原始眼袋区域的局部图像根据预设图像融合算法进行融合，得到目标眼袋区域的局部图像；
将所述待处理人脸图像中的所述原始眼袋区域的局部图像使用所述目标眼袋区域的局部图像进行替换，得到处理后的人脸图像。
所述对所述待处理人脸图像中的人脸进行关键点定位，获取所述待处理人脸图像中的原始眼袋区域的局部图像，包括：
对所述待处理人脸图像中的人脸进行关键点定位，获取所述待处理人脸图像中的眼睛部位关键点；
将所述的眼睛部位关键点中眼睛下边缘关键点组成的曲线的两端根据所述曲线的弯曲趋势延伸预设长度；
以延伸后的所述曲线的两端之间连线为短轴确定椭圆，所述椭圆的长轴的长度为所述短轴长度的预设倍数，所述长轴与所述短轴的交点为所述短轴的中点；
确定所述椭圆中位于所述眼睛下边缘关键点下方的区域，且与延伸后的所述曲线所组成的区域为眼袋区域；
根据所述眼袋区域获取所述原始眼袋区域的局部图像。
所述对所述原始眼袋区域的局部图像进行美颜处理，获取美颜处理后的眼袋区域的局部图像，包括：
使用预设美颜算法对所述原始眼袋区域的局部图像中的眼袋区域进行美颜处理，获取美颜处理后的眼袋区域的局部图像；
其中，预设美颜算法包括以下算法中的至少一种：降低所述原始眼袋区域的局部图像中的中性色的像素在CMYK颜色空间下的黑色分量；或，将所述原始眼袋区域的局部图像与一张纯白色图进行图层柔光混合；或，调整所述原始眼袋区域的局部图像中的色阶。
所述对所述美颜处理后的眼袋区域的局部图像和所述原始眼袋区域的局部图像根据预设图像融合算法进行融合，得到目标眼袋区域的局部图像，包括：
获取所述原始眼袋区域的局部图像中眼袋区域的掩码图；
采用泊松融合算法，对所述美颜后的眼袋区域的局部图像和所述原始眼袋区域的局部图像使用所述掩码图进行融合，得到所述目标眼袋区域的局部图像。
所述对所述美颜处理后的眼袋区域的局部图像和所述原始眼袋区域的局部图像根据预设图像融合算法进行融合，得到目标眼袋区域的局部图像，包括：
获取所述原始眼袋区域的局部图像中眼袋区域的掩码图；
对所述掩码图进行高斯模糊处理得到模糊掩码图；
采用alpha融合算法，对所述美颜处理后的眼袋区域的局部图像和所述原始眼袋区域的局部图像使用所述模糊掩码图进行融合，得到所述目标眼袋区域的局部图像。
所述方法还包括：
当检测到所述待处理人脸图像的人脸中佩戴眼镜时，放弃对所述待处理人脸图像中的眼袋区域进行图像处理。
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 (10)

1.一种图像处理方法，其特征在于，包括：
检测待处理人脸图像的人脸中是否佩戴眼镜；
当检测到所述待处理人脸图像的人脸中未佩戴眼镜时，对所述待处理人脸图像中的人脸进行关键点定位，获取所述待处理人脸图像中的原始眼袋区域的局部图像；
对所述原始眼袋区域的局部图像进行美颜处理，获取美颜处理后的眼袋区域；
对所述美颜处理后的眼袋区域和所述原始眼袋区域根据预设图像融合算法进行融合，得到目标眼袋区域；
将所述待处理人脸图像中的所述原始眼袋区域使用所述目标眼袋区域进行替换，得到处理后的人脸图像；
所述对所述待处理人脸图像中的人脸进行关键点定位，获取所述待处理人脸图像中的原始眼袋区域的局部图像，包括：
对所述待处理人脸图像中的人脸进行关键点定位，获取所述待处理人脸图像中的眼睛部位关键点；
将所述的眼睛部位关键点中眼睛下边缘关键点组成的曲线的两端根据所述曲线的弯曲趋势延伸预设长度；
以延伸后的所述曲线的两端之间连线为短轴确定椭圆，所述椭圆的长轴的长度为所述短轴长度的预设倍数，所述长轴与所述短轴的交点为所述短轴的中点；
确定所述椭圆中位于所述眼睛下边缘关键点下方的区域，且与延伸后的所述曲线所组成的区域为眼袋区域；
根据所述眼袋区域获取所述原始眼袋区域的局部图像。
2.根据权利要求1所述的方法，其特征在于，所述对所述原始眼袋区域的局部图像进行美颜处理，获取美颜处理后的眼袋区域的局部图像，包括：
使用预设美颜算法对所述原始眼袋区域的局部图像中的眼袋区域进行美颜处理，获取美颜处理后的眼袋区域的局部图像；
其中，预设美颜算法包括以下算法中的至少一种：降低所述原始眼袋区域的局部图像中的中性色的像素在CMYK颜色空间下的黑色分量；或，将所述原始眼袋区域的局部图像与一张纯白色图进行图层柔光混合；或，调整所述原始眼袋区域的局部图像中的色阶。
3.根据权利要求1所述的方法，其特征在于，所述对所述美颜处理后的眼袋区域的局部图像和所述原始眼袋区域的局部图像根据预设图像融合算法进行融合，得到目标眼袋区域的局部图像，包括：
获取所述原始眼袋区域的局部图像中眼袋区域的掩码图；
采用泊松融合算法，对所述美颜后的眼袋区域的局部图像和所述原始眼袋区域的局部图像使用所述掩码图进行融合，得到所述目标眼袋区域的局部图像；
或者，
对所述掩码图进行高斯模糊处理得到模糊掩码图；
采用alpha融合算法，对所述美颜处理后的眼袋区域的局部图像和所述原始眼袋区域的局部图像使用所述模糊掩码图进行融合，得到所述目标眼袋区域的局部图像。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
当检测到所述待处理人脸图像的人脸中佩戴眼镜时，放弃对所述待处理人脸图像中的眼袋区域进行图像处理。
5.一种图像处理装置，其特征在于，包括：
检测模块，用于检测待处理人脸图像的人脸中是否佩戴眼镜；
第一获取模块，用于当所述检测模块检测到所述待处理人脸图像的人脸中未佩戴眼镜时，对所述待处理人脸图像中的人脸进行关键点定位，获取所述待处理人脸图像中的原始眼袋区域的局部图像；
第二获取模块，用于对所述第一获取模块获取的所述原始眼袋区域的局部图像进行美颜处理，获取美颜处理后的眼袋区域的局部图像；
第三获取模块，用于对所述第二获取模块获取的所述美颜处理后的眼袋区域的局部图像和所述原始眼袋区域的局部图像根据预设图像融合算法进行融合，得到目标眼袋区域的局部图像；
第四获取模块，用于将所述待处理人脸图像中的所述原始眼袋区域的局部图像使用所述第三获取模块获取的所述目标眼袋区域的局部图像进行替换，得到处理后的人脸图像；
所述第一获取模块包括：第一获取子模块、延伸子模块、椭圆确定子模块、眼袋确定子模块和第二获取子模块；
所述第一获取子模块，用于对所述待处理人脸图像中的人脸进行关键点定位，获取所述待处理人脸图像中的眼睛部位关键点；
所述延伸子模块，用于将所述第一获取子模块获取的所述的眼睛部位关键点中眼睛下边缘关键点组成的曲线的两端根据所述曲线的弯曲趋势延伸预设长度；
所述椭圆确定子模块，用于以所述延伸子模块延伸后的所述曲线的两端之间连线为短轴确定椭圆，所述椭圆的长轴的长度为所述短轴长度的预设倍数，所述长轴与所述短轴的交点为所述短轴的中点；
所述眼袋确定子模块，用于确定根据所述椭圆确定子模块确定的所述椭圆中位于所述眼睛下边缘关键点下方的区域，且与延伸后的所述曲线所组成的区域为眼袋区域；
所述第二获取子模块，用于根据所述眼袋确定子模块确定的所述眼袋区域获取所述原始眼袋区域的局部图像。
6.根据权利要求5所述的装置，其特征在于，所述第二获取模块包括：第三获取子模块；
所述第三获取子模块，用于使用预设美颜算法对所述第一获取模块获取的所述原始眼袋区域的局部图像中的眼袋区域进行美颜处理，获取美颜处理后的眼袋区域的局部图像；
其中，预设美颜算法包括以下算法中的至少一种：降低所述原始眼袋区域的局部图像中的中性色的像素在CMYK颜色空间下的黑色分量；或，将所述原始眼袋区域的局部图像与一张纯白色图进行图层柔光混合；或，调整所述原始眼袋区域的局部图像中的色阶。
7.根据权利要求5所述的装置，其特征在于，所述第三获取模块包括：第四获取子模块和第五获取子模块；或者，所述第三获取模块包括：第六获取子模块、模糊处理子模块和第七获取子模块；
所述第四获取子模块，用于获取所述第一获取模块获取的所述原始眼袋区域的局部图像中眼袋区域的掩码图；
所述第五获取子模块，用于采用泊松融合算法，对所述第二获取模块获取的所述美颜后的眼袋区域的局部图像和所述第一获取模块获取的所述原始眼袋区域的局部图像使用所述掩码图进行融合，得到所述目标眼袋区域的局部图像；
或者，
所述第六获取子模块，用于获取所述第一获取模块获取的所述原始眼袋区域的局部图像中眼袋区域的掩码图；
所述模糊处理子模块，用于对所述第六获取子模块获取的所述掩码图进行高斯模糊处理得到模糊掩码图；
所述第七获取子模块，用于采用alpha融合算法，对所述第二获取模块获取的所述美颜处理后的眼袋区域的局部图像和所述第一获取模块获取的所述原始眼袋区域的局部图像使用所述模糊掩码图进行融合，得到所述目标眼袋区域的局部图像。
8.根据权利要求5所述的装置，其特征在于，所述装置还包括：第五获取模块；
所述第五获取模块，用于当所述检测模块检测到所述待处理人脸图像的人脸中佩戴眼镜时，放弃对所述待处理人脸图像中的眼袋区域进行图像处理。
9.一种图像处理装置，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：
检测待处理人脸图像的人脸中是否佩戴眼镜；
当检测到所述待处理人脸图像的人脸中未佩戴眼镜时，对所述待处理人脸图像中的人脸进行关键点定位，获取所述待处理人脸图像中的原始眼袋区域的局部图像；
对所述原始眼袋区域的局部图像进行美颜处理，获取美颜处理后的眼袋区域的局部图像；
对所述美颜处理后的眼袋区域的局部图像和所述原始眼袋区域的局部图像根据预设图像融合算法进行融合，得到目标眼袋区域的局部图像；
将所述待处理人脸图像中的所述原始眼袋区域的局部图像使用所述目标眼袋区域的局部图像进行替换，得到处理后的人脸图像；
所述对所述待处理人脸图像中的人脸进行关键点定位，获取所述待处理人脸图像中的原始眼袋区域的局部图像，包括：
对所述待处理人脸图像中的人脸进行关键点定位，获取所述待处理人脸图像中的眼睛部位关键点；
将所述的眼睛部位关键点中眼睛下边缘关键点组成的曲线的两端根据所述曲线的弯曲趋势延伸预设长度；
以延伸后的所述曲线的两端之间连线为短轴确定椭圆，所述椭圆的长轴的长度为所述短轴长度的预设倍数，所述长轴与所述短轴的交点为所述短轴的中点；
确定所述椭圆中位于所述眼睛下边缘关键点下方的区域，且与延伸后的所述曲线所组成的区域为眼袋区域；
根据所述眼袋区域获取所述原始眼袋区域的局部图像。
10.一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以下步骤：
检测待处理人脸图像的人脸中是否佩戴眼镜；
当检测到所述待处理人脸图像的人脸中未佩戴眼镜时，对所述待处理人脸图像中的人脸进行关键点定位，获取所述待处理人脸图像中的原始眼袋区域的局部图像；
对所述原始眼袋区域的局部图像进行美颜处理，获取美颜处理后的眼袋区域的局部图像；
对所述美颜处理后的眼袋区域的局部图像和所述原始眼袋区域的局部图像根据预设图像融合算法进行融合，得到目标眼袋区域的局部图像；
将所述待处理人脸图像中的所述原始眼袋区域的局部图像使用所述目标眼袋区域的局部图像进行替换，得到处理后的人脸图像；
所述对所述待处理人脸图像中的人脸进行关键点定位，获取所述待处理人脸图像中的原始眼袋区域的局部图像，包括：
对所述待处理人脸图像中的人脸进行关键点定位，获取所述待处理人脸图像中的眼睛部位关键点；
将所述的眼睛部位关键点中眼睛下边缘关键点组成的曲线的两端根据所述曲线的弯曲趋势延伸预设长度；
以延伸后的所述曲线的两端之间连线为短轴确定椭圆，所述椭圆的长轴的长度为所述短轴长度的预设倍数，所述长轴与所述短轴的交点为所述短轴的中点；
确定所述椭圆中位于所述眼睛下边缘关键点下方的区域，且与延伸后的所述曲线所组成的区域为眼袋区域；
根据所述眼袋区域获取所述原始眼袋区域的局部图像。
CN201711051624.6A 2017-10-31 2017-10-31 图像处理方法及装置 Active CN107862673B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711051624.6A CN107862673B (zh) 2017-10-31 2017-10-31 图像处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711051624.6A CN107862673B (zh) 2017-10-31 2017-10-31 图像处理方法及装置

Publications (2)

Publication Number Publication Date
CN107862673A CN107862673A (zh) 2018-03-30
CN107862673B true CN107862673B (zh) 2021-08-24

Family

ID=61697200

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711051624.6A Active CN107862673B (zh) 2017-10-31 2017-10-31 图像处理方法及装置

Country Status (1)

Country Link
CN (1) CN107862673B (zh)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110390223A (zh) * 2018-04-16 2019-10-29 北京陌陌信息技术有限公司 调整人脸图像的方法、装置、设备和计算机存储介质
CN108665498B (zh) * 2018-05-15 2023-05-12 北京市商汤科技开发有限公司 图像处理方法、装置、电子设备和存储介质
CN108898546B (zh) * 2018-06-15 2022-08-16 北京小米移动软件有限公司 人脸图像处理方法、装置及设备、可读存储介质
CN108632535A (zh) * 2018-07-26 2018-10-09 维沃移动通信有限公司 一种图像处理方法及移动终端
CN109086719A (zh) * 2018-08-03 2018-12-25 北京字节跳动网络技术有限公司 用于输出数据的方法和装置
CN109376618B (zh) * 2018-09-30 2021-03-23 北京旷视科技有限公司 图像处理方法、装置及电子设备
CN109410138B (zh) * 2018-10-16 2021-10-01 北京旷视科技有限公司 修饰双下巴的方法、装置和系统
CN109658328A (zh) * 2018-11-26 2019-04-19 深圳艺达文化传媒有限公司 自拍视频动物头像耳朵处理方法及相关产品
CN111260757A (zh) * 2018-12-03 2020-06-09 马上消费金融股份有限公司 一种图像处理方法、装置及终端设备
CN109886107A (zh) * 2019-01-15 2019-06-14 北京奇艺世纪科技有限公司 眼部图像处理方法、设备、图像处理设备、介质
CN110458781B (zh) * 2019-08-14 2022-07-19 北京百度网讯科技有限公司 用于处理图像的方法和装置
CN110853058B (zh) * 2019-11-12 2023-01-03 电子科技大学 基于视觉显著性检测的高分辨率遥感影像道路提取方法
CN113536834A (zh) * 2020-04-14 2021-10-22 华为技术有限公司 眼袋检测方法以及装置
CN111583102B (zh) * 2020-05-14 2023-05-16 抖音视界有限公司 人脸图像处理方法、装置、电子设备及计算机存储介质
CN113228045A (zh) * 2020-05-18 2021-08-06 深圳市大疆创新科技有限公司 图像处理方法、设备、可移动平台和存储介质
CN111798399B (zh) * 2020-07-10 2024-04-30 抖音视界有限公司 一种图像处理方法、装置以及电子设备
CN113298698B (zh) * 2021-04-30 2024-02-02 成都东方盛行电子有限责任公司 一种用于非编工程中人脸关键点的祛眼袋方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103413270A (zh) * 2013-08-15 2013-11-27 北京小米科技有限责任公司 一种图像的处理方法、装置和终端设备
US8731248B2 (en) * 2012-02-16 2014-05-20 Arcsoft (Hangzhou) Multimedia Technology Co., Ltd. Method of performing eye circle correction an image and related computing device
CN104574285A (zh) * 2013-10-23 2015-04-29 厦门美图网科技有限公司 一种自动祛除图像黑圆圈的方法
CN105608722A (zh) * 2015-12-17 2016-05-25 成都品果科技有限公司 一种基于人脸关键点的自动去眼袋方法及系统
CN106133752A (zh) * 2014-02-25 2016-11-16 眼验股份有限公司 眼睛注视跟踪

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120288168A1 (en) * 2011-05-09 2012-11-15 Telibrahma Convergent Communications Pvt. Ltd. System and a method for enhancing appeareance of a face
CN104408426B (zh) * 2014-11-27 2018-07-24 小米科技有限责任公司 人脸图像眼镜去除方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8731248B2 (en) * 2012-02-16 2014-05-20 Arcsoft (Hangzhou) Multimedia Technology Co., Ltd. Method of performing eye circle correction an image and related computing device
CN103413270A (zh) * 2013-08-15 2013-11-27 北京小米科技有限责任公司 一种图像的处理方法、装置和终端设备
CN104574285A (zh) * 2013-10-23 2015-04-29 厦门美图网科技有限公司 一种自动祛除图像黑圆圈的方法
CN106133752A (zh) * 2014-02-25 2016-11-16 眼验股份有限公司 眼睛注视跟踪
CN105608722A (zh) * 2015-12-17 2016-05-25 成都品果科技有限公司 一种基于人脸关键点的自动去眼袋方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Real-time eye detection using face-circle fitting and dark-pixel filtering;Daw-Tung L.等;《2004 IEEE International Conference on Multimedia and Expo (ICME) (IEEE Cat. No.04TH8763)》;20050222;全文 *
生物识别技术在机场安保领域的应用;武卫;《中国民用航空》;20120831;第140卷;全文 *

Also Published As

Publication number Publication date
CN107862673A (zh) 2018-03-30

Similar Documents

Publication Publication Date Title
CN107862673B (zh) 图像处理方法及装置
CN108898546B (zh) 人脸图像处理方法、装置及设备、可读存储介质
US10565763B2 (en) Method and camera device for processing image
CN107347135B (zh) 拍照处理方法、装置和终端设备
CN107730448B (zh) 基于图像处理的美颜方法及装置
CN105554389B (zh) 拍摄方法及装置
CN107958439B (zh) 图像处理方法及装置
CN105512605A (zh) 人脸图像处理方法及装置
CN107798654B (zh) 图像磨皮方法及装置、存储介质
CN110580688B (zh) 一种图像处理方法、装置、电子设备及存储介质
CN110599410B (zh) 图像处理的方法、装置、终端及存储介质
CN107464253B (zh) 眉毛定位方法及装置
CN108154466B (zh) 图像处理方法及装置
CN107944367B (zh) 人脸关键点检测方法及装置
CN105426079B (zh) 图片亮度的调整方法及装置
US11403789B2 (en) Method and electronic device for processing images
CN107507128B (zh) 图像处理方法及设备
EP3813010B1 (en) Facial image enhancement method, device and electronic device
CN112634160A (zh) 拍照方法及装置、终端、存储介质
CN112188091A (zh) 人脸信息识别方法、装置、电子设备及存储介质
CN108961156B (zh) 人脸图像处理的方法及装置
CN111127352A (zh) 一种图像处理方法、装置、终端及存储介质
CN107730443B (zh) 图像处理方法、装置及用户设备
CN107563957B (zh) 眼部图像处理方法及装置
CN106469446B (zh) 深度图像的分割方法和分割装置

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
GR01 Patent grant
GR01 Patent grant