CN107945106B - 图像处理方法、装置、电子设备及计算机可读存储介质 - Google Patents
图像处理方法、装置、电子设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN107945106B CN107945106B CN201711244136.7A CN201711244136A CN107945106B CN 107945106 B CN107945106 B CN 107945106B CN 201711244136 A CN201711244136 A CN 201711244136A CN 107945106 B CN107945106 B CN 107945106B
- Authority
- CN
- China
- Prior art keywords
- shadow
- area
- parameter
- whitening
- skin
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 59
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- 230000002087 whitening effect Effects 0.000 claims abstract description 166
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000004590 computer program Methods 0.000 claims description 12
- 238000005286 illumination Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 abstract description 15
- 230000000007 visual effect Effects 0.000 abstract description 15
- 238000010586 diagram Methods 0.000 description 11
- 239000013598 vector Substances 0.000 description 10
- 238000005282 brightening Methods 0.000 description 9
- 238000003384 imaging method Methods 0.000 description 9
- 230000003796 beauty Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 238000013139 quantization Methods 0.000 description 4
- 239000003086 colorant Substances 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 238000003705 background correction Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000000697 sensory organ Anatomy 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 208000020154 Acnes Diseases 0.000 description 1
- 206010014970 Ephelides Diseases 0.000 description 1
- 208000003351 Melanosis Diseases 0.000 description 1
- 239000000872 buffer Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
-
- 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)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例涉及一种图像处理方法、装置、电子设备及计算机可读存储介质。上述方法,包括:对待处理图像进行人脸识别,确定人脸区域;获取所述人脸区域的皮肤区域;当检测到所述皮肤区域中包含阴影区域时,确定所述阴影区域的阴影级别;根据所述阴影级别选取第一美白参数;根据所述第一美白参数对所述阴影区域进行美白处理。上述图像处理方法、装置、电子设备及计算机可读存储介质,可以根据阴影程度自适应选取美白参数,可提高美白效果,使图像的视觉显示效果更好。
Description
技术领域
本申请涉及图像处理技术领域,特别是涉及一种图像处理方法、装置、电子设备及计算机可读存储介质。
背景技术
在成像设备采集人物图像时,由于环境亮度、光照方向及人脸肤色差异的众多不同因素,拍摄的人脸往往会呈现不同的颜色特征。在拍摄场景为背光或者被拍摄者气色不好的时候,拍摄出来人脸往往比较暗淡,影响图像的视觉显示效果。电子设备可对采集的人物图像进行美白等处理,对人物图像的肤色进行调整。
发明内容
本申请实施例提供一种图像处理方法、装置、电子设备及计算机可读存储介质,可以根据阴影程度自适应选取美白参数,可提高美白效果,使图像的视觉显示效果更好。
一种图像处理方法,包括:
对待处理图像进行人脸识别,确定人脸区域;
获取所述人脸区域的皮肤区域;
当检测到所述皮肤区域中包含阴影区域时,确定所述阴影区域的阴影级别;
根据所述阴影级别选取第一美白参数;
根据所述第一美白参数对所述阴影区域进行美白处理。
一种图像处理装置,包括:
识别模块,用于对待处理图像进行人脸识别,确定人脸区域;
皮肤区域获取模块,用于获取所述人脸区域的皮肤区域;
阴影级别确定模块,用于当检测到所述皮肤区域中包含阴影区域时,确定所述阴影区域的阴影级别;
第一选取模块,用于根据所述阴影级别选取第一美白参数;
第一处理模块,用于根据所述第一美白参数对所述阴影区域进行美白处理。
一种电子设备,包括存储器及处理器,所述存储器中存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器实现如上所述的方法。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的方法。
上述图像处理方法、装置、电子设备及计算机可读存储介质,对待处理图像进行人脸识别,确定人脸区域,当检测到人脸区域的皮肤区域中包含阴影区域时,确定阴影区域的阴影级别,并根据阴影级别选取第一美白参数,根据第一美白参数对阴影区域进行美白处理,可以根据阴影程度自适应选取美白参数,可提高美白效果,使图像的视觉显示效果更好。
附图说明
图1为一个实施例中电子设备的框图;
图2为一个实施例中图像处理方法的流程示意图;
图3为一个实施例中获取人脸区域的皮肤区域的流程示意图;
图4为一个实施例中生成的颜色直方图;
图5为一个实施例中对皮肤区域的非阴影区域进行美白处理的流程示意图;
图6为一个实施例中选取非阴影区域的第二美白参数的流程示意图;
图7为一个实施例中亮度特征与第二美白参数的关系示意图;
图8为一个实施例中阴影级别与第一美白参数的关系示意图;
图9为一个实施例中图像处理装置的框图;
图10为一个实施例中图像处理电路的示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
可以理解,本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件,但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说,在不脱离本申请的范围的情况下,可以将第一客户端称为第二客户端,且类似地,可将第二客户端称为第一客户端。第一客户端和第二客户端两者都是客户端,但其不是同一客户端。
图1为一个实施例中电子设备的框图。如图1所示,该电子设备包括通过系统总线连接的处理器、存储器、显示屏和输入装置。其中,存储器可包括非易失性存储介质及处理器。电子设备的非易失性存储介质存储有操作系统及计算机程序,该计算机程序被处理器执行时以实现本申请实施例中提供的一种图像处理方法。该处理器用于提供计算和控制能力,支撑整个电子设备的运行。电子设备中的内存储器为非易失性存储介质中的计算机程序的运行提供环境。电子设备的显示屏可以是液晶显示屏或者电子墨水显示屏等,输入装置可以是显示屏上覆盖的触摸层,也可以是电子设备外壳上设置的按键、轨迹球或触控板,也可以是外接的键盘、触控板或鼠标等。该电子设备可以是手机、平板电脑或者个人数字助理或穿戴式设备等。本领域技术人员可以理解,图1中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的电子设备的限定,具体的电子设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
如图2所示,在一个实施例中,提供一种图像处理方法,包括以下步骤:
步骤210,对待处理图像进行人脸识别,确定人脸区域。
电子设备可获取待处理图像,待处理图像可以是电子设备通过摄像头等成像设备采集的可在显示屏预览的预览图像,也可以是已经生成并存储的图像。电子设备可对待处理图像进行人脸识别,确定待处理图像中的人脸区域。电子设备可提取待处理图像的图像特征,并通过预设的人脸识别模型对图像特征进行分析,判断待处理图像中是否包含人脸,若包含,则确定对应的人脸区域。图像特征可包括形状特征、空间特征及边缘特征等,其中,形状特征指的是待处理图像中局部的形状,空间特征指的是待处理图像中分割出来的多个区域之间的相互的空间位置或相对方向关系,边缘特征指的是待处理图像中组成两个区域之间的边界像素等。
在一个实施例中,人脸识别模型可以是预先通过机器学习构建的决策模型,构建人脸识别模型时,可获取大量的样本图像,样本图像中包含有人脸图像及无人图像,可根据每个样本图像是否包含人脸对样本图像进行标记,并将标记的样本图像作为人脸识别模型的输入,通过机器学习进行训练,得到人脸识别模型。
步骤220,获取人脸区域的皮肤区域。
电子设备确定待处理图像的人脸区域后,可获取人脸区域的皮肤区域。在一个实施例中,电子设备可先检测人脸区域中的非皮肤区域,可根据人脸区域中各个像素点的色彩值获取人脸区域中的非皮肤区域,其中,色彩值可以是像素点在RGB(红、绿、蓝)、HSV(色调、饱和度、明度)或YUV(亮度、色度)等颜色空间的值。可选地,电子设备中可存储在有预先划分各个五官的色彩值范围,例如毛发的色彩值范围、嘴唇的色彩值范围、眼睛的色彩值范围等。电子设备根据预先划分的各个五官的色彩值范围,可确定人脸区域中的非皮肤区域,其中,非皮肤区域可包括毛发区域、眼睛区域、嘴唇区域等,再去除非皮肤区域得到人脸区域的皮肤区域。
步骤230,当检测到皮肤区域中包含阴影区域时,确定阴影区域的阴影级别。
电子设备可检测人脸的皮肤区域中是否包含阴影区域,可选地,电子设备可基于皮肤区域中各个像素点的色彩值检测皮肤区域中是包含阴影阴域,可将各个像素点的亮度信息与色度信息进行分离,再分别根据亮度信息与色度信息的变化检测阴影区域。对于阴影区域而言,其主要是由于光线的遮挡而产生的一个相对较暗的区域,在阴影区域中,像素点的色度信息的变动通常较小,而亮度信息则可能会有较大的变换。电子设备可基于不同的颜色空间对人脸区域中的像素点进行亮度信息及色度信息的分离,例如,可基于HSV颜色空间,将像素点分为色度信息HS及亮度信息V,可基于YUV颜色空间,将像素点分为Y亮度信息及色度信息UV,也可基于RGB颜色空间等,在此不作限定。
可以理解地,电子设备检测皮肤区域中是否包含阴影区域也可采用其它的方式,例如可计算人脸皮肤区域的光照无关图,其中,光照无关图指的是与受到的光照颜色、方向和亮度均无关的灰度图像,再对该光照无关图进行边缘检测得到阴影区域的边缘,从而确定阴影区域等,并不仅限于上述方式。
当检测到人脸的皮肤区域中包含阴影区域时,可确定阴影区域的阴影级别,阴影级别可用于表示阴影区域的阴影程度。可选地,电子设备可根据阴影区域的亮度信息、纹理信息等确定阴影区域的阴影级别,亮度信息越小、纹理信息越复杂的可对应越大的阴影级别。在一个实施例中,阴影级别可预先划分,不同阴影级别可对应不同数值范围的亮度信息,电子设备可根据阴影度区域的亮度信息所处的数值范围确定阴影级别,阴影级别越高,对应的亮度信息数值范围可越低,表示阴影程度越深,阴影级别越低,可对应的亮度信息数值范围可越高,表示阴影程度越浅等。电子设备也可根据阴影区域亮度信息的变化值确定阴影区域的阴影级别等。
步骤240,根据阴影级别选取第一美白参数。
电子设备可根据人脸皮肤区域的阴影级别选取第一美白参数,其中,美白参数可包括色彩调节参数、提亮参数等,其中,色彩调节参数可用于调节像素点在RGB、HSV或YUV等颜色空间的色彩值,提亮参数则可用于提高亮度。不同阴影级别可选取不同的第一美白参数,例如,阴影级别较高的阴影区域,可选取较大的第一美白参数,比如较大的第一提亮参数;阴影级别较低的阴影区域,则可选取较小的第一美白参数,比如较小的第一提亮参数等。可根据阴影区域的阴影级别选取不同的第一美白参数,从而不同程度地减轻阴影区域的阴影程度。
在一个实施例中,当检测到皮肤区域包含阴影区域时,电子设备可先提取人脸皮肤区域中非阴影区域的肤色特征,肤色特征可指的是人的皮肤在待处理图像中呈现的颜色、亮暗等,肤色特征可包括皮肤区域中非阴影区域的亮度特征及颜色特征等。电子设备可结合皮肤区域中非阴影区域的肤色特征以及阴影区域的阴影级别,共同选取第一美白参数,可选地,可根据非阴影区域的颜色特征选取第一色彩调节参数,并根据阴影级别选取第一提亮参数等,但不限于此。
步骤250,根据第一美白参数对阴影区域进行美白处理。
电子设备根据阴影区域的阴影级别选取第一美白参数后,可根据选取的第一美白参数进行美白处理,美白处理可包括根据第一提亮参数提高阴影区域的亮度,根据第一色彩调节参数调节阴影区域中各个像素点在RGB、HSV或YUV等颜色空间的色彩值等,但不限于此。根据第一美白参数对阴影区域进行美白处理,可保留人脸的阴影区域,但减轻了阴影程度,可使图像更为自然、真实。
在本实施例中,对待处理图像进行人脸识别,确定人脸区域,当检测到人脸区域的皮肤区域中包含阴影区域时,确定阴影区域的阴影级别,并根据阴影级别选取第一美白参数,根据第一美白参数对阴影区域进行美白处理,可以根据阴影程度自适应选取美白参数,可提高美白效果,使图像的视觉显示效果更好。
如图3所示,在一个实施例中,步骤220获取人脸区域的皮肤区域,包括如下步骤:
步骤302,生成人脸区域的颜色直方图。
电子设备可生成人脸区域的颜色直方图,颜色直方图可以是RGB颜色直方图、HSV颜色直方图或是YUV颜色直方图等,并不限于此。颜色直方图可用于描述不同色彩在人脸区域中所占的比例,可将颜色空间划分为多个小的颜色区间,并分别计算人脸区域中落入各个颜色区间的像素点的数量,从而可得到颜色直方图。
在一个实施例中,电子设备可生成人脸区域的HSV颜色直方图,可先将人脸区域从RGB颜色空间转换至HSV颜色空间,其中,在HSV颜色空间中,分量可包括H(Hue,色调)、S(Saturation,饱和度)及V(Value,明度),其中,H用角度度量,取值范围为0°~360°,从红色开始按逆时针方向计算,红色为0°,绿色为120°,蓝色为240°;S表示颜色接近光谱色的程度,光谱色所占的比例越大,颜色接近光谱色的程度就越高,颜色的饱和度也越高,饱和度高,颜色一般深而艳;V表示颜色明亮的程度,对于光源色,明度值与发光体的光亮度有关;对于物体色,此值和物体的透射比或反射比有关,V通常取值范围为0%(黑)到100%(白)。
电子设备可分别对HSV中的H、S及V三个分量进行量化,并将量化后的H、S及V三个分量合成一维的特征向量,特征向量的取值可在0~255之间,共256个值,也即,可将HSV颜色空间划分为256个颜色区间,每个颜色区间对应一个特征向量的值。例如,可将H分量量化为16级,将S分量及V分量分别量化为4级,合成一维的特征向量可如式(1)所示:
L=H*QS*QV+S*QV+V (1);
其中,L表示量化后的H、S及V三个分量合成的一维的特征向量;QS表示S分量的量化级数,QV表示V分量的量化级数。电子设备可根据人脸区域中各个像素点在HSV颜色空间中的值,确定在H、S及V三个分量的量化级别,并计算各个像素点的特征向量,再分别统计特征向量在256个值上分布的像素点的数量,生成颜色直方图。
步骤304,获取颜色直方图的峰值,以及峰值对应的颜色区间。
电子设备可获取颜色直方图的峰值,可先确定颜色直方图上包含的波峰,波峰指的是在颜色直方图形成的一段波内波幅的最大值,可通过求取颜色直方图中各个点的一阶差分进行确定,峰值则为波峰上的最大值。电子设备获取颜色直方图的峰值后,可获取峰值对应的颜色区间,该颜色区间可以是HSV颜色空间中与峰值对应的特征向量的值。
图4为一个实施例中生成的颜色直方图。如图4所示,颜色直方图的横轴可以表示在HSV颜色空间的特征向量,也即HSV颜色空间划分的多个颜色区间,纵轴表示像素点的数量,该颜色直方图中包含波峰402,波峰402的峰值为850,该峰值对应的颜色区间可为150的值。
步骤306,根据颜色区间划分皮肤颜色区间。
电子设备可根据颜色直方图的峰值对应的颜色区间划分人脸区域的皮肤颜色区间,可预先设定皮肤颜色区间的范围值,再根据峰值对应的颜色区间及预设的范围值计算皮肤颜色区间。可选地,电子设备可将峰值对应的颜色区间与预设的范围值相乘,其中,预设的范围值可包括上限值与下限值,可将峰值对应的颜色区间分别与上限值及下限值相乘,得到皮肤颜色区间。例如,电子设备可预先设定皮肤颜色区间的范围值为80%~120%,若颜色直方图的峰值对应的颜色区间为150的值,则可计算得到皮肤颜色区间为120~180。
步骤308,将人脸区域中落入皮肤颜色区间的像素点定义为皮肤区域。
电子设备可将人脸区域中落入皮肤颜色区间的像素点定义为皮肤区域,可选地,电子设备可获取人脸区域中各个像素点在HSV颜色空间的特征向量,并判断特征向量是否落入皮肤颜色区间,若落入,则可将对应的像素点定义为皮肤区域的像素点。例如,计算得到皮肤颜色区间为120~180,则电子设备可将人脸区域中在HSV颜色空间的特征向量在120~180之间的像素点定义为皮肤区域。
在本实施例中,可根据人脸区域的颜色直方图获取皮肤区域,可使后续阴影区域的定位更为准确,可使选取的美白参数更为准确,提高图像的视觉显示效果。
如图5所示,在一个实施例中,在步骤220获取人脸区域的皮肤区域之后,还包括以下步骤:
步骤502,获取皮肤区域的非阴影区域,并提取非阴影区域的肤色特征。
电子设备若检测到人脸皮肤区域中包含阴影区域,可获取皮肤区域的非阴影区域,并提取非阴影区域的肤色特征。
在一个实施例中,步骤提取非阴影区域的肤色特征,可包括步骤(a)及步骤(b)。
步骤(a),将待处理图像从第一颜色空间转换至第二颜色空间。
电子设备可将待处理图像从第一颜色空间转换至第二颜色空间,在本实施例中,第一颜色空间可以是RGB颜色空间,第二颜色空间可以是YUV颜色空间,也可以是其他颜色空间,在此不作限定。YUV颜色空间可包括亮度信号Y和两个色度信号B-Y(即U)、R-Y(即V),其中,Y分量表示明亮度,可以是灰阶值,U及V表示色度,可用于描述图像的色彩及饱和度,YUV颜色空间的亮度信号Y和色度信号U、V是分离的。电子设备可按照特定的转换公式,将待处理图像从第一颜色空间转换至第二颜色空间。
步骤(b),计算非阴影区域中包含的像素点在第二颜色空间中各个分量的均值,并将各个分量的均值作为非阴影区域的肤色特征。
电子设备可计算人脸皮肤区域中非阴影区域包含的像素点在第二颜色空间中各个分量的均值,比如,YUV颜色空间包含Y分量、U分量及V分量,则电子设备可分别计算非阴影区域中包含的所有像素点在Y分量的均值、在U分量的均值及在V分量的均值,并可将非阴影区域中包含的所有像素点在Y分量、U分量及V分量的均值作为非阴影区域的肤色特征,其中,Y分量的均值可以作为非阴影区域的亮度特征,U分量及V分量的均值可作为非阴影区域的颜色特征等。
步骤504,根据肤色特征选取第二美白参数。
电子设备可根据人脸皮肤区域中非阴影区域的肤色特征选取第二美白参数,第二美白参数可包括第二色彩调节参数及第二提亮参数等,不同的肤色特征可选取不同的第二美白参数。电子设备可根据非阴影区域的肤色特征自适应选取第二美白参数。例如,人脸皮肤区域中非阴影区域的亮度特征较大,则可对应选取较小的第二提亮参数,非阴影区域的亮度特征较小,则可对应选取较大的第二提亮参数等,但不限于此。
步骤506,根据第二美白参数对非阴影区域进行美白处理。
电子设备可根据第二美白参数对非阴影区域进行美白处理,可包括根据第二提亮参数提高非阴影区域的亮度,根据第二色彩调节参数调节非阴影区域中各个像素点在RGB、HSV或YUV等颜色空间的色彩值等,但不限于此。可以理解地,非阴影区域的第二提亮参数可低于阴影区域的第一提亮参数。
在本实施例中,可根据皮肤区域中非阴影区域的肤色特征选取第二美白参数对非阴影区域进行美白处理,可针对皮肤区域的阴影区域及非阴影区域选取不同的美白参数进行处理,可提高美白效果,使图像的视觉显示效果更好。
如图6所示,在一个实施例中,步骤504根据肤色特征选取第二美白参数,包括以下步骤:
步骤602,确定亮度特征所处的亮度区间,并获取与亮度区间匹配的参数对应关系。
电子设备获取人脸皮肤区域中非阴影区域的肤色特征,可提取非阴影区域的亮度特征,亮度特征可以是非阴影区域包含的像素点在YUV颜色空间的Y分量的均值。电子设备可获取预设的亮度区间,以及与每个亮度区间匹配的参数对应关系,参数对应关系可用于描述非阴影区域的亮度特征与第二美白参数的对应关系,不同的亮度区间可匹配不同的参数对应关系。电子设备可确定非阴影区域的亮度特征所处的亮度区间,并根据与该所处的亮度区间匹配的参数对应关系计算第二美白参数。
步骤604,根据参数对应关系计算与亮度特征对应的第二美白参数。
在一个实施例中,电子设备可预先设置多个亮度阈值,并根据多个亮度阈值划分多个亮度区间,比如,可预先设置第一亮度阈值及第二亮度阈值,根据第一亮度阈值及第二亮度阈值可划分3个亮度区间,包括小于或等于第一亮度阈值的第一亮度区间,大于第一亮度阈值且小于第二亮度阈值的第二亮度区间,以及大于或等于第二亮度阈值的第三亮度区间等,可以理解地,也可以按其他方式划分亮度区间,并不限于此。
可选地,当皮肤区域中非阴影区域的亮度特征大于第一亮度阈值且小于第二亮度阈值时,可确定亮度特征位于第二亮度区间,与该第二亮度区间匹配的参数对应关系可以是负相关的线性关系,亮度特征与第二美白参数可呈线性关系,进一步地,亮度特征可与第二提亮参数呈线性关系,第二提亮参数可随着亮度特征的增大而减小。
图7为一个实施例中亮度特征与第二美白参数的关系示意图。如图7所示,可划分3个亮度区间,包括小于或等于第一亮度阈值的第一亮度区间710,大于第一亮度阈值且小于第二亮度阈值的第二亮度区间720,以及大于或等于第二亮度阈值的第三亮度区间730。当皮肤区域中非阴影区域的亮度特征处于第一亮度区间710时,其对应的第二提亮参数可为固定的参数一;当非阴影区域的亮度特征处于第二亮度区间720时,亮度特征与第二提亮参数可呈负相关的线性关系,第二提亮参数可随着亮度特征的增大而减小;当非阴影区域的亮度特征处于第三亮度区间730时,其对应的第二提亮参数可为固定的参数二。可以理解地,非阴影区域的亮度特征与第二提亮参数也可以是其他的参数对应关系,并不仅限于图7所示的几种参数对应关系。
在本实施例中,可根据皮肤区域中非阴影区域的亮度特征所处的亮度区间获取参数对应关系,并根据参数对应关系计算第二美白参数,根据亮度特征自适应选取第二美白参数,可使非阴影区域的美白效果更好,提高图像的视觉显示效果。
在一个实施例中,步骤240根据阴影级别选取第一美白参数,包括以下步骤:当阴影级别小于或等于预设第一级别阈值时,获取非阴影区域的第二美白参数,并将第二美白参数作为阴影区域的第一美白参数;当阴影级别大于预设第一级别阈值且小于预设第二级别阈值时,阴影级别与第一美白参数呈正相关关系。
人脸皮肤区域中阴影区域的阴影级别与第一美白参数可具备一定的对应关系,比如正相关关系,该正相关关系可以是正相关的线性关系。当阴影级别满足预设的级别条件时,阴影级别可与第一美白参数呈正相关的线性关系。
在一个实施例中,电子设备可预先设置多个级别阈值,根据多个级别阈值划分阴影级别的级别区域,比如,可预先设置第一级别阈值及第二级别阈值,根据第一级别阈值及第二级别阈值可划分3个级别区间,其中,可包括小于或等于第一级别阈值的第一级别区间,大于第一级别阈值且小于第二级别阈值的第二级别区间,以及大于第二级别阈值的第三级别区间等。当阴影级别小于或等于第一级别阈值时,阴影级别位于第一级别区间,电子设备可获取皮肤区域中非阴影区域的第二美白参数,并将第二美白参数作为阴影区域的第一美白参数对阴影区域进行美白处理。当阴影级别大于第一级别阈值且小于第二级别阈值时,阴影级别位于第二级别区间,阴影级别可与第一美白参数呈正相关的线性关系,第一美白参数随着阴影级别的提高而提高。当阴影级别大于或等于第二级别阈值时,阴影级别位于第三级别区间,阴影级别可对应固定的预设第一美白参数。
例如,阴影级别包含10级,可设置第一级别阈值为3级,第二级别阈值为8级,当皮肤区域中非阴影区域的阴影级别为1~3级时,可将非阴影区域的第二美白参数作为第一美白参数,当阴影级别为4~7级时,可与第一美白参数呈正相关的线性关系,当阴影级别为8~10级时,可对应固定的预设第一美白参数。
图8为一个实施例中阴影级别与第一美白参数的关系示意图。如图8所示,当皮肤区域中非阴影区域的阴影级别小于或等于第一级别阈值时,可对应非阴影区域的第二美白参数;当阴影级别大于第一级阈值且小于第二级别阈值时,可与第一美白参数呈正相关的线性关系,第一美白参数可随着阴影级别的增大而增大;当阴影级别大于第二级别阈值时,可对应固定的美白参数一。可以理解地,皮肤区域中非阴影区域的阴影级别与第一美白参数也可具备其他的对应关系,并不仅限于图8所示的对应关系。
在本实施例中,可根据皮肤区域中阴影区域的阴影级别自适应选取第一美白参数,并结合非阴影区域选取的第二美白参数,可使选取的第一美白参数更为准确,可以提高美白效果,使图像的视觉显示效果更好。
在一个实施例中,提供一种图像处理方法,包括以下步骤:
步骤(1),对待处理图像进行人脸识别,确定人脸区域。
步骤(2),获取人脸区域的皮肤区域。
可选地,步骤(2),包括:生成人脸区域的颜色直方图;获取颜色直方图的峰值,以及峰值对应的颜色区间;根据颜色区间划分皮肤颜色区间;将人脸区域中落入皮肤颜色区间的像素点定义为皮肤区域。
步骤(3),检测皮肤区域中是否包含阴影区域。
步骤(4),当检测到皮肤区域中包含阴影区域时,获取皮肤区域的非阴影区域,并提取非阴影区域的肤色特征;根据肤色特征选取第二美白参数;根据第二美白参数对非阴影区域进行美白处理。
可选地,提取非阴影区域的肤色特征,包括:将待处理图像从第一颜色空间转换至第二颜色空间;计算非阴影区域中包含的像素点在第二颜色空间中各个分量的均值,并将各个分量的均值作为非阴影区域的肤色特征。
可选地,肤色特征包括亮度特征;根据肤色特征选取第二美白参数,包括:确定亮度特征所处的亮度区间,并获取与亮度区间匹配的参数对应关系;根据参数对应关系计算与亮度特征对应的第二美白参数。
步骤(5),当检测到皮肤区域中包含阴影区域时,确定阴影区域的阴影级别。
步骤(6),根据阴影级别选取第一美白参数。
可选地,步骤(6),包括:当阴影级别小于或等于预设第一级别阈值时,获取非阴影区域的第二美白参数,并将第二美白参数作为阴影区域的第一美白参数。
可选地,步骤(6),还包括:当阴影级别大于预设第一级别阈值且小于预设第二级别阈值时,阴影级别与第一美白参数呈正相关关系。
步骤(7),根据第一美白参数对阴影区域进行美白处理。
在本实施例中,对待处理图像进行人脸识别,确定人脸区域,当检测到人脸区域的皮肤区域中包含阴影区域时,确定阴影区域的阴影级别,并根据阴影级别选取第一美白参数,根据第一美白参数对阴影区域进行美白处理,可以根据阴影程度自适应选取美白参数,可提高美白效果,使图像的视觉显示效果更好。
如图9所示,在一个实施例中,提供一种图像处理装置900,包括识别模块910、皮肤区域获取模块920、阴影级别确定模块930、第一选取模块940及第一处理模块950。
识别模块910,用于对待处理图像进行人脸识别,确定人脸区域。
皮肤区域获取模块920,用于获取人脸区域的皮肤区域。
阴影级别确定模块930,用于当检测到皮肤区域中包含阴影区域时,确定阴影区域的阴影级别。
第一选取模块940,用于根据阴影级别选取第一美白参数。
第一处理模块950,用于根据第一美白参数对阴影区域进行美白处理。
在本实施例中,对待处理图像进行人脸识别,确定人脸区域,当检测到人脸区域的皮肤区域中包含阴影区域时,确定阴影区域的阴影级别,并根据阴影级别选取第一美白参数,根据第一美白参数对阴影区域进行美白处理,可以根据阴影程度自适应选取美白参数,可提高美白效果,使图像的视觉显示效果更好。
在一个实施例中,皮肤区域获取模块920,包括生成单元、颜色区间获取单元、划分单元及定义单元。
生成单元,用于生成人脸区域的颜色直方图。
颜色区间获取单元,用于获取颜色直方图的峰值,以及峰值对应的颜色区间。
划分单元,用于根据颜色区间划分皮肤颜色区间。
定义单元,用于将人脸区域中落入皮肤颜色区间的像素点定义为皮肤区域。
在本实施例中,可根据人脸区域的颜色直方图获取皮肤区域,可使后续阴影区域的定位更为准确,可使选取的美白参数更为准确,提高图像的视觉显示效果。
在一个实施例中,上述图像处理装置900,除了包括识别模块910、皮肤区域获取模块920、阴影级别确定模块930、第一选取模块940及第一处理模块950,还包括提取模块、第二选取模块及第二处理模块。
提取模块,用于获取皮肤区域的非阴影区域,并提取非阴影区域的肤色特征。
可选地,提取模块,包括转换单元及均值计算单元。
转换单元,用于将待处理图像从第一颜色空间转换至第二颜色空间。
均值计算单元,用于计算非阴影区域中包含的像素点在第二颜色空间中各个分量的均值,并将各个分量的均值作为非阴影区域的肤色特征。
第二选取模块,用于根据肤色特征选取第二美白参数。
第二处理模块,用于根据第二美白参数对非阴影区域进行美白处理。
在本实施例中,可根据皮肤区域中非阴影区域的肤色特征选取第二美白参数对非阴影区域进行美白处理,可针对皮肤区域的阴影区域及非阴影区域选取不同的美白参数进行处理,可提高美白效果,使图像的视觉显示效果更好。
在一个实施例中,肤色特征包括亮度特征。第二选取模块,包括区间确定单元及参数计算单元。
区间确定单元,用于确定亮度特征所处的亮度区间,并获取与亮度区间匹配的参数对应关系。
参数计算单元,用于根据参数对应关系计算与亮度特征对应的第二美白参数。
在本实施例中,可根据皮肤区域中非阴影区域的亮度特征所处的亮度区间获取参数对应关系,并根据参数对应关系计算第二美白参数,根据亮度特征自适应选取第二美白参数,可使非阴影区域的美白效果更好,提高图像的视觉显示效果。
在一个实施例中,第一选取模块940,还用于当阴影级别小于或等于预设第一级别阈值时,获取非阴影区域的第二美白参数,并将第二美白参数作为阴影区域的第一美白参数;以及当阴影级别大于预设第一级别阈值且小于预设第二级别阈值时,阴影级别与第一美白参数呈正相关关系。
在本实施例中,可根据皮肤区域中阴影区域的阴影级别自适应选取第一美白参数,并结合非阴影区域选取的第二美白参数,可使选取的第一美白参数更为准确,可以提高美白效果,使图像的视觉显示效果更好。
本申请实施例还提供一种电子设备。上述电子设备中包括图像处理电路,图像处理电路可以利用硬件和/或软件组件实现,可包括定义ISP(Image Signal Processing,图像信号处理)管线的各种处理单元。图10为一个实施例中图像处理电路的示意图。如图10所示,为便于说明,仅示出与本申请实施例相关的图像处理技术的各个方面。
如图10所示,图像处理电路包括ISP处理器1040和控制逻辑器1050。成像设备1010捕捉的图像数据首先由ISP处理器1040处理,ISP处理器1040对图像数据进行分析以捕捉可用于确定和/或成像设备1010的一个或多个控制参数的图像统计信息。成像设备1010可包括具有一个或多个透镜1012和图像传感器1014的照相机。图像传感器1014可包括色彩滤镜阵列(如Bayer滤镜),图像传感器1014可获取用图像传感器1014的每个成像像素捕捉的光强度和波长信息,并提供可由ISP处理器1040处理的一组原始图像数据。传感器1020(如陀螺仪)可基于传感器1020接口类型把采集的图像处理的参数(如防抖参数)提供给ISP处理器1040。传感器1020接口可以利用SMIA(Standard Mobile Imaging Architecture,标准移动成像架构)接口、其它串行或并行照相机接口或上述接口的组合。
此外,图像传感器1014也可将原始图像数据发送给传感器1020,传感器1020可基于传感器1020接口类型把原始图像数据提供给ISP处理器1040,或者传感器1020将原始图像数据存储到图像存储器1030中。
ISP处理器1040按多种格式逐个像素地处理原始图像数据。例如,每个图像像素可具有8、10、12或14比特的位深度,ISP处理器1040可对原始图像数据进行一个或多个图像处理操作、收集关于图像数据的统计信息。其中,图像处理操作可按相同或不同的位深度精度进行。
ISP处理器1040还可从图像存储器1030接收图像数据。例如,传感器1020接口将原始图像数据发送给图像存储器1030,图像存储器1030中的原始图像数据再提供给ISP处理器1040以供处理。图像存储器1030可为存储器装置的一部分、存储设备、或电子设备内的独立的专用存储器,并可包括DMA(Direct Memory Access,直接直接存储器存取)特征。
当接收到来自图像传感器1014接口或来自传感器1020接口或来自图像存储器1030的原始图像数据时,ISP处理器1040可进行一个或多个图像处理操作,如时域滤波。处理后的图像数据可发送给图像存储器1030,以便在被显示之前进行另外的处理。ISP处理器1040还可从图像存储器1030接收处理数据,对上述处理数据进行原始域中以及RGB和YCbCr颜色空间中的图像数据处理。处理后的图像数据可输出给显示器1080,以供用户观看和/或由图形引擎或GPU(Graphics Processing Unit,图形处理器)进一步处理。此外,ISP处理器1040的输出还可发送给图像存储器1030,且显示器1080可从图像存储器1030读取图像数据。在一个实施例中,图像存储器1030可被配置为实现一个或多个帧缓冲器。此外,ISP处理器1040的输出可发送给编码器/解码器1070,以便编码/解码图像数据。编码的图像数据可被保存,并在显示于显示器1080设备上之前解压缩。
ISP处理器1040处理图像数据的步骤包括:对图像数据进行VFE(Video FrontEnd,视频前端)处理和CPP(Camera Post Processing,摄像头后处理)处理。对图像数据的VFE处理可包括修正图像数据的对比度或亮度、修改以数字方式记录的光照状态数据、对图像数据进行补偿处理(如白平衡,自动增益控制,γ校正等)、对图像数据进行滤波处理等。对图像数据的CPP处理可包括对图像进行缩放、向每个路径提供预览帧和记录帧。其中,CPP可使用不同的编解码器来处理预览帧和记录帧。
ISP处理器1040处理后的图像数据可发送给美颜模块1060,以便在被显示之前对图像进行美颜处理。美颜模块1060对图像数据美颜处理可包括:美白、祛斑、磨皮、瘦脸、祛痘、增大眼睛等。其中,美颜模块1060可为电子设备中的CPU(Central Processing Unit,中央处理器)、GPU或协处理器等。美颜模块1060处理后的数据可发送给编码器/解码器1070,以便编码/解码图像数据。编码的图像数据可被保存,并在显示于显示器1080设备上之前解压缩。其中,美颜模块1060还可位于编码器/解码器1070与显示器1080之间,即美颜模块对已成像的图像进行美颜处理。上述编码器/解码器1070可为电子设备中CPU、GPU或协处理器等。
ISP处理器1040确定的统计数据可发送给控制逻辑器1050单元。例如,统计数据可包括自动曝光、自动白平衡、自动聚焦、闪烁检测、黑电平补偿、透镜1012阴影校正等图像传感器1014统计信息。控制逻辑器1050可包括执行一个或多个例(如固件)的处理器和/或微控制器,一个或多个例程可根据接收的统计数据,确定成像设备1010的控制参数以及ISP处理器1040的控制参数。例如,成像设备1010的控制参数可包括传感器1020控制参数(例如增益、曝光控制的积分时间)、照相机闪光控制参数、透镜1012控制参数(例如聚焦或变焦用焦距),或这些参数的组合。ISP控制参数可包括用于自动白平衡和颜色调整(例如,在RGB处理期间)的增益水平和色彩校正矩阵,以及透镜1012阴影校正参数。
在本实施例中,运用图10中图像处理技术可实现上述的图像处理方法。
在一个实施例中,提供一种电子设备,包括存储器及处理器,存储器中存储有计算机程序,计算机程序被处理器执行时,使得处理器执行以下步骤:
对待处理图像进行人脸识别,确定人脸区域;
获取人脸区域的皮肤区域;
当检测到皮肤区域中包含阴影区域时,确定阴影区域的阴影级别;
根据阴影级别选取第一美白参数;
根据第一美白参数对阴影区域进行美白处理。
在一个实施例中,提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述的图像处理方法。
在一个实施例中,提供一种包含计算机程序的计算机程序产品,当其在电子设备上运行时,使得电子设备执行时实现上述的图像处理方法。
本领域普通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非易失性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(Read-Only Memory,ROM)等。
如此处所使用的对存储器、存储、数据库或其它介质的任何引用可包括非易失性和/或易失性存储器。合适的非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM),它用作外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDR SDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种图像处理方法,其特征在于,包括:
对待处理图像进行人脸识别,确定人脸区域;
获取所述人脸区域的皮肤区域;
当检测到所述皮肤区域中包含阴影区域时,确定所述阴影区域的阴影级别;所述阴影级别由所述阴影区域的亮度信息所处的数值范围确定;
当所述阴影级别小于或等于预设第一级别阈值时,获取非阴影区域的第二美白参数,并将所述第二美白参数作为所述阴影区域的第一美白参数;
当所述阴影级别大于所述预设第一级别阈值且小于预设第二级别阈值时,所述第一美白参数与所述阴影级别呈正相关关系;
根据所述第一美白参数对所述阴影区域进行美白处理。
2.根据权利要求1所述的方法,其特征在于,所述获取所述人脸区域的皮肤区域,包括:
生成所述人脸区域的颜色直方图;
获取所述颜色直方图的峰值,以及所述峰值对应的颜色区间;
根据所述颜色区间划分皮肤颜色区间;
将所述人脸区域中落入所述皮肤颜色区间的像素点定义为皮肤区域。
3.根据权利要求1所述的方法,其特征在于,在所述获取所述人脸区域的皮肤区域之后,所述方法还包括:
获取所述皮肤区域的非阴影区域,并提取所述非阴影区域的肤色特征;
根据所述肤色特征选取第二美白参数;
根据所述第二美白参数对所述非阴影区域进行美白处理。
4.根据权利要求3所述的方法,其特征在于,所述提取所述非阴影区域的肤色特征,包括:
将所述待处理图像从第一颜色空间转换至第二颜色空间;
计算所述非阴影区域中包含的像素点在所述第二颜色空间中各个分量的均值,并将所述各个分量的均值作为所述非阴影区域的肤色特征。
5.根据权利要求3所述的方法,其特征在于,所述肤色特征包括亮度特征;
所述根据所述肤色特征选取第二美白参数,包括:
确定所述亮度特征所处的亮度区间,并获取与所述亮度区间匹配的参数对应关系;
根据所述参数对应关系计算与所述亮度特征对应的第二美白参数。
6.根据权利要求5所述的方法,其特征在于,所述第二美白参数包括第二提亮参数;所述根据所述参数对应关系计算与所述亮度特征对应的第二美白参数,包括:
当皮肤区域中非阴影区域的亮度特征处于第一亮度区间时,确定第二提亮参数为固定的参数一;
当非阴影区域的亮度特征处于第二亮度区间时,确定亮度特征与第二提亮参数呈负相关的线性关系;
当非阴影区域的亮度特征处于第三亮度区间时,确定第二提亮参数为固定的参数二。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
计算人脸皮肤区域的光照无关图,并根据所述光照无关图检测皮肤区域中是否包含阴影区域。
8.一种图像处理装置,其特征在于,包括:
识别模块,用于对待处理图像进行人脸识别,确定人脸区域;
皮肤区域获取模块,用于获取所述人脸区域的皮肤区域;
阴影级别确定模块,用于当检测到所述皮肤区域中包含阴影区域时,确定所述阴影区域的阴影级别;所述阴影级别由所述阴影区域的亮度信息所处的数值范围确定;
第一选取模块,用于当所述阴影级别小于或等于预设第一级别阈值时,获取非阴影区域的第二美白参数,并将所述第二美白参数作为所述阴影区域的第一美白参数;当所述阴影级别大于所述预设第一级别阈值且小于预设第二级别阈值时,所述阴影级别与所述第一美白参数呈正相关关系;
第一处理模块,用于根据所述第一美白参数对所述阴影区域进行美白处理。
9.一种电子设备,包括存储器及处理器,所述存储器中存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器实现如权利要求1至7任一所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711244136.7A CN107945106B (zh) | 2017-11-30 | 2017-11-30 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711244136.7A CN107945106B (zh) | 2017-11-30 | 2017-11-30 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107945106A CN107945106A (zh) | 2018-04-20 |
CN107945106B true CN107945106B (zh) | 2022-02-15 |
Family
ID=61947158
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711244136.7A Active CN107945106B (zh) | 2017-11-30 | 2017-11-30 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107945106B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109003236B (zh) * | 2018-06-29 | 2021-05-07 | 上海本趣网络科技有限公司 | 一种基于人脸色调与光影分离的自适应磨皮方法及系统 |
CN110909568A (zh) * | 2018-09-17 | 2020-03-24 | 北京京东尚科信息技术有限公司 | 用于面部识别的图像检测方法、装置、电子设备及介质 |
CN110223237A (zh) * | 2019-04-23 | 2019-09-10 | 维沃移动通信有限公司 | 调节图像参数的方法及终端设备 |
CN112040254B (zh) * | 2020-08-13 | 2023-03-28 | 广州虎牙信息科技有限公司 | 一种风险控制方法、装置、存储介质、计算机设备 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008108024A (ja) * | 2006-10-25 | 2008-05-08 | Matsushita Electric Ind Co Ltd | 画像処理装置および撮像装置 |
CN103268475A (zh) * | 2013-05-10 | 2013-08-28 | 中科创达软件股份有限公司 | 一种基于人脸、肤色检测的皮肤美容方法 |
CN104881853B (zh) * | 2015-05-28 | 2018-10-16 | 厦门美图之家科技有限公司 | 一种基于色彩概念化的肤色矫正方法和系统 |
CN104994306B (zh) * | 2015-06-29 | 2019-05-03 | 厦门美图之家科技有限公司 | 一种基于脸部亮度自动调整曝光度的摄像方法和摄像装置 |
CN105704390B (zh) * | 2016-04-20 | 2019-04-16 | Oppo广东移动通信有限公司 | 一种美颜拍照方法、装置及移动终端 |
CN105956993A (zh) * | 2016-05-03 | 2016-09-21 | 成都索贝数码科技股份有限公司 | 一种基于gpu的移动端视频美颜的即时呈现方法 |
CN106447638A (zh) * | 2016-09-30 | 2017-02-22 | 北京奇虎科技有限公司 | 一种美颜处理方法及装置 |
CN106815803B (zh) * | 2016-12-30 | 2020-06-16 | Oppo广东移动通信有限公司 | 图片的处理方法及装置 |
CN106897963A (zh) * | 2017-01-04 | 2017-06-27 | 奇酷互联网络科技(深圳)有限公司 | 调整图像亮度的方法、装置和终端设备 |
CN107093168A (zh) * | 2017-03-10 | 2017-08-25 | 厦门美图之家科技有限公司 | 皮肤区域图像的处理方法、装置和系统 |
CN107038680B (zh) * | 2017-03-14 | 2020-10-16 | 武汉斗鱼网络科技有限公司 | 自适应光照的美颜方法及系统 |
CN107180415B (zh) * | 2017-03-30 | 2020-08-14 | 北京奇艺世纪科技有限公司 | 一种图像中皮肤美化处理方法及装置 |
CN107146210A (zh) * | 2017-05-05 | 2017-09-08 | 南京大学 | 一种基于图像处理的检测去除阴影方法 |
CN107302662A (zh) * | 2017-07-06 | 2017-10-27 | 维沃移动通信有限公司 | 一种拍照的方法、装置及移动终端 |
CN107343156B (zh) * | 2017-07-10 | 2020-03-13 | Oppo广东移动通信有限公司 | 人脸区域自动曝光控制的调整方法和装置 |
-
2017
- 2017-11-30 CN CN201711244136.7A patent/CN107945106B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107945106A (zh) | 2018-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107730446B (zh) | 图像处理方法、装置、计算机设备及计算机可读存储介质 | |
CN107730445B (zh) | 图像处理方法、装置、存储介质和电子设备 | |
CN107451969B (zh) | 图像处理方法、装置、移动终端及计算机可读存储介质 | |
CN107680128B (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN108537155B (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN107862659B (zh) | 图像处理方法、装置、计算机设备及计算机可读存储介质 | |
EP3477931B1 (en) | Image processing method and device, readable storage medium and electronic device | |
CN107808136B (zh) | 图像处理方法、装置、可读存储介质和计算机设备 | |
CN108537749B (zh) | 图像处理方法、装置、移动终端及计算机可读存储介质 | |
CN107945135B (zh) | 图像处理方法、装置、存储介质和电子设备 | |
CN107862657A (zh) | 图像处理方法、装置、计算机设备及计算机可读存储介质 | |
CN107993209B (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
CN107563976B (zh) | 美颜参数获取方法、装置、可读存储介质和计算机设备 | |
CN107730444B (zh) | 图像处理方法、装置、可读存储介质和计算机设备 | |
CN107800966B (zh) | 图像处理的方法、装置、计算机可读存储介质和电子设备 | |
CN108111749B (zh) | 图像处理方法和装置 | |
CN108846807B (zh) | 光效处理方法、装置、终端及计算机可读存储介质 | |
CN108419028B (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
CN107808137A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
JP6903816B2 (ja) | 画像処理方法および装置 | |
CN107862653B (zh) | 图像显示方法、装置、存储介质和电子设备 | |
CN107945106B (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
JP6833415B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
CN108322651B (zh) | 拍摄方法和装置、电子设备、计算机可读存储介质 | |
CN109242794B (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: Changan town in Guangdong province Dongguan 523860 usha Beach Road No. 18 Applicant after: GUANGDONG OPPO MOBILE TELECOMMUNICATIONS Corp.,Ltd. Address before: Changan town in Guangdong province Dongguan 523860 usha Beach Road No. 18 Applicant before: GUANGDONG OPPO MOBILE TELECOMMUNICATIONS Corp.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |