CN108022206A - 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
- CN108022206A CN108022206A CN201711242714.3A CN201711242714A CN108022206A CN 108022206 A CN108022206 A CN 108022206A CN 201711242714 A CN201711242714 A CN 201711242714A CN 108022206 A CN108022206 A CN 108022206A
- Authority
- CN
- China
- Prior art keywords
- human face
- image
- face region
- electronic equipment
- expression
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 230000008921 facial expression Effects 0.000 claims abstract description 64
- 238000000034 method Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims description 41
- 230000014509 gene expression Effects 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 13
- 230000015572 biosynthetic process Effects 0.000 claims description 7
- 238000003786 synthesis reaction Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 abstract description 14
- 230000000007 visual effect Effects 0.000 abstract description 10
- 210000001508 eye Anatomy 0.000 description 43
- 238000003384 imaging method Methods 0.000 description 22
- 238000010586 diagram Methods 0.000 description 14
- 239000000284 extract Substances 0.000 description 9
- 230000001815 facial effect Effects 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 238000012937 correction Methods 0.000 description 6
- 210000005252 bulbus oculi Anatomy 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 4
- 230000003321 amplification Effects 0.000 description 3
- 238000003199 nucleic acid amplification method Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009969 flowable effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 210000001747 pupil Anatomy 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000002087 whitening effect Effects 0.000 description 2
- 208000002874 Acne Vulgaris Diseases 0.000 description 1
- 208000003351 Melanosis Diseases 0.000 description 1
- 206010000496 acne Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000000872 buffer Substances 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
- 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
- G06V40/174—Facial expression recognition
- G06V40/175—Static expression
-
- 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
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Studio Devices (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检测,确定人脸区域;提取所述人脸区域的特征点,并根据所述特征点识别人脸表情;获取与所述人脸表情匹配的图形标识;在所述人脸区域中添加与所述图形标识匹配的图形。上述图像处理方法、装置、电子设备及计算机可读存储介质,可使图像的人物更为生动,提高图像的视觉显示效果。
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
在电子设备通过摄像头等采集人物图像后,可通过美颜技术对采集的人物图像进行美颜处理,其中,美颜处理可包括美白、磨皮、增大眼睛、瘦脸、瘦身等。
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,可使图像的人物更为生动,提高图像的视觉显示效果。
一种图像处理方法,包括:
对待处理图像进行人脸检测,确定人脸区域;
提取所述人脸区域的特征点,并根据所述特征点识别人脸表情;
获取与所述人脸表情匹配的图形标识;
在所述人脸区域中添加与所述图形标识匹配的图形。
一种图像处理装置,包括:
人脸检测模块,用于对待处理图像进行人脸检测,确定人脸区域;
表情识别模块,用于提取所述人脸区域的特征点,并根据所述特征点识别人脸表情;
标识获取模块,用于获取与所述人脸表情匹配的图形标识;
添加模块,用于在所述人脸区域中添加与所述图形标识匹配的图形。
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检测,确定人脸区域,提取人脸区域的特征点,并根据特征点识别人脸表情,获取与人脸表情匹配的图形标识,在人脸区域中添加与图形标识匹配的图形,可根据人脸表情在图像中添加相应的图形,使图像的人物更为生动,提高图像的视觉显示效果。
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为一个实施例中在人脸区域添加与图形标识匹配的图形的流程示意图;
图4为一个实施例中根据人脸区域的平均景深选取大小参数的流程示意图;
图5为一个实施例中计算深度信息的示意图;
图6为一个实施例中获取待处理图像的流程示意图;
图7为一个实施例中图像处理装置的框图;
图8为一个实施例中添加模块的框图;
图9为一个实施例中大小参数选取单元的框图;
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检测,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检测,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,并通过预设的人脸检测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,人脸检测模型可以是预先通过机器学习构建的决策模型,构建人脸检测模型时,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检测模型的输入,通过机器学习进行训练,得到人脸检测模型。
步骤220,提取人脸区域的特征点,并根据特征点识别人脸表情。
电子设备可提取人脸区域的特征点,特征点可用于描述人脸区域中五官的位置及形状等信息,每个特征点可包含有坐标值,特征点的坐标值可用特征点对应的像素位置进行表示,例如特征点的坐标值为对应的像素位置第X行第Y列等。电子设备可根据特征点识别人脸区域的人脸表情,可通过预设的表情识别模型分析特征点,识别人脸区域的人脸表情,其中,表情识别模型可预先通过机器学习进行构建。在一个实施例中,电子设备可预先构建表情识别模型,可获取大量的样本图像,每个样本图像中可标记有人脸表情。可选地,人脸表情可包含大笑、微笑、严肃、宁静、悲伤、哭泣、生气等。电子设备可将样本图像作为表情识别模型的输入,通过机器学习等方式进行训练,构建表情识别模型。
在一个实施例中,电子设备进行训练时,可将每个样本图像映射到高维特征空间,训练得到代表各个样本图像的脸部特征点的支持向量集,形成表情识别模型中各个用于判断特征点所属的人脸表情的判别函数。电子设备采集待处理图像中人脸区域的特征点后,将特征点输入表情识别模型,表情识别模型可将人脸区域的特征点映射到高维特征空间,并根据各个判别函数确定人脸区域的人脸表情。
在一个实施例中,电子设备可以是智能手机、平板电脑等移动终端,电子设备可存储有表情识别模型,提取待处理图像中人脸区域的特征点后,可通过自身存储的表情识别模型分析特征点,识别人脸区域的人脸表情,可更快地识别出人脸表情,且无需通过网络即可进行识别。电子设备也可以将提取的人脸区域的特征点上传至服务器,服务器通过表情识别模型对特征点进行分析,得到人脸区域的人脸表情,再将识别得到的表情标识返回给电子设备。电子设备可根据服务器返回的人脸表情标识确定待处理图像的人脸表示,其中,人脸表情标识可以是表情编号或表情名称等可用于唯一标识人脸表情的信息,通过服务器识别人脸表情可提高识别的准确性。
步骤230,获取与人脸表情匹配的图形标识。
不同的人脸表情可对应不同的图形,图形可以用于增强表示与人脸表情对应的情绪,对人脸表情所表达的情绪进行具现化。图形可包括静态图形及动态图形等,图形中可包括但不限于图案、文字等,例如,人脸表情为微笑,对应的图形可以是两个粉色的腮红,人脸表情为哭泣,对应的图形可以是流动的眼泪,人脸表情为生气,对应的图形可以是燃烧的火焰等,但不限于此。不同的图形可对应不同的图形标识,图形标识可以由字母、符号及数字等字符中的一种或多种组成,用于唯一标识图形。电子设备识别待处理图像的人脸表情后,可获取与人脸表情匹配的图形标识。
在一个实施例中,一个人脸表情可对应一个或多个图形,电子设备可根据人脸区域的特征点识别对应人像的年龄、性别或身份等信息,并根据人像的年龄、性别或身份等信息从与人脸表情对应的图形中选取图形标识。可选地,针对相同的人脸表情,不同的年龄、性别或身份等信息可对应不同的图形。
步骤240,在人脸区域中添加与图形标识匹配的图形。
电子设备可根据图形标识获取图形的生成参数,生成参数可包括但不限于图形样式参数、大小参数及位置参数等,其中,图形样式参数可用于描述图形的展示样式,包括图案、颜色或动态表现效果等,大小参数可用于描述图形的大小,位置参数可用于描述图形添加的位置区域等。电子设备可根据生成参数在人脸区域中添加与图形标识匹配的图形,可选地,可根据图形样式参数及大小参数等生成图形,并根据位置参数在人脸区域中选取添加区域,可将生成的图形添加到添加区域中。电子设备在待处理图像中添加了与图形标识匹配的图形后,可对添加了图形的图像进行展示。
例如,电子设备识别到待处理图像的人脸表情为哭泣,可获取与哭泣匹配的图形标识,可根据图形标识获取图形样式参数、大小参数及位置参数等,电子设备可根据图形样式参数及大小参数等参数生成可流动的眼泪图形,并可根据位置参数选取添加区域为人脸区域的脸颊,则可将生成的可流动的眼泪图形添加到人脸区域的脸颊,并对添加了图形的图像进行展示,图像中可展示在脸颊眼泪的动态图形等。
在一个实施例中,电子设备获取待处理图像后,用户可自行选取添加的图形,电子设备可获取用户选取的图形标识,并在待处理图像中添加与该选取的图形标识匹配的图形。电子设备可记录该选取的图形标识及待处理图像中的人脸表情,建立选取的图形标识及人脸表情的对应关系,从而生成历史图形选取记录。可选地,电子设备获取待处理图像,识别待处理图像中人脸区域的人脸表情后,可根据识别的人脸表情获取预设时间段内的历史图形选取记录,其中,预设时间段可根据需求进行设定,例如1星期、1个月或3个月等。历史图形选取记录可记录有与人脸表情对应的每次用户选取的图形标识。电子设备可对历史图形选取记录中包含的每个图形标识的选取次数进行统计,并从中获取选取次数最多的图形标识,可将该选取次数最多的图形标识作为与人脸表情匹配的图形标识,并在待处理图像的人脸区域中添加与该选取次数最多的图形标识匹配的图形。可根据用户习惯在图像中添加与人脸表情匹配的图形,更贴合用户需求。
在本实施例中,对待处理图像进行人脸检测,确定人脸区域,提取人脸区域的特征点,并根据特征点识别人脸表情,获取与人脸表情匹配的图形标识,在人脸区域中添加与图形标识匹配的图形,可根据人脸表情在图像中添加相应的图形,使图像的人物更为生动,提高图像的视觉显示效果。
如图3所示,在一个实施例中,步骤240在人脸区域中添加与图形标识匹配的图形,包括以下步骤:
步骤302,根据图形标识获取图形样式参数。
电子设备可根据图形标识获取图形样式参数,图形样式参数可用于描述图形的展示样式,可包括但不限于图案、颜色或动态表现效果等。
步骤304,根据人脸区域选取大小参数。
电子设备可根据人脸区域选取图形的大小参数。可选地,电子设备可根据人脸区域的拍摄距离选取大小参数,该拍摄距离可指的是采集待处理图像时人像与摄像头成像面的距离,也可以是采集待处理图像时人像与电子设备的距离等。不同的拍摄距离可对应不同的大小参数,电子设备可设置不同的距离区间,每个距离区间可对应有参数关系,参数关系可用于描述拍摄距离与大小参数的对应关系。电子设备获取人脸区域的拍摄距离后,可确定该拍摄距离落入的距离区间,并获取该落入的距离区间的参数关系,可根据该参数关系选取大小参数。在一个实施例中,该参数关系可以是负相关关系,拍摄距离越小,选取的大小参数可越大,拍摄距离越大,选取的大小参数可越小,但不限于此。
可选地,待处理图像可以是电子设备通过摄像头采集的可在显示屏预览的预览图像,进行图像采集时,电子设备可通过距离传感器实时获取人像的拍摄距离,可选地,距离传感器可向外发送光源,并可测量该光源被人像反射回来的时间,根据该时间确定人像的拍摄距离。电子设备也可采用其他的方式获取待处理图像中人像的拍摄距离,并不仅限于此。
可选地,电子设备计算人脸区域占待处理图像的比例,并根据比例选取图形的大小参数。电子设备确定待处理图像的人脸区域,人脸区域可以是正方形或矩形等。电子设备可计算人脸区域的面积,并计算人脸区域面积占待处理图像面积的比例,可将人脸区域的面积除以待处理图像的面积,得到比例。不同的人脸区域占待处理图像的比例可对应不同的大小参数,电子设备可预先建立人脸区域占待处理图像的比例与图形的大小参数的第一对应关系,并根据预设的第一对应关系选取大小参数。当比例越大时,选取的大小参数可越大,比例越小时,选取的大小参数可越小。
步骤306,根据大小参数及图形样式参数生成对应的图形,并在人脸区域中添加图形。
电子设备可根据图形标识获取位置参数,并根据位置参数在人脸区域中选取添加区域。电子设备可根据大小参数及图形样式参数生成对应的图形,将生成的图形添加到添加区域中,并对添加了图形的图像进行展示。在一个实施例中,电子设备可接收用户的触控操作,根据触控类型生成对应的图形变化指令,可根据图形变化指令对图形进行处理,其中,图形变化指令可包括但不限于放大指令、缩小指令及移动指令等。触控操作可以是通过手或鼠标、手写笔等触控输入设备生成,不同的触控操作可对应不同的图形变化指令。例如,按住图形并进行拖动的触控操作可对应移动指令,电子设备可根据移动指令将图形移动到松开图形的位置;双击的触控操作可对应放大指令,电子设备可根据放大指令将图形进行放大等,但不限于此。
在本实施例中,可根据人脸区域的拍摄距离或占待处理图像的比例等选取图形的大小参数等,可使生成的图形更准确贴合图像人物,使图像的人物更为生动,提高图像的视觉显示效果。
如图4所示,在一个实施例中,步骤304根据人脸区域选取大小参数,包括以下步骤:
步骤402,获取待处理图像的深度信息。
电子设备可获取待处理图像中每个像素点的深度信息,其中,在成像设备的坐标系中,以垂直成像平面并穿过镜面中心的直线为Z轴,若物体在摄像机坐标系的坐标为(X,Y,Z),那么其中的Z值即为物体在该摄像机成像平面的深度信息。在一个实施例中,电子设备可在背面设置有两个摄像头,包括第一摄像头及第二摄像头,第一摄像头及第二摄像头可设置在同一水平线上,水平左右排列,也可设置在同一竖直线上,竖直上下排列。在本实施例中,第一摄像头及第二摄像头可以是不同像素的摄像头,其中,第一摄像头可以是像素较高的摄像头,主要用于成像,第二摄像头可以是像素较低的辅助景深摄像头,用于获取采集的图像的深度信息。
进一步地,电子设备可先通过第一摄像头采集场景的第一图像,同时通过第二摄像头采集同一场景的第二图像,可先对第一图像及第二图像进行校正及标定,将校正及标定后的第一图像及第二图像进行合成,得到待处理图像。电子设备可根据校正及标定后的第一图像及第二图像生成视差图,再根据视差图生成待处理图像的景深图,景深图中可包含有待处理图像中各个像素点的深度信息,在景深图中,相近的深度信息的区域可用相同的颜色进行填充,颜色变化可反映深度信息的变化。在一个实施例中,电子设备可根据第一摄像头及第二摄像头的光心距离、光心在水平线上的高度差以及两个摄像头的镜头高低差等计算较正参数,并根据较正参数对第一图像及第二图像进行校正及标定。
电子设备计算同一被摄物在第一图像及第二图像的视差,并根据视差得到该被摄物在待处理图像中的深度信息,其中,视差指的是在两个点上观察同一个目标所产生的方向差异。图5为一个实施例中计算深度信息的示意图。如图7所示,第一摄像头及第二摄像头左右排列在同一水平线上,两个摄像头的主光轴到达平行,OL及OR分别为第一摄像头及第二摄像头的光心,光心到对应像面的最短距离为焦距长度f。若P为世界坐标系中的一点,它在左相面及右相面的成像点为PL、PR,PL和PR到各自像面的左边缘的距离分别为XL、XR,P的视差即为XL-XR或XR-XL。第一摄像头的光心OL与第二摄像头的光心OR之间的距离为b,根据OL、OR之间的距离b、焦距长度f及视差XL-XR或XR-XL,即可计算得到点P的景深Z,其计算方法如式(1)所示:
或
电子设备可对第一图像及第二图像进行特征点匹配,提取第一图像的特征点并在第二图像中的对应行找到最佳的匹配点,可认为第一图像的特征点及第二图像的对应的最佳匹配点为同一点分别在第一图像及第二图像的成像点,即可计算二者的视差,即可生成视差图,再根据式(1)计算待处理图像中各个像素点的深度信息。
在其他的实施例中,也可采用别的方式获取待处理图像的深度信息,例如利用结构光或TOF(Time of flight,飞行时间测距法)等方式计算待处理图像的深度信息,并不限于上述方式。
步骤404,根据深度信息计算人脸区域的平均深度。
电子设备确定待处理图像的人脸区域后,可获取人脸区域中各个像素点的深度信息,并计算人脸区域的平均深度。
步骤406,根据平均深度选取大小参数。
电子设备可根据人脸区域的平均深度选取图形的大小参数等,不同的平均深度可对应不同的大小参数,电子设备可预先建立人脸区域的平均深度与图形的大小参数的第二对应关系,并根据该预设的第二对应关系选取与人脸区域的平均深度对应的大小参数。当平均深度越大时,选取的大小参数可越小,平均深度越小时,选取的大小参数可越大。
在本实施例中,可根据人脸区域的平均深度选取图形的大小参数,可使生成的图形更准确贴合图像人物,使图像的人物更为生动,提高图像的视觉显示效果。
如图6所示,在一个实施例中,在步骤210对待处理图像进行人脸检测,确定人脸区域之前,还包括以下步骤:
步骤602,若存在连续拍摄的多帧图像,根据多帧图像中人眼状态选取睁眼图像。
连续拍摄的图像是指从同一方位、同一角度、不间断快速拍摄的图像。通常情况下,连续拍摄的图像相似度较高。上述连续拍摄的多帧图像可为电子设备拍摄获取的图像,也可为电子设备通过网络传输获取的图像。电子设备在获取连续拍摄的多帧人脸图像后,可提取人脸图像中人脸特征点,例如人脸的五官特征点。电子设备可根据人脸特征点标记人脸特征的位置信息,例如根据人脸的眼球特征点识别眼部区域。在获取人脸区域的特征点后,电子设备可提取人脸中人眼特征,再根据人眼特征确定睁眼图像。上述睁眼图像是图像中人眼均处于睁眼状态的图像。上述人眼特征可包括:眼球形状、眼球位置、眼球面积、眼神方向、瞳孔高度和眼白面积等。电子设备中可预设人眼特征对应的判断条件,在获取上述人眼特征后,电子设备可将人眼特征与预设的判断条件一一比对,判断人脸图像是否为睁眼图像。例如,当检测到人脸图像中人脸的眼球面积大于第一阈值,判定人脸处于睁眼状态,则上述图像为睁眼图像。或当检测到人脸图像中人脸的瞳孔高度在预设范围内,判定人脸处于睁眼状态,则上述图像为睁眼图像等,但不限于此。
步骤604,若多帧图像中存在多帧睁眼图像,合成多帧睁眼图像,将合成后图像作为待处理图像。
当上述连续拍摄的多帧图像中存在多帧睁眼图像时,电子设备可将上述多帧睁眼图像合成,将合成后图像作为待处理图像。通过图像合成,可降低图像中噪声,提高图像的质量。
步骤606,若多帧图像中存在一帧睁眼图像,将一帧睁眼图像作为待处理图像。
若连续拍摄的多帧图像中仅存在一帧睁眼图像,可将该一帧睁眼图像作为待处理图像,并识别待处理图像中人脸区域的人脸表情,根据人脸表情在人脸区域中添加相应的图形进行展示。
在本实施例中,若存在连续拍摄的多帧图像,根据多帧图像中人眼状态选取睁眼图像作为待处理图像,可提高图像的质量,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检测,确定人脸区域。
可选地,在步骤(1)之前,还包括:若存在连续拍摄的多帧图像,根据多帧图像中人眼状态选取睁眼图像;若多帧图像中存在多帧睁眼图像,合成多帧睁眼图像,将合成后图像作为待处理图像;若多帧图像中存在一帧睁眼图像,将一帧睁眼图像作为待处理图像。
步骤(2),提取人脸区域的特征点,并根据特征点识别人脸表情。
步骤(3),获取与人脸表情匹配的图形标识。
可选地,步骤(3),包括:根据人脸表情获取预设时间段内的历史图形选取记录;获取历史图形选取记录中选取次数最多的图形标识。
步骤(4),在人脸区域中添加与图形标识匹配的图形。
可选地,步骤(4),包括:根据图形标识获取图形样式参数;根据人脸区域选取大小参数;根据大小参数及图形样式参数生成对应的图形,并在人脸区域中添加图形。
可选地,根据人脸区域选取大小参数,包括:通过距离传感器获取人脸区域的拍摄距离,并根据拍摄距离选取大小参数。
可选地,根据人脸区域选取大小参数,包括:计算人脸区域占待处理图像的比例,并根据比例选取大小参数。
可选地,根据人脸区域选取大小参数,包括:获取待处理图像的深度信息;根据深度信息计算人脸区域的平均深度;根据平均深度选取大小参数。
在本实施例中,对待处理图像进行人脸检测,确定人脸区域,提取人脸区域的特征点,并根据特征点识别人脸表情,获取与人脸表情匹配的图形标识,在人脸区域中添加与图形标识匹配的图形,可根据人脸表情在图像中添加相应的图形,使图像的人物更为生动,提高图像的视觉显示效果。
如图7所示,在一个实施例中,提供一种图像处理装置700,包括人脸检测模块710、表情识别模块720、标识获取模块730及添加模块740。
人脸检测模块710,用于对待处理图像进行人脸检测,确定人脸区域。
表情识别模块720,用于提取人脸区域的特征点,并根据特征点识别人脸表情。
标识获取模块730,用于获取与人脸表情匹配的图形标识。
可选地,标识获取模块730,还用于根据人脸表情获取预设时间段内的历史图形选取记录,并获取历史图形选取记录中选取次数最多的图形标识。
添加模块740,用于在人脸区域中添加与图形标识匹配的图形。
在本实施例中,对待处理图像进行人脸检测,确定人脸区域,提取人脸区域的特征点,并根据特征点识别人脸表情,获取与人脸表情匹配的图形标识,在人脸区域中添加与图形标识匹配的图形,可根据人脸表情在图像中添加相应的图形,使图像的人物更为生动,提高图像的视觉显示效果。
如图8所示,在一个实施例中,添加模块740,包括样式参数获取单元742、大小参数选取单元744及生成单元746。
样式参数获取单元742,用于根据图形标识获取图形样式参数。
大小参数选取单元744,用于根据人脸区域选取大小参数。
可选地,大小参数选取单元744,还用于通过距离传感器获取人脸区域的拍摄距离,并根据拍摄距离选取大小参数。
可选地,大小参数选取单元744,还用于计算人脸区域占待处理图像的比例,并根据比例选取大小参数。
生成单元746,用于根据大小参数及图形样式参数生成对应的图形,并在人脸区域中添加图形。
在本实施例中,可根据人脸区域的拍摄距离或占待处理图像的比例等选取图形的大小参数等,可使生成的图形更准确贴合图像人物,使图像的人物更为生动,提高图像的视觉显示效果。
如图9所示,在一个实施例中,大小参数选取单元744,包括深度获取子单元902、计算子单元906及选取子单元908。
深度获取子单元902,用于获取待处理图像的深度信息。
计算子单元904,用于根据深度信息计算人脸区域的平均深度。
选取子单元906,用于根据平均深度选取大小参数。
在本实施例中,可根据人脸区域的平均深度选取图形的大小参数,可使生成的图形更准确贴合图像人物,使图像的人物更为生动,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700,除了包括人脸检测模块710、表情识别模块720、标识获取模块730及添加模块740,还包括图像选取模块及合成模块。
图像选取模块,用于若存在连续拍摄的多帧图像,根据多帧图像中人眼状态选取睁眼图像。
合成模块,用于若多帧图像中存在多帧睁眼图像,合成多帧睁眼图像,将合成后图像作为待处理图像。
图像选取模块,还用于若多帧图像中存在一帧睁眼图像,将一帧睁眼图像作为待处理图像。
在本实施例中,若存在连续拍摄的多帧图像,根据多帧图像中人眼状态选取睁眼图像作为待处理图像,可提高图像的质量,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检测,确定人脸区域;
提取人脸区域的特征点,并根据特征点识别人脸表情;
获取与人脸表情匹配的图形标识;
在人脸区域中添加与图形标识匹配的图形。
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。
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检测,确定人脸区域;
提取所述人脸区域的特征点,并根据所述特征点识别人脸表情;
获取与所述人脸表情匹配的图形标识;
在所述人脸区域中添加与所述图形标识匹配的图形。
2.根据权利要求1所述的方法,其特征在于,所述在所述人脸区域中添加与所述图形标识匹配的图形,包括:
根据所述图形标识获取图形样式参数;
根据所述人脸区域选取大小参数;
根据所述大小参数及图形样式参数生成对应的图形,并在所述人脸区域中添加所述图形。
3.根据权利要求2所述的方法,其特征在于,所述根据所述人脸区域选取大小参数,包括:
通过距离传感器获取所述人脸区域的拍摄距离,并根据所述拍摄距离选取大小参数。
4.根据权利要求2所述的方法,其特征在于,所述根据所述人脸区域选取大小参数,包括:
计算所述人脸区域占所述待处理图像的比例,并根据所述比例选取大小参数。
5.根据权利要求2所述的方法,其特征在于,所述根据所述人脸区域选取大小参数,包括:
获取所述待处理图像的深度信息;
根据所述深度信息计算所述人脸区域的平均深度;
根据所述平均深度选取大小参数。
6.根据权利要求1所述的方法,其特征在于,所述获取与所述人脸表情匹配的图形标识,包括:
根据所述人脸表情获取预设时间段内的历史图形选取记录;
获取所述历史图形选取记录中选取次数最多的图形标识。
7.根据权利要求1至6任一所述的方法,其特征在于,所述方法还包括:
若存在连续拍摄的多帧图像,根据所述多帧图像中人眼状态选取睁眼图像;
若所述多帧图像中存在多帧睁眼图像,合成所述多帧睁眼图像,将合成后图像作为所述待处理图像;
若所述多帧图像中存在一帧睁眼图像,将所述一帧睁眼图像作为所述待处理图像。
8.一种图像处理装置,其特征在于,包括:
人脸检测模块,用于对待处理图像进行人脸检测,确定人脸区域;
表情识别模块,用于提取所述人脸区域的特征点,并根据所述特征点识别人脸表情;
标识获取模块,用于获取与所述人脸表情匹配的图形标识;
添加模块,用于在所述人脸区域中添加与所述图形标识匹配的图形。
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 |
---|---|---|---|
CN201711242714.3A CN108022206A (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 |
---|---|---|---|
CN201711242714.3A CN108022206A (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 (1)
Publication Number | Publication Date |
---|---|
CN108022206A true CN108022206A (zh) | 2018-05-11 |
Family
ID=62077895
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711242714.3A Pending CN108022206A (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) | CN108022206A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108495049A (zh) * | 2018-06-15 | 2018-09-04 | Oppo广东移动通信有限公司 | 拍摄控制方法及相关产品 |
CN108833779A (zh) * | 2018-06-15 | 2018-11-16 | Oppo广东移动通信有限公司 | 拍摄控制方法及相关产品 |
CN109147024A (zh) * | 2018-08-16 | 2019-01-04 | Oppo广东移动通信有限公司 | 基于三维模型的表情更换方法和装置 |
CN109167723A (zh) * | 2018-08-28 | 2019-01-08 | Oppo(重庆)智能科技有限公司 | 图像的处理方法、装置、存储介质及电子设备 |
CN109255289A (zh) * | 2018-07-27 | 2019-01-22 | 电子科技大学 | 一种基于统一式生成模型的跨衰老人脸识别方法 |
CN110264544A (zh) * | 2019-05-30 | 2019-09-20 | 腾讯科技(深圳)有限公司 | 图片处理方法和装置、存储介质及电子装置 |
CN111507142A (zh) * | 2019-01-31 | 2020-08-07 | 北京字节跳动网络技术有限公司 | 人脸表情图像处理方法、装置和电子设备 |
CN111665638A (zh) * | 2020-07-16 | 2020-09-15 | 歌尔光学科技有限公司 | 头戴设备的对焦方法、头戴设备及计算机可读存储介质 |
CN111914775A (zh) * | 2020-08-06 | 2020-11-10 | 平安科技(深圳)有限公司 | 活体检测方法、装置、电子设备及存储介质 |
CN112866577A (zh) * | 2021-01-20 | 2021-05-28 | 腾讯科技(深圳)有限公司 | 图像的处理方法、装置、计算机可读介质及电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101847268A (zh) * | 2010-04-29 | 2010-09-29 | 北京中星微电子有限公司 | 一种基于人脸图像的卡通人脸图形生成方法和装置 |
CN103714331A (zh) * | 2014-01-10 | 2014-04-09 | 南通大学 | 一种基于点分布模型面部表情特征的提取方法 |
CN104036255A (zh) * | 2014-06-21 | 2014-09-10 | 电子科技大学 | 一种人脸表情识别方法 |
CN105072327A (zh) * | 2015-07-15 | 2015-11-18 | 广东欧珀移动通信有限公司 | 一种防闭眼的人像拍摄处理的方法和装置 |
CN106446831A (zh) * | 2016-09-24 | 2017-02-22 | 南昌欧菲生物识别技术有限公司 | 一种人脸识别方法及装置 |
CN106803057A (zh) * | 2015-11-25 | 2017-06-06 | 腾讯科技(深圳)有限公司 | 图像信息处理方法及装置 |
-
2017
- 2017-11-30 CN CN201711242714.3A patent/CN108022206A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101847268A (zh) * | 2010-04-29 | 2010-09-29 | 北京中星微电子有限公司 | 一种基于人脸图像的卡通人脸图形生成方法和装置 |
CN103714331A (zh) * | 2014-01-10 | 2014-04-09 | 南通大学 | 一种基于点分布模型面部表情特征的提取方法 |
CN104036255A (zh) * | 2014-06-21 | 2014-09-10 | 电子科技大学 | 一种人脸表情识别方法 |
CN105072327A (zh) * | 2015-07-15 | 2015-11-18 | 广东欧珀移动通信有限公司 | 一种防闭眼的人像拍摄处理的方法和装置 |
CN106803057A (zh) * | 2015-11-25 | 2017-06-06 | 腾讯科技(深圳)有限公司 | 图像信息处理方法及装置 |
CN106446831A (zh) * | 2016-09-24 | 2017-02-22 | 南昌欧菲生物识别技术有限公司 | 一种人脸识别方法及装置 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108833779A (zh) * | 2018-06-15 | 2018-11-16 | Oppo广东移动通信有限公司 | 拍摄控制方法及相关产品 |
CN108495049A (zh) * | 2018-06-15 | 2018-09-04 | Oppo广东移动通信有限公司 | 拍摄控制方法及相关产品 |
CN109255289A (zh) * | 2018-07-27 | 2019-01-22 | 电子科技大学 | 一种基于统一式生成模型的跨衰老人脸识别方法 |
CN109255289B (zh) * | 2018-07-27 | 2021-10-26 | 电子科技大学 | 一种基于统一式生成模型的跨衰老人脸识别方法 |
US11069151B2 (en) | 2018-08-16 | 2021-07-20 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Methods and devices for replacing expression, and computer readable storage media |
CN109147024A (zh) * | 2018-08-16 | 2019-01-04 | Oppo广东移动通信有限公司 | 基于三维模型的表情更换方法和装置 |
WO2020035001A1 (en) * | 2018-08-16 | 2020-02-20 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Methods and devices for replacing expression, and computer readable storage media |
CN109167723A (zh) * | 2018-08-28 | 2019-01-08 | Oppo(重庆)智能科技有限公司 | 图像的处理方法、装置、存储介质及电子设备 |
CN111507142A (zh) * | 2019-01-31 | 2020-08-07 | 北京字节跳动网络技术有限公司 | 人脸表情图像处理方法、装置和电子设备 |
CN110264544A (zh) * | 2019-05-30 | 2019-09-20 | 腾讯科技(深圳)有限公司 | 图片处理方法和装置、存储介质及电子装置 |
CN110264544B (zh) * | 2019-05-30 | 2023-08-25 | 腾讯科技(深圳)有限公司 | 图片处理方法和装置、存储介质及电子装置 |
CN111665638A (zh) * | 2020-07-16 | 2020-09-15 | 歌尔光学科技有限公司 | 头戴设备的对焦方法、头戴设备及计算机可读存储介质 |
CN111914775A (zh) * | 2020-08-06 | 2020-11-10 | 平安科技(深圳)有限公司 | 活体检测方法、装置、电子设备及存储介质 |
CN111914775B (zh) * | 2020-08-06 | 2023-07-28 | 平安科技(深圳)有限公司 | 活体检测方法、装置、电子设备及存储介质 |
CN112866577A (zh) * | 2021-01-20 | 2021-05-28 | 腾讯科技(深圳)有限公司 | 图像的处理方法、装置、计算机可读介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108022206A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN107818305B (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
CN108537749B (zh) | 图像处理方法、装置、移动终端及计算机可读存储介质 | |
CN107680128A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN107909057A (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 | |
CN107766831B (zh) | 图像处理方法、装置、移动终端和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 | |
CN107808137A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN107730445A (zh) | 图像处理方法、装置、存储介质和电子设备 | |
JP4865038B2 (ja) | 顔検出と肌の色合いの情報を用いたデジタル画像処理 | |
CN107945107A (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
CN107909058A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN108012080A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN108055452A (zh) | 图像处理方法、装置及设备 | |
CN107730444A (zh) | 图像处理方法、装置、可读存储介质和计算机设备 | |
CN107886484A (zh) | 美颜方法、装置、计算机可读存储介质和电子设备 | |
CN107833197A (zh) | 图像处理的方法、装置、计算机可读存储介质和电子设备 | |
CN107509031A (zh) | 图像处理方法、装置、移动终端及计算机可读存储介质 | |
CN108022207A (zh) | 图像处理方法、装置、存储介质和电子设备 | |
CN109068058A (zh) | 超级夜景模式下的拍摄控制方法、装置和电子设备 | |
CN107493432A (zh) | 图像处理方法、装置、移动终端及计算机可读存储介质 | |
CN107368806A (zh) | 图像矫正方法、装置、计算机可读存储介质和计算机设备 | |
CN107911625A (zh) | 测光方法、装置、可读存储介质和计算机设备 | |
CN108540716A (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 |