CN108537155B - 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
- CN108537155B CN108537155B CN201810271758.7A CN201810271758A CN108537155B CN 108537155 B CN108537155 B CN 108537155B CN 201810271758 A CN201810271758 A CN 201810271758A CN 108537155 B CN108537155 B CN 108537155B
- Authority
- CN
- China
- Prior art keywords
- image
- processed
- light effect
- brightness enhancement
- determining
- 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.)
- Expired - Fee Related
Links
- 238000012545 processing Methods 0.000 title claims abstract description 77
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- 230000001795 light effect Effects 0.000 claims abstract description 145
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000005282 brightening Methods 0.000 claims description 32
- 230000000694 effects Effects 0.000 claims description 30
- 238000009826 distribution Methods 0.000 claims description 27
- 238000005315 distribution function Methods 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 9
- 238000003384 imaging method Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 210000001061 forehead Anatomy 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000001154 acute effect Effects 0.000 description 2
- 238000003705 background correction Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 239000000872 buffer Substances 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/50—Lighting effects
- G06T15/506—Illumination models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/141—Control of illumination
-
- 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
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
- G06V10/60—Extraction of image or video features relating to illumination properties, e.g. using a reflectance or lighting model
-
- 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
- G06V40/172—Classification, e.g. identification
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Image Processing (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,确定所述待处理图像的人脸区域;获取所述人脸区域的亮度信息;根据所述亮度信息确定光效模型中的亮度增强系数;根据所述光效模型对所述待处理图像进行添加光线效果的处理,所述亮度增强系数用于调节所述光线效果的强度。上述图像处理方法、装置、电子设备及计算机可读存储介质,可以动态调节光线效果强度,提高人像图像的光线效果,且操作简便快捷。
Description
技术领域
本申请涉及计算机技术领域,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
随着电子技术的发展,越来越多的电子设备具备了拍摄功能,用户可通过电子设备的摄像头等进行拍摄。若需要拍出效果较好的人像照片,通常需要在被拍的人周围布置灯光,从而制造出良好的光线效果。这种使拍摄的人像具有良好光效的方式操作繁琐。
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,可以动态调节光线效果强度,提高人像图像的光线效果,且操作简便快捷。
一种图像处理方法,包括:
对待处理图像进行人脸识别,确定所述待处理图像的人脸区域;
获取所述人脸区域的亮度信息;
根据所述亮度信息确定光效模型中的亮度增强系数;
根据所述光效模型对所述待处理图像进行添加光线效果的处理,所述亮度增强系数用于调节所述光线效果的强度。
一种图像处理装置,包括:
人脸识别模块,用于对待处理图像进行人脸识别,确定所述待处理图像的人脸区域;
亮度获取模块,用于获取所述人脸区域的亮度信息;
系数确定模块,用于根据所述亮度信息确定光效模型中的亮度增强系数;
处理模块,用于根据所述光效模型对所述待处理图像进行添加光线效果的处理,所述亮度增强系数用于调节所述光线效果的强度。
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,确定待处理图像的人脸区域,获取人脸区域的亮度信息,并根据亮度信息确定光效模型中的亮度增强系数,根据光效模型对待处理图像进行添加光线效果的处理,可以根据人脸的亮度信息动态调节光线效果强度,使人像图像具备更好的光线效果,且操作简便快捷。
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为一个实施例中根据光效模型对待处理图像进行添加光线效果的处理的流程示意图;
图4为一个实施例中光效模型的示意图;
图5为一个实施例中确定增亮位置的流程示意图;
图6为一个实施例中调整亮度增强系数的流程示意图;
图7为一个实施例中对人像区域进行添加光线效果处理的流程示意图;
图8为一个实施例中图像处理装置的框图;
图9为一个实施例中处理模块的框图;
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,确定待处理图像的人脸区域。
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。可选地,电子设备可在界面上设置有人像光效开关,用户可触发人像光效开关,选择是否对待处理图像进行人像光效处理,其中,人像光效处理指的是在待处理图像中添加光线效果,可以模拟影棚中的布光效果,对待处理图像中的人像进行打光,制造良好的光线效果。用户还可选择人像光效的模式,人像光效的模式可包括但不限于轮廓光、舞台光、摄影室灯光等,也可实现不同颜色的光线效果等,用户可根据实际需求自行进行选择。
电子设备可对待处理图像进行人脸识别,判断待处理图像中是否包含人脸,若包含,则可确定待处理图像的人脸区域。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。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,获取人脸区域的亮度信息。
若电子设备识别到待处理图像中包含人脸,确定人脸区域。人脸区域可以是根据图像特征划分的矩形区域,该矩形区域中包含人脸。人脸区域也可以是由人脸的边缘轮廓组成的不规则区域,电子设备可根据人脸的边缘特征得到边缘轮廓,从而确定人脸区域。
电子设备可获取人脸区域的亮度信息,亮度信息可用于表示人脸区域颜色的明暗程度。亮度信息可包括人脸区域的亮度值,人脸区域的亮度值可以是人脸区域的平均亮度。电子设备可获取人脸区域中各个像素点的亮度值,并根据各个像素点的亮度值计算平均亮度,该平均亮度可作为人脸区域的亮度值。电子设备也可将人脸区域划分成多个子区域,并计算各个子区域的平均亮度,按照各个子区域分配的权重对各个子区域的平均亮度进行加权和计算,得到人脸区域的亮度值。靠近人脸区域中心的子区域,可分配较高的权重,远离人脸区域中心的子区域,可分配较低的权重。可以理解地,也可采用其他方式获取人脸区域的亮度信息,并不限于上述几种方式。
步骤230,根据亮度信息确定光效模型中的亮度增强系数。
电子设备可预先构建光效模型,光效模型可用于对待处理图像进行添加光线效果处理,模拟影棚中的布光效果,实现对待处理图像的人像进行打光的效果。可选地,光效模型可以是二维高斯分布函数,二维高斯分布函数也可称为二维正态分布函数,二维高斯分布函数的两个边缘分布都是一维正态分布的形式,但不限于此。
光效模型可包含亮度增强系数,亮度增强系数可与添加的光线效果强度具备关联关系,亮度增强系数越大,添加的光线强度越高。亮度增强系数可与光效模型中的分布幅度关联,亮度增强系数越大,分布幅度可越大,亮度增强系数越小,分布幅度可越小。电子设备获取人脸区域的亮度信息后,可根据亮度信息确定光效模型中的亮度增强系数,人脸区域的亮度信息可与亮度增强系数成负相关关系,人脸区域的亮度信息越大,亮度增强系数可越小,人脸区域的亮度信息越小,亮度增强系数可越大。
步骤240,根据光效模型对待处理图像进行添加光线效果的处理,亮度增强系数用于调节光线效果的强度。
电子设备确定光效模型的亮度增强系数后,可根据光效模型对待处理图像进行添加光线效果的处理,该亮度增强系数可用于决定添加的光线强度,亮度增强系数越大,添加的光线强度越高。可选地,光效模型对待处理图像进行添加光线效果处理,可包括对待处理图像进行增亮处理、改变待处理图像的颜色等。
对待处理图像进行增亮处理,可指的是提高待处理图像中像素点的亮度值。电子设备可根据光效模型计算各个像素点通过亮度增强系数进行亮度增强后,得到的目标亮度值,并将各个像素点的亮度值调整到目标亮度值。改变待处理图像的颜色,可指的是改变像素点的色彩值,该色彩值可以像素点是RGB(红、绿、蓝)、HSV(色调、饱和度、明度)等颜色空间中的值。电子设备可获取所需的光线颜色,并根据光效模型计算各个像素点在该光线颜色下的调整后的色彩值,并根据计算得到的色彩值对各个像素点进行调整,从而可达到在待处理图像中打上不同颜色光线的效果。
在一个实施例中,电子设备可设定标准亮度值,该标准亮度值可用于表示理想亮度,当人脸区域达到该标准亮度值时,可认定拥有一个较为理想的效果。电子设备获取待处理图像中人脸区域的亮度信息后,可判断亮度信息中包含的亮度值是否小于标准亮度值。若该亮度值大于或等于标准亮度值,则可不对人脸区域进行增亮处理。若该亮度值小于标准亮度值,则可根据标准亮度值及人脸区域的亮度信息计算得到亮度增强系数,可选地,亮度增强系数可以是标准亮度值与人脸区域的亮度值的比值。例如,标准亮度值为Y,人脸区域的亮度值为X,若X<Y,则亮度增强系数=Y/X。根据人脸区域的亮度信息调整亮度增强系数,可以防止添加的光线出现过暗或过亮的情况。
在本实施例中,对待处理图像进行人脸识别,确定待处理图像的人脸区域,获取人脸区域的亮度信息,并根据亮度信息确定光效模型中的亮度增强系数,根据光效模型对待处理图像进行添加光线效果的处理,可以根据人脸的亮度信息动态调节光线效果强度,使人像图像具备更好的光线效果,且操作简便快捷。
如图3所示,在一个实施例中,步骤240根据光效模型对待处理图像进行添加光线效果的处理,包括以下步骤:
步骤302,获取增亮位置。
电子设备可获取增亮位置,增亮位置可指的是对待处理图像进行增亮处理的加亮中心位置,增亮位置可被认为是添加的光线效果强度最高的位置。以增亮位置为中心,向增亮位置四周添加的光线效果的强度可逐渐降低。可选地,增亮位置可以是电子设备预先设置的固定的点。比如,增亮位置可以是待处理图像的中心点。电子设备可获取待处理图像的长度和宽度,并根据长度和宽度确定待处理图像的中心点,待处理图像的中心点的位置可以是宽度的中间值和长度的中间值。若待处理图像的宽度为W,长度为L,则中心点的位置可用(L/2,W/2)表示。增亮位置也可以是其他预先设置的固定点,并不仅限于此。
可选地,增亮位置可以是待处理图像中人脸区域的中心位置。电子设备确定人脸区域后,可获取人脸区域的中心位置,并将该中心位置作为增亮位置。增亮位置还可以是人脸区域的特定部位,比如,可将人脸的额头区域作为增亮位置。电子设备确定人脸区域后,可提取人脸区域的特征点,特征点可用于描述人脸区域的五官形状和摆放位置、人脸轮廓等。电子设备可根据特征点确定额头区域,并选取额头区域的中心点,将额头区域的中心点作为增亮位置。选取人脸区域中的特定部位为增亮位置,可使待处理图像添加的光线效果更好。
可选地,增亮位置还可以是用户自己选择的位置,用户可通过触控待处理图像的任意位置,从而选择所需的增亮位置。电子设备可接收用户的触控操作,并根据接收的触控操作获取触控位置,可将该触控位置作为增亮位置。用户可根据实际需求选择增亮位置,满足不同用户的需求,可以有效提高添加的光线效果。可以理解地,增亮位置也可采用其他方式进行获取,并不仅限于上述几种方式。
步骤304,根据增亮位置确定光效模型的分布中心,并根据亮度增强系数确定分布幅度。
在本实施例中,光效模型为二维高斯分布函数,电子设备可根据增亮位置确定光效模型的分布中心,并根据亮度增强系数确定分布幅度。光效模型的分布中心可用于决定光效模型的位置,电子设备可将增亮位置作为光效模型的分布中心,分布中心可为二维高斯分布函数中最高的点。光效模型的分布幅度可用于描述二维高斯分布函数的形状。当亮度增强系数越大时,光效模型的形状可越“瘦高”,当亮度增强系数越小时,光效模型的形状可越“瘦小”。
在一个实施例中,光效模型的二维高斯分布函数可用式(1)表示:
其中,z表示待处理图像中的像素点;p(z)表示像素点进行增亮处理时的亮度增强幅度;d为标准差,亮度增强系数可影响d的大小,亮度增强系数越大时,d可越小,亮度增强系数越小时,d可越大;μ表示光效模型的分布中心,可选地,分布中心可为获取的增亮位置。在光效模型中,处于待处理图像不同位置的像素点,对应的亮度增强幅度不同,距离分布中心μ越近的像素点,亮度增强幅度越强,距离分布中心μ越远的像素点,亮度增强幅度越小。
步骤306,根据分布中心及分布幅度构建二维高斯分布函数。
电子设备可根据确定的分布中心及分布幅度构建二维高斯分布函数,并根据构建的二维高斯分布函数对待处理图像进行增亮处理。
图4为一个实施例中光效模型的示意图。如图4所示,光效模型为二维高斯分布函数,该二维高斯分布函数的两个边缘分布都是一维正态分布的形式。在光效模型中,x轴和y轴可用于表示像素点在待处理图像中的位置坐标,z轴可用于表示像素点的亮度增强幅度。分布中心402是位置坐标为(x0,y0)的像素点,电子设备可获取增亮位置,并将增亮位置作为分布中心402,分布中心402是光效模型中亮度增强幅度最大的点。亮度增强系数可用于影响光效模型的分布幅度,亮度增强系数越大,光效模型中像素点的亮度增强幅度越大,像素点提高的亮度较大;亮度增强系数越小,光效模型中像素点的亮度增强幅度越小,像素点提高的亮度越小。
步骤308,根据二维高斯分布函数对待处理图像进行添加光线效果的处理。
电子设备可根据二维高斯分布函数计算像素点的亮度增强幅度,并将亮度增强幅度与像素点原来的亮度值相乘,可计算得到增亮处理后的亮度值。电子设备可根据计算得到的亮度值对像素点进行增亮处理,在待处理图像中添加光线效果。
在本实施例中,可通过二维高斯分布函数对待处理图像进行添加光线效果的处理,不同位置的像素点的亮度增强幅度不同,可使图像具备更好的光线效果,使得添加的光线效果更为真实、自然。
如图5所示,在一个实施例中,步骤302获取增亮位置,包括以下步骤:
步骤502,提取人脸区域的特征点。
电子设备可提取人脸区域的特征点,并获取各个特征点的坐标值,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。
步骤504,根据特征点获取待处理图像中人脸的偏转角度及偏转方向。
电子设备可根据特征点的坐标值计算特征点之间的距离及特征点之间的角度,并根据特征点之间的距离及特征点之间的角度确定人脸的偏转角度和偏转方向。电子设备可用像素点数量表示人脸区域中特征点之间的距离,例如,左眼角的特征点与右眼角的特征点之间的距离为30万个像素点。
可选地,电子设备还可在图像中建立直角坐标系,在直角坐标系中计算特征点之间的角度。电子设备可在图像上以互成直角的两条直线建立直角坐标系,并将两条直线分别命名正方向和负方向。电子设备在获取两个特征点连接形成的线段后,可获取该线段与直角坐标系中直线所成的锐角,用该锐角表示特征点之间的角度。例如,电子设备在图像中以两条互相垂直的直线建立xy坐标系,并将x轴划分为正轴和负轴,将y轴划分为正轴和负轴,电子设备连接人脸中右眼角的特征点与鼻尖的特征点形成线段,该线段与x轴正轴的夹角为80°,与y轴正轴所成的夹角为10°,则图像人脸区域中右眼角的特征点与鼻尖的特征点之间的角度可包括与x轴正轴成80°、与y轴正轴成10°。
电子设备可通过预先构建的偏转模型分析特征点之间的距离及特征点之间的角度,得到人脸的偏转方向和偏转角度,其中,偏转模型可通过机器学习进行构建。偏转角度可以理解为待处理图像中人脸区域相对于标准人脸的旋转角度,其中,标准人脸可以是正脸图像,即人脸正对摄像头所拍摄的图像。偏转方向则可以理解为待处理图像中人脸区域相对于标准人脸的旋转方向。
步骤506,根据偏转角度及偏转方向确定增亮位置。
电子设备可根据人脸的偏转角度和偏转方向确定增亮位置。可选地,增亮位置可以是在与人脸的偏转方向相同的方向区域内。例如,人脸向左上偏转,偏转角度为30°,则增亮位置可以是在人脸区域的左上方向区域内。电子设备也可预先构建位置确定模型,并通过位置确定模型分析偏转角度和偏转方向,得到增亮位置。位置确定模型可以通过机器学习训练得到。电子设备可将具备不同偏转角度和偏转方向的人像图像作为样本图像,每个样本图像中可标记添加的光线效果较好的增亮位置。电子设备可将样本图像输入位置确定模型,对位置确定模型进行训练学习。
在本实施例中,可根据人脸的偏转角度及偏转方向动态调整增亮位置,可使图像中打到人脸的光更真实、算然,提高添加的光线效果。
如图6所示,在一个实施例中,在步骤302获取增亮位置之后,还包括以下步骤:
步骤602,获取人脸区域的中心位置。
步骤604,计算中心位置与增亮位置之间的距离。
电子设备根据人脸区域的亮度信息确定亮度增强系数后,可根据人脸区域与增亮位置之间的距离对亮度增强系数进行调整。电子设备可获取人脸区域的中心位置,并计算中心位置与增亮位置之间的距离。中心位置与增亮位置之间的距离可通过中心位置与增亮位置之间包含的像素点数量进行表示。电子设备也可直接根据中心位置的坐标值与增亮位置的坐标值计算中心位置与增亮位置之间的距离,距离可通过式(2)进行计算:
其中,|AB|表示中心位置与增亮位置之间的距离,(x1,y1)表示中心位置的坐标值,(x2,y2)表示增亮位置的坐标值。
步骤606,根据距离调整亮度增强系数,亮度增强系数与距离呈正相关关系。
电子设备可根据中心位置与增亮位置之间的距离调整亮度增强系数,中心位置与增亮位置之间的距离可与亮度增强系数呈正相关关系。人脸区域的中心位置与增亮位置之间的距离越大,人脸区域的亮度增强幅度越小,可提高亮度增强系数。人脸区域的中心位置与增亮位置之间的距离越小,人脸区域的亮度增强幅度越大,可减小亮度增强系数。
在一个实施例中,电子设备可设定第一距离阈值及第二距离阈值,当中心位置与增亮位置之间的距离大于第一距离阈值时,可说明人脸区域距离增亮位置太远,可增大亮度增强系数。当中心位置与增亮位置之间的距离小于第二距离阈值时,可说明人脸区域距离增亮位置太近,可减小亮度增强系数。当中心位置与增亮位置之间的距离在第一距离阈值及第二距离阈值之间时,可不对亮度增强系数进行改变。
在本实施例中,可根据人脸区域的中心位置与增亮位置之间的距离对亮度增强系数进行调整,可防止人脸区域出现添加的光线过亮或过暗等不理想的效果,可以使人像图像具备更好的光线效果。
如图7所示,步骤240根据光效模型对待处理图像进行添加光线效果的处理,包括以下步骤:
步骤702,根据人脸区域检测待处理图像的人像区域。
电子设备可根据识别的人脸区域检测待处理图像的人像区域,人像区域指的是待处理图像中包含采集的人像的整个区域,人脸区域可属于人像区域中的一部份,人像区域除了人脸外,还可包括采集到的人的四肢、躯干等。深度信息可用于表示待处理图像中的每个像素点到电子设备的镜头的距离。
在一个实施例中,电子设备可获取人脸区域的深度信息及颜色信息等,并根据区域生长算法或抠图算法等确定人像区域。可选地,电子设备可先根据人脸区域的深度信息获取粗略的人像区域,再利用相邻像素点的相似性,精准得到人像区域的人像轮廓,其中,相邻像素点的相似性指的是一定区域内相邻的像素点之间的颜色信息等均较为相近,不会发生突变的情况。电子设备可提取深度信息与人脸区域的深度信息之间的差值小于第一数值的像素点,得到粗略的人像区域,并计算粗略得到的人像区域中相邻两个像素点的RGB值的差值。若相邻两个像素点的RGB值的差值小于第二数值,说明属于同一区域,若相邻两个像素点的RGB值的差值大于或等于第二数值,说明不属于同一区域。电子设备可提取粗略得到的人像区域中与相邻的像素点的RGB值的差值大于或等于第二数值的像素点,组成人像区域的人像轮廓。可选地,也可计算相邻两个像素点的灰度差值等,并不仅限于RGB值的差值。
步骤704,从待处理图像中分割出人像区域,并根据光效模型对人像区域进行添加光线效果的处理。
电子设备检测到人像区域后,可从待处理图像中分割出人像区域,并根据光效模型对人像区域进行添加光线效果的处理,可包括但不限于对人像区域进行增亮处理、调整色彩值等。可选地,电子设备可降低除人像区域外的背景区域的亮度值,使背景区域变暗,并将处理后的人像区域与变暗的背景区域重新合成得到处理后的图像。处理后的图像可以使人像拥有更好的光线效果,使模拟影棚中的布光效果更为真实。
在本实施例中,可对待处理图像中的人像区域进行添加光线效果处理,可以使图像中的人像拥有更好的光线效果,提高图像添加光线的效果。
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,确定待处理图像的人脸区域。
步骤(2),获取人脸区域的亮度信息。
步骤(3),根据亮度信息确定光效模型中的亮度增强系数。
步骤(4),根据光效模型对待处理图像进行添加光线效果的处理,亮度增强系数用于调节光线效果的强度。
在一个实施例中,步骤(4),包括:获取增亮位置;根据增亮位置确定光效模型的分布中心,并根据亮度增强系数确定分布幅度;根据分布中心及分布幅度构建二维高斯分布函数;根据二维高斯分布函数对待处理图像进行添加光线效果的处理。
在一个实施例中,步骤获取增亮位置,包括:获取待处理图像的长度和宽度;根据长度和宽度确定待处理图像的中心点,并将中心点作为增亮位置。
在一个实施例中,步骤获取增亮位置,包括:根据接收的触控操作获取触控位置,并将触控位置作为增亮位置。
在一个实施例中,步骤获取增亮位置,包括:提取人脸区域的特征点;根据特征点获取待处理图像中人脸的偏转角度及偏转方向;根据偏转角度及偏转方向确定增亮位置。
在一个实施例中,在步骤获取增亮位置之后,还包括:获取人脸区域的中心位置;计算中心位置与增亮位置之间的距离;根据距离调整亮度增强系数,亮度增强系数与距离呈正相关关系。
在一个实施例中,步骤(4),包括:根据人脸区域检测待处理图像的人像区域;从待处理图像中分割出人像区域,并根据光效模型对人像区域进行添加光线效果的处理。
在本实施例中,对待处理图像进行人脸识别,确定待处理图像的人脸区域,获取人脸区域的亮度信息,并根据亮度信息确定光效模型中的亮度增强系数,根据光效模型对待处理图像进行添加光线效果的处理,可以根据人脸的亮度信息动态调节光线效果强度,使人像图像具备更好的光线效果,且操作简便快捷。
应该理解的是,虽然上述各个流程示意图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,上述各个流程示意图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
如图8所示,在一个实施例中,提供一种图像处理装置800,包括人脸识别模块810、亮度获取模块820、系数确定模块830及处理模块840。
人脸识别模块810,用于对待处理图像进行人脸识别,确定待处理图像的人脸区域。
亮度获取模块820,用于获取人脸区域的亮度信息。
系数确定模块830,用于根据亮度信息确定光效模型中的亮度增强系数。
处理模块840,用于根据光效模型对待处理图像进行添加光线效果的处理,亮度增强系数用于调节光线效果的强度。
在本实施例中,对待处理图像进行人脸识别,确定待处理图像的人脸区域,获取人脸区域的亮度信息,并根据亮度信息确定光效模型中的亮度增强系数,根据光效模型对待处理图像进行添加光线效果的处理,可以根据人脸的亮度信息动态调节光线效果强度,使人像图像具备更好的光线效果,且操作简便快捷。
在一个实施例中,光效模型为二维高斯分布函数。如图9所示,处理模块840,包括位置获取单元842、确定单元844、构建单元846及处理单元848。
位置获取单元842,用于获取增亮位置。
可选地,位置获取单元842,还用于获取待处理图像的长度和宽度,根据长度和宽度确定待处理图像的中心点,并将中心点作为增亮位置。
在一个实施例中,位置获取单元842,还用于根据接收的触控操作获取触控位置,并将触控位置作为增亮位置。
确定单元844,用于根据增亮位置确定光效模型的分布中心,并根据亮度增强系数确定分布幅度。
构建单元846,用于根据分布中心及分布幅度构建二维高斯分布函数。
处理单元848,用于根据二维高斯分布函数对待处理图像进行添加光线效果的处理。
在本实施例中,可通过二维高斯分布函数对待处理图像进行添加光线效果的处理,不同位置的像素点的亮度增强幅度不同,可使图像具备更好的光线效果,使得添加的光线效果更为真实、自然。
在一个实施例中,位置获取单元842,包括提取子单元、偏转获取子单元及位置确定子单元。
提取子单元,用于提取人脸区域的特征点。
偏转获取子单元,用于根据特征点获取待处理图像中人脸的偏转角度及偏转方向。
位置确定子单元,用于根据偏转角度及偏转方向确定增亮位置。
在本实施例中,可根据人脸的偏转角度及偏转方向动态调整增亮位置,可使图像中打到人脸的光更真实、算然,提高添加的光线效果。
在一个实施例中,处理模块840,除了包括位置获取单元842、确定单元844、构建单元846及处理单元848,还包括中心获取单元、距离计算单元及调整单元。
中心获取单元,用于获取人脸区域的中心位置。
距离计算单元,用于计算中心位置与增亮位置之间的距离。
调整单元,用于根据距离调整亮度增强系数,亮度增强系数与距离呈正相关关系。
在本实施例中,可根据人脸区域的中心位置与增亮位置之间的距离对亮度增强系数进行调整,可防止人脸区域出现添加的光线过亮或过暗等不理想的效果,可以使人像图像具备更好的光线效果。
在一个实施例中,处理模块840,还用于根据人脸区域检测待处理图像的人像区域,从待处理图像中分割出人像区域,并根据光效模型对人像区域进行添加光线效果的处理。
在本实施例中,可对待处理图像中的人像区域进行添加光线效果处理,可以使图像中的人像拥有更好的光线效果,提高图像添加光线的效果。
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光效模块1060,以便在被显示之前根据光效模型对图像进行添加光线效果的处理。其中,光效模块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。光效模块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,光效模块1060还可位于编码器/解码器1070与显示器1080之间,即光效模块1060对已成像的图像进行添加光效处理。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,确定待处理图像的人脸区域;
获取人脸区域的亮度信息;
根据亮度信息确定光效模型中的亮度增强系数;
根据光效模型对待处理图像进行添加光线效果的处理,亮度增强系数用于调节光线效果的强度。
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 (12)
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,确定所述待处理图像的人脸区域;
获取所述人脸区域的亮度信息;
根据所述亮度信息确定光效模型中的亮度增强系数;所述光效模型为二维高斯分布函数;
获取增亮位置;
获取所述人脸区域的中心位置;
计算所述中心位置与所述增亮位置之间的距离;
根据所述距离调整所述亮度增强系数,所述亮度增强系数与所述距离呈正相关关系;
根据所述增亮位置确定所述光效模型的分布中心,并根据所述亮度增强系数确定分布幅度;
根据所述分布中心及分布幅度构建二维高斯分布函数;
根据所述二维高斯分布函数对所述待处理图像进行添加光线效果的处理,所述亮度增强系数用于调节所述光线效果的强度。
2.根据权利要求1所述的方法,其特征在于,所述获取增亮位置,包括:
获取所述待处理图像的长度和宽度;
根据所述长度和宽度确定所述待处理图像的中心点,并将所述中心点作为增亮位置。
3.根据权利要求1所述的方法,其特征在于,所述获取增亮位置,包括:
根据接收的触控操作获取触控位置,并将所述触控位置作为增亮位置。
4.根据权利要求1所述的方法,其特征在于,所述获取增亮位置,包括:
提取所述人脸区域的特征点;
根据所述特征点获取所述待处理图像中人脸的偏转角度及偏转方向;
根据所述偏转角度及偏转方向确定增亮位置。
5.根据权利要求1至4任一所述的方法,其特征在于,所述根据所述光效模型对所述待处理图像进行添加光线效果的处理,包括:
根据所述人脸区域检测所述待处理图像的人像区域;
从所述待处理图像中分割出所述人像区域,并根据所述光效模型对所述人像区域进行添加光线效果的处理。
6.一种图像处理装置,其特征在于,包括:
人脸识别模块,用于对待处理图像进行人脸识别,确定所述待处理图像的人脸区域;
亮度获取模块,用于获取所述人脸区域的亮度信息;
系数确定模块,用于根据所述亮度信息确定光效模型中的亮度增强系数;所述光效模型为二维高斯分布函数;
位置获取单元,用于获取增亮位置;
确定单元,用于根据所述增亮位置确定所述光效模型的分布中心,并根据所述亮度增强系数确定分布幅度;
构建单元,用于根据所述分布中心及分布幅度构建二维高斯分布函数;处理模块,用于所述二维高斯分布函数对所述待处理图像进行添加光线效果的处理,所述亮度增强系数用于调节所述光线效果的强度;
所述处理模块包括中心获取单元、距离计算单元和调整单元;
所述中心获取单元,用于获取所述人脸区域的中心位置;
所述距离计算单元,用于计算所述中心位置与所述增亮位置之间的距离;
所述调整单元,用于根据所述距离调整所述亮度增强系数,所述亮度增强系数与所述距离呈正相关关系。
7.根据权利要求6所述的装置,其特征在于,
所述位置获取单元,还用于获取所述待处理图像的长度和宽度;根据所述长度和宽度确定所述待处理图像的中心点,并将所述中心点作为增亮位置。
8.根据权利要求6所述的装置,其特征在于,
所述位置获取单元,还用于根据接收的触控操作获取触控位置,并将所述触控位置作为增亮位置。
9.根据权利要求6所述的装置,其特征在于,所述位置获取单元包括提取子单元、偏转获取子单元及位置确定子单元;
所述提取子单元,用于所述提取所述人脸区域的特征点;
所述偏转获取子单元,用于根据所述特征点获取所述待处理图像中人脸的偏转角度及偏转方向;
所述位置确定子单元,用于根据所述偏转角度及偏转方向确定增亮位置。
10.根据权利要求6-9任一项所述的装置,其特征在于,
所述处理模块,还用于根据所述人脸区域检测所述待处理图像的人像区域;从所述待处理图像中分割出所述人像区域,并根据所述光效模型对所述人像区域进行添加光线效果的处理。
11.一种电子设备,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5任一所述的方法。
12.一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5任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810271758.7A CN108537155B (zh) | 2018-03-29 | 2018-03-29 | 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 |
---|---|---|---|
CN201810271758.7A CN108537155B (zh) | 2018-03-29 | 2018-03-29 | 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 |
---|---|
CN108537155A CN108537155A (zh) | 2018-09-14 |
CN108537155B true CN108537155B (zh) | 2021-01-26 |
Family
ID=63482489
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810271758.7A Expired - Fee Related CN108537155B (zh) | 2018-03-29 | 2018-03-29 | 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) | CN108537155B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020056691A1 (zh) * | 2018-09-20 | 2020-03-26 | 太平洋未来科技(深圳)有限公司 | 一种交互对象的生成方法、装置及电子设备 |
CN109345602A (zh) * | 2018-09-28 | 2019-02-15 | Oppo广东移动通信有限公司 | 图像处理方法和装置、存储介质、电子设备 |
CN109360176B (zh) * | 2018-10-15 | 2021-03-02 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
CN109360254B (zh) * | 2018-10-15 | 2023-04-18 | Oppo广东移动通信有限公司 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
CN109167935A (zh) * | 2018-10-15 | 2019-01-08 | Oppo广东移动通信有限公司 | 视频处理方法和装置、电子设备、计算机可读存储介质 |
CN109598237A (zh) * | 2018-12-04 | 2019-04-09 | 青岛小鸟看看科技有限公司 | 一种疲劳状态检测方法和装置 |
CN112329497A (zh) * | 2019-07-18 | 2021-02-05 | 杭州海康威视数字技术股份有限公司 | 一种目标识别方法、装置及设备 |
CN110610171A (zh) * | 2019-09-24 | 2019-12-24 | Oppo广东移动通信有限公司 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
CN111583139B (zh) * | 2020-04-27 | 2023-06-20 | 抖音视界有限公司 | 腮红调整方法、装置、电子设备及计算机可读介质 |
CN111597963B (zh) * | 2020-05-13 | 2023-06-06 | 展讯通信(上海)有限公司 | 用于图像中人脸的补光方法、系统、介质以及电子设备 |
CN111583155B (zh) * | 2020-05-13 | 2023-03-24 | 展讯通信(上海)有限公司 | 用于图像中人像的布光方法、系统、介质以及电子设备 |
CN111723663B (zh) * | 2020-05-18 | 2024-01-23 | 中国农业科学院农业环境与可持续发展研究所 | 一种地膜识别方法、装置及存储介质 |
CN112584044A (zh) * | 2020-12-07 | 2021-03-30 | 上海商米科技集团股份有限公司 | 一种根据人脸光线环境自动调节摄像机画面亮度的系统 |
CN112969088A (zh) * | 2021-02-01 | 2021-06-15 | 维沃移动通信有限公司 | 投屏控制方法、装置、电子设备和可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101308572A (zh) * | 2008-06-24 | 2008-11-19 | 北京中星微电子有限公司 | 一种发光特效处理方法及装置 |
CN103034986A (zh) * | 2012-11-29 | 2013-04-10 | 奇瑞汽车股份有限公司 | 一种基于曝光融合的夜视图像增强方法 |
CN104574306A (zh) * | 2014-12-24 | 2015-04-29 | 掌赢信息科技(上海)有限公司 | 一种即时视频中的人脸美化方法和电子设备 |
CN106033593A (zh) * | 2015-03-09 | 2016-10-19 | 夏普株式会社 | 图像处理设备和方法 |
CN106373095A (zh) * | 2016-08-29 | 2017-02-01 | 广东欧珀移动通信有限公司 | 一种图像处理方法及终端 |
CN106919911A (zh) * | 2008-07-30 | 2017-07-04 | 快图有限公司 | 使用脸部检测的自动脸部和皮肤修饰 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201025191A (en) * | 2008-12-31 | 2010-07-01 | Altek Corp | Method of building skin color model |
-
2018
- 2018-03-29 CN CN201810271758.7A patent/CN108537155B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101308572A (zh) * | 2008-06-24 | 2008-11-19 | 北京中星微电子有限公司 | 一种发光特效处理方法及装置 |
CN106919911A (zh) * | 2008-07-30 | 2017-07-04 | 快图有限公司 | 使用脸部检测的自动脸部和皮肤修饰 |
CN103034986A (zh) * | 2012-11-29 | 2013-04-10 | 奇瑞汽车股份有限公司 | 一种基于曝光融合的夜视图像增强方法 |
CN104574306A (zh) * | 2014-12-24 | 2015-04-29 | 掌赢信息科技(上海)有限公司 | 一种即时视频中的人脸美化方法和电子设备 |
CN106033593A (zh) * | 2015-03-09 | 2016-10-19 | 夏普株式会社 | 图像处理设备和方法 |
CN106373095A (zh) * | 2016-08-29 | 2017-02-01 | 广东欧珀移动通信有限公司 | 一种图像处理方法及终端 |
Also Published As
Publication number | Publication date |
---|---|
CN108537155A (zh) | 2018-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108537155B (zh) | 图像处理方法、装置、电子设备及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 | |
CN107680128B (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 | |
CN107730445B (zh) | 图像处理方法、装置、存储介质和电子设备 | |
CN107945135B (zh) | 图像处理方法、装置、存储介质和电子设备 | |
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 | |
CN107808136B (zh) | 图像处理方法、装置、可读存储介质和计算机设备 | |
CN107509031B (zh) | 图像处理方法、装置、移动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 | |
CN107451969B (zh) | 图像处理方法、装置、移动终端及计算机可读存储介质 | |
CN107730444B (zh) | 图像处理方法、装置、可读存储介质和计算机设备 | |
CN108846807B (zh) | 光效处理方法、装置、终端及计算机可读存储介质 | |
CN113766125B (zh) | 对焦方法和装置、电子设备、计算机可读存储介质 | |
CN108024107B (zh) | 图像处理方法、装置、电子设备及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 | |
CN111402135A (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 | |
CN107993209B (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
CN108055452A (zh) | 图像处理方法、装置及设备 | |
CN107368806B (zh) | 图像矫正方法、装置、计算机可读存储介质和计算机设备 | |
CN108810406B (zh) | 人像光效处理方法、装置、终端及计算机可读存储介质 | |
CN109360254B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN108111768B (zh) | 控制对焦的方法、装置、电子设备及计算机可读存储介质 | |
CN108616700B (zh) | 图像处理方法和装置、电子设备、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 |
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. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210126 |
|
CF01 | Termination of patent right due to non-payment of annual fee |