CN108537745A - 面部图像问题皮肤增强方法 - Google Patents

面部图像问题皮肤增强方法 Download PDF

Info

Publication number
CN108537745A
CN108537745A CN201810214180.1A CN201810214180A CN108537745A CN 108537745 A CN108537745 A CN 108537745A CN 201810214180 A CN201810214180 A CN 201810214180A CN 108537745 A CN108537745 A CN 108537745A
Authority
CN
China
Prior art keywords
pixel
mug shot
color
straight line
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.)
Granted
Application number
CN201810214180.1A
Other languages
English (en)
Other versions
CN108537745B (zh
Inventor
毕仁爱
冯少华
李伟中
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.)
Guangdong Jin Hao Yang Technology Holding Co Ltd
Shenzhen De Tech Medical Instruments Co Ltd
Shenzhen Eggshell Information Technology Co Ltd
Original Assignee
Guangdong Jin Hao Yang Technology Holding Co Ltd
Shenzhen De Tech Medical Instruments Co Ltd
Shenzhen Eggshell Information Technology 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 Guangdong Jin Hao Yang Technology Holding Co Ltd, Shenzhen De Tech Medical Instruments Co Ltd, Shenzhen Eggshell Information Technology Co Ltd filed Critical Guangdong Jin Hao Yang Technology Holding Co Ltd
Priority to CN201810214180.1A priority Critical patent/CN108537745B/zh
Publication of CN108537745A publication Critical patent/CN108537745A/zh
Application granted granted Critical
Publication of CN108537745B publication Critical patent/CN108537745B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30088—Skin; Dermal
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种面部图像问题皮肤增强方法，利用偏振光技术拍照，通过图像处理的方法计算皮肤问题，从而避免了用紫外光拍照给皮肤造成伤害。同时，本方法计算量小，对硬件资源要求低，能够应用在低端产品上(如嵌入式设备、平板电脑等)。本方法尤其对粉刺、黄褐斑、晒斑、雀斑、老年斑能够很好地识别。

Description

面部图像问题皮肤增强方法
技术领域
本发明涉及图像处理技术，尤其涉及一种面部图像问题皮肤增强方法。
背景技术
在脸部美容检测领域，美国Canfield公司的检测仪实现了相似功能，但其对硬件要求较高。需要采用高端相机拍摄图像，并且需要在较高端的电脑上进行运算，运算时间也较长。荷兰欧博公司的肌肤检测仪器借助紫外线技术，能够区分正常皮肤和粉刺，但是紫外光对人体是有害的，且依赖于人的判断。国内也有一些企业做相似的产品，如上海的美测和深圳的朗迪等。他们虽然都有做类似的功能，但效果一般。
目前大部分对粉刺增强技术，都采用这种方案。先将人脸(或者人的皮肤)从图像中分割出来，计算图像中各个像素点和正常皮肤的近似度，然后通过设定的一个阈值进行二值化，这样就可以将正常皮肤和粉刺区分开来。这种做法可以将粉刺区分开来，但是存在一个问题，单以像素为中心来判别，会使有些粉刺误识为正常皮肤。
还有一种更强的做法，也是像素点为中心先计算皮肤的近似度，然后利用一些特征(如和邻近像素之间的差别)来进行识别。这种做法能很好地将粉刺区分开来，但是该算法需要进行大量的计算，对硬件要求较高。
发明内容
本发明提供了一种面部图像问题皮肤增强方法，以解决现有技术的面部图像问题皮肤增强方法对硬件要求高以及所采用的紫外线对人体有害的问题。本发明是通过如下技术方案实现的：
一种面部图像问题皮肤增强方法，包括：
步骤A：利用偏振光拍摄RGB色彩模式的面部照片；
步骤B：将所述RGB色彩模式的面部照片转换为YCbCr色彩模式的面部照片；
步骤C：以Cb分量为X轴，Cr分量为Y轴，构建颜色平面直角坐标系，计算所述YCbCr色彩模式的面部照片中所有像素的颜色坐标的分布中心(Cb0,Cr0)；
步骤D：计算所述YCbCr色彩模式的面部照片中各像素的Y分量的偏移量，计算公式如下：
其中，YP为所述YCbCr色彩模式的面部照片中像素P的Y分量，c(YP)为所述YCbCr色彩模式的面部照片中像素P的Y分量的偏移量，y1＝-90，y2＝36.8+0.325Cr0-Cb0，
步骤E：计算所述YCbCr色彩模式的面部照片中的每个像素的颜色坐标与所述直角坐标系中的预设直线L之间的相对位置关系参数，计算公式如下：
dPL＝aCbP+bCrP+c(YP)，其中，dPL为所述YCbCr色彩模式的面部照片中像素P的颜色坐标与直线L之间的相对位置关系参数，CbP为所述YCbCr色彩模式的面部照片中像素P的Cb分量值，CrP为所述YCbCr色彩模式的面部照片中像素P的Cr分量值；当计算所述YCbCr色彩模式的面部照片中像素P的颜色坐标与直线L之间的相对位置关系参数时，直线L的表达式为aX+bY+c(YP)＝0；
步骤F：将所述YCbCr色彩模式的面部照片中的每个像素的颜色坐标与直线L之间的相对位置关系参数放大设定倍数后，与大小与所述YCbCr色彩模式的面部照片相同且所有像素的灰度值均为预设定值B的灰度照片进行巴特沃斯概率融合计算，计算公式如下：
dPL'＝dPL×p(yP)+N×[1-p(yP)]，其中，dPL为概率融合前的像素P的颜色坐标与直线L之间的相对位置关系参数，dPL'为概率融合后的像素P的颜色坐标与直线L之间的相对位置关系参数，yP为像素P的Y分量，p(yP)为像素P的以其Y分量为参数的概率因子；
步骤G：将概率融合后的每个像素的颜色坐标与直线L之间的相对位置关系参数转化成灰度值，转化公式如下：
其中，gP为概率融合后的像素P的颜色坐标与直线L之间的相对位置关系参数转化成的灰度值；
步骤H：将步骤G中得出的各灰度值全部取整数后赋予相应的各像素，得到面部灰度图，其中，gP取整数后赋予像素P，当gP＞255时，取gP＝255；
步骤I：将所述面部灰度图中的各像素的灰度值按照预设的灰度值与颜色值的对应关系替换为对应的颜色值，得到问题皮肤增强后的面部图像。
进一步地，当所述问题皮肤为粉刺时，所述设定倍数在4.1倍至4.3倍之间。
进一步地，当所述问题皮肤为粉刺时，所述设定倍数为4.2倍。
进一步地，当所述问题皮肤为粉刺时，a＝2.683，b＝3.25，M＝0.0076，N＝170。
进一步地，当所述问题皮肤为皮肤斑时，a＝1，b＝-0.325，M＝0.26，N＝25。
与现有技术相比，本发明提供的面部图像问题皮肤增强方法，通过图像处理的方法计算皮肤问题，从而避免了用紫外光拍照给皮肤造成伤害。同时，本方法计算量小，对硬件资源要求低，能够应用在低端产品上(如嵌入式设备、平板电脑等)。本方法尤其对粉刺、黄褐斑、晒斑、雀斑、老年斑能够很好地识别。
附图说明
图1是本发明实施例提供的面部图像问题皮肤增强方法的流程简图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步详细说明。
本发明实施例提供的面部图像问题皮肤增强方法，可用于增强拍摄的面部图像中的问题皮肤部分，以便更全面、准确地检测出面部的问题皮肤。该方法可对面部图像中的粉刺、黄褐斑、晒斑、雀斑、老年斑等问题皮肤进行增强。如图1所示，该方法包括如下各步骤：
步骤A：利用偏振光拍摄RGB色彩模式的面部照片。即发光源透过偏振片A产生偏振光，并将偏振光投射到面部，同时，利用相机透过偏振片B对面部进行拍照成像。
步骤B：将RGB色彩模式的面部照片转换为YCbCr色彩模式的面部照片。YCbCr色彩模式的面部照片便于图像处理。不同的图像处理库在进行由YCbCr色彩模式到YCbCr色彩模式的转换时，结果是有差异的，本实施例具体采用如下公式进行由YCbCr色彩模式到YCbCr色彩模式的转换：
Y＝0.255R+0.506G+0.099B+16；
Cb＝-0.149R-0.290G+0.439B+128；
Cr＝0.439R-0.369G-0.071B+128。
步骤C：以Cb分量为X轴，Cr分量为Y轴，构建颜色平面直角坐标系，计算YCbCr色彩模式的面部照片中所有像素的颜色坐标的分布中心(Cb0,Cr0)。
步骤D：计算YCbCr色彩模式的面部照片中各像素的Y分量的偏移量，计算公式如下：
其中，YP为YCbCr色彩模式的面部照片中像素P的Y分量，c(YP)为YCbCr色彩模式的面部照片中像素P的Y分量的偏移量，y1＝-90，y2＝36.8+0.325Cr0-Cb0，
步骤E：计算YCbCr色彩模式的面部照片中的每个像素的颜色坐标与直角坐标系中的预设直线L之间的相对位置关系参数，计算公式如下：
dPL＝aCbP+bCrP+c(YP)，其中，dPL为YCbCr色彩模式的面部照片中像素P的颜色坐标与直线L之间的相对位置关系参数，CbP为YCbCr色彩模式的面部照片中像素P的Cb分量值，CrP为YCbCr色彩模式的面部照片中像素P的Cr分量值；当计算YCbCr色彩模式的面部照片中像素P的颜色坐标与直线L之间的相对位置关系参数时，直线L的表达式为aX+bY+c(YP)＝0。
步骤F：将YCbCr色彩模式的面部照片中的每个像素的颜色坐标与直线L之间的相对位置关系参数放大设定倍数后，与大小与YCbCr色彩模式的面部照片相同且所有像素的灰度值均为预设定值B的灰度照片进行巴特沃斯概率融合计算，计算公式如下：
dPL'＝dPL×p(yP)+N×[1-p(yP)]，其中，dPL为概率融合前的像素P的颜色坐标与直线L之间的相对位置关系参数，dPL'为概率融合后的像素P的颜色坐标与直线L之间的相对位置关系参数，yP为像素P的Y分量，p(yP)为像素P的以其Y分量为参数的概率因子。
步骤G：将概率融合后的每个像素的颜色坐标与直线L之间的相对位置关系参数转化成灰度值，转化公式如下：
其中，gP为概率融合后的像素P的颜色坐标与直线L之间的相对位置关系参数转化成的灰度值。
步骤H：将步骤G中得出的各灰度值全部取整数后赋予相应的各像素，得到面部灰度图，其中，gP取整数后赋予像素P，当gP＞255时，取gP＝255。
步骤I：将面部灰度图中的各像素的灰度值按照预设的灰度值与颜色值的对应关系替换为对应的颜色值，得到问题皮肤增强后的面部图像。
步骤F中进行位置关系参数放大时，当问题皮肤为粉刺时，设定倍数在4.1倍至4.3倍之间，最优为4.2倍，可确保最终生成的增强问题皮肤后的面部图像显示更多的细节。在上述公式中，当问题皮肤为粉刺时，a＝2.683，b＝3.25，M＝0.0076，N＝170，而当问题皮肤为皮肤斑时，a＝1，b＝-0.325，M＝0.26，N＝25。
上述实施例仅为优选实施例，并不用以限制本发明的保护范围，在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种面部图像问题皮肤增强方法，其特征在于，包括：
步骤A：利用偏振光拍摄RGB色彩模式的面部照片；
步骤B：将所述RGB色彩模式的面部照片转换为YCbCr色彩模式的面部照片；
步骤C：以Cb分量为X轴，Cr分量为Y轴，构建颜色平面直角坐标系，计算所述YCbCr色彩模式的面部照片中所有像素的颜色坐标的分布中心(Cb0,Cr0)；
步骤D：计算所述YCbCr色彩模式的面部照片中各像素的Y分量的偏移量，计算公式如下：
16≤YP≤230；其中，YP为所述YCbCr色彩模式的面部照片中像素P的Y分量，c(YP)为所述YCbCr色彩模式的面部照片中像素P的Y分量的偏移量，y1＝-90，y2＝36.8+0.325Cr0-Cb0，
步骤E：计算所述YCbCr色彩模式的面部照片中的每个像素的颜色坐标与所述直角坐标系中的预设直线L之间的相对位置关系参数，计算公式如下：
dPL＝aCbP+bCrP+c(YP)，其中，dPL为所述YCbCr色彩模式的面部照片中像素P的颜色坐标与直线L之间的相对位置关系参数，CbP为所述YCbCr色彩模式的面部照片中像素P的Cb分量值，CrP为所述YCbCr色彩模式的面部照片中像素P的Cr分量值；当计算所述YCbCr色彩模式的面部照片中像素P的颜色坐标与直线L之间的相对位置关系参数时，直线L的表达式为aX+bY+c(YP)＝0；
步骤F：将所述YCbCr色彩模式的面部照片中的每个像素的颜色坐标与直线L之间的相对位置关系参数放大设定倍数后，与大小与所述YCbCr色彩模式的面部照片相同且所有像素的灰度值均为预设定值B的灰度照片进行巴特沃斯概率融合计算，计算公式如下：
dPL'＝dPL×p(yP)+N×[1-p(yP)]，其中，yP＜128，dPL为概率融合前的像素P的颜色坐标与直线L之间的相对位置关系参数，dPL'为概率融合后的像素P的颜色坐标与直线L之间的相对位置关系参数，yP为像素P的Y分量，p(yP)为像素P的以其Y分量为参数的概率因子；
步骤G：将概率融合后的每个像素的颜色坐标与直线L之间的相对位置关系参数转化成灰度值，转化公式如下：
其中，gP为概率融合后的像素P的颜色坐标与直线L之间的相对位置关系参数转化成的灰度值；
步骤H：将步骤G中得出的各灰度值全部取整数后赋予相应的各像素，得到面部灰度图，其中，gP取整数后赋予像素P，当gP＞255时，取gP＝255；
步骤I：将所述面部灰度图中的各像素的灰度值按照预设的灰度值与颜色值的对应关系替换为对应的颜色值，得到问题皮肤增强后的面部图像。
2.如权利要求1所述的面部图像问题皮肤增强方法，其特征在于，当所述问题皮肤为粉刺时，所述设定倍数在4.1倍至4.3倍之间。
3.如权利要求1所述的面部图像问题皮肤增强方法，其特征在于，当所述问题皮肤为粉刺时，所述设定倍数为4.2倍。
4.如权利要求1所述的面部图像问题皮肤增强方法，其特征在于，当所述问题皮肤为粉刺时，a＝2.683，b＝3.25，M＝0.0076，N＝170。
5.如权利要求1所述的面部图像问题皮肤增强方法，其特征在于，当所述问题皮肤为皮肤斑时，a＝1，b＝-0.325，M＝0.26，N＝25。
CN201810214180.1A 2018-03-15 2018-03-15 面部图像问题皮肤增强方法 Active CN108537745B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810214180.1A CN108537745B (zh) 2018-03-15 2018-03-15 面部图像问题皮肤增强方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810214180.1A CN108537745B (zh) 2018-03-15 2018-03-15 面部图像问题皮肤增强方法

Publications (2)

Publication Number Publication Date
CN108537745A true CN108537745A (zh) 2018-09-14
CN108537745B CN108537745B (zh) 2021-04-30

Family

ID=63484062

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810214180.1A Active CN108537745B (zh) 2018-03-15 2018-03-15 面部图像问题皮肤增强方法

Country Status (1)

Country Link
CN (1) CN108537745B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111161157A (zh) * 2019-12-02 2020-05-15 Tcl华星光电技术有限公司 色彩增强的方法、图形处理器及显示设备
CN112257782A (zh) * 2020-10-22 2021-01-22 广东金豪漾科技控股有限公司 与问题皮肤部位检测相关的方法、系统及其神经网络训练方法、存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20040088898A (ko) * 2003-04-14 2004-10-20 주식회사 윈포넷 얼굴 검출을 위한 얼굴특징 추출방법
US8693778B1 (en) * 2003-06-13 2014-04-08 Val R. Landwehr Method and system for identifying plant life parameters in color-digital image information
CN104050488A (zh) * 2014-06-16 2014-09-17 西安工业大学 一种基于切换的卡尔曼滤波模型的手势识别方法
CN106529432A (zh) * 2016-11-01 2017-03-22 山东大学 一种深度融合显著性检测与先验知识的手部区域分割方法
CN107729833A (zh) * 2017-10-10 2018-02-23 广东欧珀移动通信有限公司 人脸检测方法及相关产品

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20040088898A (ko) * 2003-04-14 2004-10-20 주식회사 윈포넷 얼굴 검출을 위한 얼굴특징 추출방법
US8693778B1 (en) * 2003-06-13 2014-04-08 Val R. Landwehr Method and system for identifying plant life parameters in color-digital image information
CN104050488A (zh) * 2014-06-16 2014-09-17 西安工业大学 一种基于切换的卡尔曼滤波模型的手势识别方法
CN106529432A (zh) * 2016-11-01 2017-03-22 山东大学 一种深度融合显著性检测与先验知识的手部区域分割方法
CN107729833A (zh) * 2017-10-10 2018-02-23 广东欧珀移动通信有限公司 人脸检测方法及相关产品

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
WANG TAO ET AL: "enhancement method for color face image with non-uniform illumination", 《COMPUTER ENGINEERING AND APPLICATIONS》 *
张茂峰 等: "基于区域划分的角点检测", 《计算机系统应用》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111161157A (zh) * 2019-12-02 2020-05-15 Tcl华星光电技术有限公司 色彩增强的方法、图形处理器及显示设备
CN111161157B (zh) * 2019-12-02 2023-06-27 Tcl华星光电技术有限公司 色彩增强的方法、图形处理器及显示设备
CN112257782A (zh) * 2020-10-22 2021-01-22 广东金豪漾科技控股有限公司 与问题皮肤部位检测相关的方法、系统及其神经网络训练方法、存储介质

Also Published As

Publication number Publication date
CN108537745B (zh) 2021-04-30

Similar Documents

Publication Publication Date Title
CN109118569B (zh) 基于三维模型的渲染方法和装置
KR101446975B1 (ko) 얼굴 검출 기능을 사용한 얼굴 및 피부의 자동 미화
JP2020536457A (ja) 画像処理方法および装置、電子機器、ならびにコンピュータ可読記憶媒体
KR20180109793A (ko) 반투명 마크, 반투명 마크 합성 및 검출 방법, 투명 마크 그리고 투명 마크 합성 및 검출 방법
Chu et al. Object tracking algorithm based on camshift algorithm combinating with difference in frame
US9064178B2 (en) Edge detection apparatus, program and method for edge detection
JP2017017431A (ja) 画像処理装置、情報処理方法及びプログラム
CN108682050B (zh) 基于三维模型的美颜方法和装置
CN108154514A (zh) 图像处理方法、装置及设备
JP2022059013A (ja) 情報処理装置、認識支援方法およびコンピュータプログラム
CN105869115B (zh) 一种基于kinect2.0的深度图像超分辨率方法
TWI637288B (zh) 用於眼球視線校正的影像處理方法及其系統
CN112926464B (zh) 一种人脸活体检测方法以及装置
CN106534677A (zh) 一种图像过曝优化方法及装置
CN107621867A (zh) 熄屏控制方法、装置和终端设备
CN108537745A (zh) 面部图像问题皮肤增强方法
KR101674099B1 (ko) 얼굴 인증을 위한 영상 생성 장치 및 그 방법
CN108769505A (zh) 一种图像处理集方法及电子设备
CN111914790B (zh) 基于双摄像头的不同场景下实时人体转动角度识别方法
CN110909571A (zh) 一种高精度面部识别空间定位方法
Rodrigues et al. Single-image estimation of the camera response function in near-lighting
Ernst et al. Check my chart: A robust color chart tracker for colorimetric camera calibration
CN114527865B (zh) 基于注意力方向的装置互动方法
KR20130065567A (ko) 프라이버시 마스킹용 휴먼 추적 시스템 및 방법
CN108564070A (zh) 用于提取手势的方法及其装置

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