CN108694736A - 图像处理方法、装置、服务器及计算机存储介质 - Google Patents

图像处理方法、装置、服务器及计算机存储介质 Download PDF

Info

Publication number
CN108694736A
CN108694736A CN201810453935.3A CN201810453935A CN108694736A CN 108694736 A CN108694736 A CN 108694736A CN 201810453935 A CN201810453935 A CN 201810453935A CN 108694736 A CN108694736 A CN 108694736A
Authority
CN
China
Prior art keywords
makeups
target
image
skin
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
CN201810453935.3A
Other languages
English (en)
Other versions
CN108694736B (zh
Inventor
李琛
彭伟龙
沈小勇
戴宇榮
賈佳亞
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.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen 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 Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN201810453935.3A priority Critical patent/CN108694736B/zh
Publication of CN108694736A publication Critical patent/CN108694736A/zh
Application granted granted Critical
Publication of CN108694736B publication Critical patent/CN108694736B/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
    • G06T11/00—2D [Two Dimensional] image generation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0641—Shopping interfaces
    • G06Q30/0643—Graphical representation of items or shoppers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/22—Social work
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Child & Adolescent Psychology (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Development Economics (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例公开了一种图像处理方法、装置、服务器及计算机存储介质，其中方法包括：获取初始人脸图像及所述初始人脸图像对应的人脸肤质属性；获取与所述初始人脸图像对应的人脸肤质属性相匹配的目标美妆产品的目标美妆参数；根据所述目标美妆参数对所述初始人脸图像进行虚拟试妆处理，得到目标人脸图像；输出所述目标人脸图像。本发明可使得虚拟试妆效果与实际试妆效果一致，提高虚拟试妆效果的真实性。

Description

图像处理方法、装置、服务器及计算机存储介质
技术领域
本发明涉及互联网技术领域，具体涉及图像处理技术领域，尤其涉及一种图像处理方法、一种图像处理装置、一种服务器及一种计算机存储介质。
背景技术
美妆产品推荐是指根据用户的脸部肤质属性，为用户推荐出适合用户脸部肤质属性的美妆产品。若在进行美妆产品推荐的过程中，采用虚拟试妆方案为用户呈现使用该美妆产品之后的虚拟试妆效果图，则可以辅助用户进行美妆产品的选购。
目前，虚拟试妆方案的主流技术为贴图技术。采用该贴图技术进行虚拟试妆，需要预先存储设计师所设计的不同妆容的贴图模板。在确定了目标美妆产品以后，将该目标美妆产品所对应的贴图模板通过图片融合技术叠加到用户的人脸图像上，从而得到虚拟试妆效果图。由于贴图模板是通过设计师设计的，无法与实际的目标美妆产品相对应，因此会导致虚拟试妆效果与实际试妆效果的差异，降低虚拟试妆效果图的真实性。
发明内容
本发明实施例提供了一种图像处理方法、装置、服务器及计算机存储介质，可使得虚拟试妆效果与实际试妆效果一致，提高虚拟试妆效果的真实性。
一方面，本发明实施例提供了一种图像处理方法，包括：
获取初始人脸图像及所述初始人脸图像对应的人脸肤质属性；
获取与所述初始人脸图像对应的人脸肤质属性相匹配的目标美妆产品的目标美妆参数；
根据所述目标美妆参数对所述初始人脸图像进行虚拟试妆处理，得到目标人脸图像；
输出所述目标人脸图像。
另一方面，本发明实施例提供了一种图像处理装置，包括：
获取单元，用于获取初始人脸图像及所述初始人脸图像对应的人脸肤质属性；
所述获取单元，还用于获取与所述初始人脸图像对应的人脸肤质属性相匹配的目标美妆产品的目标美妆参数；
处理单元，用于根据所述目标美妆参数对所述初始人脸图像进行虚拟试妆处理，得到目标人脸图像；
输出单元，用于输出所述目标人脸图像。
再一方面，本发明实施例提供一种计算机存储介质，所述计算机存储介质存储有一条或一条以上指令，所述一条或一条以上指令适于由处理器加载并执行如下步骤：
获取初始人脸图像及所述初始人脸图像对应的人脸肤质属性；
获取与所述初始人脸图像对应的人脸肤质属性相匹配的目标美妆产品的目标美妆参数；
根据所述目标美妆参数对所述初始人脸图像进行虚拟试妆处理，得到目标人脸图像；
输出所述目标人脸图像。
再一方面，本发明实施例提供一种服务器，包括：
处理器，适于实现一条或一条以上指令；以及，
计算机存储介质，所述计算机存储介质存储有一条或一条以上指令，所述一条或一条以上指令适于由所述处理器加载并执行如下步骤：
获取初始人脸图像及所述初始人脸图像对应的人脸肤质属性；
获取与所述初始人脸图像对应的人脸肤质属性相匹配的目标美妆产品的目标美妆参数；
根据所述目标美妆参数对所述初始人脸图像进行虚拟试妆处理，得到目标人脸图像；
输出所述目标人脸图像。
本发明实施例在进行虚拟试妆处理时，可以先获取初始人脸图像及该初始人脸图像对应的人脸肤质属性，并获取与该初始人脸图像对应的人脸肤质属性相匹配的目标美妆产品的目标美妆参数；根据目标美妆参数对初始人脸图像进行虚拟试妆处理，得到目标人脸图像。本发明实施例中的目标美妆参数可以对应真实存在的美妆产品的美妆参数，采用真实存在的目标美妆参数对初始人脸图像进行虚拟试妆处理，可以使得虚拟试妆效果与实际使用该目标美妆产品后的实际试妆效果一致，提高虚拟试妆效果的真实性。
附图说明
为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种交互系统的示意图；
图2是本发明实施例提出的一种服务器的内部结构示意图；
图3是本发明实施例提出的一种图像处理方法的流程示意图；
图4a是本发明实施例提供的一种用户界面的示意图；
图4b是本发明实施例提供的另一种用户界面的示意图；
图5是本发明另一实施例提出的一种图像处理方法的流程示意图；
图6a是本发明实施例提供的一种图像处理方法的应用场景示意图；
图6b是本发明实施例提供的另一种用户界面的示意图；
图6c是本发明实施例提供的另一种用户界面的示意图；
图6d是本发明实施例提供的另一种用户界面的示意图；
图7是本发明实施例提供的一种图像处理装置的结构示意图；
图8是本发明实施例提供的一种服务器的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。
本发明实施例的相关技术提及：现有技术进行虚拟试妆的方案具有如下缺点：(1)贴图模板是通过设计师设计的，无法与实际的目标美妆产品所对应，若直接利用贴图模板对实际的目标美妆产品进行虚拟试妆效果的模拟，则会导致虚拟试妆效果与实际试妆效果的差异，降低虚拟试妆效果图的真实性；(2)目前的虚拟试妆方案的模拟维度单一，只能模拟出美妆产品的颜色，很难模拟出美妆产品的质地(例如哑光口红、珠光口红等等)。
为了解决现有技术的问题，本发明实施例提出了一种图像处理方案的构想：首先，可以获取初始人脸图像及初始人脸图像对应的人脸肤质属性，此处的初始人脸图像可以是用户通过终端上传的素颜人脸图像，该素颜人脸图像可以是通过终端的摄像组件实时拍摄得到的人脸图像，也可以是终端的图库中所保存的人脸图像。其次，获取与初始人脸图像对应的人脸肤质属性相匹配的目标美妆产品的目标美妆参数，该目标美妆参数可以包括美妆颜色参数、美妆粗糙度参数、美妆油性度参数及美妆珠光参数。然后根据目标美妆参数对初始人脸图像进行虚拟试妆处理，改变初始人脸图像包括的人脸的肤质、肤色等属性，得到目标人脸图像；最后，输出该目标人脸图像。
本发明实施例所提出的图像处理方案具有如下优点：(1)本发明实施例中的目标美妆参数是预先通过对样本用户的素颜人脸图像以及该样本用户使用该目标美妆产品后的妆后人脸图像进行一系列图像处理后所得到的，由此可见，该目标美妆参数可以对应真实的目标美妆产品。使用目标美妆参数对初始人脸图像进行虚拟试妆处理，可以使得虚拟试妆效果与实际使用该目标美妆产品后的实际试妆效果一致，提高虚拟试妆效果图(即目标人脸图像)的真实性；(2)由于目标美妆参数可以包括美妆颜色参数、美妆粗糙度参数、美妆油性度参数及美妆珠光参数四个维度的美妆参数，因此可以多维度地进行虚拟试妆的模拟，不仅可以模拟出目标美妆产品的颜色，还可以模拟出目标美妆产品的粗糙度、油性度以及珠光效果。
上述提及的图像处理方案，可以适用于各个广告平台对美妆产品的营销推广以及线上销售，此处的各个广告平台可以是基于服务器搭建的美妆产品推荐平台。在一个实施例中，该图像处理方案可以在图1所示的交互系统中实现。如图1所示，该交互系统可以包括服务器和终端。其中，终端可以是智能手机、膝上型计算机或平板计算机等便携式设备以及台式计算机等；也可以是单反相机、数码相机等摄像设备；还可以是用于美妆产品推荐或者虚拟试妆的试妆设备，等等。服务器可以是用于进行图像处理的服务设备，其可以是数据处理服务器、web服务器等等；服务器可以是一个独立的服务设备，也可以是由多个服务设备共同构成的集群设备。
该交互系统可以在终端侧为用户提供上传初始人脸图像的通道，例如在终端侧的用户界面提供一个“一键选色”的按钮，用户可以通过点击此“一键选色”按钮上传初始人脸图像。终端获取到用户点击此“一键选色”按钮后，可以获取用户上传的初始人脸图像，并将此初始人脸图像发送给服务器。服务器在接收到初始人脸图像以后，可以获取此初始人脸图像对应的人脸肤质属性，并从美妆产品数据库中获取与该初始人脸图像对应的人脸肤质属性相匹配的目标美妆产品的目标美妆参数。并根据此目标美妆参数对该初始人脸图像进行虚拟试妆处理，得到目标人脸图像，并将目标人脸图像发送给终端。终端在接收到服务器返回的目标人脸图像后，可以在用户界面显示该目标人脸图像。用户可以根据目标人脸图像所呈现的使用目标美妆产品后的效果，判断此目标美妆产品是否适合自己。由此可见，通过本发明实施例所提出的图像处理方案，可以对目标美妆产品的实际上妆效果进行模拟，通过目标人脸图像所呈现的虚拟试妆效果指导用户对美妆产品的选购，提升用户的购物体验。
需要说明的是，终端还可以在用户界面显示美妆产品数据库中所存储的美妆产品，用户可以在终端的用户界面中选择自己喜欢的美妆产品。终端获取到用户对美妆产品的选择指令后，可以将用户选择的美妆产品发送至服务器。服务器在接收到终端发送的用户选择的美妆产品之后，可以不需要执行确定目标美妆产品以及目标美妆参数等步骤，可以从美妆产品数据库中获取用户选择的美妆产品的美妆参数，并根据此美妆参数对该初始人脸图像进行虚拟试妆处理，得到目标人脸图像，并将目标人脸图像发送给终端以供终端在用户界面显示该目标人脸图像给用户查看。
在一种实施方式中，交互系统中的服务器可以如图2所示，此服务器可以包括两个功能模块和美妆产品数据库，这两个功能模块可以分别是：离线的美妆产品采集模块，以及在线的智能推荐/虚拟试妆模块。
其中，离线的美妆产品采集模块主要用于采集并分析大量的美妆产品，得到每一款美妆产品的美妆参数，并用这些美妆参数来丰富美妆产品数据库。具体的，可以先获取样本用户上妆前后的人脸图像，并分别对上妆前后的人脸图像进行肤质分析，分别得到上妆前后的人脸图像所对应的人脸肤质属性。然后调用美妆模型根据上妆前后的人脸图像对应的人脸肤质属性拟合出每一款美妆产品的美妆参数，如美妆颜色参数、美妆粗糙度参数、美妆油性度参数以及美妆珠光参数。并采集大量的专业美妆人士的推荐意见，以这些专业美妆人士的推荐意见为主，分别确定与每一款美妆产品的美妆参数相匹配的人脸肤质属性。将每一款美妆产品的美妆参数以及与每一款美妆产品的美妆参数相匹配的人脸肤质属性存储至美妆产品数据库，从而丰富该美妆产品数据库。
在线的智能推荐/虚拟试妆模块主要用于获取初始人脸图像，并对初始人脸图像进行肤质分析、智能推荐、虚拟试妆等一系列操作，得到目标人脸图像。具体的，可以先获取用户通过终端上传的初始人脸图像，并对初始人脸图像进行肤质分析，得到初始人脸图像对应的人脸肤质属性。然后进行智能推荐，即从美妆产品数据库中获取与初始人脸图像对应的人脸肤质属性相匹配的目标美妆产品的目标美妆参数，根据此目标美妆参数将该目标美妆产品发送给终端，以达到将此目标美妆产品推荐给用户的目的。在确定目标美妆参数之后，可以根据此目标美妆参数对此初始人脸图像进行虚拟试妆处理，得到虚拟试妆后的目标人脸图像。
基于上述描述，本发明实施例提出一种图像处理方法，请参见图3，该图像处理方法可由上述发明实施例所提及的服务器所执行，该图像处理方法可包括以下步骤S301-S304：
S301，获取初始人脸图像及初始人脸图像对应的人脸肤质属性。
服务器所获取的初始人脸图像可以是用户通过终端上传的素颜人脸图像。服务器所获取的初始人脸图像对应的人脸肤质属性可以是终端上传的，也可以是服务器对初始人脸图像进行肤质分析得到的。
在一种实施方式中，终端可以在用户界面显示人脸肤质属性的调查信息，此调查信息可以包括但不限于：皮肤颜色(如黑色素含量、血红蛋白含量等)、皮肤粗糙度以及皮肤油性度等等，此调查信息可以以调查问卷的形式在用户界面进行显示，如图4a或者图4b所示。用户若知道具体的人脸肤质属性，则可以选择如图4a所示的调查问卷；用户若不知道具体的人脸肤质属性，则可以选择如图4b所示的调查问卷。
在用户手动填写此调查信息之后，终端可以将用户填写的回答信息发送至服务器。服务器在接收到用户填写的回答信息后，可以根据此回答信息得到初始人脸图像对应的人脸肤质属性。相应的，若用户填写的是如图4a所示的调查问卷，则可以直接将用户填写的数字信息作为人脸肤质属性的具体值。若用户填写的是如图4b所示的调查问卷，则可以根据用户勾选的选项计算得到相应的人脸肤质属性。
再一种实施方式中，服务器可以预先根据美妆产品数据库中存储的各个人脸肤质属性拟合成不同肤质属性的人脸图像(例如，白皙人脸图像、偏黄人脸图像、偏黄且有痘坑的人脸图像，等等)，将拟合出的各个人脸图像发送给终端。终端在用户界面显示这些拟合出的各个人脸图像，供用户选择最接近初始人脸图像中的人脸的肤质属性的拟合人脸图像。服务器可以根据用户所选择的拟合人脸图像确定出该拟合人脸图像所对应的肤质属性，并将此肤质属性作为初始人脸图像对应的人脸肤质属性。
S302，获取与初始人脸图像对应的人脸肤质属性相匹配的目标美妆产品的目标美妆参数。
S303，根据目标美妆参数对初始人脸图像进行虚拟试妆处理，得到目标人脸图像。
本发明实施例中的目标美妆参数可以包括美妆颜色参数、美妆粗糙度参数、美妆油性度参数及美妆珠光参数。其中，美妆颜色参数可用于表示目标美妆产品的颜色；美妆粗糙度参数可用于表示目标美妆产品遮盖脸部瑕疵的能力，此处的脸部瑕疵可以是指：脸部的皱纹、痘坑、毛孔粗大等等；美妆油性度参数可用于表示目标美妆产品的滋润度，若目标美妆产品的美妆油性度参数越大，则表明该目标美妆产品越适合干性皮肤；若目标美妆产品的美妆油性度参数越小，则表明该目标美妆产品越适合油性皮肤；美妆珠光参数可用于表示目标美妆产品的亮度(即反光效果)。
由此可以看出，根据目标美妆参数对初始人脸图像进行虚拟试妆处理时，可以根据目标美妆产品的颜色、粗糙度、油性度以及珠光效果等多个维度参数对初始人脸图像进行虚拟试妆，使得目标人脸图像的虚拟试妆效果更加真实。
S304，输出目标人脸图像。
服务器在得到目标人脸图像后，可以向终端输出此目标人脸图像，以使终端在用户界面显示此目标人脸图像给用户查看。在一种实施方式中，服务器在输出目标人脸图像之前，可以对目标人脸图像进行一些简单的图像美化处理，该图像美化处理可以包括但不限于：图像美白、图像磨皮以及图像瘦脸等图像处理。然后将图像美化处理后的目标人脸图像发送至终端进行显示。再一种实施方式中，服务器可以直接向终端输出此目标人脸图像。终端在接收到此目标人脸图像之后，可以对目标人脸图像进行图像美白、图像磨皮以及图像瘦脸等图像处理的图像美化处理，并在用户显示该图像美化处理后的目标人脸图像。
本发明实施例在进行虚拟试妆处理时，可以先获取初始人脸图像及该初始人脸图像对应的人脸肤质属性，并获取与该初始人脸图像对应的人脸肤质属性相匹配的目标美妆产品的目标美妆参数；根据目标美妆参数对初始人脸图像进行虚拟试妆处理，得到目标人脸图像。本发明实施例中的目标美妆参数可以对应真实存在的美妆产品的美妆参数，采用真实存在的目标美妆参数对初始人脸图像进行虚拟试妆处理，可以使得虚拟试妆效果与实际使用该目标美妆产品后的实际试妆效果一致，提高虚拟试妆效果的真实性。
基于上述描述，本发明实施例还提出了另一种图像处理方法，请参见图5，该图像处理方法可由上述发明实施例所提及的服务器所执行，该图像处理方法可包括以下步骤S501-S509：
S501，构建美妆产品数据库。
美妆产品数据库可以包括至少一个美妆产品的美妆参数，以及与该至少一个美妆产品的美妆参数相匹配的人脸肤质属性；美妆参数可以包括：美妆颜色参数、美妆粗糙度参数、美妆油性度参数及美妆珠光参数。
为了满足美妆产品推荐与虚拟试妆的真实性的需求，需要采集真实存在的美妆产品的相关数据(如美妆参数、与美妆参数相匹配的人脸肤质属性)来构建此美妆产品数据库。在一种实施方式中，构建美妆产品数据库的具体实施方式可以是：大量采集美妆产品的生产厂商提供的各个美妆产品的美妆参数，并根据专业美妆人士的意见确定与各个美妆产品的美妆参数相匹配的人脸肤质属性。将采集到的各个美妆产品的美妆参数以及与各个美妆产品的美妆参数相匹配的人脸肤质属性存储至美妆产品数据库。
再一种实施方式中，构建美妆产品数据库的具体实施方式还可以是：通过采集样本人脸图像对，并对样本人脸图像对进行一系列处理以得到美妆产品的美妆参数，其具体过程可以包括以下步骤s11-s14：
s11，采集样本人脸图像对，此样本人脸图像对可以包括样本用户的素颜人脸图像及样本用户使用美妆产品之后的妆后人脸图像。
s12，获取素颜人脸图像的第一人脸肤质属性及妆后人脸图像的第二人脸肤质属性。
在本发明实施例中，每一幅人脸图像都可以通过本征图像分解成皮肤分量、漫反射分量和镜面反射分量三部分。其中，皮肤分量可用于表示皮肤颜色属性，漫反射分量可用于表示皮肤粗糙度属性，镜面反射分量可用于表示皮肤油性度属性。因此，在获取到样本人脸图像对以后，可以分别对样本用户的素颜人脸图像和妆后人脸图像进行本征图像分解，以分别得到第一人脸肤质属性及第二人脸肤质属性。在一种实施方式中，本征图像分解公式可以如式1.1所示。
IN＝AN*DN+SN 式1.1
其中，IN表示待分解的人脸图像，AN表示皮肤分量，DN表示漫反射分量，SN表示镜面反射分量。采用式1.1对素颜人脸图像IB进行本征图像分解，可得到如式1.2所示的本征图像分解结果，以及对使用美妆产品m之后的妆后人脸图像IM进行本征图像分解，可得到如式1.3所示的本征图像分解结果。
IB＝AB*DB+SB 式1.2
IM＝AM*DM+SM 式1.3
根据上述式1.2和式1.3所示的本征图像分解结果，可以得到第一人脸肤质属性{AB,DB,SB}，以及第二人脸肤质属性{AM,DM,SM}。
s13，将第一人脸肤质属性及第二人脸肤质属性进行比对分析得到该美妆产品的美妆参数，并确定与该美妆参数相匹配的人脸肤质属性。
本发明实施例可以通过调用美妆模型来将第一人脸肤质属性{AB,DB,SB}及第二人脸肤质属性{AM,DM,SM}进行比对分析得到该美妆产品的美妆参数。在一种实施方式中，该美妆模型可以包括如式1.4所示的美妆颜色子模型、如式1.5所示的美妆粗糙度子模型，以及如式1.6所示的美妆油性度子模型：
AM＝AB*(1-t)+mc*t 式1.4
其中，mc表示美妆颜色参数，mD表示美妆粗糙度参数，mS表示美妆油性度参数，t表示美妆产品的涂抹厚度，t的取值可以是用户自己选取的，也可以是服务器根据历史虚拟试妆经验所得到的经验值。通过将第一人脸肤质属性{AB,DB,SB}、第二人脸肤质属性{AM,DM,SM}以及t的取值分别代入式1.4-1.6中，即可得到美妆参数{mc,mD,mS}。
由于某些美妆产品含有珠光材质，将此含有珠光材质的美妆产品作用于脸部时，会产生珠光效果。因此，本发明实施例为了使得虚拟试妆效果更真实，模拟含有珠光材质的美妆产品的珠光效果，可以先根据求取得到的美妆参数{mc,mD,mS}以及涂抹厚度t对素颜人脸图像IB进行虚拟试妆处理，得到目标样本人脸图像I'M。对妆后人脸图像IM和目标样本人脸图像I'M进行如式1.7所示的差值运算，得到美妆珠光参数mG。
mG＝IM-I'M 式1.7
在得到美妆珠光参数mG之后，可以通过TSFS技术(Texture Synthesis FromSamples，基于样图的纹理合成)中的纹理合成算法，根据mG模拟出美妆产品m的珠光效果。在一种实施方式中，TSFS技术中的纹理合成算法可以包括但不限于：基于马尔可夫随机场模型的合成算法、基于纹理块拼接的纹理合成算法、特征匹配算法等等。
在一种实施方式中，在确定与该美妆参数相匹配的人脸肤质属性时，可以采集大量专业美妆人士的美妆意见，并根据采集到的美妆意见建立多元高斯分布，该多元高斯分布用于表示美妆产品适用于每一种人脸肤质属性的概率。将概率大于预设阈值所对应的人脸肤质属性确定为与该美妆参数相匹配的人脸肤质属性。
s14，将该美妆产品的美妆参数及与该美妆参数相匹配的人脸肤质属性存储至美妆产品数据库。
S502，接收终端上传的初始人脸图像。
在一种实施方式中，该初始人脸图像可以是通过终端的摄像组件实时拍摄得到的人脸图像。例如，用户可以点击终端用户界面中的“实时拍摄”按钮，终端检测到用户对此“实时拍摄”按钮的点击指令后，可以打开并调用终端的摄像组件对当前的人脸图像进行拍摄，并将拍摄得到的素颜人脸图像作为初始人脸图像上传至服务器。
再一种实施方式中，该初始人脸图像可以是终端的图库中所保存的人脸图像。例如，用户可以点击终端用户界面中的“选择图像”按钮，终端检测到用户对此“选择图像”按钮的点击指令后，可以获取终端的图库中所保存的素颜人脸图像，并将获取到的素颜人脸图像显示在用户界面中，以供用户进行选择。终端在接收到用户对这些素颜人脸图像的选择指令后，可以根据此选择指令确定出待上传的素颜人脸图像，并将此待上传的素颜人脸图像作为初始人脸图像上传至服务器。
S503，采用光照一致性算法对初始人脸图像进行正向校准处理，得到校准后的人脸图像。
通常，终端所获取到的人脸图像会受到光照的影响，导致人脸图像偏亮、偏暗或者人脸图像对比度较低等质量问题。由于这些有质量问题的人脸图像的颜色与真实的人脸颜色存在差异，因此若直接对有质量问题的人脸图像进行肤质分析，则会导致肤质分析得到的人脸肤质属性不准确，从而影响目标美妆产品的选择。因此，本发明实施例采用光照一致性算法对初始人脸图像进行正向校准处理，使得校准后的人脸图像的颜色与真实的人脸颜色一致，从而提高选择目标美妆产品的准确性。此处的光照一致性算法可以包括但不限于：基于灰度世界假设(Grey Word Assumption)的光照一致性算法、基于光线传感器的光照一致性算法、基于标志物阴影分析的光照一致性算法、基于标志物表面图像估计光照的光照一致性算法，等等。
本发明实施例以基于灰度世界假设的光照一致性算法为例，对步骤S503作详细阐述。灰度世界假设是指：对于一幅有着大量色彩变化的图像，图像的RGB三个分量的平均值可以趋于同一灰度值。从物理意义上讲，灰度世界假设法假设自然界的景物对于光线的反射的平均值在总体上为一个定值，该定值可以近似于“灰色”。在一种实施方式中，在采用基于灰度世界假设的光照一致性算法对初始人脸图像进行正向校准处理时，可以采用如式1.8所示的公式对初始人脸图像中的每一个像素进行正向校准处理，得到校准后的人脸图像I。在正向校准处理的过程中，还可以得到通过如式1.9所示的公式得到光照颜色L
其中，c表示{r,g,b}颜色通道中的某一个颜色通道，表示初始人脸图像，I表示校准后的人脸图像，和Ii,c分别表示像素i的c通道在初始人脸图像、校准后的人脸图像中的亮度；L表示光照的颜色；n为初始人脸图像中像素的数量。
S504，对校准后的人脸图像进行肤质分析得到人脸肤质属性。
人脸肤质属性可以包括皮肤颜色属性、皮肤粗糙度属性以及皮肤油性度属性。在一种实施方式中，在对校准后的人脸图像I进行肤质分析时，可以对校准后的人脸图像进行本征图像分解，得到皮肤分量A、漫反射分量D以及镜面反射分量S，如式1.10所示。
I＝A*D+S 式1.10
由前述可知，皮肤分量A可用于表示皮肤颜色，漫反射分量D可用于表示皮肤粗糙度，镜面反射分量S可用于表示皮肤油性度。因此，在一种实施方式中，解析皮肤分量得到皮肤颜色属性时，可以直接将皮肤分量作为皮肤颜色属性；解析漫反射分量得到皮肤粗糙度属性时，可以直接将漫反射分量作为皮肤粗糙度属性；解析镜面反射分量得到皮肤油性度属性时，可以直接将镜面反射分量作为皮肤油性度属性；即初始人脸图像的人脸肤质属性为{A,D,S}。
人脸的肤色由多种生物色素构成，例如黑色素、血红蛋白、胡萝卜素以及叶红素等等。通常情况下，人脸的皮肤颜色属性主要由皮肤表皮层细胞含有的黑色素浓度以及真皮层细胞中含有的血红蛋白浓度决定。因此，再一种实施方式中，皮肤颜色属性还包括N维皮肤色素的颜色和沉积度，N为正整数。相应的，在解析皮肤分量得到皮肤颜色属性时，还可以调用双色素线性模型对皮肤分量A进行分解得到N维皮肤色素及N维皮肤色素的浓度；分别对N维皮肤色素的浓度进行平均值运算得到N维皮肤色素的颜色；分别对N维皮肤色素的浓度进行标准差运算得到N维皮肤色素的沉积度。
以N等于2为例，解析皮肤分量，可得到黑色素和血红蛋白两种皮肤色素，并得到黑色素浓度和血红蛋白浓度。此双色素线性模型可以是基于如式1.11所示的色素分解公式所构建的模型。
其中，σm表示黑色素，σm表示血红蛋白，ρm表示黑色素的浓度，ρm表示血红蛋白的浓度。在得到校准后的人脸图像的每一个像素点的黑色素浓度后，可以对人脸部分的所有像素点的黑色素浓度进行平均值运算，得到黑色素的颜色M(ρm)，可以对人脸部分的所有像素点的黑色素浓度进行标准差运算，得到黑色素的沉积度S(ρm)。同理，可以得到血红蛋白的颜色M(ρh)以及血红蛋白的沉积度S(ρh)。
由于当两个像素点的粗糙度相近时，在对此像素点进行本征图像分解时，可能会导致分解得到的这两个像素点的漫反射分量的值有偏差，从而导致得到的皮肤粗糙度属性不准确。因此，再一种实施方式中，解析漫反射分量得到皮肤粗糙度属性时，还可以对漫反射分量进行梯度运算，得到梯度运算后的漫反射分量根据梯度运算后的漫反射分量得到平均漫反射分量并将所述平均漫反射分量作为皮肤粗糙度属性。具体的，可以先对校准后的人脸图像中的人脸部分的每一个像素点的漫反射分量进行梯度运算。然后将所有梯度运算后的漫反射分量进行平均值运算，得到平均漫反射分量。在一种实施方式中，此梯度运算可以是：确定待进行梯度运算的目标像素点及该目标像素点的漫反射分量；获取与该目标像素点相邻的相邻像素点的数量以及各个相邻像素点的漫反射分量；获取该目标像素点的漫反射分量与相邻像素点的数量的乘积，以及所有相邻像素点的漫反射分量的总和；根据目标像素点的漫反射分量与相邻像素点的数量的乘积与所有相邻像素点的漫反射分量的总和进行差值运算。
再一种实施方式中，此梯度运算可以是：确定待进行梯度运算的目标像素点及该目标像素点的漫反射分量；获取与该目标像素点相邻的相邻像素点以及各个相邻像素点的漫反射分量；获取所有相邻像素点的漫反射分量的平均值；根据目标像素点的漫反射分量与所有相邻像素点的漫反射分量的平均值进行差值运算。
在进行本征图像分解时，可能会由于光照、光线等外界因素的影响，导致分解得到的镜面反射分量的值不准确，从而导致得到的皮肤油性度属性不准确。光照或者光线越强，则可能导致镜面反射分量的值越高。因此，再一种实施方式中，解析镜面反射分量得到皮肤油性度属性时，还可以计算镜面反射分量与漫反射分量之间的比值对比值进行平均值运算得到所述皮肤油性度属性通过计算镜面反射分量与漫反射分量的比值，并对比值进行平均值运算，可以减少光照、光线等外界因素的影响，提高皮肤油性度属性的检测结果的准确性。
S505，从美妆产品数据库中获取与初始人脸图像对应的人脸肤质属性相匹配的目标美妆产品的目标美妆参数。
S506，根据目标美妆产品在初始人脸图像中确定待处理对象的区域，对象包括以下至少一种：眼睛、嘴巴、鼻子、脸颊、额头、下巴、眉毛。
S507，采用目标美妆参数对待处理对象的区域进行虚拟试妆得到中间人脸图像。
在确定了待处理对象的区域IO之后，可以获取该待处理对象的区域IO对应的人脸肤质属性：IO＝AO*DO+SO，获取到的目标美妆产品x的目标美妆参数为{xc,xD,xS,xG}以及目标美妆产品的涂抹厚度为T，通过调用前述的美妆模型来采用目标美妆参数对待处理对象的区域进行虚拟试妆，则可以得到中间人脸图像I'。具体的虚拟试妆原理可以参见如式1.12-1.15所示。
A'＝AO*(1-T)+xc*T 式1.12
I'＝A'*D'+S' 式1.15
S508，对中间人脸图像进行反向校准处理得到目标人脸图像。
用户在购买美妆产品时，通常会将初始人脸图像与虚拟上妆后的人脸图像进行对比，并由此决定是否购买此美妆产品。由前述可知，本发明实施例为了消除光照等因素对人脸肤质属性的分析结果的影响，对初始人脸图像进行了正向校准处理，并对校准后的人脸图像进行的肤质检测、虚拟试妆等一系列处理。因此，通过步骤S507所得到的中间人脸图像是消除了光照颜色的，而初始人脸图像是有光照颜色的。因此，本发明实施例还可以采用如式1.16所示的公式对中间人脸图像进行反向校准处理得到包含光照颜色的目标人脸图像。
S509，输出目标人脸图像。
在一种实施方式中，服务器在输出目标人脸图像时，可以将目标美妆产品一起输出。再一种实施方式中，服务器输出目标人脸图像，并在接收到终端发送的目标美妆产品的获取请求时，将目标美妆产品输出至终端。服务器在输出目标美妆产品时，可以输出目标美妆产品的名称和/或目标美妆产品的图片。
终端在接收到目标人脸图像和目标美妆产品后，可以将目标人脸图像和目标美妆产品一同显示在用户界面。在一种实施方式中，终端可以先在用户界面显示目标人脸图像，在接收到目标美妆产品的查询指令时，将目标美妆产品显示在用户界面中。
本发明实施例在进行虚拟试妆处理时，可以先获取初始人脸图像及该初始人脸图像对应的人脸肤质属性，并获取与该初始人脸图像对应的人脸肤质属性相匹配的目标美妆产品的目标美妆参数；根据目标美妆参数对初始人脸图像进行虚拟试妆处理，得到目标人脸图像。本发明实施例中的目标美妆参数可以对应真实存在的美妆产品的美妆参数，采用真实存在的目标美妆参数对初始人脸图像进行虚拟试妆处理，可以使得虚拟试妆效果与实际使用该目标美妆产品后的实际试妆效果一致，提高虚拟试妆效果的真实性。
请参见图6a，是本发明实施例提供的一种图像处理方法的应用场景图。用户想要进行虚拟试妆时，可以在终端中选择上传初始人脸图像，如图6a所示，用户选择点击“实时拍摄”按钮上传初始人脸图像，此时终端可以调用摄像组件来获取当前的人脸图像，并将获取到的人脸图像作为初始人脸图像上传至服务器。在上传了初始人脸图像之后，用户还可以在如图6b所示的用户界面选择美妆产品类型(例如口红)，以及选择美妆产品的涂抹厚度。在用户点击“提交”按钮之后，终端可以获取用户的选择信息，并将选择信息发送给服务器。
服务器在获取到初始人脸图像及初始人脸图像对应的人脸肤质属性之后，可以获取与初始人脸图像对应的人脸肤质属性相匹配的目标口红的目标口红参数；并根据目标口红参数对初始人脸图像的嘴巴区域进行虚拟试妆处理，得到目标人脸图像；并向终端输出该目标人脸图像。终端在接收到此目标人脸图像后，可以在用户界面显示该目标人脸图像，如图6c所示。需要理解的是，此处的目标口红的数量可以是一个，也可以是多个。例如，目标口红的数量为6个，相应的，目标人脸图像为6幅图，如图6d所示。在图6d中，从左往右数，第一行的第一幅图像为初始人脸图像，其余6幅图全为使用不同颜色的目标口红的虚拟试妆效果图(即目标人脸图像)。终端在接收到这些目标人脸图像后，可以依次在用户界面显示这些目标人脸图像。
本发明实施例在进行虚拟试妆处理时，可以先获取初始人脸图像及该初始人脸图像对应的人脸肤质属性，并获取与该初始人脸图像对应的人脸肤质属性相匹配的目标美妆产品的目标美妆参数；根据目标美妆参数对初始人脸图像进行虚拟试妆处理，得到目标人脸图像。本发明实施例中的目标美妆参数可以对应真实存在的美妆产品的美妆参数，采用真实存在的目标美妆参数对初始人脸图像进行虚拟试妆处理，可以使得虚拟试妆效果与实际使用该目标美妆产品后的实际试妆效果一致，提高虚拟试妆效果的真实性。
基于上述图像处理方法实施例的描述，本发明实施例还公开了一种图像处理装置，该图像处理装置可以运行于服务器中的一个计算机程序(包括程序代码)。该图像处理装置可以执行图3或者图5实施例所示的图像处理方法。请参见图7，该图像处理装置运行如下单元：
获取单元101，用于获取初始人脸图像及初始人脸图像对应的人脸肤质属性。
该获取单元101，还可用于获取与所述初始人脸图像对应的人脸肤质属性相匹配的目标美妆产品的目标美妆参数。
处理单元102，用于根据所述目标美妆参数对所述初始人脸图像进行虚拟试妆处理，得到目标人脸图像；
输出单元103，用于输出所述目标人脸图像。
一种实施方式中，获取单元101可具体用于：
接收终端上传的初始人脸图像；
采用光照一致性算法对所述初始人脸图像进行正向校准处理，得到校准后的人脸图像；
对所述校准后的人脸图像进行肤质分析得到人脸肤质属性。
再一种实施方式中，所述人脸肤质属性包括皮肤颜色属性、皮肤粗糙度属性以及皮肤油性度属性；相应的，获取单元101可具体用于：
对所述校准后的人脸图像进行本征图像分解，得到皮肤分量、漫反射分量以及镜面反射分量；
解析所述皮肤分量得到所述皮肤颜色属性，解析所述漫反射分量得到所述皮肤粗糙度属性，以及解析所述镜面反射分量得到所述皮肤油性度属性。
再一种实施方式中，所述皮肤颜色属性包括N维皮肤色素的颜色和沉积度，N为正整数；相应的，获取单元101可具体用于：
调用双色素线性模型对所述皮肤分量进行分解得到N维皮肤色素及所述N维皮肤色素的浓度；
分别对N维皮肤色素的浓度进行平均值运算得到N维皮肤色素的颜色；
分别对N维皮肤色素的浓度进行标准差运算得到N维皮肤色素的沉积度。
再一种实施方式中，获取单元101可具体用于：
对所述漫反射分量进行梯度运算；
根据梯度运算后的漫反射分量得到平均漫反射分量，并将所述平均漫反射分量作为所述皮肤粗糙度属性。
再一种实施方式中，获取单元101可具体用于：
计算所述镜面反射分量与所述漫反射分量之间的比值；
对所述比值进行平均值运算得到所述皮肤油性度属性。
再一种实施方式中，该图像处理装置还可包括构建单元104，用于：
构建美妆产品数据库，所述美妆产品数据库包括至少一个美妆产品的美妆参数，以及与所述至少一个美妆产品的美妆参数相匹配的人脸肤质属性；
所述美妆参数包括：美妆颜色参数、美妆粗糙度参数、美妆油性度参数及美妆珠光参数。
再一种实施方式中，构建单元104可具体用于：
采集样本人脸图像对，所述样本人脸图像对包括样本用户的素颜人脸图像及所述样本用户使用美妆产品之后的妆后人脸图像；
获取所述素颜人脸图像的第一人脸肤质属性及所述妆后人脸图像的第二人脸肤质属性；
将所述第一人脸肤质属性及所述第二人脸肤质属性进行比对分析得到所述美妆产品的美妆参数，并确定与所述美妆参数相匹配的人脸肤质属性；
将所述美妆产品的美妆参数及与所述美妆参数相匹配的人脸肤质属性存储至所述美妆产品数据库。
再一种实施方式中，处理单元102可具体用于：
根据所述目标美妆产品在所述初始人脸图像中确定待处理对象的区域，所述对象包括以下至少一种：眼睛、嘴巴、鼻子、脸颊、额头、下巴、眉毛；
采用目标美妆参数对待处理对象的区域进行虚拟试妆得到中间人脸图像；
对所述中间人脸图像进行反向校准处理得到目标人脸图像。
根据本发明的一个实施例，图3所示的图像处理方法涉及的步骤S301-S304可以是由图7所示的图像处理装置中的各个单元来执行的。例如，图3中所示的步骤S301和S302可由图7中所示的获取单元101来执行，S303和S304可以分别由图7中所示的处理单元102和输出单元103来执行。再一种实施方式中，图5所示的图像处理方法涉及的步骤S501-S509可以是由图7所示的图像处理装置中的各个单元来执行。例如，图5中所示的步骤S501可由图7中所示的构建单元104来执行，S502-S505可由获取单元101来执行，S506-S508可由处理单元102来执行，S509可由输出单元103来执行。
根据本发明的另一个实施例，图7所示的图像处理装置中的各个单元可以分别或全部合并为一个或若干个另外的单元来构成，或者其中的某个(些)单元还可以再拆分为功能上更小的多个单元来构成，这可以实现同样的操作，而不影响本发明的实施例的技术效果的实现。上述单元是基于逻辑功能划分的，在实际应用中，一个单元的功能也可以由多个单元来实现，或者多个单元的功能由一个单元实现。在本发明的其它实施例中，图像处理装置也可以包括其它单元，在实际应用中，这些功能也可以由其它单元协助实现，并且可以由多个单元协作实现。
根据本发明的另一个实施例，可以通过在包括中央处理单元(CPU)、随机存取存储介质(RAM)、只读存储介质(ROM)等处理元件和存储元件的例如计算机的通用计算设备上运行能够执行如图3或图5中所示的图像处理方法涉及的各步骤的计算机程序(包括程序代码)，来构造如图7中所示的图像处理装置设备，以及来实现本发明实施例的图像处理方法。所述计算机程序可以记载于例如计算机可读记录介质上，并通过计算机可读记录介质装载于上述计算设备中，并在其中运行。
本发明实施例在进行虚拟试妆处理时，可以先获取初始人脸图像及该初始人脸图像对应的人脸肤质属性，并获取与该初始人脸图像对应的人脸肤质属性相匹配的目标美妆产品的目标美妆参数；根据目标美妆参数对初始人脸图像进行虚拟试妆处理，得到目标人脸图像。本发明实施例中的目标美妆参数可以对应真实存在的美妆产品的美妆参数，采用真实存在的目标美妆参数对初始人脸图像进行虚拟试妆处理，可以使得虚拟试妆效果与实际使用该目标美妆产品后的实际试妆效果一致，提高虚拟试妆效果的真实性。
基于上述实施例所示的图像处理方法及图像处理装置，本发明实施例还提供了一种服务器。请参见图8，该服务器的内部结构至少包括处理器、通信接口及计算机存储介质。其中，服务器内的处理器、通信接口及计算机存储介质可通过总线或其他方式连接，在本发明实施例所示图8中以通过总线连接为例。
通信接口是实现服务器与终端之间进行交互和信息交换的媒介。处理器(或称CPU(Central Processing Unit，中央处理器))是服务器的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行一条或一条以上指令从而实现相应方法流程或相应功能；本发明实施例所述的处理器用于根据获取到的初始人脸图像进行一系列的图像处理，包括：获取初始人脸图像及初始人脸图像对应的人脸肤质属性；获取与初始人脸图像对应的人脸肤质属性相匹配的目标美妆产品的目标美妆参数；根据所述目标美妆参数对所述初始人脸图像进行虚拟试妆处理，得到目标人脸图像；输出所述目标人脸图像，等等。
计算机存储介质(Memory)是服务器中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机存储介质既可以包括服务器的内置存储介质，当然也可以包括服务器所支持的扩展存储介质。计算机存储介质提供存储空间，该存储空间存储了服务器的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机存储介质可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatilememory)，例如至少一个磁盘存储器；可选的还可以是至少一个位于远离前述处理器的计算机存储介质。
在本发明实施例中，处理器加载并执行计算机存储介质中存放的一条或一条以上指令，以实现上述图像处理方法流程的相应步骤；具体实现中，计算机存储介质中的一条或一条以上指令由处理器加载并执行如下步骤：
获取初始人脸图像及所述初始人脸图像对应的人脸肤质属性；
获取与所述初始人脸图像对应的人脸肤质属性相匹配的目标美妆产品的目标美妆参数；
根据目标美妆参数对初始人脸图像进行虚拟试妆处理，得到目标人脸图像；
输出所述目标人脸图像。
另一种实施方式中，在获取初始人脸图像及所述初始人脸图像对应的人脸肤质属性时，该一条或一条以上指令由处理器加载并执行如下步骤：
接收终端上传的初始人脸图像；
采用光照一致性算法对所述初始人脸图像进行正向校准处理，得到校准后的人脸图像；
对所述校准后的人脸图像进行肤质分析得到人脸肤质属性。
再一种实施方式中，所述人脸肤质属性包括皮肤颜色属性、皮肤粗糙度属性以及皮肤油性度属性；相应的，在对所述校准后的人脸图像进行肤质分析得到人脸肤质属性时，该一条或一条以上指令由处理器加载并执行如下步骤：
对所述校准后的人脸图像进行本征图像分解，得到皮肤分量、漫反射分量以及镜面反射分量；
解析所述皮肤分量得到所述皮肤颜色属性，解析所述漫反射分量得到所述皮肤粗糙度属性，以及解析所述镜面反射分量得到所述皮肤油性度属性。
再一种实施方式中，所述皮肤颜色属性包括N维皮肤色素的颜色和沉积度，N为正整数；相应的，在解析所述皮肤分量得到所述皮肤颜色属性时，该一条或一条以上指令由处理器加载并执行如下步骤：
调用双色素线性模型对所述皮肤分量进行分解得到N维皮肤色素及所述N维皮肤色素的浓度；
分别对所述N维皮肤色素的浓度进行平均值运算得到所述N维皮肤色素的颜色；
分别对所述N维皮肤色素的浓度进行标准差运算得到所述N维皮肤色素的沉积度。
再一种实施方式中，在解析所述漫反射分量得到所述皮肤粗糙度属性时，该一条或一条以上指令由处理器加载并执行如下步骤：
对所述漫反射分量进行梯度运算；
根据梯度运算后的漫反射分量得到平均漫反射分量，并将所述平均漫反射分量作为所述皮肤粗糙度属性。
再一种实施方式中，在解析所述镜面反射分量得到所述皮肤油性度属性时，该一条或一条以上指令由处理器加载并执行如下步骤：
计算所述镜面反射分量与所述漫反射分量之间的比值；
对所述比值进行平均值运算得到所述皮肤油性度属性。
再一种实施方式中，该一条或一条以上指令还可由处理器加载并执行如下步骤：
构建美妆产品数据库，所述美妆产品数据库包括至少一个美妆产品的美妆参数，以及与所述至少一个美妆产品的美妆参数相匹配的人脸肤质属性；
所述美妆参数包括：美妆颜色参数、美妆粗糙度参数、美妆油性度参数及美妆珠光参数。
再一种实施方式中，在构建美妆产品数据库时，该一条或一条以上指令由处理器加载并执行如下步骤：
采集样本人脸图像对，所述样本人脸图像对包括样本用户的素颜人脸图像及所述样本用户使用美妆产品之后的妆后人脸图像；
获取所述素颜人脸图像的第一人脸肤质属性及所述妆后人脸图像的第二人脸肤质属性；
将所述第一人脸肤质属性及所述第二人脸肤质属性进行比对分析得到所述美妆产品的美妆参数，并确定与所述美妆参数相匹配的人脸肤质属性；
将所述美妆产品的美妆参数及与所述美妆参数相匹配的人脸肤质属性存储至所述美妆产品数据库。
再一种实施方式中，在根据所述目标美妆参数对所述初始人脸图像进行虚拟试妆处理，得到目标人脸图像时，该一条或一条以上指令由处理器加载并执行如下步骤：
根据所述目标美妆产品在所述初始人脸图像中确定待处理对象的区域，所述对象包括以下至少一种：眼睛、嘴巴、鼻子、脸颊、额头、下巴、眉毛；
采用目标美妆参数对待处理对象的区域进行虚拟试妆得到中间人脸图像；
对所述中间人脸图像进行反向校准处理得到目标人脸图像。
本发明实施例在进行虚拟试妆处理时，可以先获取初始人脸图像及该初始人脸图像对应的人脸肤质属性，并获取与该初始人脸图像对应的人脸肤质属性相匹配的目标美妆产品的目标美妆参数；根据目标美妆参数对初始人脸图像进行虚拟试妆处理，得到目标人脸图像。本发明实施例中的目标美妆参数可以对应真实存在的美妆产品的美妆参数，采用真实存在的目标美妆参数对初始人脸图像进行虚拟试妆处理，可以使得虚拟试妆效果与实际使用该目标美妆产品后的实际试妆效果一致，提高虚拟试妆效果的真实性。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (12)

1.一种图像处理方法，其特征在于，包括：
获取初始人脸图像及所述初始人脸图像对应的人脸肤质属性；
获取与所述初始人脸图像对应的人脸肤质属性相匹配的目标美妆产品的目标美妆参数；
根据所述目标美妆参数对所述初始人脸图像进行虚拟试妆处理，得到目标人脸图像；
输出所述目标人脸图像。
2.如权利要求1所述的方法，其特征在于，所述获取初始人脸图像及所述初始人脸图像对应的人脸肤质属性，包括：
接收终端上传的初始人脸图像；
采用光照一致性算法对所述初始人脸图像进行正向校准处理，得到校准后的人脸图像；
对所述校准后的人脸图像进行肤质分析得到人脸肤质属性。
3.如权利要求2所述的方法，其特征在于，所述人脸肤质属性包括皮肤颜色属性、皮肤粗糙度属性以及皮肤油性度属性；
所述对所述校准后的人脸图像进行肤质分析得到人脸肤质属性，包括：
对所述校准后的人脸图像进行本征图像分解，得到皮肤分量、漫反射分量以及镜面反射分量；
解析所述皮肤分量得到所述皮肤颜色属性，解析所述漫反射分量得到所述皮肤粗糙度属性，以及解析所述镜面反射分量得到所述皮肤油性度属性。
4.如权利要求3所述的方法，其特征在于，所述皮肤颜色属性包括N维皮肤色素的颜色和沉积度，N为正整数；
所述解析所述皮肤分量得到所述皮肤颜色属性，包括：
调用双色素线性模型对所述皮肤分量进行分解得到N维皮肤色素及所述N维皮肤色素的浓度；
分别对所述N维皮肤色素的浓度进行平均值运算得到所述N维皮肤色素的颜色；
分别对所述N维皮肤色素的浓度进行标准差运算得到所述N维皮肤色素的沉积度。
5.如权利要求3所述的方法，其特征在于，所述解析所述漫反射分量得到所述皮肤粗糙度属性，包括：
对所述漫反射分量进行梯度运算；
根据梯度运算后的漫反射分量得到平均漫反射分量，并将所述平均漫反射分量作为所述皮肤粗糙度属性。
6.如权利要求3所述的方法，其特征在于，所述解析所述镜面反射分量得到所述皮肤油性度属性包括：
计算所述镜面反射分量与所述漫反射分量之间的比值；
对所述比值进行平均值运算得到所述皮肤油性度属性。
7.如权利要求1-6任一项所述的方法，其特征在于，所述方法还包括：
构建美妆产品数据库，所述美妆产品数据库包括至少一个美妆产品的美妆参数，以及与所述至少一个美妆产品的美妆参数相匹配的人脸肤质属性；
所述美妆参数包括：美妆颜色参数、美妆粗糙度参数、美妆油性度参数及美妆珠光参数。
8.如权利要求7所述的方法，其特征在于，所述构建美妆产品数据库，包括：
采集样本人脸图像对，所述样本人脸图像对包括样本用户的素颜人脸图像及所述样本用户使用美妆产品之后的妆后人脸图像；
获取所述素颜人脸图像的第一人脸肤质属性及所述妆后人脸图像的第二人脸肤质属性；
将所述第一人脸肤质属性及所述第二人脸肤质属性进行比对分析得到所述美妆产品的美妆参数，并确定与所述美妆参数相匹配的人脸肤质属性；
将所述美妆产品的美妆参数及与所述美妆参数相匹配的人脸肤质属性存储至所述美妆产品数据库。
9.如权利要求8所述的方法，其特征在于，所述根据所述目标美妆参数对所述初始人脸图像进行虚拟试妆处理，得到目标人脸图像，包括：
根据所述目标美妆产品在所述初始人脸图像中确定待处理对象的区域，所述对象包括以下至少一种：眼睛、嘴巴、鼻子、脸颊、额头、下巴、眉毛；
采用所述目标美妆参数对所述待处理对象的区域进行虚拟试妆得到中间人脸图像；
对所述中间人脸图像进行反向校准处理得到目标人脸图像。
10.一种图像处理装置，其特征在于，包括：
获取单元，用于获取初始人脸图像及所述初始人脸图像对应的人脸肤质属性；
所述获取单元，还用于获取与所述初始人脸图像对应的人脸肤质属性相匹配的目标美妆产品的目标美妆参数；
处理单元，用于根据所述目标美妆参数对所述初始人脸图像进行虚拟试妆处理，得到目标人脸图像；
输出单元，用于输出所述目标人脸图像。
11.一种服务器，其特征在于，还包括：
处理器，适于实现一条或一条以上指令；以及，
计算机存储介质，所述计算机存储介质存储有一条或一条以上指令，所述一条或一条以上指令适于由所述处理器加载并执行如权利要求1-9任一项所述的图像处理方法。
12.一种计算机存储介质，其特征在于，所述计算机存储介质存储有一条或一条以上指令，所述一条或一条以上指令适于由处理器加载并执行如权利要求1-9任一项所述的图像处理方法。
CN201810453935.3A 2018-05-11 2018-05-11 图像处理方法、装置、服务器及计算机存储介质 Active CN108694736B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810453935.3A CN108694736B (zh) 2018-05-11 2018-05-11 图像处理方法、装置、服务器及计算机存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810453935.3A CN108694736B (zh) 2018-05-11 2018-05-11 图像处理方法、装置、服务器及计算机存储介质

Publications (2)

Publication Number Publication Date
CN108694736A true CN108694736A (zh) 2018-10-23
CN108694736B CN108694736B (zh) 2020-03-03

Family

ID=63846489

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810453935.3A Active CN108694736B (zh) 2018-05-11 2018-05-11 图像处理方法、装置、服务器及计算机存储介质

Country Status (1)

Country Link
CN (1) CN108694736B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110135333A (zh) * 2019-05-13 2019-08-16 Oppo广东移动通信有限公司 化妆指导方法、装置、终端及计算机可读存储介质
CN111415185A (zh) * 2019-01-08 2020-07-14 腾讯科技（深圳）有限公司 业务处理方法、装置、终端及存储介质
CN111461837A (zh) * 2020-04-03 2020-07-28 北京爱笔科技有限公司 一种虚拟试妆系统
CN111932332A (zh) * 2020-06-04 2020-11-13 北京旷视科技有限公司 虚拟试妆方法、装置、电子设备和计算机可读介质
CN112163920A (zh) * 2020-08-18 2021-01-01 广州市美图现电子有限公司 测肤美妆系统的使用方法、装置、存储介质和计算机设备
CN112188101A (zh) * 2020-09-30 2021-01-05 广东艾福斯智慧物联科技有限公司 一种智能美妆镜的实现方法和智能美妆镜
CN112686820A (zh) * 2020-12-29 2021-04-20 北京旷视科技有限公司 虚拟美妆方法、装置和电子设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160171755A1 (en) * 2013-08-08 2016-06-16 Adobe Systems Incorporated Automatic geometry and lighting inference for realistic image editing
CN107038748A (zh) * 2015-09-17 2017-08-11 汤姆逊许可公司 用于估计场景中的反射参数和光源的位置的方法和设备
CN107705240A (zh) * 2016-08-08 2018-02-16 阿里巴巴集团控股有限公司 虚拟试妆方法、装置和电子设备
CN107808136A (zh) * 2017-10-31 2018-03-16 广东欧珀移动通信有限公司 图像处理方法、装置、可读存储介质和计算机设备
CN107862657A (zh) * 2017-10-31 2018-03-30 广东欧珀移动通信有限公司 图像处理方法、装置、计算机设备及计算机可读存储介质
CN107995415A (zh) * 2017-11-09 2018-05-04 深圳市金立通信设备有限公司 一种图像处理方法、终端及计算机可读介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160171755A1 (en) * 2013-08-08 2016-06-16 Adobe Systems Incorporated Automatic geometry and lighting inference for realistic image editing
CN107038748A (zh) * 2015-09-17 2017-08-11 汤姆逊许可公司 用于估计场景中的反射参数和光源的位置的方法和设备
CN107705240A (zh) * 2016-08-08 2018-02-16 阿里巴巴集团控股有限公司 虚拟试妆方法、装置和电子设备
CN107808136A (zh) * 2017-10-31 2018-03-16 广东欧珀移动通信有限公司 图像处理方法、装置、可读存储介质和计算机设备
CN107862657A (zh) * 2017-10-31 2018-03-30 广东欧珀移动通信有限公司 图像处理方法、装置、计算机设备及计算机可读存储介质
CN107995415A (zh) * 2017-11-09 2018-05-04 深圳市金立通信设备有限公司 一种图像处理方法、终端及计算机可读介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
CHEN LI 等: "Simulating makeup through physics-based manipulation of intrinsic image layers", 《2015 IEEE CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION (CVPR)》 *
MAHDIJAMPOURAD 等: "Face inpainting based on high-level facial attributes", 《COMPUTER VISION AND IMAGE UNDERSTANDIN》 *
戴海鹏: "本征图像分解方法与应用研究", 《中国优秀硕士学位论文全文数据库（信息科技辑）》 *
李琛: "人脸本征图像分解及其应用", 《中国博士学位论文全文数据库（信息科技辑）》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111415185A (zh) * 2019-01-08 2020-07-14 腾讯科技（深圳）有限公司 业务处理方法、装置、终端及存储介质
CN110135333A (zh) * 2019-05-13 2019-08-16 Oppo广东移动通信有限公司 化妆指导方法、装置、终端及计算机可读存储介质
CN111461837A (zh) * 2020-04-03 2020-07-28 北京爱笔科技有限公司 一种虚拟试妆系统
CN111461837B (zh) * 2020-04-03 2023-10-17 北京爱笔科技有限公司 一种虚拟试妆系统
CN111932332A (zh) * 2020-06-04 2020-11-13 北京旷视科技有限公司 虚拟试妆方法、装置、电子设备和计算机可读介质
CN111932332B (zh) * 2020-06-04 2023-04-21 北京旷视科技有限公司 虚拟试妆方法、装置、电子设备和计算机可读介质
CN112163920A (zh) * 2020-08-18 2021-01-01 广州市美图现电子有限公司 测肤美妆系统的使用方法、装置、存储介质和计算机设备
CN112188101A (zh) * 2020-09-30 2021-01-05 广东艾福斯智慧物联科技有限公司 一种智能美妆镜的实现方法和智能美妆镜
CN112686820A (zh) * 2020-12-29 2021-04-20 北京旷视科技有限公司 虚拟美妆方法、装置和电子设备

Also Published As

Publication number Publication date
CN108694736B (zh) 2020-03-03

Similar Documents

Publication Publication Date Title
CN108694736A (zh) 图像处理方法、装置、服务器及计算机存储介质
Kolkin et al. Style transfer by relaxed optimal transport and self-similarity
Machado et al. Computerized measures of visual complexity
Scherbaum et al. Computer‐suggested facial makeup
Walker et al. Portraits made to measure: Manipulating social judgments about individuals with a statistical face model
Davidenko Silhouetted face profiles: A new methodology for face perception research
Žeger et al. Grayscale image colorization methods: Overview and evaluation
CN108182232B (zh) 基于电子书的人物展示方法、电子设备及计算机存储介质
Eckert et al. Facial cosmetics database and impact analysis on automatic face recognition
WO2013078404A1 (en) Perceptual rating of digital image retouching
US11790586B2 (en) Generating physio-realistic avatars for training non-contact models to recover physiological characteristics
van Zuijlen et al. Painterly depiction of material properties
CN114266695A (zh) 图像处理方法、图像处理系统及电子设备
Lee et al. Emotion-inspired painterly rendering
Fang et al. Facial makeup transfer with GAN for different aging faces
Guo et al. Facial parts swapping with generative adversarial networks
JP4893968B2 (ja) 顔画像の合成方法
Yang et al. Example-based caricature generation with exaggeration control
Bonneel et al. Single photo estimation of hair appearance
CN110390631B (zh) 生成uv光谱图片的方法、系统、网络及存储介质
CN114240736A (zh) 基于VAE和cGAN的同时生成和编辑任意人脸属性的方法
CN114333018A (zh) 整形信息推荐方法、装置及电子设备
Khan et al. Digital makeup from internet images
Spicker et al. Quantifying visual abstraction quality for computer-generated illustrations
Benamira et al. Interpretable Disentangled Parametrization of Measured BRDF with $\beta $-VAE

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