CN108961175A - 人脸亮度调整方法、装置、计算机设备及存储介质 - Google Patents
人脸亮度调整方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN108961175A CN108961175A CN201810573812.3A CN201810573812A CN108961175A CN 108961175 A CN108961175 A CN 108961175A CN 201810573812 A CN201810573812 A CN 201810573812A CN 108961175 A CN108961175 A CN 108961175A
- Authority
- CN
- China
- Prior art keywords
- brightness
- object detection
- detection area
- value
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000001105 regulatory effect Effects 0.000 title claims abstract description 29
- 238000001514 detection method Methods 0.000 claims abstract description 114
- 230000001815 facial effect Effects 0.000 claims abstract description 103
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 33
- 238000004590 computer program Methods 0.000 claims description 24
- 230000006870 function Effects 0.000 claims description 15
- 238000013481 data capture Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 210000004709 eyebrow Anatomy 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- NOQGZXFMHARMLW-UHFFFAOYSA-N Daminozide Chemical compound CN(C)NC(=O)CCC(O)=O NOQGZXFMHARMLW-UHFFFAOYSA-N 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 210000000845 cartilage Anatomy 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 210000004209 hair Anatomy 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G06T5/92—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
Abstract
本发明公开了一种人脸亮度调整方法、装置、计算机设备及存储介质。该人脸亮度调整方法包括：获取人脸图像，基于人脸图像获取目标检测区域；获取目标检测区域中每一像素点的亮度值；采用图像自然亮度算法获取目标检测区域的平均自然亮度值；若平均自然亮度值不在预设自然亮度范围内，则基于平均自然亮度值构建亮度调整曲线，并采用亮度调整曲线对人脸图像进行亮度调整，获取目标图像。该人脸亮度调整方法根据人脸图像的目标检测区域获取平均自然亮度值，基于平均自然亮度值构建亮度调整曲线后进行亮度调整，提高了调整速度和减少失真。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及一种人脸亮度调整方法、装置、计算机设备及存储介质。
背景技术
图像亮度调整是图像处理的一部分，是指对图像中像素值的亮度进行调整。图像亮度本质上图像中每个像素的亮度，每个像素的亮度可用RGB值的大小表述，其中，R代表的是红通道分量，G代表的是绿通道分量，B代表的是蓝通道分量。若R、G和B的值均为0时，像素点为黑色，亮度最暗；若R、G和B的值均为255时，像素点为白色，亮度最亮。
现有图像亮度调整算法中，多为计算像素算术平均值后的像素在RGB通道上的简单加减调整,调整后的图像亮度有较严重的失真,尤其是极亮或极暗的像素点的亮度失真严重，不能保证图像的层次感。
发明内容
本发明实施例提供一种人脸亮度调整方法、装置、计算机设备及存储介质，以解决当前人脸图像亮度调整过程出现失真严重的问题。
一种人脸亮度调整方法，包括：
获取人脸图像，基于所述人脸图像获取目标检测区域；
获取所述目标检测区域中每一像素点的亮度值；
采用图像自然亮度算法对所述亮度值进行处理，获取所述目标检测区域的平均自然亮度值；
若所述平均自然亮度值不在预设自然亮度范围内，则基于所述平均自然亮度值构建亮度调整曲线，并采用所述亮度调整曲线对所述人脸图像进行亮度调整，获取目标图像。
一种人脸亮度调整装置，包括：
目标检测区域获取模块，用于获取人脸图像，基于所述人脸图像获取目标检测区域；
像素点亮度获取模块，用于获取所述目标检测区域中每一像素点的亮度值；
区域平均亮度获取模块，用于采用图像自然亮度算法对所述亮度值进行处理，获取所述目标检测区域的平均自然亮度值；
亮度调整模块，用于若所述平均自然亮度值不在预设自然亮度范围内，则基于所述平均自然亮度值构建亮度调整曲线，并采用所述亮度调整曲线对所述人脸图像进行亮度调整，获取目标图像。
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述人脸亮度调整方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述人脸亮度调整方法的步骤。
上述人脸亮度调整方法、装置、计算机设备及存储介质，获取人脸图像，基于人脸图像获取目标检测区域，可有助于提高亮度调整的速度；获取目标检测区域中每一像素点的亮度值；采用图像自然亮度算法获取目标检测区域的平均自然亮度值，计算过程简单快速，有助于提高亮度调整速度；若平均自然亮度值不在预设自然亮度范围内，则基于平均自然亮度值构建亮度调整曲线，并采用亮度调整曲线对人脸图像进行亮度调整，获取目标图像，减少图像调整过程中亮度的失真，提高目标图像亮度的层次感。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一实施例中人脸亮度调整方法的一应用环境图；
图2是本发明一实施例中人脸亮度调整方法的一流程图；
图3是图2中步骤S10的一流程图；
图4是图3中步骤S13的一流程图；
图5是图2中步骤S40的一流程图；
图6是本发明一实施例中人脸亮度调整装置的一示意图；
图7是本发明一实施例中计算机设备的一示意图。
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，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供的人脸亮度调整方法，可应用在如图1的应用环境中，即该人脸亮度调整方法应用在图1所示的亮度调整系统中，该亮度调整系统包括服务器和与服务器通过网络相连的客户端。客户端可通过WiFi、3G、4G和5G等无线网络或者有线网络中的任一种与服务器进行通信。客户端(Client)或称为用户端,是指与服务器相对应,为客户提供本地服务的程序。该客户端可安装在但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备上。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一实施例中，如图2所示，以该人脸亮度调整方法应用在图1中的服务器为例进行说明，如图2所示，该人脸亮度调整方法包括如下步骤：
S10：获取人脸图像，基于人脸图像获取目标检测区域。
人脸图像是指包含人物脸部的图像，是未经处理的图像，具体可以是客户端实时发送至服务器需要进行图像处理的图像，也可以是客户端预先发送给服务器，并由服务器存储并调用的图像。图像可以是客户端本地存储的图像，也可以是客户端通过摄像头拍摄获取的图像。目标检测区域是指在人脸图像中的检测区域，检测区域可以是去除图像背景及其它干扰因素后，仅保留人脸的区域。
服务器可以采用人脸检测算法识别人脸图像，将检测到的人脸区域作为目标检测区域。目标检测区域是指人脸图像中去除掉背景以及其它不属于人物脸部的因素后保留下来的区域。例如可以利用边缘检测算法对人脸图像进行处理，获取到人物脸部轮廓，确定出包含该人物脸部轮廓的目标检测区域。
S20：获取目标检测区域中每一像素点的亮度值。
像素点是指图像上的最小单元，像素点的亮度值表示该像素点对应的图像的亮度，计算机通过每一像素点的位置、颜色和亮度等信息，从而表示出整幅图像的亮度。一个像素点的亮度值由R、G和B三个像素单元构成，亮度值表示图像色彩的明暗程度。图像的亮度可通过组成该图像的所有像素值的亮度值表示，每一像素点的亮度值位于0-255之间，0代表全黑，255代表全白。
在本实施例中，服务器根据人脸图像获取到目标检测区域后，对目标检测区域进行亮度值计算，以获取每一像素点的亮度值。服务器在获取目标检测区域中每一像素点的亮度值之后，可以采用灰度转换公式进行灰度计算，以获取转换处理后的亮度值，灰度转换公式如下：Gray＝R*0.299+G*0.587+B*0.114，其中，Gray是图像的灰度值，也就是转化后图像的亮度值，R代表的是红通道分量，G代表的是绿通道分量，B代表的是蓝通道分量。将RGB图像转化成灰度图像过程中，采用的灰度转换公式能够实现快速且精度高的运算，从而可快速获得目标检测区域中每一像素点的亮度值，以便于后续基于灰度图像进行亮度调整，有助于提高亮度调整的速率。
S30：采用图像自然亮度算法对亮度值进行处理，获取目标检测区域的平均自然亮度值。
图像自然亮度算法是指根据图像中每一像素点的亮度值计算图像平均亮度的算法。平均自然亮度值是表示图像的明亮程度的平均值，
在本实施例中，服务器获取到目标检测区域中每一像素点的亮度值后，基于每一像素点的亮度值，采用图像自然亮度算法进行平均自然亮度值的计算，图像自然亮度算法公式如下：其中，N为目标检测区域的像素点数量，Lumave为目标检测区域的平均自然亮度值，Lum(x,y)为目标检测区域的像素点(x,y)对应的亮度值，δ为常数。δ是一个较小的常数，用于防止求对数的计算结果趋于负无穷的情况，如δ可取0.0001。对于目标检测区域的每个像素点，计算出该像素点的亮度值Lum(x,y)，然后求出该亮度值Lum(x,y)与一常数δ的和值的自然对数；接着对所有像素点的亮度值Lum(x,y)对应的自然对数求平均值；再求该平均值的自然指数值，即可获取该平均自然亮度值。通过图像自然亮度算法获取的平均自然亮度值比直接计算平均值的平均亮度更符合人眼对亮度的判断，可有效减少后续进行亮度调整的失真，有助于提高调整后人脸图像亮度的层次感。
S40：若平均自然亮度值不在预设自然亮度范围内，则基于平均自然亮度值构建亮度调整曲线，并采用亮度调整曲线对人脸图像进行亮度调整，获取目标图像。
预设自然亮度范围是指预先设置的用来判断图像的平均自然亮度值是否满足处理要求的一个亮度值范围，图像的亮度值范围在[0，255]之间，预设自然亮度范围可以根据需求调整。例如，要将人脸图像进行模型训练，在模型训练时预先设置了合适的自然亮度范围(90-190)，则90-190为预设自然亮度范围。亮度调整曲线是指采用平滑曲线对图像进行曲线拟合得出的一条亮度曲线，可利用该亮度曲线对图像的亮度调整。亮度调整是指在人脸图像中根据亮度调整曲线进行每一像素点亮度值的调整。目标图像是指依照亮度调整曲线完成每一像素点亮度值调整的人脸图像。
在本实施例中，基于平均自然亮度值构建亮度调整曲线可以通过平滑曲线拟合的方法来实现，以三个坐标点进行曲线拟合，得到平滑曲线，即亮度调整曲线。具体地，可以采用均匀B样条、准均匀B样条、分段Bezier或者非均匀B样条曲线进行曲线拟合。基于该亮度调整曲线，获取人脸图像的每一像素点的目标亮度值，将人脸图像中每一像素点的亮度值进行调整处理，即将每一像素点的亮度值调整为对应的目标亮度值，完成后得到目标图像。
例如，服务器可以采用非线性调整方式，基于平均自然亮度值构建亮度调整曲线，具体包括：在平面坐标系中，设定横坐标和纵坐标为0-255中每一具体亮度值，也可在横坐标和纵坐标将0-255划分为多个亮度区间，将横坐标作为调整前人脸图像中每一像素点的亮度值，纵坐标作为调整后人脸图像中相应像素点的亮度值，通过确定曲线类型和拟合处理的坐标点，基于该平均自然亮度值进行拟合处理。进一步地，对人脸图像进行拟合处理时，曲线类型可选择非均匀B样条曲线，拟合处理的坐标点可以是预先设定的，基于非均匀B样条曲线和拟合处理的坐标点获得亮度调整曲线，基于该亮度调整曲线对人脸图像进行拟合处理，有助于后续利用该亮度调整曲线快捷地对人脸图像进行亮度调整，整个调整过程简单。
在本实施例所提供的人脸亮度调整方法中，服务器获取人脸图像，基于人脸图像获取目标检测区域，为后续依据目标检测区域的亮度值对整个人脸图像的亮度进行调整提供基础，以便减少计算数据量，从而提高亮度调整速度。服务器在获取目标检测区域中每一像素点的亮度值，采用图像自然亮度算法计算获取目标检测区域的平均自然亮度值，计算过程简单快速，有助于提高亮度调整速度。服务器通过预设自然亮度范围的设置，可在平均自然亮度值不在预设自然亮度范围内时，基于平均自然亮度值构建亮度调整曲线，并采用亮度调整曲线对人脸图像进行亮度调整，获取目标图像。采用预设自然亮度范围作为判断是否进行亮度调整的依据，并基于平均自然亮度值构建亮度调整曲线，使得基于亮度调整曲线进行亮度调整获取目标图像时，亮度调整更均衡，减少图像调整过程中亮度的失真，提高调整后图像亮度的层次感。
在一实施例中，如图3所示，步骤S10中基于人脸图像获取目标检测区域，具体包括如下步骤：
S11：采用人脸特征点检测算法检测人脸图像的面部特征点数据，面部特征点数据包括坐标数据和局部特征值。
人脸特征点检测算法是指根据输入的人脸图像，自动定位出面部关键特征点(如眼睛、鼻尖、嘴角、眉毛以及人脸各部位轮廓点等)的算法。面部特征点数据是指人物面部所有特征点的数据，本实施例中的特征点主要包括眼睛、鼻尖、嘴角及眉毛等。面部特征点数据包括坐标数据和局部特征值。坐标数据是指表示面部特征点的位置信息的数据，局部特征值是表示面部特征点的特征信息的数据。
在本实施例中，可以采用基于Harr(哈尔)特征的Adaboost(迭代算法)人脸特征点检测算法，利用OpenCV(计算机视觉库)自带的基于Harr特征的V-Jdetector(探测器)来进行检测人脸图像的面部特征点，获取面部特征点数据。检测过程如下：先加载Harr特征检测分类器，载入待检测的人脸图像，调用内部函数进行识别和标记，当检测到人物时，生成检测窗口。再根据级联分类器(即基于Adaboost的分类器)检测检测窗口中的各面部特征点，获取面部特征点数据。面部特征点数据包括坐标数据和局部特征值，其中，将面部特征点的检测窗口的中心位置作为该面部特征点的坐标数据，将根据检测窗口提取到的Harr特征值作为该面部特征点的局部特征值。
S12：根据坐标数据和局部特征值，提取人脸图像中的五官区域。
五官区域是指包含人的五官(眉毛、眼睛、鼻子、嘴巴和耳朵)的区域，即根据面部特征点的坐标数据和局部特征值判断出该面部特征点属于五官中的哪一特征点。
在本实施例中，可以基于OpenCV自带的基于Harr特征的V-Jdetector来获取面部特征点数据，根据任一面部特征点的坐标数据和局部特征值数据来识别该面部特征点为哪一五官特征。提取五官区域的过程如下：加载Harr特征五官检测分类器，载入待检测的人脸图像，调用内部函数进行识别和标记，当检测到对应的五官特征时，生成检测窗口，确定五官特征点，从而确定人脸图像中的五官区域。
S13：根据五官区域中的鼻尖和双眼外眼角的坐标数据，获取目标检测区域。
鼻尖是指位于人脸的中央，由两侧鼻翼软骨内脚及鼻尖部软组织组成的人脸特征。双眼外眼角是指人的双眼靠近太阳穴的眼睛的尾部。
在本实施例中，可以基于OpenCV自带的基于Harr特征的V-Jdetector获取的面部特征点数据后提取的五官区域，根据五官区域中的鼻尖和双眼外眼角的坐标数据，获取目标检测区域，具体过程如下：先提取出鼻尖和双眼外眼角的坐标数据，以这三个坐标数据来确定目标检测区域，确定的方法可以有多种，第一种为根据三个点的坐标数据，每个点之间互相连接构建一个三角形区域，将该三角形区域作为目标检测区域；第二种为根据三个点的坐标数据，选择任一点的坐标数据做一水平直线，再由其它两点分别做与该水平直线垂直的垂直线，将其它两点连接起来构建一个矩形区域，将该矩形区域作为目标检测区域。
在步骤S11-步骤S13中，采用基于Harr(哈尔)特征的Adaboost(迭代算法)人脸特征点检测算法，利用OpenCV(计算机视觉库)自带的基于Harr特征的V-Jdetector(探测器)检测人脸图像的面部特征点数据，从面部特征点数据中提取出五官区域，并根据五官区域中的鼻夹和双眼外眼角的坐标确定目标检测区域，能够快速进行面部特征检测以确定目标检测区域，以便利用该目标检测区域的亮度值中进行亮度调整，有助于提高人脸亮度调整的速度。
在一实施例中，如图4所示，步骤S13，根据五官区域中的鼻尖和双眼外眼角的坐标数据，获取目标检测区域，具体包括如下步骤：
S131：基于鼻尖的坐标数据作一水平直线。
水平直线是指与水平面平行的线，在本实施例中，可以在人脸图像中构建构建一直角坐标系，以直角坐标系的X轴方向为水平方向，y轴方向为竖直方向，根据鼻尖的坐标数据获取鼻尖的x坐标和y坐标，以鼻尖的y坐标作一水平直线。
S132：基于双眼外眼角的坐标数据和水平直线构建一矩形区域，将矩形区域确定为目标检测区域。
矩形区域是指一形状为矩形的区域，在本实施例中，在人脸图像的直角坐标系中，以鼻尖的y坐标作一条平行于X轴方向的水平直线，再根据双眼外眼角的坐标数据，由双眼外眼角两点分别作与该水平直线垂直的垂直线，将双眼外眼角两点连接起来构建一个矩形区域，将该矩形区域作为目标检测区域。
步骤S131和步骤S132中，以鼻尖和双眼外眼角构建的矩形区域作为目标检测区域，减少了检测区域的面积和计算量，有助于提高人脸亮度调整的速率。
在一实施例中，如图5所示，步骤S40中的基于平均自然亮度值构建亮度调整曲线，并采用亮度调整曲线对人脸图像进行亮度调整，获取目标图像，具体包括如下步骤：
S41：基于平均自然亮度值和预设的最佳亮度值，获取亮度调整值drtb。
最佳亮度值是指最适合作为亮度调整的参考依据的亮度值，例如，预设自然亮度范围为90-190，可以取中间值140作为一个亮度最佳值。亮度调整值drtb是指用于确定曲线拟合的中间点的调整值，是由亮度最佳值减去平均自然亮度值得到的值。例如，预设自然亮度范围为90-190，当平均自然亮度值小于90时，drtb是一个正值，如当平均亮度值为80，则drtb＝140-80＝60；当平均自然亮度值大于190时，drtb是一个负值，如当平均自然亮度值为200时，则drtb＝140-200＝-60。
S42：对(0，0)、(127，127+drtb)和(255，255)三个坐标点进行平滑曲线拟合，得到亮度调整曲线。
平滑曲线拟合是指选择适当的曲线类型来拟合像素点的亮度值，并用拟合的函数公式确定调整前像素点的亮度值和调整后像素点的亮度值的关系。亮度调整曲线是指由平滑曲线拟合得出的用于调整图像亮度的曲线，亮度调整曲线可体现调整前像素点的亮度值与调整后像素值的亮度值的关系。
在本实施例中，服务器可以采用均匀B样条、准均匀B样条、分段Bezier或者非均匀B样条曲线来进行平滑曲线拟合。例如，在人脸图像中建立一平面坐标系，在平面坐标系中横坐标和纵坐标的值为0-255，预设自然亮度范围为90-190，平均自然亮度值为80，由于平均自然亮度值不在预设自然亮度范围内，因此需要进行亮度调整。由于平均自然亮度值为80，亮度最佳值为140，则计算获得的亮度调整值drtb为60，即确定的三个坐标点分别为(0，0)、(127，187)和(255，255)，选定一种曲线类型，如均匀B样条曲线后对(0，0)、(127，187)和(255，255)三个坐标点进行拟合处理，获得一条平滑曲线，该平滑曲线就是亮度调整曲线。
S43：根据亮度调整曲线调整人脸图像中每一像素点的亮度值，获取目标图像。
根据亮度调整曲线调整人脸图像中每一像素点的亮度值具体包括：在亮度调整曲线上找到人脸图像中每一像素点对应的调整后的目标亮度值，判断像素点的亮度值与目标亮度值是否相同，若像素点的亮度值与目标亮度值不相同时，将像素点的亮度值调整为与目标亮度值相同的亮度值。
在步骤S41-步骤S43中，基于平均自然亮度值和预设的最佳亮度值，获取亮度调整值drtb，对(0，0)、(127，127+drtb)和(255，255)三个坐标点进行平滑曲线拟合，得到亮度调整曲线；再根据亮度调整曲线调整人脸图像中每一像素点的亮度值，获取目标图像，实现对人脸亮度的亮度进行快速调整，减少调整后的目标图像亮度的失真，保证目标图像亮度的层次感。
在一实施例中，步骤S42，对(0，0)、(127，127+drtb)和(255，255)三个坐标点进行平滑曲线拟合，得到亮度调整曲线，具体包括：
采用非均匀B样条曲线对(0，0)、(127，127+drtb)和(255，255)三个坐标点采用进行平滑曲线拟合，得到亮度调整曲线；
其中，非均匀B样条曲线的数学表达式为其中，P(K)为曲线上的位置向量，Ni,m(K)为m次样条基函数，Ri为权因子，Pi为控制点，K为节点矢量。
非均匀B样条曲线(NURBS，Non Uniform Rational B-spline)，是一种用途广泛的样条曲线，它不仅能够用于描述自由曲线和曲面，而且还提供包括能精确表达圆锥曲线曲面在内各种几何体的统一表达式，其数学表达式为：
式中，P(K)为曲线上的位置向量，Ni,m(K)为m次样条基函数，Ri为权因子，Pi为控制点，K为节点矢量。
m次样条基函数由递推公式定义：
区间的间距可以为任意值，因此可以在不同区间上得到不同的混合函数形状，为自由控制曲线形状提供了更大自由。均匀与非均匀的主要区别在于节点向量的值。如果适当设定节点向量，可以生成一种开放均匀样条，它是均匀与非均匀的交叉部分。开放均匀样条在两端的节点值会重复d次，其节点间距是均匀的。位置向量是指以原点为起始点，以该点为终点的向量。例如，坐标平面内的任意一点C(127，127+drtb)，把向量OC叫做点C的位置向量。
本实施例中，可以采用非均匀B样条曲线对(0，0)、(127，127+drtb)和(255，255)三个坐标点进行曲线拟合，得到一条平滑曲线作为亮度调整曲线，以便后续通过该亮度调整曲线对每一像素点的亮度值进行调整，使得亮度调整后的图像亮度更均衡，避免调整后的目标图像存在严重的亮度失真，保证调整后目标图像在亮度上的层次感，并且，通过该亮度调整曲线能够对人脸图像进行快速亮度调整。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
在一实施例中，图6示出与上述实施例中人脸亮度调整方法一一对应的人脸亮度调整装置的原理框图。如图6所示，该人脸亮度调整装置包括目标检测区域获取模块10、像素点亮度获取模块20、区域平均亮度获取模块30和亮度调整模块40，各功能模块详细说明如下：
目标检测区域获取模块10，用于获取人脸图像，基于所述人脸图像获取目标检测区域。
像素点亮度获取模块20，用于获取所述目标检测区域中每一像素点的亮度值。
区域平均亮度获取模块30，用于采用图像自然亮度算法对所述亮度值进行处理，获取所述目标检测区域的平均自然亮度值。
亮度调整模块40，用于若所述平均自然亮度值不在预设自然亮度范围内，则基于所述平均自然亮度值构建亮度调整曲线，并采用所述亮度调整曲线对所述人脸图像进行亮度调整，获取目标图像。
具体地，目标检测区域获取模块10包括面部特征点数据获取单元11、五官区域提取单元12和目标检测区域确定单元13。
面部特征点数据获取单元11，用于采用人脸特征点检测算法检测所述人脸图像的面部特征点数据，所述面部特征点数据包括坐标数据和局部特征值。
五官区域提取单元12，用于根据所述坐标数据和所述局部特征值，提取所述人脸图像中的五官区域。
目标检测区域确定单元13，用于根据所述五官区域中的鼻尖和双眼外眼角的坐标数据，获取所述目标检测区域。
具体地，目标检测区域确定单元13包括水平直线确定子单元131和矩形区域确定子单元132。
水平直线确定子单元131，用于基于所述鼻尖的坐标数据作一水平直线。
矩形区域确定子单元132，用于基于所述双眼外眼角的坐标数据和所述水平直线构建一矩形区域，将所述矩形区域确定为所述目标检测区域。
具体地，图像自然亮度算法的公式为：其中，N为目标检测区域的像素点数量，Lumave为目标检测区域的平均自然亮度值，Lum(x,y)为目标检测区域的像素点(x,y)对应的亮度值，δ为常数。
具体地，亮度调整模块40包括亮度调整值获取单元41、亮度调整曲线获取单元42和目标图像获取单元43。
亮度调整值获取单元41，用于基于所述平均自然亮度值和预设的最佳亮度值，获取亮度调整值drtb。
亮度调整曲线获取单元42，用于对(0，0)、(127，127+drtb)和(255，255)三个坐标点进行平滑曲线拟合，得到亮度调整曲线。
目标图像获取单元43，用于根据所述亮度调整曲线调整所述人脸图像中每一像素点的亮度值，获取目标图像。
具体地，亮度调整曲线获取单元42，用于采用非均匀B样条曲线对(0，0)、(127，127+drtb)和(255，255)三个坐标点采用进行平滑曲线拟合，得到亮度调整曲线；
其中，非均匀B样条曲线的数学表达式为其中，P(K)为曲线上的位置向量，Ni,m(K)为m次样条基函数，Ri为权因子，Pi为控制点，K为节点矢量。
关于人脸亮度调整装置的具体限定可以参见上文中对于人脸亮度调整方法的限定，在此不再赘述。上述人脸亮度调整装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种人脸亮度调整方法。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：获取人脸图像，基于所述人脸图像获取目标检测区域；获取所述目标检测区域中每一像素点的亮度值；采用图像自然亮度算法对所述亮度值进行处理，获取所述目标检测区域的平均自然亮度值；若所述平均自然亮度值不在预设自然亮度范围内，则基于所述平均自然亮度值构建亮度调整曲线，并采用所述亮度调整曲线对所述人脸图像进行亮度调整，获取目标图像。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：采用人脸特征点检测算法检测所述人脸图像的面部特征点数据，所述面部特征点数据包括坐标数据和局部特征值；根据所述坐标数据和所述局部特征值，提取所述人脸图像中的五官区域；根据所述五官区域中的鼻尖和双眼外眼角的坐标数据，获取所述目标检测区域。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：基于所述鼻尖的坐标数据作一水平直线；基于所述双眼外眼角的坐标数据和所述水平直线构建一矩形区域，将所述矩形区域确定为所述目标检测区域。
在一个实施例中，所述图像自然亮度算法的公式为：其中，N为目标检测区域的像素点数量，Lumave为目标检测区域的平均自然亮度值，Lum(x,y)为目标检测区域的像素点(x,y)对应的亮度值，δ为常数。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：基于所述平均自然亮度值和预设的最佳亮度值，获取亮度调整值drtb；对(0，0)、(127，127+drtb)和(255，255)三个坐标点进行平滑曲线拟合，得到亮度调整曲线；根据所述亮度调整曲线调整所述人脸图像中每一像素点的亮度值，获取目标图像。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：采用非均匀B样条曲线对(0，0)、(127，127+drtb)和(255，255)三个坐标点采用进行平滑曲线拟合，得到亮度调整曲线；其中，非均匀B样条曲线的数学表达式为其中，P(K)为曲线上的位置向量，Ni,m(K)为m次样条基函数，Ri为权因子，Pi为控制点，K为节点矢量。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取人脸图像，基于所述人脸图像获取目标检测区域；获取所述目标检测区域中每一像素点的亮度值；采用图像自然亮度算法对所述亮度值进行处理，获取所述目标检测区域的平均自然亮度值；若所述平均自然亮度值不在预设自然亮度范围内，则基于所述平均自然亮度值构建亮度调整曲线，并采用所述亮度调整曲线对所述人脸图像进行亮度调整，获取目标图像。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：采用人脸特征点检测算法检测所述人脸图像的面部特征点数据，所述面部特征点数据包括坐标数据和局部特征值；根据所述坐标数据和所述局部特征值，提取所述人脸图像中的五官区域；根据所述五官区域中的鼻尖和双眼外眼角的坐标数据，获取所述目标检测区域。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：基于所述鼻尖的坐标数据作一水平直线；基于所述双眼外眼角的坐标数据和所述水平直线构建一矩形区域，将所述矩形区域确定为所述目标检测区域。
在一个实施例中，所述图像自然亮度算法的公式为：
其中，N为目标检测区域的像素点数量，Lumave为目标检测区域的平均自然亮度值，Lum(x,y)为目标检测区域的像素点(x,y)对应的亮度值，δ为常数。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：基于所述平均自然亮度值和预设的最佳亮度值，获取亮度调整值drtb；对(0，0)、(127，127+drtb)和(255，255)三个坐标点进行平滑曲线拟合，得到亮度调整曲线；根据所述亮度调整曲线调整所述人脸图像中每一像素点的亮度值，获取目标图像。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：采用非均匀B样条曲线对(0，0)、(127，127+drtb)和(255，255)三个坐标点采用进行平滑曲线拟合，得到亮度调整曲线；其中，非均匀B样条曲线的数学表达式为其中，P(K)为曲线上的位置向量，Ni,m(K)为m次样条基函数，Ri为权因子，Pi为控制点，K为节点矢量。
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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。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)或者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(DDRSDRAM)、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)等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种人脸亮度调整方法，其特征在于，包括：
获取人脸图像，基于所述人脸图像获取目标检测区域；
获取所述目标检测区域中每一像素点的亮度值；
采用图像自然亮度算法对所述亮度值进行处理，获取所述目标检测区域的平均自然亮度值；
若所述平均自然亮度值不在预设自然亮度范围内，则基于所述平均自然亮度值构建亮度调整曲线，并采用所述亮度调整曲线对所述人脸图像进行亮度调整，获取目标图像。
2.如权利要求1所述的人脸亮度调整方法，其特征在于，所述基于所述人脸图像获取目标检测区域，包括：
采用人脸特征点检测算法检测所述人脸图像的面部特征点数据，所述面部特征点数据包括坐标数据和局部特征值；
根据所述坐标数据和所述局部特征值，提取所述人脸图像中的五官区域；
根据所述五官区域中的鼻尖和双眼外眼角的坐标数据，获取所述目标检测区域。
3.如权利要求2所述的人脸亮度调整方法，其特征在于，所述根据所述五官区域中的鼻尖和双眼外眼角的坐标数据，获取所述目标检测区域，包括：
基于所述鼻尖的坐标数据作一水平直线；
基于所述双眼外眼角的坐标数据和所述水平直线构建一矩形区域，将所述矩形区域确定为所述目标检测区域。
4.如权利要求1所述的人脸亮度调整方法，其特征在于，所述图像自然亮度算法的公式为：其中，N为目标检测区域的像素点数量，Lumave为目标检测区域的平均自然亮度值，Lum(x,y)为目标检测区域的像素点(x,y)对应的亮度值，δ为常数。
5.如权利要求1所述的人脸亮度调整方法，其特征在于，所述基于所述平均自然亮度值构建亮度调整曲线，并采用所述亮度调整曲线对所述人脸图像进行亮度调整，获取目标图像，包括：
基于所述平均自然亮度值和预设的最佳亮度值，获取亮度调整值drtb；
对(0，0)、(127，127+drtb)和(255，255)三个坐标点进行平滑曲线拟合，得到亮度调整曲线；
根据所述亮度调整曲线调整所述人脸图像中每一像素点的亮度值，获取目标图像。
6.如权利要求5所述的人脸亮度调整方法，其特征在于，所述对(0，0)、(127，127+drtb)和(255，255)三个坐标点进行平滑曲线拟合，得到亮度调整曲线，包括：
采用非均匀B样条曲线对(0，0)、(127，127+drtb)和(255，255)三个坐标点采用进行平滑曲线拟合，得到亮度调整曲线；
其中，非均匀B样条曲线的数学表达式为其中，P(K)为曲线上的位置向量，Ni,m(K)为m次样条基函数，Ri为权因子，Pi为控制点，K为节点矢量。
7.一种人脸亮度调整装置，其特征在于，包括：
目标检测区域获取模块，用于获取人脸图像，基于所述人脸图像获取目标检测区域；
像素点亮度获取模块，用于获取所述目标检测区域中每一像素点的亮度值；
区域平均亮度获取模块，用于采用图像自然亮度算法对所述亮度值进行处理，获取所述目标检测区域的平均自然亮度值；
亮度调整模块，用于若所述平均自然亮度值不在预设自然亮度范围内，则基于所述平均自然亮度值构建亮度调整曲线，并采用所述亮度调整曲线对所述人脸图像进行亮度调整，获取目标图像。
8.如权利要求7所述的人脸亮度调整装置，其特征在于，所述目标检测区域获取模块包括：
面部特征点数据获取单元，用于采用人脸特征点检测算法检测所述人脸图像的面部特征点数据，所述面部特征点数据包括坐标数据和局部特征值；
五官区域提取单元，用于根据所述坐标数据和所述局部特征值，提取所述人脸图像中的五官区域；
目标检测区域确定单元，用于根据所述五官区域中的鼻尖和双眼外眼角的坐标数据，获取所述目标检测区域。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述人脸亮度调整方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，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6任一项所述人脸亮度调整方法的步骤。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810573812.3A CN108961175B (zh) | 2018-06-06 | 2018-06-06 | 人脸亮度调整方法、装置、计算机设备及存储介质 |
| PCT/CN2018/092652 WO2019232834A1 (zh) | 2018-06-06 | 2018-06-25 | 人脸亮度调整方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810573812.3A CN108961175B (zh) | 2018-06-06 | 2018-06-06 | 人脸亮度调整方法、装置、计算机设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108961175A true CN108961175A (zh) | 2018-12-07 |
| CN108961175B CN108961175B (zh) | 2023-04-07 |
Family
ID=64492990
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810573812.3A Active CN108961175B (zh) | 2018-06-06 | 2018-06-06 | 人脸亮度调整方法、装置、计算机设备及存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN108961175B (zh) |
| WO (1) | WO2019232834A1 (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109859142A (zh) * | 2019-02-19 | 2019-06-07 | 广州视源电子科技股份有限公司 | 图像亮度的调节方法、装置、计算机设备和存储介质 |
| CN110689488A (zh) * | 2019-08-22 | 2020-01-14 | 稿定（厦门）科技有限公司 | 图像调色方法、介质、设备及装置 |
| CN110706161A (zh) * | 2019-08-22 | 2020-01-17 | 稿定（厦门）科技有限公司 | 图像的亮度调整方法、介质、设备及装置 |
| CN111047533A (zh) * | 2019-12-10 | 2020-04-21 | 成都品果科技有限公司 | 一种人脸图像的美化方法和装置 |
| CN112969022A (zh) * | 2021-01-29 | 2021-06-15 | 新东方教育科技集团有限公司 | 摄像头调整方法、系统、存储介质及电子设备 |
| CN113034382A (zh) * | 2021-02-23 | 2021-06-25 | 深圳市创想三维科技有限公司 | 亮度均匀度调节方法、装置、计算机设备和可读存储介质 |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113221618B (zh) * | 2021-01-28 | 2023-10-17 | 深圳市雄帝科技股份有限公司 | 人脸图像去高光的方法、系统及其存储介质 |
| CN114612320B (zh) * | 2022-03-04 | 2023-09-29 | 业成科技（成都）有限公司 | 图像亮度优化方法、装置、计算机设备和存储介质 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1671187A (zh) * | 2004-03-15 | 2005-09-21 | 德鑫科技股份有限公司 | 数字图像的曝光校正方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI283396B (en) * | 2004-03-23 | 2007-07-01 | Lite On Technology Corp | Method for adjusting image contrast |
-
2018
- 2018-06-06 CN CN201810573812.3A patent/CN108961175B/zh active Active
- 2018-06-25 WO PCT/CN2018/092652 patent/WO2019232834A1/zh active Application Filing
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1671187A (zh) * | 2004-03-15 | 2005-09-21 | 德鑫科技股份有限公司 | 数字图像的曝光校正方法 |
Non-Patent Citations (2)
| Title |
|---|
| ERIK REINHARD 等: "Photographic Tone Reproduction for Digital Images" * |
| 侯军燕: "有限元法在人脸建模中的应用研究" * |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109859142A (zh) * | 2019-02-19 | 2019-06-07 | 广州视源电子科技股份有限公司 | 图像亮度的调节方法、装置、计算机设备和存储介质 |
| CN109859142B (zh) * | 2019-02-19 | 2021-06-22 | 广州视源电子科技股份有限公司 | 图像亮度的调节方法、装置、计算机设备和存储介质 |
| CN110689488A (zh) * | 2019-08-22 | 2020-01-14 | 稿定（厦门）科技有限公司 | 图像调色方法、介质、设备及装置 |
| CN110706161A (zh) * | 2019-08-22 | 2020-01-17 | 稿定（厦门）科技有限公司 | 图像的亮度调整方法、介质、设备及装置 |
| CN110689488B (zh) * | 2019-08-22 | 2022-03-04 | 稿定（厦门）科技有限公司 | 图像调色方法、介质、设备及装置 |
| CN110706161B (zh) * | 2019-08-22 | 2022-07-19 | 稿定（厦门）科技有限公司 | 图像的亮度调整方法、介质、设备及装置 |
| CN111047533A (zh) * | 2019-12-10 | 2020-04-21 | 成都品果科技有限公司 | 一种人脸图像的美化方法和装置 |
| CN111047533B (zh) * | 2019-12-10 | 2023-09-08 | 成都品果科技有限公司 | 一种人脸图像的美化方法和装置 |
| CN112969022A (zh) * | 2021-01-29 | 2021-06-15 | 新东方教育科技集团有限公司 | 摄像头调整方法、系统、存储介质及电子设备 |
| CN112969022B (zh) * | 2021-01-29 | 2023-09-01 | 新东方教育科技集团有限公司 | 摄像头调整方法、系统、存储介质及电子设备 |
| CN113034382A (zh) * | 2021-02-23 | 2021-06-25 | 深圳市创想三维科技有限公司 | 亮度均匀度调节方法、装置、计算机设备和可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2019232834A1 (zh) | 2019-12-12 |
| CN108961175B (zh) | 2023-04-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108961175A (zh) | 人脸亮度调整方法、装置、计算机设备及存储介质 | |
| US20220083763A1 (en) | Face image processing methods and apparatuses, and electronic devices | |
| CN104978710B (zh) | 一种基于拍照识别调节人脸亮度的方法和装置 | |
| CN104994306B (zh) | 一种基于脸部亮度自动调整曝光度的摄像方法和摄像装置 | |
| US8331666B2 (en) | Automatic red eye artifact reduction for images | |
| US9746918B2 (en) | Eye tracking | |
| CN105096267B (zh) | 一种基于拍照识别调节眼部亮度的方法和装置 | |
| CN107506693B (zh) | 畸变人脸图像校正方法、装置、计算机设备和存储介质 | |
| CN106878695A (zh) | 白平衡处理的方法、装置和计算机设备 | |
| WO2007072907A1 (ja) | 階調補正方法、階調補正装置、階調補正プログラム及び画像機器 | |
| US10892166B2 (en) | System and method for light field correction of colored surfaces in an image | |
| CN107730444A (zh) | 图像处理方法、装置、可读存储介质和计算机设备 | |
| US20160110846A1 (en) | Automatic display image enhancement based on user's visual perception model | |
| CN110032271A (zh) | 对比度调节装置及其方法、虚拟现实设备及存储介质 | |
| CN109978884A (zh) | 基于人脸分析的多人图像评分方法、系统、设备及介质 | |
| CN106846240B (zh) | 一种调整融合素材的方法、装置和设备 | |
| CN107909058A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
| CN110610176A (zh) | 一种基于人脸亮度的曝光自适应调节方法 | |
| CN111240612A (zh) | 一种调节屏幕分辨率的方法及终端 | |
| CN110533732A (zh) | 图像中肤色的识别方法、装置、电子设备及存储介质 | |
| CN107909542A (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
| CN112581564B (zh) | 一种图像生成方法、装置、电子设备和存储介质 | |
| CN109214367A (zh) | 一种基于视觉注意机制的人脸检测方法 | |
| CN113411507A (zh) | 测肤图像的获取方法、装置、设备及存储介质 | |
| CN113610723B (zh) | 图像处理方法及相关装置 |
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 |