CN109727198B - 一种基于肤色检测的图像亮度优化方法 - Google Patents
一种基于肤色检测的图像亮度优化方法 Download PDFInfo
- Publication number
- CN109727198B CN109727198B CN201910005052.0A CN201910005052A CN109727198B CN 109727198 B CN109727198 B CN 109727198B CN 201910005052 A CN201910005052 A CN 201910005052A CN 109727198 B CN109727198 B CN 109727198B
- Authority
- CN
- China
- Prior art keywords
- image
- skin color
- value
- original image
- brightness
- 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.)
- Active
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种基于肤色检测的图像亮度优化方法,属于图像处理技术领域,包括步骤:S1、将原始图像进行缩放,得到第一图像;S2、将所述第一图像转换为YCbCr格式的图像,得到第二图像;S3、遍历所述第二图像的每个像素点,根据Cb和Cr值筛选出肤色点,得到肤色点总数量;S4、提取肤色参考亮度值;S5、根据肤色参考亮度值,计算得到补偿系数;S6、根据所述补偿系数对原始图像进行调整,得到优化后的图像;本发明方法最终主要是提升了皮肤部分的亮度,对衣服、背景的提亮比较弱,但又比单纯的增加对比度更加自然和清晰,非常适合在手机自拍类软件使用,且算法简单,但稳定有效。
Description
技术领域
本发明涉及图像处理技术领域,特别是涉及一种基于肤色检测的图像亮度优化方法。
背景技术
图像增强是目前图像领域中一个重要的课题,其最重要的一点就是提升图像亮度,使图像中的主体内容能更容易被辨识,同时扩大图像中的信息量,加强图像的可识别性。尤其在人像图像领域,我们经常会遇到照片中的人脸较黑,导致人脸检测、性别检测等检测算法出现一些不精确的情况。
目前自动亮度算法有全图均值法、高斯模糊叠加法、自动色阶法等。这些算法虽然能改善图像亮度,但算法相对复杂,运行速度慢,且不是针对人物的,所以利用现有的算法直接进行亮度优化,会造成照片中的人物亮度过亮或过暗,无法得到我们理想中的照片,这对于目前自拍流行的时代来说,无疑的不受待见的。此外,现有大部分的算法都是提亮,很少有自动降低亮度的功能。
发明内容
为了解决上述问题,本发明首先提供一种基于肤色检测的图像亮度优化方法,解决现有技术算法复杂,运行速度慢,亮度优化时造成照片中的人物亮度过亮或过暗,无法得到我们理想中的照片的问题。
为此,本发明采用的技术方案是:
提供一种基于肤色检测的图像亮度优化方法,包括以下步骤:
S1、将原始图像进行缩放,得到第一图像;
S2、将所述第一图像转换为YCbCr格式的图像,得到第二图像;
S3、遍历所述第二图像的每个像素点,根据Cb和Cr值筛选出肤色点,得到肤色点总数量;
S4、将步骤S3得到的肤色点按Y分量值进行分类统计,得到各Y分量值的累计数量,将各Y分量值的累计数量从大到小依次累加,提取使所述累加的值首次大于所述肤色点总数量30%时的最后一个被累加的Y分量值的累计数量对应的Y分量值作为肤色参考亮度值;
使用这个方法得出的结果会更加稳定,不容易受到画面噪点的干扰,且有效过滤皮肤中的高光和阴影部分,比使用均值效果会好很多。
S5、根据步骤S4得到的肤色参考亮度值,计算得到补偿系数;
S6、根据所述补偿系数对原始图像进行调整,得到优化后的图像。
肤色检测(即肤色点筛选),并提取肤色亮度参考值过程,可以替换为其他的肤色检测方法,例如RGBA的肤色检测法、高斯模型法等,本发明使用ycbcr法的原因基于效果和速度综合考虑,相对来说比较均衡。
进一步的是,所述步骤S1,所述第一图像的最小边长为300像素。可减小图像的运算量,提升性能。缩小的尺寸可以以实际效果为准。
这里是将第一图像缩小到最短边长为300像素,如900*1200分辨率的图,将缩小为300*400的图像。但缩小为最小边长的300,不是一个固定值,可根据实际机器的性能调整,理论上是越接近于原图效果越好,但因为一些设备性能不够好,所以设置最小边长最低标准为300。
进一步的是,所述步骤S3中,具体筛选方法为:当同时满足Cb为133-173,Cr值为77-127时,对应的像素点为肤色点。肤色条件范围是一个经验值,是一种快速、简单、开放的肤色检测方法,更适合于亚洲、欧洲人种,实际使用时可以根据情况进行值的调整。
进一步的是,所述步骤S4中,分类统计的方法为:定义一个长度为256的数组,所述数组的索引从0~255依次表示,每筛选出一个肤色点,将所述数组中索引为Y的值加1,直到所有肤色点筛选完成,得到数组形式的各Y分量值的累计数量。使用数组的原因是我们可以实现快速的排序功能,避免后期再进行复杂的排序运算,简化算法。
进一步的是,所述步骤5中,补偿系数的计算方法为:
补偿系数=(T/肤色参考亮度值)-1,T的取值范围为160~180,
且所述补偿系数在(-1,1)之间。
如果肤色参考亮度值大于T,则会得到一个负值,这表示将图像变暗一点。如果肤色亮度小于T,则会得到一个正值,表示将图亮变亮一点。为了让图像不会过度变化,我们将整个值域限制在[-1,1]最佳。
进一步的是,步骤S6中,所述调整的方法为:
优化后的图像=原始图像.rgb×(补偿系数×Delta×原始图像.r+1)
其中,原始图像.rgb表示RGBA格式的原始图像,原始图像.r表示原始图像的r通道,Delta为程度调整变量,其值为1~3。该公式使用原图的红色通道作为蒙版,将很好的避免非肤色区域的变量或变暗,且过度自然,能更好保留原图的质感。
本发明方法的理论原理如下:
动态调整图像亮度是一种比较常见的手法,其原理是通过机器对输入的图像进行明暗程度识别,再对输出的图像进行亮度调整。本发明在此原理上,进行改进。首先是对输入的图像进行皮肤区域的识别,其使用了肤色在YCbCr空间下的聚类特性,他的识别准确性不是最优的,但却是最佳的兼并性能与效果的方法。然后将这些皮肤区域进行明暗程度的统计和计算,最后通过经验值得出我们理想中的亮度。整个算法的核心就是找到肤色亮度的参考值,其能代表整张图片中肤色的较亮部分的参考值,这样的方法能避免因为人物衣着、发型和环境的因素,将人物的亮度调整到最佳值。
采用本技术方案的有益效果:
1、本发明方法的算法简单,但稳定有效,可快速实时运行,720p的图像可以达到30帧以上,单次计算约在6ms以下。有很好的性能,可以大量运用在一些地段机器上。
2、本发明方法最终主要是提升了皮肤部分的亮度,对衣服、背景的提亮比较弱,但又比单纯的增加对比度更加自然和清晰,非常适合在手机自拍类软件使用。
3、本发明的方法在针对当图像中没有人物时,又能呈现出真实的场景效果。
4、本发明的方法在人像识别、监控领域、人物行为分析等领域均有一定可运用性,且能更好的为一些识别算法的效果做出改善,最重要的是,可以改善人像拍照软件的效果,得到一个更加清晰明亮的人像照片。
附图说明
图1是本发明方法的流程图;
图2是本发明方法的实施例中的原始图像;
图3是本发明方法的实施例中筛选出肤色点后的图像;
图4是本发明方法的实施例最终得到的优化后的图像;
图5是对比例得到的优化后的图像。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面具体实施例对本发明作进一步阐述。
实施例:
在本实施例中,如图1~4所示,一种基于肤色检测的图像亮度优化方法,包括以下步骤:
S1、将原始图像进行缩放,得到第一图像;
如图2所示,原始图像(720*1280)为rgb格式,缩放得到第一图像(300*533)。
S2、将所述第一图像转换为YCbCr格式的图像,得到第二图像;
转换公式为:
Y=0.299*r+0.587*g+0.114*b;
Cb=0.564*(b-Y);
Cr=0.713f*(r-Y);
S3、遍历所述第二图像的每个像素点,根据Cb和Cr值筛选出肤色点,得到肤色点总数量;
具体筛选方法为:当同时满足Cb为133-173,Cr值为77-127时,对应的像素点为肤色点,筛选出肤色点后的图像如图3所示,总肤色点约为47400个。
S4、将步骤S3得到的肤色点按Y分量值进行分类统计,得到各Y分量值的累计数量,将各Y分量值的累计数量从大到小依次累加,提取使所述累加的值首次大于所述肤色点总数量30%时的最后一个被累加的Y分量值的累计数量对应的Y分量值作为肤色参考亮度值;
肤色参考亮度值为121。
该过程中,首先定义一个长度为256的数组,所述数组的索引从0~255依次表示,每筛选出一个肤色点,将所述数组中索引为Y的值加1,直到所有肤色点筛选完成,得到数组形式的各Y分量值的累计数量。
S5、根据步骤S4得到的肤色参考亮度值,计算得到补偿系数;
补偿系数的计算方法为:补偿系数=(T/肤色参考亮度值)-1=(170/121)-1=0.4。
S6、根据所述补偿系数对原始图像进行调整,得到优化后的图像,效果如图4所示。
所述调整的方法为:
优化后的图像=原始图像.rgb×(0.4×Delta×原始图像.r+1)
其中,原始图像.rgb表示RGBA格式的原始图像,原始图像.r表示原始图像的r通道,Delta为程度调整变量,其值为1~3。
对比例:
如图5所示,是使用带现有的自动亮度优化方法优化的图像,因为图中人物衣着黑色衣物,且整个图片中暗色部分较多,因此校正后的图像已经过曝,左侧脸部已经丢失细节。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (4)
1.一种基于肤色检测的图像亮度优化方法,其特征在于,包括以下步骤:
S1、将原始图像进行缩放,得到第一图像;
S2、将所述第一图像转换为YCbCr格式的图像,得到第二图像;
S3、遍历所述第二图像的每个像素点,根据Cb和Cr值筛选出肤色点,得到肤色点总数量;
S4、将步骤S3得到的肤色点按Y分量值进行分类统计,得到各Y分量值的累计数量,将各Y分量值的累计数量从大到小依次累加,提取使所述累加的值首次大于所述肤色点总数量30-50%时的最后一个被累加的Y分量值的累计数量对应的Y分量值作为肤色参考亮度值;
S5、根据步骤S4得到的肤色参考亮度值,计算得到补偿系数;
S6、根据所述补偿系数对原始图像进行调整,得到优化后的图像;
所述步骤S5中,补偿系数的计算方法为:
补偿系数=(T/肤色参考亮度值)-1,T的取值范围为160~180,
且所述补偿系数在(-1,1)之间;
步骤S6中,所述调整的方法为:
优化后的图像=原始图像.rgb×(补偿系数×Delta×原始图像.r+1)
其中,原始图像 .rgb表示RGBA格式的原始图像,原始图像 .r表示原始图像的r通道,Delta为程度调整变量,其值为1~3之间。
2.根据权利要求1所述的方法,其特征在于,所述步骤S1,所述第一图像的最小边长为300像素。
3.根据权利要求1所述的方法,其特征在于,所述步骤S3中,具体筛选方法为:当同时满足Cb为133-173,Cr值为77-127时,对应的像素点为肤色点。
4.根据权利要求3所述的方法,其特征在于,所述步骤S4中,分类统计的方法为:定义一个长度为256的数组,所述数组的索引从0~255依次表示,每筛选出一个肤色点,将所述数组中索引为Y的值加1,直到所有肤色点筛选完成,得到数组形式的各Y分量值的累计数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910005052.0A CN109727198B (zh) | 2019-01-03 | 2019-01-03 | 一种基于肤色检测的图像亮度优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910005052.0A CN109727198B (zh) | 2019-01-03 | 2019-01-03 | 一种基于肤色检测的图像亮度优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109727198A CN109727198A (zh) | 2019-05-07 |
CN109727198B true CN109727198B (zh) | 2023-04-07 |
Family
ID=66299613
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910005052.0A Active CN109727198B (zh) | 2019-01-03 | 2019-01-03 | 一种基于肤色检测的图像亮度优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109727198B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110086997B (zh) * | 2019-05-20 | 2021-07-20 | 北京百度网讯科技有限公司 | 人脸图像曝光亮度补偿方法及装置 |
CN110706187B (zh) * | 2019-05-31 | 2022-04-22 | 成都品果科技有限公司 | 一种均匀肤色的图像调整方法 |
CN110349139A (zh) * | 2019-07-02 | 2019-10-18 | 芜湖启迪睿视信息技术有限公司 | 一种基于神经网络分割的包装杂项检测方法 |
CN116452471B (zh) * | 2023-06-20 | 2023-10-13 | 深圳市景创科技电子股份有限公司 | 超高清图像的处理方法、装置、终端设备及计算机介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004206665A (ja) * | 2002-10-30 | 2004-07-22 | Japan Science & Technology Agency | 顔検出方法及び顔検出装置 |
CN104599288A (zh) * | 2013-10-31 | 2015-05-06 | 展讯通信(天津)有限公司 | 一种基于肤色模板的特征跟踪方法及装置 |
CN105608677A (zh) * | 2015-12-28 | 2016-05-25 | 成都品果科技有限公司 | 一种任意光线环境下的图像肤色美化方法及系统 |
CN106845455A (zh) * | 2017-03-01 | 2017-06-13 | 中国科学院上海高等研究院 | 基于肤色检测的图像处理方法、系统及服务器 |
CN107507144A (zh) * | 2017-08-18 | 2017-12-22 | 苏州科达科技股份有限公司 | 肤色增强的处理方法、装置及图像处理装置 |
CN108171646A (zh) * | 2016-12-07 | 2018-06-15 | 展讯通信(上海)有限公司 | 基于亮度保持的图像色调调节方法及装置 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2774014B2 (ja) * | 1992-03-12 | 1998-07-09 | 三田工業株式会社 | 濃度処理方法 |
CN103971336B (zh) * | 2014-04-28 | 2017-02-15 | 深圳市云宙多媒体技术有限公司 | 一种图像明度的调整方法、装置和设备 |
CN104331690B (zh) * | 2014-11-17 | 2017-08-29 | 成都品果科技有限公司 | 一种基于单张图像的肤色人脸检测方法及系统 |
CN105335946B (zh) * | 2015-09-22 | 2018-01-19 | 中国科学院西安光学精密机械研究所 | 一种直方图紧致性变换方法 |
CN105979236A (zh) * | 2015-12-10 | 2016-09-28 | 乐视致新电子科技(天津)有限公司 | 一种画质调整方法及装置 |
CN106355739B (zh) * | 2016-08-18 | 2019-03-12 | 深圳怡化电脑股份有限公司 | 一种检测纸币新旧的方法及装置 |
CN107038680B (zh) * | 2017-03-14 | 2020-10-16 | 武汉斗鱼网络科技有限公司 | 自适应光照的美颜方法及系统 |
CN108550106B (zh) * | 2018-03-30 | 2021-06-01 | 影石创新科技股份有限公司 | 一种全景图像的颜色校正方法、装置和电子设备 |
-
2019
- 2019-01-03 CN CN201910005052.0A patent/CN109727198B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004206665A (ja) * | 2002-10-30 | 2004-07-22 | Japan Science & Technology Agency | 顔検出方法及び顔検出装置 |
CN104599288A (zh) * | 2013-10-31 | 2015-05-06 | 展讯通信(天津)有限公司 | 一种基于肤色模板的特征跟踪方法及装置 |
CN105608677A (zh) * | 2015-12-28 | 2016-05-25 | 成都品果科技有限公司 | 一种任意光线环境下的图像肤色美化方法及系统 |
CN108171646A (zh) * | 2016-12-07 | 2018-06-15 | 展讯通信(上海)有限公司 | 基于亮度保持的图像色调调节方法及装置 |
CN106845455A (zh) * | 2017-03-01 | 2017-06-13 | 中国科学院上海高等研究院 | 基于肤色检测的图像处理方法、系统及服务器 |
CN107507144A (zh) * | 2017-08-18 | 2017-12-22 | 苏州科达科技股份有限公司 | 肤色增强的处理方法、装置及图像处理装置 |
Non-Patent Citations (2)
Title |
---|
刘悦,刘明业.不需要彩色空间转换的人脸肤色的自动白平衡方法.计算机应用.2004,24(第11期),113-115. * |
李娥 ; .基于改进YCbCr颜色空间的人脸检测.信息技术与信息化.2018,217(第04期),67-69. * |
Also Published As
Publication number | Publication date |
---|---|
CN109727198A (zh) | 2019-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109727198B (zh) | 一种基于肤色检测的图像亮度优化方法 | |
CN111402135B (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
WO2022179335A1 (zh) | 视频处理方法、装置、电子设备以及存储介质 | |
US8265388B2 (en) | Analyzing partial face regions for red-eye detection in acquired digital images | |
US7606417B2 (en) | Foreground/background segmentation in digital images with differential exposure calculations | |
CN107680056B (zh) | 一种图像处理方法及装置 | |
CN110062160A (zh) | 图像处理方法和装置 | |
CN106791471A (zh) | 图像优化方法、图像优化装置和终端 | |
CN109584191B (zh) | 一种基于直方图的自适应图像增强方法及终端 | |
WO2012000800A1 (en) | Eye beautification | |
CN103714520A (zh) | 基于fpga实现数字视频图像增强系统及其方法 | |
CN106358029A (zh) | 一种视频图像处理方法和装置 | |
CN113518185A (zh) | 视频转换处理方法、装置、计算机可读介质及电子设备 | |
JP2004310475A (ja) | 画像処理装置、画像処理を行う携帯電話、および画像処理プログラム | |
CN111476744A (zh) | 一种基于分类及大气成像模型的水下图像增强方法 | |
US9013605B2 (en) | Apparatus and method for processing intensity of image in digital camera | |
KR101349968B1 (ko) | 자동 영상보정을 위한 영상 처리 장치 및 방법 | |
CN108550124B (zh) | 一种基于仿生螺线的光照补偿及图像增强方法 | |
CN117274085A (zh) | 低照度图像增强方法及装置 | |
WO2022179487A1 (zh) | 用于制作隐身特效的视频处理方法、滤镜、设备及介质 | |
WO2022111269A1 (zh) | 视频的细节增强方法、装置、移动终端和存储介质 | |
CN113781330A (zh) | 图像处理方法、装置及电子系统 | |
JP2005295490A (ja) | 主要被写体に応じた画質の向上 | |
Zini et al. | Shallow camera pipeline for night photography rendering | |
CN105631812B (zh) | 一种对显示图像进行色彩增强的控制方法及控制装置 |
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 |