CN109727198B

CN109727198B - 一种基于肤色检测的图像亮度优化方法

Info

Publication number: CN109727198B
Application number: CN201910005052.0A
Authority: CN
Inventors: 龚彦铭; 徐滢
Original assignee: Chengdu Pinguo Technology Co Ltd
Current assignee: Chengdu Pinguo Technology Co Ltd
Priority date: 2019-01-03
Filing date: 2019-01-03
Publication date: 2023-04-07
Anticipated expiration: 2039-01-03
Also published as: CN109727198A

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

一种基于肤色检测的图像亮度优化方法

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)；

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。

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

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；

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。