CN109859217B - 人脸图像中毛孔区域的分割方法及计算设备 - Google Patents

Abstract

本发明公开了一种人脸图像中毛孔区域的分割方法，在计算设备中执行，该方法包括：获取待处理的人脸图像；确定人脸图像的毛孔候选区域；根据毛孔候选区域来确定毛孔掩膜，毛孔掩膜适于指示毛孔候选区域中的毛孔的位置；将人脸图像和毛孔掩膜输入训练好的毛孔分割网络，以便毛孔分割网络输出人脸图像中对应于毛孔区域的像素。本发明一并公开了相应的计算设备。

Description

人脸图像中毛孔区域的分割方法及计算设备

技术领域

本发明涉及图像处理技术领域，尤其涉及一种人脸图像中毛孔区域的分割方法及计算设备。

背景技术

目前的终端设备上多设置有摄像头，人们已习惯于用终端设备进行拍照以记录自己的生活状态，所拍摄的照片(尤其是自拍照片)中通常包括人脸。

随着物质生活水平的提高，面部皮肤护理受到人们，尤其是爱美女性的广泛关注。毛孔的状况可以反映出面部皮肤的状态。当皮肤状态较好时，毛孔通常比较细小；当毛孔粗大时，皮肤通常处于老化、缺水等状态。识别面部毛孔的大小，有利于用户对面部皮肤进行有针对性地护理。

因此，有必要提供一种从人脸图像中分割出毛孔区域的方法，以为后续确定毛孔大小、根据毛孔大小针对性地提出皮肤护理建议等事项奠定基础。

发明内容

为此，本发明提供一种人脸图像中毛孔区域的分割方法及计算设备，以力图解决或至少缓解上面存在的问题。

根据本发明的一个方面，提供一种人脸图像中毛孔区域的分割方法，在计算设备中执行，所述方法包括：获取待处理的人脸图像；确定所述人脸图像的毛孔候选区域；根据所述毛孔候选区域来确定毛孔掩膜，所述毛孔掩膜适于指示所述毛孔候选区域中的毛孔的位置；将所述人脸图像和所述毛孔掩膜输入训练好的毛孔分割网络，以便所述毛孔分割网络输出所述人脸图像中对应于毛孔区域的像素。

可选地，在根据本发明的毛孔区域的分割方法中，毛孔候选区域包括脸颊区域、眉心区域、额头区域中的至少之一。

可选地，在根据本发明的毛孔区域的分割方法中，所述确定所述人脸图像的毛孔候选区域的步骤包括：对所述人脸图像进行人脸对齐，以确定人脸特征点坐标；根据所述人脸特征点坐标来确定毛孔候选区域。

可选地，在根据本发明的毛孔区域的分割方法中，所述根据所述毛孔候选区域来确定毛孔掩膜的步骤包括：从所述人脸图像中裁剪出所述毛孔候选区域，将裁剪出的毛孔候选区域组成与所述人脸图像尺寸相同的候选区域图像；将所述候选区域图像转换至YUV颜色空间；根据YUV颜色空间的Y通道图来将所述候选区域图像进行二值化，得到所述毛孔掩膜。

可选地，在根据本发明的毛孔区域的分割方法中，所述将所述候选区域图像进行二值化的步骤包括：对所述候选区域图像进行滤波，以去除毛孔，得到滤波图像；将所述滤波图像与所述候选区域图像对应位置的像素值相减，得到纹理图像；以及对所述纹理图像进行二值化。

可选地，在根据本发明的毛孔区域的分割方法中，所述对所述候选区域图像进行滤波的步骤包括：对所述候选区域图像进行对比度增强，得到增强图像；对所述增强图像进行滤波，以去除毛孔，得到滤波图像。

可选地，在根据本发明的毛孔区域的分割方法中，采用直方图均衡的方法对所述候选区域图像进行对比度增强。

可选地，在根据本发明的毛孔区域的分割方法中，采用导向滤波算法来对图像进行滤波。

可选地，在根据本发明的毛孔区域的分割方法中，所述对所述纹理图像进行二值化的步骤包括：将所述纹理图像的像素值调整至预设范围；对调整了像素值的图像进行灰度映射和二值化处理。

可选地，在根据本发明的毛孔区域的分割方法中，所述将所述人脸图像和所述毛孔掩膜输入训练好的毛孔分割网络的步骤包括：将所述人脸图像的RGB通道图和所述毛孔掩膜输入训练好的毛孔分割网络。

可选地，在根据本发明的毛孔区域的分割方法中，所述毛孔分割网络按照以下方法训练：获取标注了毛孔区域的样本图像；确定所述样本图像的毛孔候选区域，并根据毛孔候选区域来确定样本图像的毛孔掩膜；将标注了毛孔区域的样本图像和样本图像的毛孔掩膜作为训练样本，训练所述毛孔分割网络，所述毛孔分割网络的输入为样本图像及其毛孔掩膜，输出为对应于毛孔区域的像素。

根据本发明的一个方面，提供一种计算设备，包括：至少一个处理器；和存储有程序指令的存储器，其中，所述程序指令被配置为适于由所述至少一个处理器执行，所述程序指令包括用于执行如上所述的人脸图像中毛孔区域的分割方法的指令。

根据本发明的一个方面，提供一种存储有程序指令的可读存储介质，当所述程序指令被计算设备读取并执行时，使得所述计算设备执行如上所述的人脸图像中毛孔区域的分割方法。

根据本发明的技术方案，首先从人脸图像中裁剪出可能出现毛孔粗大的脸颊、眉心、额头等区域，作为毛孔候选区域；随后对毛孔候选区域进行图像处理，生成用于指示毛孔大概位置的毛孔掩膜；最后，将毛孔掩膜与人脸图像的RGB通道叠加为一个四通道的输入图，输入到训练好的毛孔分割网络中进行像素点的分割，该网络会输出人脸图像中对应于毛孔区域的像素点。

本发明的技术方案在根据毛孔候选区域生成毛孔掩膜的过程中，选取YUV颜色空间的Y通道进行对比度增强、导向滤波等处理，提高了毛孔掩膜中所标注的毛孔位置的准确度，从而提高了最终毛孔区域分割的准确度。

此外，本发明的技术方案将毛孔掩膜与人脸图像的RGB通道图作为毛孔分割网络的输入，毛孔掩膜是能够指示毛孔粗略位置的图像，能够为毛孔分割网络提供较多的先验信息，从而大大减小了毛孔分割网络的训练难度，使毛孔分割网络更容易训练且准确度更高。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

为了实现上述以及相关目的，本文结合下面的描述和附图来描述某些说明性方面，这些方面指示了可以实践本文所公开的原理的各种方式，并且所有方面及其等效方面旨在落入所要求保护的主题的范围内。通过结合附图阅读下面的详细描述，本公开的上述以及其它目的、特征和优势将变得更加明显。遍及本公开，相同的附图标记通常指代相同的部件或元素。

图1示出了根据本发明一个实施例的计算设备100的示意图；

图2示出了根据本发明一个实施例的人脸图像中毛孔区域的分割方法200的流程图；

图3示出了根据本发明一个实施例的人脸特征点及毛孔候选区域的示意图；

图4示出了根据本发明一个实施例的毛孔掩膜的示意图；

图5示出了根据本发明一个实施例的毛孔区域分割过程的示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

本发明的人脸图像中毛孔区域的分割方法在计算设备中执行。计算设备例如可以是笔记本电脑、桌面计算机等个人配置的计算机，也可以是Web服务器、应用服务器、数据库服务器等服务器，还可以是手机、平板电脑、多媒体设备等终端设备，但不限于此。

图1示出了根据本发明一个实施例的计算设备100的示意图。需要说明的是，图1所示的计算设备100仅为一个示例，在实践中，用于实施本发明的人脸图像中毛孔区域的分割方法的计算设备可以是任意型号的计算设备，其硬件配置情况可以与图1所示的计算设备100相同，也可以不同。实践中用于实施本发明的毛孔区域分割方法的计算设备可以对图1所示的计算设备100的硬件组件进行增加或删减，本发明对计算设备的具体硬件配置情况不做限制。

如图1所示，在基本的配置102中，计算设备100典型地包括系统存储器106和一个或者多个处理器104。存储器总线108可以用于在处理器104和系统存储器106之间的通信。

取决于期望的配置，处理器104可以是任何类型的处理，包括但不限于：微处理器(μP)、微控制器(μC)、数字信息处理器(DSP)或者它们的任何组合。处理器104可以包括诸如一级高速缓存110和二级高速缓存112之类的一个或者多个级别的高速缓存、处理器核心114和寄存器116。示例的处理器核心114可以包括运算逻辑单元(ALU)、浮点数单元(FPU)、数字信号处理核心(DSP核心)或者它们的任何组合。示例的存储器控制器118可以与处理器104一起使用，或者在一些实现中，存储器控制器118可以是处理器104的一个内部部分。

取决于期望的配置，系统存储器106可以是任意类型的存储器，包括但不限于：易失性存储器(诸如RAM)、非易失性存储器(诸如ROM、闪存等)或者它们的任何组合。系统存储器106可以包括操作系统120、一个或者多个程序122以及程序数据124。在一些实施方式中，程序122可以布置为在操作系统上由一个或多个处理器104利用程序数据124执行指令。

计算设备100还可以包括有助于从各种接口设备(例如，输出设备142、外设接口144和通信设备146)到基本配置102经由总线/接口控制器130的通信的接口总线140。示例的输出设备142包括图形处理单元148和音频处理单元150。它们可以被配置为有助于经由一个或者多个A/V端口152与诸如显示器或者扬声器之类的各种外部设备进行通信。示例外设接口144可以包括串行接口控制器154和并行接口控制器156，它们可以被配置为有助于经由一个或者多个I/O端口158和诸如输入设备(例如，键盘、鼠标、笔、语音输入设备、触摸输入设备)或者其他外设(例如打印机、扫描仪等)之类的外部设备进行通信。示例的通信设备146可以包括网络控制器160，其可以被布置为便于经由一个或者多个通信端口164与一个或者多个其他计算设备162通过网络通信链路的通信。

网络通信链路可以是通信介质的一个示例。通信介质通常可以体现为在诸如载波或者其他传输机制之类的调制数据信号中的计算机可读指令、数据结构、程序模块，并且可以包括任何信息递送介质。“调制数据信号”可以这样的信号，它的数据集中的一个或者多个或者它的改变可以在信号中编码信息的方式进行。作为非限制性的示例，通信介质可以包括诸如有线网络或者专线网络之类的有线介质，以及诸如声音、射频(RF)、微波、红外(IR)或者其它无线介质在内的各种无线介质。这里使用的术语计算机可读介质可以包括存储介质和通信介质二者。

在根据本发明的计算设备100中，应用122包括用于执行毛孔区域的分割方法200的指令，该指令可以指示处理器104执行本发明的毛孔区域的分割方法200，高效、准确地分割出人脸图像中的毛孔区域，为评估毛孔尺寸的大小奠定基础。

图2示出了根据本发明一个实施例的人脸图像中毛孔区域的分割方法200的流程图，方法200适于在计算设备(例如前述计算设备100)中执行。如图2所示，方法200始于步骤S210。

在步骤S210中，获取待处理的人脸图像。

待处理的人脸图像可以是任意包含人脸的图像，例如用户自拍的图像、用户为他人拍摄的包含他人人脸的图像等，但不限于此。

随后，在步骤S220中，确定人脸图像的毛孔候选区域。

毛孔候选区域为人脸中毛孔比较明显的区域。根据一种实施例，毛孔候选区域包括脸颊区域、眉心区域、额头区域中的至少之一。当然，除脸颊、眉心、额头区域之外，本领域技术人员还可以根据需要将人脸中的其他区域设置为毛孔候选区域，本发明对毛孔候选区域的具体设置不做限制。本领域技术人员可以理解，眼睛、嘴巴、眉毛等位置通常不包括明显的毛孔，因此，在实践中，也可以通过排除法来确定毛孔候选区域，即，先设置不包括明显毛孔的非候选区域，然后将人脸中除非候选区域之外的其他区域设置为毛孔候选区域。

根据一种实施例，毛孔候选区域可以按照以下方法确定：对待处理的人脸图像进行人脸对齐，以确定人脸特征点坐标；根据人脸特征点坐标来确定毛孔候选区域。

人脸对齐是一种能够自动定位出人脸特征点的算法。人脸特征点例如可以包括眼睛、鼻尖、嘴角点、眉毛以及人脸各部位的轮廓点等，但不限于此。人脸特征点的数量以及各人脸特征点所代表的人脸位置可以由本领域技术人员自行设置，本发明对人脸特征点的具体设置情况不做限制。

人脸对齐算法通常包括训练和搜索两部分。在训练过程中，需要搜集多个包含人脸的图像，手动标注各图像中的人脸特征点，将标注了人脸特征点的图像作为训练样本，训练人脸对齐模型。人脸对齐模型有多种，例如ASM(Active Shape Model，主观形状模型)、AAM(Active Appearance Model，主观外动模型)、CLM(Constrained Local Model，有约束的局部模型)等，但不限于此。在搜索过程中，将人脸图像输入训练好的人脸对齐模型，该模型即可输出人脸特征点坐标。

需要说明的是，人脸对齐模型通常为预先生成，即，人脸对齐模型在执行本发明的方法200之前生成。在执行方法200时，将待处理的人脸图像输入训练好的人脸对齐模型，即可输出人脸特征点坐标。在确定了人脸特征点坐标后，根据人脸特征点坐标，即可从人脸图像中确定毛孔候选区域。

图3示出了根据本发明一个实施例的人脸特征点及毛孔候选区域的示意图。图3中的灰色圆点为人脸特征点，每个人脸特征点都代表人脸上的一个特定位置，将一些特定位置的人脸特征点连在一起，即可以得出毛孔候选区域。如图3所示，将人脸特征点1～7依次连接，得到额头区域A；将人脸特征点6、5、8依次连接，得到眉心区域B；将人脸特征点9～14依次连接，得到右脸颊区域C；将人脸特征点15～20依次连接，得到左脸颊区域D。

随后，在步骤S230中，根据毛孔候选区域来确定毛孔掩膜，毛孔掩膜适于指示毛孔候选区域中的毛孔的位置。

根据一种实施例，毛孔掩膜可以按照以下步骤S232～S236来确定：

在步骤S232中，从待处理的人脸图像中裁剪出毛孔候选区域，将裁剪出的毛孔候选区域组成与人脸图像尺寸相同的候选区域图像。

候选区域图像中仅包括毛孔候选区域，且候选区域图像中的毛孔候选区域的位置与待处理的人脸图像中的毛孔候选区域的位置相同。

随后，在步骤S234中，将候选区域图像转换至YUV颜色空间。

考虑到毛孔的亮度相对于其他面部区域较暗，因此，根据一种实施例，将候选区域图像转换至具有亮度通道的颜色空间，例如YUV颜色空间，以提高毛孔区域分割的准确性。本领域技术人员可以理解，除YUV颜色空间之外，还可以将候选区域图像转换至其他具有亮度通道的颜色空间，例如HSV颜色空间等，但不限于此。

待处理的人脸图像通常为RGB图像，相应地，从待处理的人脸图像中裁剪得出的候选区域图像亦为RGB图像，因此，在步骤S234中，需要将候选区域图像从RGB颜色空间转换至YUV颜色空间。根据一种实施例，可以按照以下公式来将RGB图像转换至YUV颜色空间：

Y＝0.299R+0.587G+0.114B

U＝-0.147R-0.289G+0.436B

V＝0.615R-0.515G-0.100B

其中，R、G、B分别表示图像中任一像素的R通道、G通道、B通道的像素值，Y、U、V分别为转换后的像素的Y通道、U通道、V通道的像素值。

随后，在步骤S236中，根据YUV颜色空间的Y通道图来将候选区域图像进行二值化，得到毛孔掩膜。

对候选区域图像进行二值化意在将毛孔区域与其他面部区域进行区分，以指示出毛孔的位置。根据一种实施例，可以按照以下步骤S1～S3来将候选区域图像进行二值化：

步骤S1：对候选区域图像进行滤波，以去除毛孔，得到滤波图像。由于毛孔区域相对于其他面部区域来说比较细小，经过滤波，毛孔区域将作为图像噪声被去除。

根据一种实施例，为了准确滤除毛孔，在滤波之前，先对候选区域图像进行对比度增强，以得到增强图像。随后，再对增强图像进行滤波，以去除毛孔。需要说明的是，本发明对对比度增强以及滤波所采用的具体算法均不做限制，根据一种实施例，可以采用直方图均衡的方法来对候选区域图像进行对比度增强；以及采用导向滤波算法来对增强图像进行滤波，以较好地保留毛孔的边缘特征。

由于毛孔的亮度相对于其他面部区域较暗，因此，在Y通道图中，毛孔区域像素的像素值小于其他区域的像素值。经过滤波，毛孔区域像素的像素值会增大，即，在滤波图像中，毛孔区域的亮度增加至与其他区域的亮度一致，视觉上难以辨别出毛孔，毛孔被去除。

步骤S2：将滤波图像与候选区域图像对应位置的像素值相减，得到纹理图像。

由于滤波图像中已经去除了毛孔，那么在将滤波图像与候选区域图像对应位置的像素值相减所得到的纹理图像中，毛孔区域的像素值较大(较亮)，而其他区域的像素值较小(较暗)。即，经过步骤S2，纹理图像中复原出了毛孔。

步骤S3：对纹理图像进行二值化。

由于纹理图像为滤波图像与候选区域图像之差，在纹理图像中，可能会存在像素值为负数的像素。根据一种实施例，在对纹理图像进行二值化之前，首先将纹理图像的像素值调整至预设范围，预设范围通常为0～255。将像素值调整至预设范围的方法可以由本领域技术人员自行设置，本发明对此不做限制。例如，可以通过加上某一常数或乘以某一常数的方法来将纹理图像的像素值调整至预设范围。在一些实施例中，滤波图像与候选区域图像做差后，纹理图像中像素值的取值范围为-127～128，可以通过将各像素值加上127的方法来将各像素值调整至预设范围0～255。

在将纹理图像的像素值调整至预设范围后，对调整后的图像进行灰度映射和二值化处理。灰度映射是为了增加二值化的准确性。灰度映射的具体方法可以由本领域技术人员自行设置，本发明对此不做限制。例如，可以采用伽马(Gamma)变换、对数变换等方法来进行灰度映射。完成灰度映射后，对映射后的图像进行二值化处理，以得到毛孔掩膜。二值化的具体方法可以由本领域技术人员自行设置，本发明对此不做限制。例如，可以采用均值分割法、Otsu阈值分割法、最大熵阈值分割法等方法来对灰度映射后的图像进行二值化。

在对纹理图像进行二值化后，即可得到毛孔掩膜。毛孔掩膜适于指示毛孔的位置。图4示出了根据本发明一个实施例的毛孔掩膜的示意图。在图4所示的毛孔掩膜中，毛孔位置的像素值大于0，呈现为白色区域；而其他位置的像素值为0，呈现为黑色区域。

需要说明的是，毛孔掩膜所指示的毛孔位置通常较为粗略，准确度不高。因此，在确定了毛孔掩膜后，还需要执行步骤S240，根据毛孔掩膜来做进一步处理，以得到更准确的毛孔位置。

在步骤S240中，将人脸图像和毛孔掩膜输入训练好的毛孔分割网络，以便毛孔分割网络输出人脸图像中对应于毛孔区域的像素。

具体地，如图5所示，将人脸图像的RGB通道图和毛孔掩膜输入训练好的毛孔分割网络，毛孔分割网络将输出人脸图像中对应于毛孔区域的像素。如图5所示，毛孔掩膜所示出的是毛孔区域的粗略位置，将人脸图像的RGB通道和毛孔掩膜输入训练好的毛孔分割网络后，毛孔分割网络输出的是更细致、准确的毛孔区域。

毛孔分割网络例如可以是U-Net卷积神经网络，但不限于此。

需要说明的是，毛孔分割网络通常是预先训练好的，即，毛孔分割网络在执行本发明的方法200之前训练生成。根据一种实施例，毛孔分割网络按照以下方法训练：

获取标注了毛孔区域的样本图像。随后，按照步骤S220、S230所示的方法来确定样本图像的毛孔候选区域，并根据毛孔候选区域来确定样本图像的毛孔掩膜。随后，将标注了毛孔区域的样本图像和样本图像的毛孔掩膜作为训练样本，训练毛孔分割网络，毛孔分割网络的输入为样本图像及其毛孔掩膜，输出为对应于毛孔区域的像素。

根据本发明的技术方案，首先从人脸图像中裁剪出可能出现毛孔粗大的脸颊、眉心、额头等区域，作为毛孔候选区域；随后对毛孔候选区域进行图像处理，生成用于指示毛孔大概位置的毛孔掩膜；最后，将毛孔掩膜与人脸图像的RGB通道叠加为一个四通道的输入图，输入到训练好的毛孔分割网络中进行像素点的分割，该网络会输出人脸图像中对应于毛孔区域的像素点。

本发明的技术方案在根据毛孔候选区域生成毛孔掩膜的过程中，选取YUV颜色空间的Y通道进行对比度增强、导向滤波等处理，提高了毛孔掩膜中所标注的毛孔位置的准确度，从而提高了最终毛孔区域分割的准确度。

此外，本发明的技术方案将毛孔掩膜与人脸图像的RGB通道图作为毛孔分割网络的输入，毛孔掩膜是能够指示毛孔粗略位置的图像，能够为毛孔分割网络提供较多的先验信息，从而大大减小了毛孔分割网络的训练难度，使毛孔分割网络更容易训练且准确度更高。

本发明的人脸图像中毛孔区域的分割方法例如可以应用与美颜应用中。例如，用户可以在美颜应用中进行自拍，或在美颜应用中打开终端设备本地存储的包含人脸图像的照片，美颜应用可以在终端设备或服务器处执行本发明的毛孔区域分割方法，以确定照片中人脸的毛孔区域，并进一步确定毛孔尺寸的大小，据此来评估用户的肤质，为用户提供针对性的护肤建议。

A9：A5-8中任一项所述的方法，其中，所述对所述纹理图像进行二值化的步骤包括：将所述纹理图像的像素值调整至预设范围；对调整了像素值的图像进行灰度映射和二值化处理。

A10：A1-9中任一项所述的方法，其中，所述将所述人脸图像和所述毛孔掩膜输入训练好的毛孔分割网络的步骤包括：将所述人脸图像的RGB通道图和所述毛孔掩膜输入训练好的毛孔分割网络。

A11：A1-10中任一项所述的方法，其中，所述毛孔分割网络按照以下方法训练：获取标注了毛孔区域的样本图像；确定所述样本图像的毛孔候选区域，并根据毛孔候选区域来确定样本图像的毛孔掩膜；将标注了毛孔区域的样本图像和样本图像的毛孔掩膜作为训练样本，训练所述毛孔分割网络，所述毛孔分割网络的输入为样本图像及其毛孔掩膜，输出为对应于毛孔区域的像素。

这里描述的各种技术可结合硬件或软件，或者它们的组合一起实现。从而，本发明的方法和设备，或者本发明的方法和设备的某些方面或部分可采取嵌入有形媒介，例如可移动硬盘、U盘、软盘、CD-ROM或者其它任意机器可读的存储介质中的程序代码(即指令)的形式，其中当程序被载入诸如计算机之类的机器，并被所述机器执行时，所述机器变成实践本发明的设备。

在程序代码在可编程计算机上执行的情况下，计算设备一般包括处理器、处理器可读的存储介质(包括易失性和非易失性存储器和/或存储元件)，至少一个输入装置，和至少一个输出装置。其中，存储器被配置用于存储程序代码；处理器被配置用于根据该存储器中存储的所述程序代码中的指令，执行本发明的人脸图像中毛孔区域的分割方法。

以示例而非限制的方式，可读介质包括可读存储介质和通信介质。可读存储介质存储诸如计算机可读指令、数据结构、程序模块或其它数据等信息。通信介质一般以诸如载波或其它传输机制等已调制数据信号来体现计算机可读指令、数据结构、程序模块或其它数据，并且包括任何信息传递介质。以上的任一种的组合也包括在可读介质的范围之内。

在此处所提供的说明书中，算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与本发明的示例一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下被实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员应当理解在本文所公开的示例中的设备的模块或单元或组件可以布置在如该实施例中所描述的设备中，或者可替换地可以定位在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一个模块或者此外可以分成多个子模块。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

此外，所述实施例中的一些在此被描述成可以由计算机系统的处理器或者由执行所述功能的其它装置实施的方法或方法元素的组合。因此，具有用于实施所述方法或方法元素的必要指令的处理器形成用于实施该方法或方法元素的装置。此外，装置实施例的在此所述的元素是如下装置的例子：该装置用于实施由为了实施该发明的目的的元素所执行的功能。

如在此所使用的那样，除非另行规定，使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例，并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。

尽管根据有限数量的实施例描述了本发明，但是受益于上面的描述，本技术领域内的技术人员明白，在由此描述的本发明的范围内，可以设想其它实施例。此外，应当注意，本说明书中使用的语言主要是为了可读性和教导的目的而选择的，而不是为了解释或者限定本发明的主题而选择的。因此，在不偏离所附权利要求书的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围，对本发明所做的公开是说明性的而非限制性的，本发明的范围由所附权利要求书限定。

Claims (12)

1.一种人脸图像中毛孔区域的分割方法，在计算设备中执行，所述方法包括：

获取待处理的人脸图像；

确定所述人脸图像的毛孔候选区域；

根据所述毛孔候选区域来确定毛孔掩膜，所述毛孔掩膜适于指示所述毛孔候选区域中的毛孔的位置；

将所述人脸图像的RGB通道图和所述毛孔掩膜输入训练好的毛孔分割网络，以便所述毛孔分割网络输出所述人脸图像中对应于毛孔区域的像素。

2.如权利要求1所述的方法，其中，所述毛孔候选区域包括脸颊区域、眉心区域、额头区域中的至少之一。

3.如权利要求1或2所述的方法，其中，所述确定所述人脸图像的毛孔候选区域的步骤包括：

对所述人脸图像进行人脸对齐，以确定人脸特征点坐标；

根据所述人脸特征点坐标来确定毛孔候选区域。

4.如权利要求1所述的方法，其中，所述根据所述毛孔候选区域来确定毛孔掩膜的步骤包括：

从所述人脸图像中裁剪出所述毛孔候选区域，将裁剪出的毛孔候选区域组成与所述人脸图像尺寸相同的候选区域图像；

将所述候选区域图像转换至YUV颜色空间；

根据YUV颜色空间的Y通道图来将所述候选区域图像进行二值化，得到所述毛孔掩膜。

5.如权利要求4所述的方法，其中，所述将所述候选区域图像进行二值化的步骤包括：

对所述候选区域图像进行滤波，以去除毛孔，得到滤波图像；

将所述滤波图像与所述候选区域图像对应位置的像素值相减，得到纹理图像；以及

对所述纹理图像进行二值化。

6.如权利要求5所述的方法，其中，所述对所述候选区域图像进行滤波的步骤包括：

对所述候选区域图像进行对比度增强，得到增强图像；

对所述增强图像进行滤波，以去除毛孔，得到滤波图像。

7.如权利要求6所述的方法，其中，采用直方图均衡的方法对所述候选区域图像进行对比度增强。

8.如权利要求5-7中任一项所述的方法，其中，采用导向滤波算法来对图像进行滤波。

9.如权利要求5所述的方法，其中，所述对所述纹理图像进行二值化的步骤包括：

将所述纹理图像的像素值调整至预设范围；

对调整了像素值的图像进行灰度映射和二值化处理。

10.如权利要求1所述的方法，其中，所述毛孔分割网络按照以下方法训练：

获取标注了毛孔区域的样本图像；

确定所述样本图像的毛孔候选区域，并根据毛孔候选区域来确定样本图像的毛孔掩膜；

将标注了毛孔区域的样本图像和样本图像的毛孔掩膜作为训练样本，训练所述毛孔分割网络，所述毛孔分割网络的输入为样本图像及其毛孔掩膜，输出为对应于毛孔区域的像素。

11.一种计算设备，包括：

至少一个处理器；和

存储有程序指令的存储器，其中，所述程序指令被配置为适于由所述至少一个处理器执行，所述程序指令包括用于执行如权利要求1-10中任一项所述方法的指令。

12.一种存储有程序指令的可读存储介质，当所述程序指令被计算设备读取并执行时，使得所述计算设备执行如权利要求1-10中任一项所述的方法。

Images