CN109890245A - 图像处理装置、图像处理方法以及图像处理程序 - Google Patents

图像处理装置、图像处理方法以及图像处理程序 Download PDF

Info

Publication number
CN109890245A
CN109890245A CN201780064349.3A CN201780064349A CN109890245A CN 109890245 A CN109890245 A CN 109890245A CN 201780064349 A CN201780064349 A CN 201780064349A CN 109890245 A CN109890245 A CN 109890245A
Authority
CN
China
Prior art keywords
image
face
line
ratio
makeup
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.)
Pending
Application number
CN201780064349.3A
Other languages
English (en)
Inventor
西千枝
浅井理惠子
竹下幸子
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.)
Panasonic Intellectual Property Management Co Ltd
Original Assignee
Panasonic Intellectual Property Management 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 Panasonic Intellectual Property Management Co Ltd filed Critical Panasonic Intellectual Property Management Co Ltd
Publication of CN109890245A publication Critical patent/CN109890245A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/60—Editing figures and text; Combining figures or text
    • A—HUMAN NECESSITIES
    • A45—HAND OR TRAVELLING ARTICLES
    • A45D—HAIRDRESSING OR SHAVING EQUIPMENT; EQUIPMENT FOR COSMETICS OR COSMETIC TREATMENTS, e.g. FOR MANICURING OR PEDICURING
    • A45D44/00—Other cosmetic or toiletry articles, e.g. for hairdressers' rooms
    • A—HUMAN NECESSITIES
    • A45—HAND OR TRAVELLING ARTICLES
    • A45D—HAIRDRESSING OR SHAVING EQUIPMENT; EQUIPMENT FOR COSMETICS OR COSMETIC TREATMENTS, e.g. FOR MANICURING OR PEDICURING
    • A45D44/00—Other cosmetic or toiletry articles, e.g. for hairdressers' rooms
    • A45D44/005—Other cosmetic or toiletry articles, e.g. for hairdressers' rooms for selecting or displaying personal cosmetic colours or hairstyle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/20—Linear translation of whole images or parts thereof, e.g. panning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • 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
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
    • 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
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Psychiatry (AREA)
  • Primary Health Care (AREA)
  • Psychology (AREA)
  • Social Psychology (AREA)
  • Epidemiology (AREA)
  • Developmental Disabilities (AREA)
  • Medical Informatics (AREA)
  • Hospice & Palliative Care (AREA)
  • Public Health (AREA)
  • Child & Adolescent Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

以使得减少老师花费在讲解化妆方法上的工夫和/或时间并使学生加深对化妆方法的理解。图像处理装置(100)具有：图像输入部(101)，其从预定装置输入面部图像；图像解析部(102)，其基于从面部图像中提取到的面部特征点，计算脸型、比例线和分块线中的某一个，所述比例线是为了分析面部的平衡而画在脸上的线，所述分块线沿着面部骨骼将面部按由照在面部的光所形成的阴影的明暗分割成多个区域；以及图像生成部(103)，其基于脸型、比例线和分块线中的某一个来决定面部图像中的化妆部位图像的重叠区域，生成将所述化妆部位图像重叠于重叠区域的模拟图像。

Description

图像处理装置、图像处理方法以及图像处理程序
技术领域
本公开涉及生成化妆(makeup)的模拟(simulation)图像的图像处理装置、图像处理方法以及图像处理程序。
背景技术
一般而言，在美容学校，老师会在面部(脸部)的化妆(妆容)课上使用登载于纸质媒介文本的照片和/或插图(示有妆的具体例子的图片)来讲解化妆的方法。
最佳的化妆方法根据面部特征而各不相同，因此希望文本中登载有更多妆的具体例子。然而，若考虑文本的易搬运程度等，增加在文本中登载的妆的具体例子是受限的。由此，学生无法对适于各种面部特征的妆的具体例子加深理解。另外，对于老师而言，假设要讲解适于各种面部特征的妆的具体例子，也会花费工夫和/或时间。另外，学生难以想象在对与登载于文本的面部不同的面部化上文本中所表示的妆的情况下的面部。
于是，为了讲解更多与各种面部特征相应的妆的具体例子，例如考虑使用专利文献1所公开的技术。专利文献1的技术是使从面部图像中提取的特征量变化来改变面部图像的看起来的印象的技术。
现有技术文献
专利文献1：日本特开2016-81075号公报
发明内容
然而，即使使用了专利文献1的技术，老师也必须要以口头等方式具体地讲解对于变更后的面部图像的适当的化妆方法。由此，对于老师而言，要花费工夫和/或时间来讲解这一问题并没有得以解决。另外，由于老师将会以口头等方式讲解化妆的方法，因此在加深学生的理解方面也并不足够。
本公开的一个技术方案提供能够减少老师花费在讲解化妆方法上的工夫和/或时间并能够使学生加深对化妆方法的理解的图像处理装置、图像处理方法以及图像处理程序。
本公开的图像处理装置具有：图像输入部，其从预定装置输入面部图像；图像解析部，其基于从所述面部图像中提取到的面部特征点，计算脸型、比例线(proportion line)和分块线(blocking line)中的某一个，所述比例线是为了分析面部的平衡(balance，协调)而画在脸上的线，所述分块线沿着面部骨骼将面部按由照在面部的光所形成的阴影的明暗分割成多个区域；以及图像生成部，其基于所述脸型、所述比例线和所述分块线中的某一个来决定所述面部图像中的化妆部位(parts)图像的重叠区域，生成将所述化妆部位图像重叠于该重叠区域的模拟图像。
此外，这些总括性的或具体的技术方案既可以通过系统、方法、集成电路、计算机程序或记录介质来实现，也可以通过系统、装置、方法、集成电路、计算机程序和记录介质的任意组合来实现。
根据本公开，能够减少老师花费在讲解化妆方法上的工夫和/或时间，能够使学生加深对化妆方法的理解。
从说明书及附图可知晓本公开的一个技术方案中的进一步的优点及效果。上述优点和/或效果分别由若干个实施方式和说明书及附图所记载的特征提供，但无需为了获得一个或一个以上相同的特征而提供所有的实施方式和特征。
附图说明
图1是表示本公开涉及的图像处理装置的构成例的框图。
图2是表示本公开涉及的面部特征点以及面部器官的一例的图。
图3是表示本公开涉及的工作例1的流程图。
图4是表示本公开涉及的比例线的一例的图。
图5A是表示本公开涉及的腮红图像的重叠区域的例子的图。
图5B是表示本公开涉及的腮红图像的重叠区域的例子的图。
图6是表示本公开涉及的比例线的另一例的图。
图7是表示本公开涉及的比例线的另一例的图。
图8A是表示本公开涉及的比例线的另一例的图。
图8B是表示本公开涉及的比例线的另一例的图。
图8C是表示本公开涉及的比例线的另一例的图。
图9是表示本公开涉及的均衡化前和均衡化后的模拟图像的显示例的图。
图10是表示本公开涉及的工作例2的流程图。
图11A是表示本公开涉及的脸型的比对例的图。
图11B是表示本公开涉及的脸型的低光(lowlight)图像以及高光(highlight)图像的重叠区域的例子的图。
图12A是表示本公开涉及的脸型的比对例的图。
图12B是表示本公开涉及的脸型的低光图像以及高光图像的重叠区域的例子的图。
图13是表示本公开涉及的工作例3的流程图。
图14是表示本公开涉及的分块线的一例的图。
具体实施方式
以下，参照附图，对本公开的一个实施方式详细进行说明。
＜图像处理装置的构成＞
首先，使用图1，对图像处理装置100的构成进行说明。
图1是表示图像处理装置100的构成的一例的框图。
图像处理装置100既可以是台式装置，也可以是也能够容易搬运的便携式装置。另外，图像处理装置100、存储装置200以及显示装置300例如也可以安装于智能手机、平板终端、个人计算机等。
另外，在本实施方式中，列举图像处理装置100的用户例如是在美容学校等教授化妆方法的老师或者在美容学校等学习化妆方法的学生的情况为例进行说明。
如图1所示，图像处理装置100具有图像输入部101、图像解析部102以及图像生成部103。
虽然省略了图示，但图像处理装置100例如具有CPU(Central Processing Unit)、保存有控制程序的ROM(Read Only Memory)等存储介质、RAM(Random Access Memory)等工作用存储器以及通信电路。在该情况下，CPU执行控制程序由此实现图像输入部101、图像解析部102以及图像生成部103的各功能。
图像输入部101从预定装置(图略)输入人脸的图像(以下称为面部图像)，将该面部图像向图像解析部102输出。预定装置例如既可以是摄像头(camera)，也可以是存储装置200。另外，面部图像可以是动态图像，也可以是静态图像。另外，面部图像中的人脸优选为没有化妆的脸。
图像解析部102从图像输入部101接收面部图像，并从该面部图像中提取面部特征点。另外，图像解析部102基于面部特征点来提取面部器官(例如眼睛、眼睑、脸颊、鼻子、嘴唇、前额、下巴等)。
在此，使用图2，对面部特征点以及面部器官的一例进行说明。
例如如图2所示，可从面部图像提取多个面部特征点(图中的圆形记号)。例如面部特征点701～704构成右眼。因此，图像解析部102提取由面部特征点701～704包围的区域705作为右眼(面部器官的一例)。另外，例如面部特征点701～703、706～708构成右眼睑。因此，图像解析部102提取由面部特征点701～703、706～708包围的区域709作为右眼睑(面部器官的一例)。
此外，各面部特征点的坐标例如是以多个面部特征点为基准设定的面部坐标系中的坐标。坐标既可以是二维坐标也可以是三维坐标。
以上，说明了面部特征点以及面部器官的一例。回到图1的说明。
另外，图像解析部102基于面部特征点，计算脸型(正面脸的轮廓的形状)、比例线和分块线中的某一个，所述比例线是为了分析面部的平衡(整个面部的平衡或者面部器官的平衡)而画在脸上的线，所述分块线沿着面部骨骼将面部按由照在面部的光所形成的阴影的明暗分割(分块)成多个区域。关于脸型、比例线以及分块线的具体例子，将在后述的各工作例中进行说明。
而且，图像解析部102将面部图像和表示该面部图像的解析结果的解析结果信息向图像生成部103进行输出。解析结果信息例如包含表示提取到的各面部器官的种类的信息、表示能够确定提取到的各面部器官的面部特征点的坐标的信息。另外，解析结果信息例如包含表示能够确定脸型、比例线或者分块线的面部特征点的坐标的信息。
图像生成部103从图像解析部102接收面部图像以及解析结果信息，基于解析结果信息来生成将化妆部位图像重叠于面部图像的模拟图像。
化妆部位图像是用于将预定颜色的化妆项目(例如眼影、腮红、遮瑕、唇膏、高光、低光等)放在面部图像上来进行化妆模拟的、表示化妆的区域和浓淡的图像。化妆部位图像存储于存储装置200，由图像生成部103从存储装置200读取。
此外，也可以为，存储装置200按每个化妆项目存储有颜色、形状不同的多种化妆部位图像，图像生成部103从它们之中读取由用户指定的化妆部位图像。
而且，图像生成部103将模拟图像向显示装置300输出。显示装置300显示模拟图像。此外，所显示的模拟图像的面部图像既可以是映在通常的镜子上的面部的图像，也可以是映在反转镜(左右反转镜)上的面部的图像。
关于模拟图像的生成处理的例子，将在后述的各工作例中进行说明。
以上，说明了图像处理装置100的构成。
＜图像处理装置的工作＞
接着，对图像处理装置100的工作进行说明。以下，对工作例1～3分别进行说明。
(工作例1)
首先，使用图3，对图像处理装置100的工作例1进行说明。
图3是表示图像处理装置100的工作例1的流程图。
首先，图像输入部101从预定装置(例如摄像头)输入面部图像(步骤S101)。然后，图像输入部101将该面部图像向图像解析部102输出。
接着，图像解析部102从自图像输入部101接收到的面部图像中提取面部特征点(步骤S102)。另外，图像解析部102基于面部特征点来提取面部器官。
接着，图像解析部102基于面部特征点来计算比例线(步骤S103)。
在此，使用图4，对比例线的一例进行说明。
例如，如图4所示，图像解析部102计算比例线L1～L4。比例线L1～L4是相对于面部的横向宽度水平的直线，是将面部图像沿纵向进行分割的线。比例线L1～L4是分析整个面部的平衡所使用的比例线。
比例线L1是通过前额上的发迹线的面部特征点的直线。比例线L2是通过眉头(眉毛的内端)的面部特征点的直线。比例线L3是通过鼻头的面部特征点的直线。比例线L4是通过下巴的面部特征点的直线。
另外，图像解析部102计算比例线间的宽度(距离)。例如，如图4所示，图像解析部102计算比例线L1与比例线L2之间的宽度w1、比例线L2与比例线L3之间的宽度w2、以及比例线L3与比例线L4之间的宽度w3。
以上，说明了比例线的一例。以下，回到图3的说明。
接着，图像解析部102将面部图像以及解析结果信息向图像生成部103输出。该解析结果信息中例如包含各面部器官的种类、能够确定各面部器官的面部特征点的坐标、能够确定比例线L1～L4的面部特征点的坐标、比例线间的宽度w1～w3等的信息。
接着，图像生成部103基于解析结果信息生成表示比例线的图像(以下称为比例线图像)，并生成将该比例线图像重叠于面部图像的模拟图像(步骤S104)。而且，图像生成部103将模拟图像向显示装置300输出(步骤S104)。例如，比例线图像是图4所示的比例线L1～L4各自的图像。
显示装置300显示从图像生成部103接收到的模拟图像。由此，用户能够在面部图像中视觉识别到比例线图像。
接着，图像生成部103基于解析结果信息，决定面部图像中的化妆部位图像(在此作为例子，设为腮红图像)的重叠区域(步骤S105)。
在此，对重叠区域决定处理(步骤S105)的一例进行说明。
首先，图像生成部103判定图4所示的宽度w1和宽度w3哪个较宽。
在宽度w1较宽的情况下，如图5A所示，决定面部图像中的腮红图像的重叠区域CH1、CH2，以使得腮红图像配置得偏上(腮红图像的一端靠近外眼角、并且另一端远离内眼角)。
另一方面，在宽度w3较宽的情况下，如图5B所示，决定面部图像中的腮红图像的重叠区域CH3、CH4，以使得腮红图像配置得偏下(腮红图像的一端靠近内眼角、并且另一端远离外眼角)。
以上，说明了重叠区域决定处理的一例。以下，回到图3的说明。
接着，图像生成部103从存储装置200读取腮红图像(例如以粉红色表示椭圆形腮红的图像)。接着，图像生成部103按照重叠区域调整腮红图像的大小、形状，生成将该腮红图像重叠于重叠区域的模拟图像(步骤S106)。而且，图像生成部103将模拟图像向显示装置300输出(步骤S106)。
显示装置300显示从图像生成部103接收到的模拟图像。由此，用户能够在面部图像中视觉识别到腮红图像。
此外，显示装置300也可以以在步骤S106中所生成的模拟图像取代在步骤S104中所生成的模拟图像来进行显示。在该情况下，比例线图像被从面部图像上擦除，只有腮红图像重叠显示在面部图像上。
或者，显示装置300也可以将腮红图像重叠于在步骤S104中所生成的模拟图像来显示。在该情况下，比例线图像和腮红图像二者重叠显示在面部图像上。
以上，说明了图像处理装置100的工作例1。
以下，对工作例1的变形例进行说明。
(工作例1的变形例1)
也可以省略图3的步骤S104的处理。即，也可以不进行比例线图像的重叠显示。
(工作例1的变形例2)
图3的步骤S104的处理也可以与步骤S106的处理同时进行。即，也可以生成将比例线图像和化妆部位图像(例如腮红图像)二者重叠于面部图像的模拟图像，向显示装置300输出。
(工作例1的变形例3)
在上述说明中，列举化妆部位图像为腮红图像的情况为例进行了说明，但化妆部位图像例如也可以是上述的眼影等除了腮红以外的化妆项目的图像。
(工作例1的变形例4)
算出的比例线不限定于图4所示的比例线L1～L4。以下，对比例线的其他例子进行说明。
首先，使用图6，对比例线L5～L8进行说明。
图6所示的比例线L5～L8是分析整个面部的平衡所使用的比例线。比例线L5～L8是相对于面部的纵向宽度水平的直线，是将面部图像沿横向进行分割的线。
比例线L5是通过右眼的外眼角的面部特征点的直线。比例线L6是通过右眼的内眼角的面部特征点的直线。比例线L7是通过左眼的内眼角的面部特征点的直线。比例线L8是通过左眼的外眼角的面部特征点的直线。
另外，图像解析部102计算比例线L5与比例线L6之间的宽度w4、比例线L6与比例线L7之间的宽度w5、以及比例线L7与比例线L8之间的宽度w6。
接着，使用图6，对比例线L9、L10进行说明。
图6所示的比例线L9、L10是分析整个面部的平衡所使用的比例线。比例线L9、L10是相对于面部的横向宽度水平的直线，是将面部图像沿纵向进行分割的线。
比例线L9是通过上唇的面部特征点的直线。比例线L10是通过下唇的面部特征点的直线。
另外，图像解析部102例如计算比例线L3与比例线L9之间的宽度w7、比例线L9与比例线L4之间的宽度w8、比例线L3与比例线L10之间的宽度w9、以及比例线L10与比例线L4之间的宽度w10。
接着，使用图7，对比例线L11～L14进行说明。此外，关于图7所示的比例线L1～L4，已使用图4进行了说明，因此省略此处的说明。
图7所示的比例线L11～L14是分析整个面部的平衡所使用的比例线。
比例线L11是通过鼻梁(例如，鼻根、鼻背、鼻尖)的面部特征点的直线。比例线L12是通过眉尾的面部特征点、外眼角的面部特征点以及鼻翼外侧的面部特征点的直线。比例线L13是通过右眼瞳孔的上端的面部特征点以及左眼瞳孔的上端的面部特征点的直线。比例线L14是通过比例线L11与比例线L13的交点以及鼻翼外侧的特征点的直线。
接着，使用图8A～图8C，对比例线L15～L29进行说明。
图8A所示的比例线L15～L17是分析眉毛(面部器官的一例)的平衡所使用的比例线。比例线L15～L17是相对于面部的纵向宽度水平的直线。
在图8A中，比例线L15是通过右眉尾的面部特征点的直线。比例线L16是通过右眉峰的面部特征点的直线。比例线L17是通过右眉头的面部特征点的直线。
另外，图像解析部102计算比例线L15与比例线L16之间的宽度w11、以及比例线L16与比例线L17之间的宽度w12。
图8B所示的比例线L18～L23是分析眼睛(面部器官的一例)的平衡所使用的比例线。比例线L18～L21是相对于面部的纵向宽度水平的直线，比例线L22以及L23是相对于面部的横向宽度水平的直线。
在图8B中，比例线L18是通过右眼的外眼角的面部特征点的直线。即，比例线L18与图6所示的比例线L5相同。比例线L19是通过右眼的瞳孔右端的面部特征点的直线。比例线L20是通过右眼的瞳孔左端的面部特征点的直线。比例线L21是通过右眼的内眼角的面部特征点的直线。即，比例线L21与图6所示的比例线L6相同。比例线L22是通过右眼瞳孔的下端的面部特征点的直线。比例线L23是通过右眼瞳孔的上端的面部特征点的直线。
另外，图像解析部102计算比例线L18与比例线L19之间的宽度w13、比例线L19与比例线L20之间的宽度w14、比例线L20与比例线L21之间的宽度w15、以及比例线L22与比例线L23之间的宽度w16。
图8C所示的比例线L24～L29是分析嘴巴(面部器官的一例)的平衡所使用的比例线。比例线L24～L26是相对于面部的纵向宽度水平的直线，比例线L27～L29是相对于面部的横向宽度水平的直线。
在图8C中，比例线L24是通过鼻尖的面部特征点和嘴唇中心的面部特征点的直线。比例线L25是通过左鼻孔的中心的面部特征点的直线。比例线L26是通过嘴唇左端的面部特征点的直线。比例线L27是通过下唇的下端的直线。比例线L28是通过上唇和下唇的边界的面部特征点的直线。比例线L29是通过上唇的上端的直线。
另外，图像解析部102计算比例线L24与比例线L25之间的宽度w17、比例线L25与比例线L26之间的宽度w18、比例线L27与比例线L28之间的宽度w19、以及比例线L28与比例线L29之间的宽度w20。
(工作例1的变形例5)
上述的比例线L1～L29的位置例如也可以基于用户的指示来变更。
具体而言，图像生成部103也可以在受理到预定比例线的位置变更指示的情况下，基于变更后的比例线的位置，生成使面部图像中的面部器官的形状和位置中的至少一方发生了变化的面部图像(以下称为变化后面部图像)，并将变化后面部图像向显示装置300进行输出。或者，图像生成部103也可以生成将比例线的图像重叠于变化后面部图像的模拟图像，向显示装置300输出。
另外，图像生成部103也可以在受理到使面部图像中的面部平衡均衡化(以下也简称为“均衡化”)的指示的情况下，变更预定比例线的位置以使得比例线间的各宽度成为相同的比例。
例如，当在计算出图4所示的比例线L1～L4以及图6所示的比例线L5～L8之后受理到均衡化的指示的情况下，图像生成部103变更图4所示的比例线L1～L4中的至少一条线的位置以使得宽度w1～w3的比例成为1:1:1，并变更图6所示的比例线L5～L8中的至少一条线的位置以使得宽度w4～w6的比例成为1:1:1。
在此，将上述的均衡化结果得到的模拟图像的显示例表示于图9。
图9所示的模拟图像A是均衡化前的模拟图像的一例。另一方面，图9所示的模拟图像B是均衡化后的模拟图像的一例。如图9所示，模拟图像A、B是面部图像中重叠有比例线L1～L8的图像而得到的图像。
模拟图像B相比于模拟图像A，比例线L2、L3的位置有变更，眉毛、眼睛的位置有变更。如此，通过将两个模拟图像并排显示，用户能够容易地对面部平衡没有被均衡化的面部和面部平衡得到均衡化的面部进行比较。
此外，在上述说明中，说明了变更比例线的位置以使得各宽度成为相同的比例(例如1:1:1)的均衡化处理，但是例如，也可以进行变更比例线的位置以使得各宽度的比例成为预先确定的理想的比例的理想化处理。以下，分别对在受理到使面部图像中的面部平衡理想化的指示的情况下的、比例线的位置的变更例进行说明。
例如，在图6中，也可以变更比例线L3、L9和L4中的至少一条线的位置以使得宽度w7与宽度w8的比例成为1:3。另外，在图6中，也可以变更比例线L3、L10和L4中的至少一条线的位置以使得宽度w9与宽度w10的比例成为1:1。
另外，例如在图8A中，也可以变更比例线L15～L17中的至少一条线的位置以使得宽度w11与宽度w12的比例成为1:2。
另外，例如在图8B中，也可以变更比例线L18～L23中的至少一条线的位置以使得宽度w13～宽度w16的比例成为1:1:1:1。
另外，例如在图8C中，也可以变更比例线L24～L26中的至少一条线的位置以使得宽度w17与宽度w18的比例成为1:2。另外，例如在图8C中，也可以变更比例线L27～L29中的至少一条线的位置以使得宽度w19与宽度w20的比例成为1.5:1。
以上，对被指示要理想化的情况下的比例线的位置变更的各例进行了说明，而在这些例子中，也如上所述那样，基于变更后的比例线，生成使面部器官的位置和形状中的至少一方发生了变化的变化后面部图像。
(工作例1的变形例6)
在上述说明中，列举基于宽度w1与宽度w3的比较结果来决定腮红图像的重叠区域的情况为例进行了说明，但不限定于此。以下说明其他例子。
例如，图像解析部102在比例线的计算处理(图3的步骤S103)时，基于面部特征点来计算轮廓的纵向宽度(例如，也可以是表示最大纵向宽度的比例线)以及轮廓的横向宽度(例如，也可以是表示最大横向宽度的比例线)。该计算结果包含于解析结果信息并向图像生成部103输出。
然后，图像生成部103在重叠区域的决定处理(图3的步骤S105)时，判定计算出的纵向宽度和横向宽度哪个长。
在纵向宽度较长的情况下(脸型为长脸的情况下)，例如决定面部图像中的腮红图像的重叠区域以使得椭圆形的腮红图像水平配置(以使得椭圆的长轴与面部的横向宽度并行配置)。
另一方面，在横向宽度较长的情况下(脸型为圆形脸的情况)，例如决定面部图像中的腮红图像的重叠区域以使得椭圆形的腮红图像从脸颊向嘴角倾斜地配置。
以上，说明了工作例1的变形例。
(工作例2)
接着，使用图10，对图像处理装置100的工作例2进行说明。
图10是表示图像处理装置100的工作例2的流程图。
关于步骤S101、S102，由于已在工作例1中进行了说明，因此省略此处的说明。
接着，图像解析部102基于面部特征点计算脸型(步骤S203)。在此计算出的脸型(以下称为算出脸型)例如为倒三角形、菱形、圆形脸、长脸、基础(base)形、八边形等。
接着，图像解析部102将面部图像以及解析结果信息向图像生成部103进行输出。在该解析结果信息中，例如包含各面部器官的种类、能够确定各面部器官的面部特征点的坐标、能够确定算出脸型的面部特征点的坐标等的信息。
接着，图像生成部103从存储装置200读取基准脸型的信息。基准脸型是预先确定的脸型，例如是作为理想的脸型的卵圆形脸。
接着，图像生成部103将基准脸型的大小与算出脸型的大小相匹配，比对算出脸型和基准脸型，计算超出区域和不足区域(步骤S204)。
接着，图像生成部103基于超出区域和不足区域，决定应该重叠于面部图像的化妆部位图像(在此作为例子，设为低光图像和高光图像)的重叠区域(步骤S205)。
在此，使用图11A、图11B以及图12A、图12B，对区域计算处理(步骤S204)以及重叠区域决定处理(步骤S205)的各例进行说明。
使用图11A、图11B，对算出脸型为倒三角形的情况下的区域计算处理以及重叠区域决定处理进行说明。
首先，如图11A所示，图像生成部103比对倒三角形的算出脸型t1和卵圆形的基准脸型T。而且，图像生成部103计算算出脸型t1超出了基准脸型T的超出区域X1、X2。另外，图像生成部103计算算出脸型t1相对于基准脸型T不足(不够)的不足区域Y1、Y2。
接着，如图11B所示，图像生成部103将面部图像中的与超出区域X1、X2对应的区域L1、L2决定为低光图像的重叠区域。另外，如图11B所示，图像生成部103将面部图像中的与不足区域Y1、Y2对应的区域H1、H2决定为高光图像的重叠区域。
另外，如图11B所示，图像生成部103将区域H3(额头和鼻梁的区域)、区域H4(右眼下方的区域)、区域H5(左眼下方的区域)、区域H6(下颚的区域)决定为高光图像的重叠区域。这些区域H3～H6被预先确定为对所有脸型共通的高光图像的重叠区域，而大小、形状可根据面部图像(算出脸型)的特征适宜变更。
使用图12A、图12B，对算出脸型为菱形的情况下的区域计算处理以及重叠区域决定处理进行说明。
首先，如图12A所示，图像生成部103将菱形的算出脸型t2和卵圆形的基准脸型T进行比对。而且，图像生成部103计算算出脸型t2超出了基准脸型T的超出区域X3、X4。另外，图像生成部103计算算出脸型t2相对于基准脸型T不足的不足区域Y3、Y4。
接着，如图12B所示，图像生成部103将面部图像中的与超出区域X3、X4对应的区域L3、L4决定为低光图像的重叠区域。另外，如图12B所示，图像生成部103将面部图像中的与不足区域Y3、Y4对应的区域H7、H8决定为高光图像的重叠区域。另外，如图12B所示，图像生成部103将区域H3～H6决定为高光图像的重叠区域。
以上，说明了区域计算处理以及重叠区域决定处理的各例。以下，回到图10的说明。
接着，图像生成部103从存储装置200读取低光图像以及高光图像。接着，图像生成部103按照各重叠区域调整低光图像以及高光图像的大小、形状，生成将低光图像以及高光图像重叠于各重叠区域的模拟图像(步骤S206)。而且，图像生成部103将模拟图像向显示装置300输出(步骤S206)。
显示装置300显示从图像生成部103接收到的模拟图像。由此，用户能够在面部图像中视觉识别到低光图像以及高光图像。
以上，说明了图像处理装置100的工作例2。
以下，对工作例2的变形例进行说明。
(工作例2的变形例1)
在上述说明中，列举化妆部位图像为低光图像以及高光图像的情况为例进行了说明，但化妆部位图像也可以是低光以及高光以外的化妆项目的图像。
(工作例2的变形例2)
在上述说明中，列举算出脸型为倒三角形或者菱形的情况为例进行了说明，但算出脸型也可以是圆形脸、长脸、基础形或者八边形。
(工作例2的变形例3)
在上述说明中，列举超出区域和不足区域二者都被算出的情况为例进行了说明，但根据比对结果，也可以存在仅算出超出区域和不足区域中的某一个的情况。
另外，即使在算出超出区域以及不足区域二者的情况下，也无需将算出的所有区域都决定为重叠区域。例如，当如果在面部图像中对与不足区域对应的区域重叠高光图像，则会看起来不自然的情况下，不将该不足区域决定为重叠区域。
以上，说明了工作例2的变形例。
(工作例3)
接着，使用图13，对图像处理装置100的工作例3进行说明。
图13是表示图像处理装置100的工作例3的流程图。
关于步骤S101、S102，由于已在工作例1中进行了说明，因此省略此处的说明。
接着，图像解析部102基于面部特征点计算二次特征点(步骤S303)。二次特征点例如是分割面部特征点之间的线段(以下简称为“线段”)的点、线段的延长线上的点、两条线段的交点等。
接着，图像解析部102基于面部特征点以及二次特征点，计算分块线(步骤S304)。
接着，图像解析部102计算由分块线划分出的各分割区域的亮度(步骤S305)。
在此，使用图14，对分块线以及分割区域的一例进行说明。
例如，如图14所示，图像解析部102计算分块线BL。在图14中，圆形记号表示面部特征，四边形记号表示二次特征点。
另外，在图14中，分割区域DA表示由分块线BL划分出的多个分割区域中的一个。
以上，说明了分块线以及分割区域的一例。以下，回到图13的说明。
接着，图像解析部102将面部图像以及解析结果信息向图像生成部103输出。该解析结果信息中例如包含各面部器官的种类、能够确定各面部器官的面部特征点的坐标、能够确定分块线BL的面部特征点及二次特征点的坐标、能够确定分割区域的面部特征点及二次特征点的坐标、各分割区域的亮度等的信息。
接着，图像生成部103基于解析结果信息生成表示分块线的图像(以下称为分块线图像)，并生成将该分块线图像重叠于面部图像的模拟图像(步骤S306)。而且，图像生成部103将模拟图像向显示装置300输出(步骤S306)。例如，分块线图像是表示图14所示的分块线BL的图像。此外，该分块线图像中也可以包含表示面部特征点及二次特征点的图像。
显示装置300显示从图像生成部103接收到的模拟图像。由此，用户能够在面部图像中视觉识别到分块线图像。
接着，图像生成部103基于解析结果信息，决定面部图像中的化妆部位图像(在此作为例子，设为低光图像以及高光图像)的重叠区域(步骤S307)。
在此，对重叠区域决定处理(步骤S307)的一例进行说明。
首先，图像生成部103判定各分割区域的亮度是否大于预先确定的第1阈值。而且，图像生成部103将亮度大于第1阈值的分割区域决定为高光图像的重叠区域。
另一方面，图像生成部103在亮度小于第1阈值的情况下，判定该亮度是否小于第2阈值。第2阈值是小于第1阈值的值。而且，图像生成部103将亮度小于第2阈值的分割区域决定为低光图像的重叠区域。
另一方面，图像生成部103将亮度小于第1阈值、且大于等于第2阈值的分割区域决定为非重叠区域。非重叠区域是既不被高光图像重叠也不被低光图像重叠的区域。
以上，说明了重叠区域决定处理的一例。以下，回到图13的说明。
接着，图像生成部103从存储装置200读取低光图像以及高光图像。接着，图像生成部103按照各重叠区域调整低光图像以及高光图像的大小、形状，生成将低光图像以及高光图像重叠于各重叠区域的模拟图像(步骤S308)。而且，图像生成部103将模拟图像向显示装置300输出(步骤S308)。
显示装置300显示从图像生成部103接收到的模拟图像。由此，用户能够在面部图像中视觉识别到低光图像以及高光图像。
以上，说明了图像处理装置100的工作例3。
以下，对工作例3的变形例进行说明。
(工作例3的变形例1)
在上述说明中，列举化妆部位图像为低光图像以及高光图像的情况为例进行了说明，但化妆部位图像也可以是低光以及高光以外的化妆项目的图像。
(工作例3的变形例2)
在上述说明中，列举分块线是基于面部特征点以及二次特征点来算出的情况为例进行了说明，分块线也可以仅基于面部特征点来算出。
以上，说明了工作例3的变形例。
以上，对图像处理装置100的工作进行了说明。
＜本实施方式的效果＞
如上所述，本实施方式的图像处理装置100是生成化妆的模拟图像的装置。图像处理装置100具有：图像输入部101，其从预定装置输入面部图像；图像解析部102，其基于从面部图像中提取到的面部特征点，计算脸型、比例线和分块线中的某一个，所述比例线是为了分析面部的平衡而画在脸上的线，所述分块线沿着面部骨骼将面部按由照在面部的光所形成的阴影的明暗分割成多个区域；以及图像生成部103，其基于脸型、比例线、分块线中的某一个，生成将化妆部位图像重叠于面部图像的模拟图像，将模拟图像输出给显示装置300。
通过以上，根据本实施方式，能够减少老师花费在讲解化妆方法上的工夫和/或时间，能够使学生加深对化妆方法的理解。
＜本发明的变形例＞
以上，说明了本发明的实施方式，但本发明不限定于上述说明，能够进行各种变形。以下，对各变形例进行说明。
(变形例1)
图像处理装置100也可以在模拟图像的显示期间，在该模拟图像所包含的化妆部位图像被用户选择了的情况下，将由重叠在面部图像上的化妆引导(指导)图像、或者文本、照片、插图、声音(语音)等来表示该化妆项目的涂抹方法等的引导信息输出给显示装置300。引导信息按每个化妆部位图像来关联，并存储于存储装置200。此外，引导信息既可以是静态图像，也可以是动态图像。另外，显示装置300也可以具备声音输出(扬声器)功能(在以下的各变形例中也是同样的)。
例如，图像生成部103在生成模拟图像时，预先从存储装置200中将化妆部位图像和与该化妆部位图像相关联的引导信息一起读出。之后，在模拟图像的显示期间，由用户进行了选择化妆部位图像的操作的情况下，图像生成部103将与所选择的化妆部位图像对应的引导信息向显示装置300进行输出。然后，显示装置300显示引导信息。
由此，用户能够容易地掌握化妆项目的涂抹方法等。
(变形例2)
图像处理装置100也可以输入表示实际按照重叠有化妆部位图像的模拟图像化了妆的面部的面部图像，通过比较该面部图像和模拟图像，进行对实际所化的妆的评价。
例如，用户一边查看重叠有化妆部位图像的模拟图像(以下称为范本图像)的显示，一边实际地在自己的脸上化妆，并用摄像头拍摄其面部。
然后，图像输入部101从摄像头输入面部图像(以下称为已化妆图像)，将该已化妆图像向图像解析部102输出。
接着，图像解析部102从已化妆图像中提取实际化了妆的区域(以下称为化妆区域)。而且，图像解析部102将已化妆图像和包含能够确定化妆区域的坐标等信息的解析结果信息向图像生成部103进行输出。
接着，图像生成部103对解析结果信息所示的化妆区域(例如，实际涂抹了腮红的区域)和范本图像所包含的化妆部位图像的重叠区域(例如，腮红图像的重叠区域)进行比对。而且，图像生成部103计算化妆区域与重叠区域一致的比例(以下称为评价值)。评价值的值越高，表示妆化得越准确。
接着，图像生成部103生成表示评价值的信息(以下称为化妆评价信息)并向显示装置300输出。显示装置300显示化妆评价信息。
由此，用户能够掌握化妆的准确程度如何。
此外，在上述说明中，列举化妆评价信息是评价值的情况为例进行了说明，但不限定于此。例如，化妆评价信息也可以是基于评价值所决定的表示化妆的准确性的消息、插图等。
另外，在上述说明中，列举通过比对化妆区域和重叠区域来进行化妆的评价的情况为例进行了说明，但不限定于此。例如，也可以通过比对化妆区域的颜色和化妆部位图像的颜色来进行化妆的评价。比对的结果，也可以在存在色差大于等于预定值的部分(例如，有色斑的部分)的情况下，计算为评价值低。另外，化妆评价信息中也可以包含由文本、箭头、声音等表示有色斑的化妆区域的信息。
(变形例3)
图像处理装置100也可以从面部图像中提取肤色，根据该肤色来选择重叠于面部图像的化妆部位图像。
例如，图像解析部102从面部图像中提取皮肤区域(例如，脸颊、额头、下颚等)的颜色。而且，图像解析部102将包含皮肤区域的颜色的信息的解析结果信息向图像生成部103进行输出。
图像生成部103从存储装置200读取具有与解析结果信息所示的皮肤区域的颜色相同的颜色的化妆部位图像(例如，遮瑕图像、粉底图像等)。而且，图像生成部103按照变色区域调整化妆部位图像的形状、大小，生成将该化妆部位图像重叠于面部图像的模拟图像，并将该模拟图像向显示装置300输出。显示装置300显示该模拟图像。
由此，图像处理装置100能够向用户提出适合于实际肤色的颜色的化妆部位图像的建议。
此外，在上述说明中，列举图像生成部103选择具有与皮肤区域的颜色相同的颜色的化妆部位图像的情况为例进行了说明，但不限定于此。例如，图像生成部103也可以选择具有皮肤区域的颜色的近似色的化妆部位图像。近似色例如是比皮肤区域的颜色亮1～2级的颜色或者暗1～2级的颜色。
(变形例4)
图像处理装置100也可以在选择了重叠于面部图像的一个化妆部位图像(也可以是由用户指定的化妆部位图像)的情况下，基于该化妆部位图像的颜色来选择其他化妆部位图像。
例如在存储装置200中，相对于一个化妆部位图像，关联地存储有至少一个以上的化妆部位图像。该关联例如基于孟塞尔(Munsell)颜色系统而预先确定为使得化妆部位图像彼此的颜色协调。
图像生成部103例如在选择并从存储装置200中读出了预定颜色的粉底图像作为要重叠于面部图像的化妆部位图像的情况下，从存储装置200读取与该粉底图像相关联的预定颜色的腮红图像、眼影图像等。而且，图像生成部103按照变色区域调整这些化妆部位图像的形状、大小，生成将各化妆部位图像重叠于面部图像的模拟图像，并将该模拟图像向显示装置300输出。显示装置300显示该模拟图像。
由此，图像处理装置100能够向用户提出颜色协调的多个化妆部位图像的建议。
(变形例5)
当在面部图像中皮肤区域存在变色区域的情况下，图像处理装置100也可以生成将覆盖该变色区域的化妆部位图像重叠于面部图像的模拟图像。变色区域例如为色素斑、黄褐斑(肝斑)、扁平痣、色素细胞痣、大田痣、后天性真皮黑素细胞增生、红斑、紫斑(紫癜)、白斑(白癜风)、瘀青、黑痣、毛孔黑头、晒黑区域、痤疮(粉刺)、粉刺印、因摩擦或炎症引起的色素沉着、皱纹、雀斑、纹身、疣、疤痕等。
例如，图像解析部102在面部图像中提取与周边区域(皮肤区域内的、变色区域周边的区域)相比色差大于等于预定值的不同的区域作为变色区域。而且，图像解析部102将包含周边区域的颜色、能够确定变色区域的面部特征点的坐标等信息的解析结果信息向图像生成部103输出。
图像生成部103从存储装置200读取具有解析结果信息所示的周边区域的颜色的化妆部位图像(例如，相对于色素斑等斑点部分，近似于肤色或者实际涂抹的粉底的颜色的遮瑕图像或者粉底图像等)。而且，图像生成部103按照变色区域调整化妆部位图像的形状、大小，生成将该化妆部位图像重叠于面部图像的模拟图像，并将该模拟图像向显示装置300输出。显示装置300显示该模拟图像。
由此，用户能够掌握覆盖变色区域的适当的颜色的化妆项目。
(变形例6)
图像处理装置100也可以在面部图像为静态图像的模拟图像的显示期间，在受理到用户的切换指示的情况下，将面部图像从静态图像向动态图像切换。
由此，用户能够视觉识别倾斜了各种角度的面部的模拟图像，因此更易于捕捉化妆部位图像的颜色、形状、位置等。
另外，图像处理装置100也可以在面部图像为动态图像的模拟图像的显示期间，在受理到用户的切换指示的情况下，将面部图像从动态图像向静态图像切换。
由此，用户能够从容地视觉识别倾斜了期望角度的面部的模拟图像，因此更易于捕捉化妆部位图像的颜色、形状、位置等。
(变形例7)
图像处理装置100也可以将多个模拟图像输出给显示装置300，显示装置300也可以将多个模拟图像并排显示。
并排显示的多个模拟图像既可以为相同的种类，也可以为不同的种类。
例如也可以为，在预定面部图像中重叠有比例线图像的模拟图像(参照工作例1)、和在与上述预定面部图像不同的面部图像中重叠有比例线图像的模拟图像(参照工作例1)并排显示。
或者，例如也可以为，在预定面部图像中重叠有比例线图像的模拟图像(参照工作例1)、和在与上述预定面部图像相同的面部图像中重叠有分块线图像的模拟图像(参照工作例3)并排显示。
由此，用户易于比较多个模拟图像。
(变形例8)
图像处理装置100(例如图像生成部103。在本变形中以下相同)也可以仅将面部图像输出给显示装置300，显示装置300也可以仅显示面部图像。
再者，图像处理装置100也可以在仅有面部图像的显示期间，在由用户选择了化妆部位图像并受理到该化妆部位图像的重叠指示的情况下，生成在显示期间的面部图像中重叠化妆部位图像的模拟图像，并向显示装置300输出。
另外，图像处理装置100也可以在仅输出面部图像的情况下将示出能够重叠化妆部位图像的范围(以下称为可重叠范围)的面部图像向显示装置300输出。可重叠范围例如是将正面脸的面部图像纵向进行二等分得到的范围中的、右侧的半边脸的图像(以下称为右脸图像)和左侧的半边脸的图像(称为左脸图像)中的某一个。例如，在右脸图像为可重叠范围的情况下，图像处理装置100生成使左脸图像的亮度低于右脸图像的亮度的面部图像并向显示装置300输出。用户能够识别出右脸图像为可重叠范围。
而且，例如学生在具备图像处理装置100的终端上进行选择所期望的化妆部位图像、并指示使该化妆部位图像重叠在右脸图像的所期望的位置上的操作。
另一方面，老师也在具备图像处理装置100的终端(可以是与学生使用的终端相同的终端，也可以是另外的终端)上进行选择所期望的化妆部位图像、并指示使该化妆部位图像重叠在左脸图像的所期望的位置上的操作。此外，除了选择化妆部位图像并指定其重叠位置的方法以外，例如学生以及老师也可以使用电子笔等直接在显示于终端的左脸图像上描画化妆部位图像。
图像处理装置100在受理到学生和老师的上述操作时，生成将由学生选择的化妆部位图像重叠于右脸图像的模拟图像(以下称为右脸模拟图像)。另外，图像处理装置100生成将由老师选择的化妆部位图像重叠于左脸图像的模拟图像(以下称为左脸模拟图像)。而且，图像处理装置100将右脸模拟图像以及左脸模拟图像向显示装置300输出。
显示装置300将右脸模拟图像和左脸模拟图像合在一起作为一张脸的模拟图像进行显示。此时，右脸模拟图像和左脸模拟图像以相同亮度显示。此外，例如既可以为右脸模拟图像以比左脸模拟图像低的亮度显示，也可以为左脸模拟图像以比右脸模拟图像低的亮度显示。
由此，学生能够同时视觉识别到通过自己的操作生成的右脸模拟图像、和通过老师的操作生成的左脸模拟图像，能够容易地进行比较。
此外，图像处理装置100也可以使右脸模拟图像以及左脸模拟图像作为学习历史记录存储于存储装置200。此外，作为学习历史记录存储于存储装置200的模拟图像不限定于右脸模拟图像以及左脸模拟图像，例如也可以是整张脸的模拟图像。
另外，图像处理装置100也可以对作为学习历史记录存储的多个右脸模拟图像进行图像解析，评价学生化妆的倾向(例如，化妆部位图像的被配置方式、所选择的化妆部位图像的颜色等)。另外，图像处理装置100也可以将表示评价结果的信息向显示装置300输出，显示装置300也可以显示该信息。由此，学生能够知晓自己化妆的倾向。
另外，图像处理装置100也可以比较右脸模拟图像和左脸模拟图像，判定学生选择的化妆部位图像的位置、颜色等是否与老师选择的化妆部位图像的位置、颜色等相匹配。另外，图像处理装置100也可以将由文本、插图或者声音等表示判定结果的判定结果信息向显示装置300输出。而且，显示装置300显示判定结果信息。由此，学生能够就自己选择的化妆部位图像的位置、颜色等掌握差错等。
(变形例9)
具备图像处理装置100以及显示装置300的终端彼此也可以进行通信。
例如，也可以在学生使用的终端与老师使用的终端之间进行模拟图像(例如，在变形例8中说明的右脸模拟图像、左脸模拟图像)的收发。由此，住在或者留在远程位置的学生能够接受由老师进行的化妆指导。
另外，例如老师预先制作表示远程学习(通信学习)用的文本的进展方式(例如翻页的速度、重点的强调显示等)的进行数据，并使终端存储该进行数据。远程位置的学生所使用的终端接收该进行数据，基于进行数据来显示文本。由此，学生能够进行具有如同在直接上课的临场感的远程学习。此外，老师也可以实时地进行指示文本的进展方式的操作、进行对学生制作的模拟图像的指导操作。学生使用的终端接收表示这些操作的信息并基于该信息进行显示等。
(变形例10)
面部特征点的提取方法以及面部器官的提取方法不限定于上述实施方式的说明，可以采用已知的分类方法、模式识别方法、聚类(clustering)方法以及最优化方法。
作为已知的分类方法，例如可列举决策树分析、神经网络(包括深度学习)以及朴素贝叶斯(Naive Bayes)。作为已知的模式识别方法，例如可列举神经网络(包括深度学习)以及支持向量机(support vector machine：SVM)。作为已知的聚类方法，例如可列举k近邻法(k-NN，k-Nearest Neighbor)、k-means以及分级聚类。另外，作为已知的最优化方法，例如可列举遗传算法。
(变形例11)
图像处理装置100的构成的一部分也可以与该装置的构成的其他部分在物理上隔离。在该情况下，这些隔离开的多个部分需要分别具备用于相互进行通信的通信部。例如，图像处理装置100的功能的一部分也可以云(cloud)化。另外，图像处理装置100也可以包括存储装置200和显示装置300中的至少一方。另外，图像处理装置100也可以包括向图像输入部101输出面部图像的装置(例如摄像头)。
例如，在具备图像处理装置100以及显示装置300的终端连接于网络的情况下，也可以不仅将制作出的数据以及操作历史记录保存在终端内，而且还保存在网络上的云上。收集于云上的信息中有成为基础的面部形状、面部特征点信息、制作出的化妆部位形状、毛刷的触摸和/或涂抹方法的历史记录、使用的颜色信息、化妆项目的商品信息等。在云上，对这些信息进行学习，进行以几个月为单位或者以年为单位的趋势分析。根据面部形状、特征点信息以及化妆部位形状及毛刷的操作历史记录，分析线条的形状、腮红的画法等、成为当时的流行的面部形状和/或妆的化法，根据颜色信息和/或化妆项目的商品信息，提取受欢迎的用色和/或商品信息。
这些学习数据被储存为流行的化妆方法、颜色信息，可在终端自动下载。在终端，能够参照、利用总为最新的化妆信息，例如如图5A、图5B、图11A、图11B、图12A、图12B所示的化妆的方法指南自动地更新于最新的妆。
＜本公开的归纳＞
本公开的图像处理装置具有：图像输入部，其从预定装置输入面部图像；图像解析部，其基于从所述面部图像中提取到的面部特征点，计算脸型、比例线和分块线中的某一个，所述比例线是为了分析面部的平衡而画在脸上的线，所述分块线沿着面部骨骼将面部按由照在面部的光所形成的阴影的明暗分割成多个区域；以及图像生成部，其基于所述脸型、所述比例线和所述分块线中的某一个来决定所述面部图像中的化妆部位图像的重叠区域，生成将所述化妆部位图像重叠于该重叠区域的模拟图像。
此外，在上述图像处理装置中，也可以为，所述图像生成部：计算超出区域和不足区域，所述超出区域是所述脸型从预先确定的基准脸型超出的区域，所述不足区域是所述脸型相对于所述基准脸型不足的区域；将在所述面部图像中与所述超出区域对应的区域决定为第1化妆部位图像的重叠区域；将在所述面部图像中与所述不足区域对应的区域决定为不同于所述第1化妆项目的第2化妆部位图像的重叠区域。
另外，在上述图像处理装置中，也可以为，所述图像生成部：计算由所述分块线分割出的所述面部图像中的各分割区域的亮度；将在所述面部图像中所述亮度大于第1阈值的分割区域决定为第2化妆部位图像的重叠区域；将在所述面部图像中所述亮度小于比所述第1阈值小的第2阈值的分割区域决定为不同于所述第2化妆项目的第1化妆部位图像的重叠区域。
另外，在上述图像处理装置中，也可以为，所述第1化妆部位图像是低光图像，所述第2化妆部位图像是高光图像。
另外，在上述图像处理装置中，也可以为，所述图像解析部：计算将所述面部图像纵向分割的第1比例线、比该第1比例线靠下方的第2比例线以及比该第2比例线靠下方的第3比例线，所述图像生成部：在所述第1比例线和所述第2比例线之间的第1距离比所述第2比例线和所述第3比例线之间的第2距离长的情况下，决定所述化妆部位图像的重叠位置以使得该化妆部位图像配置得偏上；在所述第2距离比所述第1距离长的情况下，决定所述化妆部位图像的重叠位置以使得该化妆部位图像配置得偏下。
另外，在上述图像处理装置中，也可以为，所述图像解析部：计算表示面部图像的最大纵向宽度的第4比例线以及表示所述面部图像的最大横向宽度的第5比例线，所述图像生成部：在所述第4比例线比所述第5比例线长的情况下，决定所述化妆部位图像的重叠位置以使得该化妆部位图像的长度方向沿着所述面部图像的横向宽度而配置；在所述第5比例线比所述第4比例线长的情况下，决定所述化妆部位图像的重叠位置以使得该化妆部位图像从脸颊向嘴角倾斜地配置。
另外，在上述图像处理装置中，也可以为，所述化妆部位图像是腮红图像。
另外，在上述图像处理装置中，也可以为，所述图像生成部生成将所述比例线的图像重叠于所述面部图像的所述模拟图像。
另外，在上述图像处理装置中，也可以为，所述图像生成部生成将所述分块线图像重叠于所述面部图像的所述模拟图像。
另外，在上述图像处理装置中，也可以为，所述图像生成部在受理到所述比例线的位置变更指示的情况下，基于变更后的所述比例线的位置，生成使所述面部图像中的面部器官的形状和位置中的至少一方发生了变化的面部图像。
另外，在上述图像处理装置中，也可以为，所述图像解析部计算至少三条以上的所述比例线，所述图像生成部：在受理到使所述面部图像中的面部平衡理想化的指示的情况下，变更所述比例线的位置以使得所述比例线间的各距离成为预先确定的比例；基于变更后的所述比例线的位置，生成使所述面部图像中的面部器官的形状和位置中的至少一方发生了变化的面部图像。
另外，在上述图像处理装置中，也可以为，所述图像生成部将所述模拟图像向预定显示装置进行输出。
本公开的图像处理方法包括：从预定装置输入面部图像；基于从所述面部图像中提取到的面部特征点，计算脸型、比例线和分块线中的某一个，所述比例线是为了分析面部的平衡而画在脸上的线，所述分块线沿着面部骨骼将面部按由照在面部的光所形成的阴影的明暗分割成多个区域；基于所述脸型、所述比例线和所述分块线中的某一个来决定所述面部图像中的化妆部位图像的重叠区域；生成将所述化妆部位图像重叠于该重叠区域的模拟图像。
本公开的图像处理程序使计算机执行以下处理：从预定装置输入面部图像的处理；基于从所述面部图像中提取到的面部特征点，计算脸型、比例线和分块线中的某一个的处理，所述比例线是为了分析面部的平衡而画在脸上的线，所述分块线沿着面部骨骼将面部按由照在面部的光所形成的阴影的明暗分割成多个区域；基于所述脸型、所述比例线和所述分块线中的某一个来决定所述面部图像中的化妆部位图像的重叠区域的处理；生成将所述化妆部位图像重叠于该重叠区域的模拟图像的处理。
产业上的可利用性
本公开涉及的图像处理装置、图像处理方法以及图像处理程序作为生成化妆的模拟图像的图像处理装置、图像处理方法以及图像处理程序是有用的。
标号说明
100图像处理装置；101图像输入部；102图像解析部；103图像生成部；200存储装置；300显示装置。

Claims (14)

1.一种图像处理装置，具备：
图像输入部，其从预定装置输入面部图像；
图像解析部，其基于从所述面部图像中提取到的面部特征点，计算脸型、比例线和分块线中的某一个，所述比例线是为了分析面部的平衡而画在脸上的线，所述分块线沿着面部骨骼将面部按由照在面部的光所形成的阴影的明暗分割成多个区域；以及
图像生成部，其基于所述脸型、所述比例线和所述分块线中的某一个来决定所述面部图像中的化妆部位图像的重叠区域，生成将所述化妆部位图像重叠于该重叠区域的模拟图像。
2.根据权利要求1所述的图像处理装置，
所述图像生成部，
计算超出区域和不足区域，所述超出区域是所述脸型从预先确定的基准脸型超出的区域，所述不足区域是所述脸型相对于所述基准脸型不足的区域，
将在所述面部图像中与所述超出区域对应的区域决定为第1化妆部位图像的重叠区域，
将在所述面部图像中与所述不足区域对应的区域决定为不同于所述第1化妆项目的第2化妆部位图像的重叠区域。
3.根据权利要求1所述的图像处理装置，
所述图像生成部，
计算由所述分块线分割出的所述面部图像中的各分割区域的亮度，
将在所述面部图像中所述亮度大于第1阈值的分割区域决定为第2化妆部位图像的重叠区域，
将在所述面部图像中所述亮度小于比所述第1阈值小的第2阈值的分割区域决定为不同于所述第2化妆项目的第1化妆部位图像的重叠区域。
4.根据权利要求2或3所述的图像处理装置，
所述第1化妆部位图像是低光图像，
所述第2化妆部位图像是高光图像。
5.根据权利要求1所述的图像处理装置，
所述图像解析部，
计算将所述面部图像纵向分割的第1比例线、比该第1比例线靠下方的第2比例线以及比该第2比例线靠下方的第3比例线，
所述图像生成部，
在所述第1比例线和所述第2比例线之间的第1距离比所述第2比例线和所述第3比例线之间的第2距离长的情况下，决定所述化妆部位图像的重叠位置以使得该化妆部位图像配置得偏上，
在所述第2距离比所述第1距离长的情况下，决定所述化妆部位图像的重叠位置以使得该化妆部位图像配置得偏下。
6.根据权利要求1所述的图像处理装置，
所述图像解析部，
计算表示面部图像的最大纵向宽度的第4比例线以及表示所述面部图像的最大横向宽度的第5比例线，
所述图像生成部，
在所述第4比例线比所述第5比例线长的情况下，决定所述化妆部位图像的重叠位置以使得该化妆部位图像的长度方向沿着所述面部图像的横向宽度而配置，
在所述第5比例线比所述第4比例线长的情况下，决定所述化妆部位图像的重叠位置以使得该化妆部位图像从脸颊向嘴角倾斜地配置。
7.根据权利要求5或6所述的图像处理装置，
所述化妆部位图像是腮红图像。
8.根据权利要求1所述的图像处理装置，
所述图像生成部生成将所述比例线的图像重叠于所述面部图像的所述模拟图像。
9.根据权利要求1所述的图像处理装置，
所述图像生成部生成将所述分块线图像重叠于所述面部图像的所述模拟图像。
10.根据权利要求1所述的图像处理装置，
所述图像生成部在受理到所述比例线的位置变更指示的情况下，基于变更后的所述比例线的位置，生成使所述面部图像中的面部器官的形状和位置中的至少一方发生了变化的面部图像。
11.根据权利要求1所述的图像处理装置，
所述图像解析部，
计算至少三条以上的所述比例线，
所述图像生成部，
在受理到使所述面部图像中的面部平衡理想化的指示的情况下，变更所述比例线的位置以使得所述比例线间的各距离成为预先确定的比例，
基于变更后的所述比例线的位置，生成使所述面部图像中的面部器官的形状和位置中的至少一方发生了变化的面部图像。
12.根据权利要求1所述的图像处理装置，
所述图像生成部将所述模拟图像向预定显示装置进行输出。
13.一种图像处理方法，包括：
从预定装置输入面部图像；
基于从所述面部图像中提取到的面部特征点，计算脸型、比例线和分块线中的某一个，所述比例线是为了分析面部的平衡而画在脸上的线，所述分块线沿着面部骨骼将面部按由照在面部的光所形成的阴影的明暗分割成多个区域；
基于所述脸型、所述比例线和所述分块线中的某一个来决定所述面部图像中的化妆部位图像的重叠区域；
生成将所述化妆部位图像重叠于该重叠区域的模拟图像。
14.一种图像处理程序，使计算机执行以下处理：
从预定装置输入面部图像的处理；
基于从所述面部图像中提取到的面部特征点，计算脸型、比例线和分块线中的某一个的处理，所述比例线是为了分析面部的平衡而画在脸上的线，所述分块线沿着面部骨骼将面部按由照在面部的光所形成的阴影的明暗分割成多个区域；
基于所述脸型、所述比例线和所述分块线中的某一个来决定所述面部图像中的化妆部位图像的重叠区域的处理；
生成将所述化妆部位图像重叠于该重叠区域的模拟图像的处理。
CN201780064349.3A 2016-10-24 2017-10-11 图像处理装置、图像处理方法以及图像处理程序 Pending CN109890245A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2016207910 2016-10-24
JP2016-207910 2016-10-24
PCT/JP2017/036744 WO2018079255A1 (ja) 2016-10-24 2017-10-11 画像処理装置、画像処理方法、および画像処理プログラム

Publications (1)

Publication Number Publication Date
CN109890245A true CN109890245A (zh) 2019-06-14

Family

ID=62023464

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780064349.3A Pending CN109890245A (zh) 2016-10-24 2017-10-11 图像处理装置、图像处理方法以及图像处理程序

Country Status (5)

Country Link
US (1) US10789748B2 (zh)
EP (1) EP3530142A4 (zh)
JP (1) JPWO2018079255A1 (zh)
CN (1) CN109890245A (zh)
WO (1) WO2018079255A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112605000A (zh) * 2020-12-03 2021-04-06 苏州天立达胶粘制品有限公司 一种模切片材自动光学检测方法及其设备
CN113496459A (zh) * 2020-04-01 2021-10-12 华为技术有限公司 辅助化妆方法、终端设备、存储介质及程序产品

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6872742B2 (ja) * 2016-06-30 2021-05-19 学校法人明治大学 顔画像処理システム、顔画像処理方法及び顔画像処理プログラム
WO2018033137A1 (zh) * 2016-08-19 2018-02-22 北京市商汤科技开发有限公司 在视频图像中展示业务对象的方法、装置和电子设备
JP6753276B2 (ja) * 2016-11-11 2020-09-09 ソニー株式会社 情報処理装置、および情報処理方法、並びにプログラム
CN109426767A (zh) * 2017-08-24 2019-03-05 丽宝大数据股份有限公司 眼线描绘指引装置及其方法
JP6616541B1 (ja) * 2019-03-06 2019-12-04 廣美 畑中 化粧ノリの色彩度合いをａｉ判断で画像に表示する計測方法。
JP7503757B2 (ja) * 2019-05-13 2024-06-21 パナソニックＩｐマネジメント株式会社 情報生成装置、情報生成方法、及び、コンピュータプログラム
WO2021049824A1 (en) * 2019-09-12 2021-03-18 Samsung Electronics Co., Ltd. Method and electronic device for applying beauty effect setting
JPWO2021095672A1 (zh) * 2019-11-15 2021-05-20
US20230101374A1 (en) * 2021-09-30 2023-03-30 L'oreal Augmented reality cosmetic design filters
GB2619283A (en) * 2022-05-26 2023-12-06 Holition Ltd Simulating foundation makeup effect in augmented images
IT202200012095A1 (it) * 2022-06-08 2023-12-08 Teorema S R L Sistema di apprendimento informatizzato per il trucco, per la moda e cinematografico

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW416041B (en) * 1997-03-06 2000-12-21 Scalar Corp Method of complexion image modification, make-up simulation method, make-up method, make-up supporting device and duplication film of foundation
JP2001346627A (ja) * 2000-06-07 2001-12-18 Kao Corp 化粧アドバイスシステム
CN1366648A (zh) * 2000-04-21 2002-08-28 株式会社资生堂 化妆咨询装置
CN1795813A (zh) * 2004-12-28 2006-07-05 中田泰尊 皮肤分析系统和头皮头发分析系统
CN1866010A (zh) * 2005-04-07 2006-11-22 宝丽化学工业有限公司 美容信息提供系统
CN1961820A (zh) * 2005-11-08 2007-05-16 株式会社资生堂 肌肤状态分析方法以及肌肤状态分析装置
CN101083940A (zh) * 2004-10-22 2007-12-05 株式会社资生堂 皮肤状况诊断系统和美容咨询系统
WO2008102440A1 (ja) * 2007-02-21 2008-08-28 Tadashi Goino 化粧顔画像生成装置及び方法
CN101350102A (zh) * 2008-08-29 2009-01-21 北京中星微电子有限公司 一种化妆辅助方法及系统
CN101371272A (zh) * 2006-01-17 2009-02-18 株式会社资生堂 化妆模拟系统，化妆模拟装置，化妆模拟方法，以及化妆模拟程序
JP2009081527A (ja) * 2007-09-25 2009-04-16 Noritsu Koki Co Ltd 顔撮影装置
CN101911118A (zh) * 2008-01-17 2010-12-08 株式会社资生堂 肤色评价方法、肤色评价装置、肤色评价程序、以及存储了该程序的存储介质
TW201100058A (en) * 2009-06-17 2011-01-01 Univ Southern Taiwan System and method of using digital image multi-region analysis to establish and analyze skin parameters
CN104205168A (zh) * 2013-02-01 2014-12-10 松下电器产业株式会社 化妆辅助装置、化妆辅助方法、以及化妆辅助程序
CN105496414A (zh) * 2014-10-13 2016-04-20 株式会社爱茉莉太平洋 通过肤色定制的妆色诊断方法及通过肤色定制的妆色诊断装置
US20160125227A1 (en) * 2014-11-03 2016-05-05 Anastasia Soare Facial structural shaping
CN105761239A (zh) * 2015-12-30 2016-07-13 中南大学 一种黄金比例引导的三维人脸模型重建方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001218103A (ja) * 2000-02-03 2001-08-10 Olympus Optical Co Ltd 電子カメラ
JP5283471B2 (ja) * 2008-10-10 2013-09-04 株式会社 資生堂 理想顔生成方法、理想顔生成システム、及び理想顔生成プログラム
JP4862955B1 (ja) * 2010-10-29 2012-01-25 オムロン株式会社 画像処理装置、画像処理方法、および制御プログラム
JP2012181688A (ja) * 2011-03-01 2012-09-20 Sony Corp 情報処理装置、情報処理方法、情報処理システムおよびプログラム
JP5991536B2 (ja) * 2013-02-01 2016-09-14 パナソニックＩｐマネジメント株式会社 メイクアップ支援装置、メイクアップ支援方法、およびメイクアップ支援プログラム
JP5372275B1 (ja) * 2013-03-22 2013-12-18 パナソニック株式会社 メイクアップ支援装置、メイクアップ支援方法、およびメイクアップ支援プログラム
JP2016081075A (ja) 2014-10-09 2016-05-16 花王株式会社 印象改善方法及び印象改善支援装置

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW416041B (en) * 1997-03-06 2000-12-21 Scalar Corp Method of complexion image modification, make-up simulation method, make-up method, make-up supporting device and duplication film of foundation
CN1366648A (zh) * 2000-04-21 2002-08-28 株式会社资生堂 化妆咨询装置
JP2001346627A (ja) * 2000-06-07 2001-12-18 Kao Corp 化粧アドバイスシステム
CN101083940A (zh) * 2004-10-22 2007-12-05 株式会社资生堂 皮肤状况诊断系统和美容咨询系统
CN1795813A (zh) * 2004-12-28 2006-07-05 中田泰尊 皮肤分析系统和头皮头发分析系统
CN1866010A (zh) * 2005-04-07 2006-11-22 宝丽化学工业有限公司 美容信息提供系统
CN1961820A (zh) * 2005-11-08 2007-05-16 株式会社资生堂 肌肤状态分析方法以及肌肤状态分析装置
CN101371272A (zh) * 2006-01-17 2009-02-18 株式会社资生堂 化妆模拟系统，化妆模拟装置，化妆模拟方法，以及化妆模拟程序
WO2008102440A1 (ja) * 2007-02-21 2008-08-28 Tadashi Goino 化粧顔画像生成装置及び方法
JP2009081527A (ja) * 2007-09-25 2009-04-16 Noritsu Koki Co Ltd 顔撮影装置
CN101911118A (zh) * 2008-01-17 2010-12-08 株式会社资生堂 肤色评价方法、肤色评价装置、肤色评价程序、以及存储了该程序的存储介质
CN101350102A (zh) * 2008-08-29 2009-01-21 北京中星微电子有限公司 一种化妆辅助方法及系统
TW201100058A (en) * 2009-06-17 2011-01-01 Univ Southern Taiwan System and method of using digital image multi-region analysis to establish and analyze skin parameters
CN104205168A (zh) * 2013-02-01 2014-12-10 松下电器产业株式会社 化妆辅助装置、化妆辅助方法、以及化妆辅助程序
CN105496414A (zh) * 2014-10-13 2016-04-20 株式会社爱茉莉太平洋 通过肤色定制的妆色诊断方法及通过肤色定制的妆色诊断装置
US20160125227A1 (en) * 2014-11-03 2016-05-05 Anastasia Soare Facial structural shaping
CN105761239A (zh) * 2015-12-30 2016-07-13 中南大学 一种黄金比例引导的三维人脸模型重建方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
吴帆: "《化装设计》", 31 August 2004 *
孔德明: "《形象设计》", 31 January 1999 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113496459A (zh) * 2020-04-01 2021-10-12 华为技术有限公司 辅助化妆方法、终端设备、存储介质及程序产品
CN112605000A (zh) * 2020-12-03 2021-04-06 苏州天立达胶粘制品有限公司 一种模切片材自动光学检测方法及其设备

Also Published As

Publication number Publication date
EP3530142A1 (en) 2019-08-28
US20190244408A1 (en) 2019-08-08
WO2018079255A1 (ja) 2018-05-03
JPWO2018079255A1 (ja) 2019-09-12
US10789748B2 (en) 2020-09-29
EP3530142A4 (en) 2019-10-30

Similar Documents

Publication Publication Date Title
CN109890245A (zh) 图像处理装置、图像处理方法以及图像处理程序
KR102241153B1 (ko) 2차원 이미지로부터 3차원 아바타를 생성하는 방법, 장치 및 시스템
CN101779218B (zh) 化妆模拟系统及其化妆模拟方法
CN104205168B (zh) 化妆辅助装置、化妆辅助方法、以及化妆辅助程序
CN108229278B (zh) 人脸图像处理方法、装置和电子设备
JP3639476B2 (ja) 画像処理装置および画像処理方法ならびに画像処理プログラムを記録した記録媒体
CN107123083B (zh) 人脸编辑方法
CN105184249B (zh) 用于人脸图像处理的方法和装置
CN104822292B (zh) 化妆辅助装置、化妆辅助系统、化妆辅助方法以及化妆辅助程序
US10799010B2 (en) Makeup application assist device and makeup application assist method
CN104797165A (zh) 化妆辅助装置、化妆辅助方法以及化妆辅助程序
JP5261586B2 (ja) メイクアップシミュレーションシステム、メイクアップシミュレーション装置、メイクアップシミュレーション方法およびメイクアップシミュレーションプログラム
JP2022522667A (ja) メイクアップ処理方法、装置、電子デバイス、及び記録媒体
CN107153805A (zh) 定制化美妆辅助装置和方法
BR102012033722A2 (pt) Sistema e método para simulação de maquiagem em dispositivos portáteis equipados com câmera digital
CN104798101A (zh) 化妆辅助装置、化妆辅助方法以及化妆辅助程序
CN107169455A (zh) 基于深度局部特征的人脸属性识别方法
CN109063671A (zh) 用于智能化妆的方法及装置
CN110121280A (zh) 化妆模拟装置、方法以及非瞬时性存储介质
CN108479070A (zh) 虚拟模型生成方法和装置
CN115345773B (zh) 基于生成对抗网络的妆容迁移方法
WO2020085922A1 (en) Digital character blending and generation system and method
Varshovi Facial makeup detection using HSV color space and texture analysis
JP4893968B2 (ja) 顔画像の合成方法
JP5283471B2 (ja) 理想顔生成方法、理想顔生成システム、及び理想顔生成プログラム

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40009646

Country of ref document: HK

WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190614

WD01 Invention patent application deemed withdrawn after publication