CN109977739A - 图像处理方法、装置、存储介质及电子设备 - Google Patents

Abstract

本发明实施例公开了一种图像处理方法、装置、存储介质及电子设备。该图像处理方法，通过获取目标画面中人脸图像的姿态信息；根据姿态信息从预设人脸图像集合中获取目标样本人脸图像；提取人脸图像的表情特征，并根据表情特征对目标样本人脸图像进行调整，得到目标人脸图像；基于目标人脸图像对目标画面中人脸图像进行处理。该方案可将噪声较严重的画面中的人脸图像替换成预存的高清人脸图像，可降低噪声影响，提升图像画质。

Description

图像处理方法、装置、存储介质及电子设备

技术领域

本发明涉及图像处理技术领域，尤其涉及一种图像处理方法、装置、存储介质及电子设备。

背景技术

随着互联网的发展和移动通信网络的发展，同时也伴随着电子设备的处理能力和存储能力的迅猛发展，海量的应用程序得到了迅速传播和使用。现有的电子设备一般具有拍照功能，而拍照时光线强弱对所拍摄到的照片会造成一定影响。比如，在夜晚弱光情况下，利用电子设备的摄像头所拍摄的照片中噪声影响比较严重，照片画质较差；而光线比较理想的白天，所拍摄的照片中噪声较弱，照片画质更好。

发明内容

本发明实施例提供一种图像处理方法、装置、存储介质及电子设备，可以减少噪点，提升图像画质。

第一方面，本发明实施例提供一种图像处理方法，包括：

获取目标画面中人脸图像的姿态信息；

根据所述姿态信息从预设人脸图像集合中获取目标样本人脸图像；

提取所述人脸图像的表情特征，并根据所述表情特征对目标样本人脸图像进行调整，得到目标人脸图像；

基于目标人脸图像对所述目标画面中人脸图像进行处理。

第二方面，本发明实施例提供了一种图像处理装置，包括：

信息获取模块，用于获取目标画面中人脸图像的姿态信息；

图像获取模块，用于根据所述姿态信息从预设人脸图像集合中获取目标样本人脸图像；

调整模块，用于提取所述人脸图像的表情特征，并根据所述表情特征对目标样本人脸图像进行调整，得到目标人脸图像；

处理模块，用于基于目标人脸图像对所述目标画面中人脸图像进行处理。

第三方面，本发明实施例还提供了一种存储介质，所述存储介质中存储有多条指令，所述指令适于由处理器加载以执行上述的图像处理方法。

第四方面，本发明实施例还提供了一种电子设备，包括处理器、存储器，所述处理器与所述存储器电性连接，所述存储器用于存储指令和数据；处理器用于执行上述的图像处理方法。

本发明实施例公开了一种图像处理方法、装置、存储介质及电子设备。该图像处理方法，通过获取目标画面中人脸图像的姿态信息；根据姿态信息从预设人脸图像集合中获取目标样本人脸图像；提取人脸图像的表情特征，并根据表情特征对目标样本人脸图像进行调整，得到目标人脸图像；基于目标人脸图像对目标画面中人脸图像进行处理。该方案可将噪声较严重的画面中的人脸图像替换成预存的高清人脸图像，可降低噪声影响，提升图像画质。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的电子设备实现深度学习的场景构架示意图。

图2是本发明实施例提供的图像处理方法的一种流程示意图。

图3是本发明实施例提供的图像处理方法的一种应用场景图。

图4是本发明实施例提供的图像处理方法的另一种应用场景图。

图5是本发明实施例提供的图像处理方法的又一种应用场景图。

图6是本发明实施例提供的图像处理装置的另一种流程示意图。

图7是本发明实施例提供的图像处理装置的一种结构示意图。

图8是本发明实施例提供的图像处理装置的另一种结构示意图。

图9是本发明实施例提供的图像处理装置的再一种结构示意图。

图10是本发明实施例提供的电子设备的一种结构示意图。

图11是本发明实施例提供的电子设备的另一种结构示意图。

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，所描述的实施例仅仅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。

本发明实施例提供一种图像处理方法、装置、存储介质及电子设备。以下将分别进行详细说明。

请参阅图1，图1为本发明实施例提供的电子设备实现深度学习的场景示意图。

当用户通过电子设备中的图像处理功能对图像进行处理时，电子设备可记录处理过程中的输入输出数据。其中，电子设备中可以包括数据采集统计系统与带回馈调整的预测系统。电子设备可通过数据采集系统获取用户大量的图像分类结果数据，并作出相应的统计，并提取图像的图像特征，基于机器深度学习对所提取到的图像特征进行分析处理。在输入图像时，电子设备通过预测系统预测图像的分类结果。在用户做出最终选择行为后，所述预测系统根据用户行为的最终结果，反向回馈调整各权重项的权值。经过多次的迭代更正以后，使得所述预测系统的各个权重项的权值最终收敛，形成学习得到的数据库。

电子设备可以为移动终端，如手机、平板电脑等，也可以为传统的PC(PersonalComputer，个人电脑)等，本发明实施例对此不进行限定。

在一实施例中，提供一种图像处理方法，如图2所示，流程可以如下：

101、获取目标画面中人脸图像的姿态信息。

在一些实施例中，该目标画面具体可以为电子设备通过摄像头采集目标画面。该摄像头可以为数字摄像头，也可为模拟摄像头。数字摄像头可以将图像采集设备产生的模拟图像信号转换成数字信号，进而将其储存在计算机里。模拟摄像头捕捉到的图像信号必须经过特定的图像捕捉卡将模拟信号转换成数字模式，并加以压缩后才可以转换到计算机上运用。数字摄像头可以直接捕捉影像，然后通过串、并口或者USB接口传到计算机里。本申请实施例中，电子设备一般采用数字摄像头，以实时将所采集的画面转换成数据在电子设备的显示界面(即相机的预览框)上实时显示。

本申请实施例所提供的图像处理方法，主要应用于夜间图像拍摄过程中存在噪点影响的场景下。尤其是自拍时，以手机为例，其前置摄像头的像素一般较差，在光线不足的夜间拍摄更加容易产生严重的噪声影响。其中，目标画面包括有一个或多个人物图像，且至少存在一个可识别到的人脸图像。另外，该目标画面中还可进一步包括景物图像，如建筑物、动植物等。

本申请实施例中，需实时对目标画面进行跟踪分析，基于图像识别技术识别出其中的人脸图像，并对该人脸图像中的关键点进行检测，以确定人脸的姿态。也即，在一些实施例中，步骤“确定目标画面中人脸图像的姿态信息”可以包括以下流程：

确定目标画面中人脸图像的面部特征点；

根据面部特征点生成面部特征向量；

获取面部特征向量与预设面部特征向量之间的差异值；

根据差异值获取人脸图像的姿态信息。

其中，面部特征点具体可以是根据人脸图像中的“两只眼睛+嘴巴”，或者“两只眼睛+鼻子”而得到的特征点。而预设面部特征向量可以为人脸姿态为正面时的特征向量。姿态信息可以是相对于该正面而言的姿态。比如参考图3，A为眉毛、眼睛B1(左)和眼睛B2(右)、鼻子C、嘴巴D、耳朵E以及脸蛋F，其中将两只眼睛B1、B2以及鼻子C作为特征部，进一步的从特征部中选取特征点，以作为面部特征点。将特征点相互之间的位置关系所构成的向量作为特征向量。

如图3所选取的特征点为眼睛B1的内眼角、眼睛B2的内眼角以及鼻子C的鼻尖(由于眼球是会转动的，因此可以选择位置固定不变的标识点)作为面部特征点，并形成构成三角区域的三个向量，图中这三个向量即可以作为预设面部特征向量。实际应用中，人脸一旦发生姿态改变，则该三个向量的大小和/或方向也会发生变化，因此可所检测到实时人脸的面部特征向量，将其与预设面部特征向量进行比较，便可以根据所计算两者间的差异值来确定当前人脸图像的姿态信息，如偏左、偏右、偏上、偏下、偏右上。偏左下等等。

102、根据姿态信息从预设人脸图像集合中获取目标样本人脸图像。

在本申请实施例中，需要预先构建人脸图像集合。需要说明的是，人脸图像集合中包括有同一人物的多个不同姿态的样本人脸图像，且该样本图像为无表情图像，即不会表现出喜怒哀乐的脸部图像。本由于本申请实施例主要针对夜间图像拍摄的噪声影响问题，因此，所构建的人脸图像集合中的样本人脸图像都为画质较高的图像。实际应用中，这些高清的样本人脸图像可以由用户在光线良好的白天拍摄而得到。

在构建预设人脸图像集合时，首先是采集多张不同姿态的照片，具体可以使获取不同角度的照片。然后可通过相机的拍摄参数或者镜头与被拍摄者之间的位置关系，分析出人脸相对于摄像头镜头所在平面的偏转角度。最后，将所采集到的人脸图像作为样本人脸图像、对应的偏转角度作为样本偏转角度，并建立所拍摄出的人脸图像与偏转角度之间的映射关系后，将样本人脸图像、样本偏转角度以及两者之间的映射关系添加到预设人脸图像集合中，以完成集合的构建。

也即，在一些实施例中姿态信息包括偏转角度。则步骤“根据姿态信息从预设人脸图像集合中获取对应的样本人脸图像”的步骤可以包括以下流程：

获取预设人脸图像集合中每一样本人脸图像对应的样本偏转角度，得到多个样本偏转角度；

从多个样本偏转角度中选中与该偏转角度之间差值最小的目标样本偏转角度；

将目标样本偏转角度对应的样本人脸图像作为目标样本人脸图像。

其中，该偏转角度可以是在六个自由度上的偏转角度。为了提升人脸图像与样本人脸图像的匹配度，可以获取大量不同姿态的人脸图像，以增加样本人脸图像中偏转角度的密度，减小偏转角度之间的间隔值。

103、提取人脸图像的表情特征，并根据表情特征对目标样本人脸图像进行调整，得到目标人脸图像。

本实施例中，需将目标画面中的人脸图像的表情，实时迁移到无表情的样本人脸图像中。具体实施时，可以利用电子设备的深度学习技术将人脸图像中表情实时迁移到预设人脸图像集合中的无表情样本人脸图像中，更好的保留原始图像表情信息和高频信息。

也即，在一些实施例中，步骤“提取人脸图像的表情特征，并根据表情特征对目标样本人脸图像进行调整”可以包括以下流程：

提取人脸图像的表情特征；

基于预设算法模型对表情特征进行处理，得到表情特征参数；

根据表情特征参数对目标样本人脸图像进行调整。

在一些实施例中，提取表情特征，具体可以为提取人脸图像中的颜色特征、纹理特征、形状特征、空间关系特征，从而根据所提取的图像特征识别出人脸的五官，诸如眼睛、嘴巴、鼻子、眉毛、耳朵。而若要提高识别精度，则可基于机器的深度学习技术，对该电子设备进行训练得到一高精确度的算法模型，对表情特征进行分析处理，从而得到精确的表情特征参数。

随后，可按照得到的表情特征参数对无表情的目标样本人脸图像进行调整，将该目标样本人脸图像的表情调整为与该目标画面中的原始人脸图像表情一致，以实现将目标画面中的人脸图像的表情迁移到目标样本人脸图像中。

颜色特征是一种全局特征，描述了图像或图像区域所对应的景物的表面性质。纹理特征也是一种全局特征，也描述了图像或图像区域所对应景物的表面性质。形状特征是一种局部特征，有两类表示方法，一类是轮廓特征，主要针对物体的外边界；另一类是区域特征，其关系到整个形状区域。空间关系特征，指图像中分割出来的多个目标之间的相互的空间位置或相对方向关系，这些关系也可分为连接/邻接关系、交叠/重叠关系和包含/包容关系等。

图像特征提取是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。特征是许多计算机图像分析算法的起点。特征提取最重要的一个特性是“可重复性”，即同一场景的不同图像所提取的特征应该是相同的。

具体实施过程中，可利用傅立叶变换法、窗口傅立叶变换法、小波变换法、最小二乘法、边界方向直方图法、基于Tamura纹理特征的纹理特征提取等，提取人脸图像的图像特征。

104、基于目标人脸图像对目标画面中人脸图像进行处理。

在一些实施例中，步骤“基于目标人脸图像对目标画面中人脸图像进行处理”可以包括以下流程：

对人脸图像进行边缘特征点检测，并获取边缘特征点的位置信息；

基于位置信息和目标人脸图像对目标画面中人脸图像进行处理。

其中，目标画面中人脸图像的边缘特征点，可参考图4中作图所示。获取这些边缘特征点相互之间的相对位置信息。

在一些实施例中，步骤“基于位置信息和所述目标人脸图像对目标画面中人脸图像进行处理的”可以包括以下流程：

根据该位置信息生成人脸掩膜；

基于该人脸掩膜对目标人脸图像进行处理，得到处理后的目标人脸图像；

将目标画面中人脸图像替换为处理后的目标人脸图像。

继续参考图4，图4中右图为基于左图中边缘特征点的位置信息而生成的人脸掩膜。利用人脸掩膜将高清的目标人脸图像交换到目标画面中噪声影响较严重的人脸图像上。其具体可以为：将人脸掩膜覆盖于高清的目标人脸图像上，提取目标人脸图像中未被人脸掩膜遮挡的区域图像，作为处理后的目标人脸图像。比如，参考图5，其中左图为目标画面中的人脸图像，右为替换人脸后的目标画面中的人脸图像。

在将目标画面中人脸图像替换为处理后的目标人脸图像时，可通基于泊松融合技术，将处理后的目标人脸图像与目标画面融合，覆盖目标画面中原有的人脸图像，从而实现将目标画面中人脸图像替换为处理后的目标人脸图像。其中，泊松融合技术可以较好地消除目标人脸图像与目标画面的交界，使得画面更加自然且不突兀，实现无缝拼接。

由上可知，本发明实施例提供了一种图像处理方法，通过获取目标画面中人脸图像的姿态信息；根据姿态信息从预设人脸图像集合中获取目标样本人脸图像；提取人脸图像的表情特征，并根据表情特征对目标样本人脸图像进行调整，得到目标人脸图像；基于目标人脸图像对目标画面中人脸图像进行处理。该方案可将噪声较严重的画面中的人脸图像替换成预存的高清人脸图像，可降低噪声影响，提升图像画质。

在一实施例中，还提供另一种图像处理方法，如图6所示，流程可以如下：

201、构建人脸图像数据库。

在本申请实施例中，需要预先构建人脸图像集合。需要说明的是，人脸图像集合中包括有同一人物的多个不同姿态的样本人脸图像，且该样本图像为无表情图像，即不会表现出喜怒哀乐的脸部图像。本由于本申请实施例主要针对夜间图像拍摄的噪声影响问题，因此，所构建的人脸图像集合中的样本人脸图像都为画质较高的图像。实际应用中，这些高清的样本人脸图像可以由用户在光线良好的白天拍摄而得到。

在构建预设人脸图像集合时，首先是采集多张不同姿态的照片，具体可以使获取不同角度的照片。然后可通过相机的拍摄参数或者镜头与被拍摄者之间的位置关系，分析出人脸相对于摄像头镜头所在平面的偏转角度。最后，将所采集到的人脸图像作为样本人脸图像、对应的偏转角度作为样本偏转角度，并建立所拍摄出的人脸图像与偏转角度之间的映射关系后，将样本人脸图像、样本偏转角度以及两者之间的映射关系添加到预设人脸图像集合中，以完成集合的构建。

202、获取目标画面中人脸图像的姿态信息，根据姿态信息从预设人脸图像集合中获取目标样本人脸图像。

本申请实施例所提供的图像处理方法，主要应用于夜间图像拍摄过程中存在噪点影响的场景下。该目标画面具体可以为电子设备通过摄像头采集目标画面。其中，目标画面包括有一个或多个人物图像，且至少存在一个可识别到的人脸图像。另外，该目标画面中还可进一步包括景物图像，如建筑物、动植物等。

本申请实施例中，需实时对目标画面进行跟踪分析，基于图像识别技术识别出其中的人脸图像，并对该人脸图像中的关键点进行检测，以确定人脸的姿态。

在一些实施例中姿态信息包括偏转角度。则可以获取预设人脸图像集合中每一样本人脸图像对应的样本偏转角度，得到多个样本偏转角度，然后从多个样本偏转角度中选中与该偏转角度之间差值最小的目标样本偏转角度，再将目标样本偏转角度对应的样本人脸图像作为目标样本人脸图像。

其中，该偏转角度可以是在六个自由度上的偏转角度。为了提升人脸图像与样本人脸图像的匹配度，可以获取大量不同姿态的人脸图像，以增加样本人脸图像中偏转角度的密度，减小偏转角度之间的间隔值。

203、提取人脸图像的表情特征，并基于预设算法模型对表情特征进行处理，得到表情特征参数。

本实施例中，需将目标画面中的人脸图像的表情，实时迁移到无表情的样本人脸图像中。具体实施时，可以利用电子设备的深度学习技术将人脸图像中表情实时迁移到预设人脸图像集合中的无表情样本人脸图像中，更好的保留原始图像表情信息和高频信息。

在一些实施例中，提取表情特征，具体可以为提取人脸图像中的颜色特征、纹理特征、形状特征、空间关系特征，从而根据所提取的图像特征识别出人脸的五官，诸如眼睛、嘴巴、鼻子、眉毛、耳朵。而若要提高识别精度，则可基于机器的深度学习技术，对该电子设备进行训练得到一高精确度的算法模型，对表情特征进行分析处理，从而得到精确的表情特征参数。

204、根据表情特征参数对目标样本人脸图像进行调整，以得到目标人样图像。

具体地，可按照得到的表情特征参数对无表情的目标样本人脸图像进行调整，将该目标样本人脸图像的表情调整为与该目标画面中的原始人脸图像表情一致，以实现将目标画面中的人脸图像的表情迁移到目标样本人脸图像中。

205、对目标画面中人脸图像进行边缘特征点检测以边缘特征点的位置信息。

其中，所获取的位置信息为边缘特征点相互之间的相对位置信息。

206、根据位置信息生成人脸掩膜，基于人脸掩膜对目标人脸图像进行处理。

基于左图中边缘特征点的位置信息而生成的人脸掩膜。利用人脸掩膜将高清的目标人脸图像交换到目标画面中噪声影响较严重的人脸图像上。其具体可以为：将人脸掩膜覆盖于高清的目标人脸图像上，提取目标人脸图像中未被人脸掩膜遮挡的区域图像。

207、将目标画面中人脸图像替换为处理后的目标人脸图像。

具体地，在将目标画面中人脸图像替换为处理后的目标人脸图像时，可通基于泊松融合技术，将处理后的目标人脸图像与目标画面融合，覆盖目标画面中原有的人脸图像，从而实现将目标画面中人脸图像替换为处理后的目标人脸图像。其中，泊松融合技术可以较好地消除目标人脸图像与目标画面的交界，使得画面更加自然且不突兀，实现无缝拼接。

208、获取人脸图像替换前原始人脸图像的颜色信息，根据颜色信息生成颜色调整参数。

其中，所获取的颜色信息可以包括多种，比如色温、色调、亮度、饱和度等。具体地，可以基于相关算法对所获取的颜色信息进行分析处理，得到目标颜色参数。然后获取目标人脸图像的颜色信息，同样对所获取的颜色信息进行分析处理，得到目标颜色参数。最后，求取目标颜色参数与目标颜色参数之间的差异参数值，并将该差异参数值作为最终的颜色调整参数。

209、基于颜色调整参数对当前人脸图像的颜色进行调整。

具体地，在获取颜色调整参数后，根据颜色调整参数对当前人脸图像的颜色进行调整，以使得人脸图像参数使人脸光线色彩更自然，更加贴近真实场景。

由上可知，本发明实施例提供的图像处理方法，通过构建具有高清样本人脸图像的人脸图像数据库，根据目标画面中人脸图像的姿态信息从中匹配目标样本人脸图像，并将目标画面中的人脸图像的表情迁移到该样本人脸图像中，以得到目标人脸图像。接着，对目标画面中人脸图像进行边缘特征点检测，根据边缘特征点的位置信息生成人脸掩膜，并基于人脸掩膜对目标人脸图像进行处理，将目标画面中人脸图像替换为处理后的目标人脸图像，最后，获取人脸图像替换前原始人脸图像的颜色信息，根据颜色信息生成颜色调整参数，并基于颜色调整参数对替换后的人脸图像的颜色进行调整。该方案可将噪声较严重的画面中的人脸图像替换成预存的高清人脸图像，可降低噪声影响，提升图像画质。

在本发明又一实施例中，还提供一种图像处理装置，该图像处理装置可以软件或硬件的形式集成在电子设备中，该电子设备具体可以包括手机、平板电脑、笔记本电脑等设备。如图7所示，该图像处理装置30可以包括信息获取模块31、图像获取模块32、调整模块33、以及处理模块34，其中：

信息获取模块31，用于获取目标画面中人脸图像的姿态信息；

图像获取模块32，用于根据姿态信息从预设人脸图像集合中获取目标样本人脸图像；

调整模块33，用于提取人脸图像的表情特征，并根据表情特征对目标样本人脸图像进行调整，得到目标人脸图像；

处理模块34，用于基于目标人脸图像对目标画面中人脸图像进行处理。

在一些实施例中，参考图8，调整模块33可以包括：

提取子模块331，用于提取人脸图像的表情特征；

第一处理子模块332，用于基于预设算法模型对表情特征进行处理，得到表情特征参数；

调整子模块333，用于根据表情特征参数对目标样本人脸图像进行调整。

在一些实施例中，参考图9，处理模块34可以包括：

获取子模块341，用于对人脸图像进行边缘特征点检测，并获取边缘特征点的位置信息；

第二处理子模块342，用于基于位置信息和目标人脸图像对目标画面中人脸图像进行处理。

由上可知，本发明实施例提供的图像处理装置，通过获取目标画面中人脸图像的姿态信息；根据姿态信息从预设人脸图像集合中获取目标样本人脸图像；提取人脸图像的表情特征，并根据表情特征对目标样本人脸图像进行调整，得到目标人脸图像；基于目标人脸图像对目标画面中人脸图像进行处理。该方案可将噪声较严重的画面中的人脸图像替换成预存的高清人脸图像，可降低噪声影响，提升图像画质。

在本发明又一实施例中还提供一种电子设备，该电子设备可以是智能手机、平板电脑等设备。如图10所示，电子设备400包括处理器401、存储器402。其中，处理器401与存储器402电性连接。

处理器401是电子设备400的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或加载存储在存储器402内的应用程序，以及调用存储在存储器402内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。

在本实施例中，电子设备400中的处理器401会按照如下的步骤，将一个或一个以上的应用程序的进程对应的指令加载到存储器402中，并由处理器401来运行存储在存储器402中的应用程序，从而实现各种功能：

获取目标画面中人脸图像的姿态信息；

根据姿态信息从预设人脸图像集合中获取目标样本人脸图像；

提取人脸图像的表情特征，并根据表情特征对目标样本人脸图像进行调整，得到目标人脸图像；

基于目标人脸图像对目标画面中人脸图像进行处理。

在一些实施例中，处理器401用于执行以下步骤：

确定目标画面中人脸图像的面部特征点；

根据面部特征点生成面部特征向量；

获取面部特征向量与预设面部特征向量之间的差异值；

根据差异值获取人脸图像的姿态信息。

在一些实施例中，姿态信息包括偏转角度；处理器401还执行以下步骤：

获取预设人脸图像集合中每一样本人脸图像对应的样本偏转角度，得到多个样本偏转角度；

从多个样本偏转角度中选中与偏转角度之间差值最小的目标样本偏转角度；

将目标样本偏转角度对应的样本人脸图像作为目标样本人脸图像。

在一些实施例中，处理器401还执行以下步骤：

提取人脸图像的表情特征；

基于预设算法模型对表情特征进行处理，得到表情特征参数；

根据表情特征参数对目标样本人脸图像进行调整。

在一些实施例中，处理器401还执行以下步骤：对人脸图像进行边缘特征点检测，并获取边缘特征点的位置信息；基于位置信息和目标人脸图像对目标画面中人脸图像进行处理。

在一些实施例中，处理器401还执行以下步骤：

根据位置信息生成人脸掩膜；

基于人脸掩膜对目标人脸图像进行处理，得到处理后的目标人脸图像；

将目标画面中人脸图像替换为处理后的目标人脸图像。

存储器402可用于存储应用程序和数据。存储器402存储的应用程序中包含有可在处理器中执行的指令。应用程序可以组成各种功能模块。处理器401通过运行存储在存储器402的应用程序，从而执行各种功能应用以及数据处理。

在一些实施例中，如图11所示，电子设备400还包括：显示屏403、控制电路404、射频电路405、输入单元406、音频电路407、传感器408以及电源409。其中，处理器401分别与显示屏403、控制电路404、射频电路405、输入单元406、音频电路407、传感器408以及电源409电性连接。

显示屏403可用于显示由用户输入的信息或提供给用户的信息以及电子设备的各种图形用户接口，这些图形用户接口可以由图像、文本、图标、视频和其任意组合来构成。其中，该显示屏403可以作为本发明实施例中的屏幕，用于显示信息。

控制电路404与显示屏403电性连接，用于控制显示屏403显示信息。

射频电路405用于收发射频信号，以通过无线通信与网络设备或其他电子设备建立无线通讯，与网络设备或其他电子设备之间收发信号。

输入单元406可用于接收输入的数字、字符信息或用户特征信息(例如指纹)，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。其中，输入单元406可以包括指纹识别模组。

音频电路407可通过扬声器、传声器提供用户与电子设备之间的音频接口。

传感器408用于采集外部环境信息。传感器408可以包括环境亮度传感器、加速度传感器、光传感器、运动传感器、以及其他传感器。

电源409用于给电子设备400的各个部件供电。在一些实施例中，电源409可以通过电源管理系统与处理器401逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。

摄像头410用于采集外界画面，可以使数字摄像头，也可以为模拟摄像头。在一些实施例中，摄像头410可将采集到的外界画面转换成数据发送给处理器401以执行图像处理操作。

尽管图11中未示出，电子设备400还可以包括蓝牙模块等，在此不再赘述。

由上可知，本发明实施例提供的电子设备，通过获取目标画面中人脸图像的姿态信息；根据姿态信息从预设人脸图像集合中获取目标样本人脸图像；提取人脸图像的表情特征，并根据表情特征对目标样本人脸图像进行调整，得到目标人脸图像；基于目标人脸图像对目标画面中人脸图像进行处理。该方案可将噪声较严重的画面中的人脸图像替换成预存的高清人脸图像，可降低噪声影响，提升图像画质。

本发明又一实施例中还提供一种存储介质，该存储介质中存储有多条指令，该指令适于由处理器加载以执行上述任一图像处理方法的步骤。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，RandomAccess Memory)、磁盘或光盘等。

在描述本发明的概念的过程中使用了术语“一”和“所述”以及类似的词语(尤其是在所附的权利要求书中)，应该将这些术语解释为既涵盖单数又涵盖复数。此外，除非本文中另有说明，否则在本文中叙述数值范围时仅仅是通过快捷方法来指代属于相关范围的每个独立的值，而每个独立的值都并入本说明书中，就像这些值在本文中单独进行了陈述一样。另外，除非本文中另有指明或上下文有明确的相反提示，否则本文中所述的所有方法的步骤都可以按任何适当次序加以执行。本发明的改变并不限于描述的步骤顺序。除非另外主张，否则使用本文中所提供的任何以及所有实例或示例性语言(例如，“例如”)都仅仅为了更好地说明本发明的概念，而并非对本发明的概念的范围加以限制。在不脱离精神和范围的情况下，所属领域的技术人员将易于明白多种修改和适应。

以上对本发明实施例所提供的一种图像处理方法、装置、存储介质及电子设备进行了详细介绍，本文中应用程序了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的技术人员，依据本发明的思想，在具体实施方式及应用程序范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (12)

1.一种图像处理方法，其特征在于，包括：

获取目标画面中人脸图像的姿态信息；

根据所述姿态信息从预设人脸图像集合中获取目标样本人脸图像；

提取所述人脸图像的表情特征，并根据所述表情特征对目标样本人脸图像进行调整，得到目标人脸图像；

基于目标人脸图像对所述目标画面中人脸图像进行处理。

2.如权利要求1所述的图像处理方法，其特征在于，确定目标画面中人脸图像的姿态信息的步骤，包括：

确定目标画面中人脸图像的面部特征点；

根据所述面部特征点生成面部特征向量；

获取所述面部特征向量与预设面部特征向量之间的差异值；

根据所述差异值获取所述人脸图像的姿态信息。

3.如权利要求1所述的图像处理方法，其特征在于，所述姿态信息包括偏转角度；根据所述姿态信息从预设人脸图像集合中获取对应的样本人脸图像的步骤包括：

获取预设人脸图像集合中每一样本人脸图像对应的样本偏转角度，得到多个样本偏转角度；

从多个样本偏转角度中选中与所述偏转角度之间差值最小的目标样本偏转角度；

将所述目标样本偏转角度对应的样本人脸图像作为目标样本人脸图像。

4.如权利要求1所述的图像处理方法，其特征在于，提取所述人脸图像的表情特征，并根据所述表情特征对目标样本人脸图像进行调整的步骤，包括：

提取所述人脸图像的表情特征；

基于预设算法模型对所述表情特征进行处理，得到表情特征参数；

根据所述表情特征参数对目标样本人脸图像进行调整。

5.如权利要求1所述的图像处理方法，其特征在于，基于目标人脸图像对所述目标画面中人脸图像进行处理的步骤，包括：

对所述人脸图像进行边缘特征点检测，并获取所述边缘特征点的位置信息；

基于所述位置信息和所述目标人脸图像对所述目标画面中人脸图像进行处理。

6.如权利要求5所述的图像处理方法，其特征在于，基于所述位置信息和所述目标人脸图像对所述目标画面中人脸图像进行处理的步骤，包括：

根据所述位置信息生成人脸掩膜；

基于所述人脸掩膜对目标人脸图像进行处理，得到处理后的目标人脸图像；

将目标画面中人脸图像替换为处理后的目标人脸图像。

7.如权利要求6所述的图像处理方法，其特征在于，将目标画面中人脸图像替换为处理后的目标人脸图像之后，还包括：

获取人脸图像替换前原始人脸图像的颜色信息；

根据所述颜色信息生成颜色调整参数；

基于所述颜色调整参数对当前人脸图像的颜色进行调整。

8.一种图像处理装置，其特征在于，包括：

信息获取模块，用于获取目标画面中人脸图像的姿态信息；

图像获取模块，用于根据所述姿态信息从预设人脸图像集合中获取目标样本人脸图像；

调整模块，用于提取所述人脸图像的表情特征，并根据所述表情特征对目标样本人脸图像进行调整，得到目标人脸图像；

处理模块，用于基于目标人脸图像对所述目标画面中人脸图像进行处理。

9.如权利要求8所述的图像处理装置，其特征在于，所述调整模块包括：

提取子模块，用于提取所述人脸图像的表情特征；

第一处理子模块，用于基于预设算法模型对所述表情特征进行处理，得到表情特征参数；

调整子模块，用于根据所述表情特征参数对目标样本人脸图像进行调整。

10.如权利要求8所述的图像处理装置，其特征在于，所述处理模块包括:

获取子模块，用于对所述人脸图像进行边缘特征点检测，并获取所述边缘特征点的位置信息；

第二处理子模块，用于基于所述位置信息和所述目标人脸图像对所述目标画面中人脸图像进行处理。

11.一种存储介质，其特征在于，所述存储介质中存储有多条指令，所述指令适于由处理器加载以执行如权利要求1-7中任一项所述的图像处理方法。

12.一种电子设备，其特征在于，包括处理器和存储器，所述处理器与所述存储器电性连接，所述存储器用于存储指令和数据；所述处理器用于执行如权利要求1-7中任一项所述的图像处理方法。