CN110223260A - 一种人脸自动磨皮的图像处理方法 - Google Patents
一种人脸自动磨皮的图像处理方法 Download PDFInfo
- Publication number
- CN110223260A CN110223260A CN201910533604.5A CN201910533604A CN110223260A CN 110223260 A CN110223260 A CN 110223260A CN 201910533604 A CN201910533604 A CN 201910533604A CN 110223260 A CN110223260 A CN 110223260A
- Authority
- CN
- China
- Prior art keywords
- skin
- colour
- image
- face
- characteristic point
- 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
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 35
- 230000004927 fusion Effects 0.000 claims abstract description 13
- 238000001914 filtration Methods 0.000 claims abstract description 12
- 238000010606 normalization Methods 0.000 claims abstract description 10
- 241000208340 Araliaceae Species 0.000 claims abstract description 6
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims abstract description 6
- 235000003140 Panax quinquefolius Nutrition 0.000 claims abstract description 6
- 235000008434 ginseng Nutrition 0.000 claims abstract description 6
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 5
- 230000001815 facial effect Effects 0.000 claims description 9
- 238000010586 diagram Methods 0.000 claims description 6
- 238000002474 experimental method Methods 0.000 claims description 3
- 210000004709 eyebrow Anatomy 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 230000000717 retained effect Effects 0.000 claims description 3
- 241000872198 Serjania polyphylla Species 0.000 description 2
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种人脸自动磨皮的图像处理方法,包括以下步骤:(1)对图像进行人脸识别,获取人脸特征点;(2)对特征点进行拟合获取人脸区域;(3)对人脸区域进行均值计算,获取平均肤色;(4)根据平均肤色计算出肤色相似度图,利用归一化后的肤色相似度图融合步骤(3)中获取的平滑轮廓;(5)对图像进行全局平滑滤波,获取平滑后图片。本发明采用卷积神经网络的方法获取包围五官的特征点位置,将特征点利用薄板样条曲线插值算法连成一个封闭的脸部轮廓曲线,可准确获取脸部轮廓曲线;使用一种自适应估计肤色相似区域的肤色椭圆模型方法并通过结合色度通道统计信息与椭圆聚类信息的调参方法进行调参,可准确获取平均肤色。
Description
技术领域
本发明主要涉及图像处理技术领域,具体涉及一种人脸自动磨皮的图像处理方法。
背景技术
目前有很多用于人脸磨皮的算法和软件,但是未采用薄板样条曲线插值算法,脸部轮廓曲线不准确;未通过使用一种自适应估计肤色相似区域的方法,并精确调参,故难以获取准确的平均肤色。
发明内容
本发明目的就是为了弥补已有技术的缺陷,提供一种人脸自动磨皮的图像处理方法。
本发明是通过以下技术方案实现的:
一种人脸自动磨皮的图像处理方法,其特征在于,包括以下步骤:
(1)对图像进行人脸识别,获取人脸特征点;
(2)通过对步骤(1)获取的特征点进行拟合获取人脸区域;
(3)对步骤(2)获取的人脸区域进行均值计算,获取平均肤色;
(4)根据平均肤色计算出肤色相似度图,利用归一化后的肤色相似度图融合步骤(3)中获取的平滑轮廓;
(5)对图像进行全局平滑滤波,获取平滑后图片。
步骤(1)所述的获取人脸特征点的方法,是通过卷积神经网络的方法进行特征点位置的定位,并获取包围五官的特征点位置。
步骤(2)所述的获取人脸区域的方法,是将眉毛特征点和脸部轮廓特征点利用薄板样条曲线插值算法连成-个封闭的脸部轮廓曲线。
步骤(3)所述的获取平均肤色过程具体为:
(3.1)根据步骤(2)中获取到的脸部轮廓曲线的区域生成黑白轮廓图,其中,脸部区域用白色表示,其他区域用黑色表示;
(3.2)对该轮廓图统计肤色均值信息,为了更好的保留非肤色区域的细节,结合肤色相似性,使用一种自适应估计肤色相似区域的肤色椭圆模型方法;
(3.3)为了获得更高精度的肤色模型,通过结合色度通道统计信息与椭圆聚类信息的调参方法进行调参。
所述一种自适应估计肤色相似区域的肤色椭圆模型方法的具体步骤为:
建立肤色椭圆模型
其中,Icb和Icr分别是在YCbCr空间上的蓝色和红色色度分量;cx和cy分别是Icb和Icr的中心值;(ecb,ecr)是旋转后的肤色椭圆心坐标,ra和rb分别是旋转后的椭圆长和短半轴,θ是肤色椭圆模型坐标的旋转角,I′cb和I′cr是经过旋转后的蓝色和红色色度分量;
利用肤色相似度信息,可得到连续肤色相似度图为:
其中σs是相似度参数,用于控制肤色相似程度;k1和k2为控制椭圆半径参数;
默认参数设置:
cx=109.38,cy=152.02,ecb=2.41,ra=25.39,rb=14.03,θ=2.53。
步骤(4)所述的根据平均肤色计算出肤色相似度图,利用归一化后的肤色相似度图融合步骤(3)中获取的平滑轮廓,具体步骤为:
(4.1)为了得到Icb和Icr色度通道直方图的分布情况,先将人脸图像转换为YCbCr亮度和色度空间,为了减少人脸瑕疵的影响,对Icb和Icr色度通道进行形态学处理,得到相应色度通道归一化直方图Hcb(x)和Hcr(x);
(4.2)结合色度通道统计信息和椭圆聚类信息,皮肤在色度通道粗略分布的范围为76≤cb≤127和132≤cr≤173,再利用计算重心公式求出相应直方图Hcb(x)和Hcr(x)在该范围内的重心值:
和
(4.3)利用色度通道肤色分布特性,计算出椭圆的长短半径分别为:
ra=0.7×(cx-76)+0.3×(127-cx)和
rb=0.3×(cy-132)+0.7×(173-cy);
(4.4)在实验处理中,控制椭圆半径参数为k1=1.22和k2=1.20,相似度参数θs=0.71,椭圆心坐标ecb=1.60,ecr=2.41,旋转角θ=2.53°;
(4.5)为了尽量减少非皮肤区域信息的丢失,需要对平滑图像和原图进行肤色融合,直接在归一化连续肤色相似度图Isskin上对原图和肤质保留平滑后的图进行肤色相似通道融合,融合公式为:
I′=(1-Isskin).×Isrc+Isskin.×Ismooth
其中,Isrc为原始人脸图像,Ismooth是肤质保留图像,I′是融合后的图像,·×是点乘操作符。
步骤(5)所述的对图像进行全局平滑滤波,具体步骤为:
平滑图像采用高斯全局滤波:
其中,Isrc为原始人脸图像,α为肤质保留权重,用于控制肤色保留的程度,其取值范围为[0,2];σc为值域参数,控制保留边缘强度;λc为平滑权重,控制图像空域平滑程度;rG是高斯滤波半径;σG是高斯标准差,控制图像模糊程度;为卷积运算符;Ismooth是肤质保留图像。
本发明的优点是:
本发明采用卷积神经网络的方法获取包围五官的特征点位置,将特征点利用薄板样条曲线插值算法连成一个封闭的脸部轮廓曲线,可准确获取脸部轮廓曲线;使用一种自适应估计肤色相似区域的肤色椭圆模型方法来获取平均肤色;且为了获得更高精度的肤色模型,通过结合色度通道统计信息与椭圆聚类信息的调参方法进行调参,可准确获取平均肤色。
具体实施方式
一种人脸自动磨皮的图像处理方法,包括以下步骤:
(1)对图像进行人脸识别,获取人脸特征点;
(2)通过对步骤(1)获取的特征点进行拟合获取人脸区域;
(3)对步骤(2)获取的人脸区域进行均值计算,获取平均肤色;
(4)根据平均肤色计算出肤色相似度图,利用归一化后的肤色相似度图融合步骤(3)中获取的平滑轮廓;
(5)对图像进行全局平滑滤波,获取平滑后图片。
步骤(1)所述的获取人脸特征点的方法,是通过卷积神经网络的方法进行特征点位置的定位,并获取包围五官的特征点位置。
步骤(2)所述的获取人脸区域的方法,是将眉毛特征点和脸部轮廓特征点利用薄板样条曲线插值算法连成一个封闭的脸部轮廓曲线。
步骤(3)所述的获取平均肤色过程具体为:
(3.1)根据步骤(2)中获取到的脸部轮廓曲线的区域生成黑白轮廓图,其中,脸部区域用白色表示,其他区域用黑色表示;
(3.2)对该轮廓图统计肤色均值信息,为了更好的保留非肤色区域的细节,结合肤色相似性,使用一种自适应估计肤色相似区域的肤色椭圆模型方法;
(3.3)为了获得更高精度的肤色模型,通过结合色度通道统计信息与椭圆聚类信息的调参方法进行调参。
所述一种自适应估计肤色相似区域的肤色椭圆模型方法的具体步骤为:
建立肤色椭圆模型
其中,Icb和Icr分别是在YCbCr空间上的蓝色和红色色度分量;cx和cy分别是Icb和Icr的中心值;(ecb,ecr)是旋转后的肤色椭圆心坐标,ra和rb分别是旋转后的椭圆长和短半轴,θ是肤色椭圆模型坐标的旋转角,I′cb和I′cr是经过旋转后的蓝色和红色色度分量;
利用肤色相似度信息,可得到连续肤色相似度图为:
其中σs是相似度参数,用于控制肤色相似程度;k1和k2为控制椭圆半径参数;默认参数设置:
cx=109.38,cy=152.02,ecb=2.41,ra=25.39,rb=14.03,θ=2.53。
步骤(4)所述的根据平均肤色计算出肤色相似度图,利用归一化后的肤色相似度图融合步骤(3)中获取的平滑轮廓,具体步骤为:
(4.1)为了得到Icb和Icr色度通道直方图的分布情况,先将人脸图像转换为YCbCr亮度和色度空间,为了减少人脸瑕疵的影响,对Icb和Icr色度通道进行形态学处理,得到相应色度通道归一化直方图Hcb(x)和Hcr(x);
(4.2)结合色度通道统计信息和椭圆聚类信息,皮肤在色度通道粗略分布的范围为76≤cb≤127和132≤cr≤173,再利用计算重心公式求出相应直方图Hcb(x)和Hcr(x)在该范围内的重心值:
和
(4.3)利用色度通道肤色分布特性,计算出椭圆的长短半径分别为:
ra=0.7×(cx-76)+0.3×(127-cx)和
rb=0.3×(cy-132)+0.7×(173-cy);
(4.4)在实验处理中,控制椭圆半径参数为k1=1.22和k2=1.20,相似度参数θs=0.71,椭圆心坐标ecb=1.60,ecr=2.41,旋转角θ=2.53°;
(4.5)为了尽量减少非皮肤区域信息的丢失,需要对平滑图像和原图进行肤色融合,直接在归一化连续肤色相似度图Isskin上对原图和肤质保留平滑后的图进行肤色相似通道融合,融合公式为:
I′=(1-Isskin).×Isrc+Isskin.×Ismooth
其中,Isrc为原始人脸图像,Ismooth是肤质保留图像,I′是融合后的图像,R×是点乘操作符。
步骤(5)所述的对图像进行全局平滑滤波,具体步骤为:
平滑图像采用高斯全局滤波:
其中,Isrc为原始人脸图像,α为肤质保留权重,用于控制肤色保留的程度,其取值范围为[0,2];σc为值域参数,控制保留边缘强度;λc为平滑权重,控制图像空域平滑程度;rG是高斯滤波半径;σG是高斯标准差,控制图像模糊程度;为卷积运算符;Ismooth是肤质保留图像。
Claims (7)
1.一种人脸自动磨皮的图像处理方法,其特征在于,包括以下步骤:
(1)对图像进行人脸识别,获取人脸特征点;
(2)通过对步骤(1)获取的特征点进行拟合获取人脸区域;
(3)对步骤(2)获取的人脸区域进行均值计算,获取平均肤色;
(4)根据平均肤色计算出肤色相似度图,利用归一化后的肤色相似度图融合步骤(3)中获取的平滑轮廓;
(5)对图像进行全局平滑滤波,获取平滑后图片。
2.根据权利要求1所述的一种人脸自动磨皮的图像处理方法,其特征在于,步骤(1)所述的获取人脸特征点的方法,是通过卷积神经网络的方法进行特征点位置的定位,并获取包围五官的特征点位置。
3.根据权利要求1所述的一种人脸自动磨皮的图像处理方法,其特征在于,步骤(2)所述的获取人脸区域的方法,是将眉毛特征点和脸部轮廓特征点利用薄板样条曲线插值算法连成一个封闭的脸部轮廓曲线。
4.根据权利要求3所述的一种人脸自动磨皮的图像处理方法,其特征在于,步骤(3)所述的获取平均肤色过程具体为:
(3.1)根据步骤(2)中获取到的脸部轮廓曲线的区域生成黑白轮廓图,其中,脸部区域用白色表示,其他区域用黑色表示;
(3.2)对该轮廓图统计肤色均值信息,为了更好的保留非肤色区域的细节,结合肤色相似性,使用一种自适应估计肤色相似区域的肤色椭圆模型方法;
(3.3)为了获得更高精度的肤色模型,通过结合色度通道统计信息与椭圆聚类信息的调参方法进行调参。
5.根据权利要求4所述的一种人脸自动磨皮的图像处理方法,其特征在于,所述一种自适应估计肤色相似区域的肤色椭圆模型方法的具体步骤为:
建立肤色椭圆模型
其中,Icb和Icr分别是在YCbCr空间上的蓝色和红色色度分量;cx和cy分别是Icb和Icr的中心值;(ecb,ecr)是旋转后的肤色椭圆心坐标,ra和rb分别是旋转后的椭圆长和短半轴,θ是肤色椭圆模型坐标的旋转角,I′cb和I′cr是经过旋转后的蓝色和红色色度分量;
利用肤色相似度信息,可得到连续肤色相似度图为:
其中σs是相似度参数,用于控制肤色相似程度;k1和k2为控制椭圆半径参数;默认参数设置:
cx=109.38,cy=152.02,ecb=2.41,ra=25.39,rb=14.03,θ=2.53。
6.根据权利要求5所述的一种人脸自动磨皮的图像处理方法,其特征在于,步骤(4)所述的根据平均肤色计算出肤色相似度图,利用归一化后的肤色相似度图融合步骤(3)中获取的平滑轮廓,具体步骤为:
(4.1)为了得到Icb和Icr色度通道直方图的分布情况,先将人脸图像转换为YCbCr亮度和色度空间,为了减少人脸瑕疵的影响,对Icb和Icr色度通道进行形态学处理,得到相应色度通道归一化直方图Hcb(x)和Hcr(x);
(4.2)结合色度通道统计信息和椭圆聚类信息,皮肤在色度通道粗略分布的范围为76≤cb≤127和132≤cr≤173,再利用计算重心公式求出相应直方图Hcb(x)和Hcr(x)在该范围内的重心值:
和
(4.3)利用色度通道肤色分布特性,计算出椭圆的长短半径分别为:
ra=0.7×(cx-76)+0.3×(127-cx)和
rb=0.3×(cy-132)+0.7×(173-cy);
(4.4)在实验处理中,控制椭圆半径参数为k1=1.22和k2=1.20,相似度参数θs=0.71,椭圆心坐标ecb=1.60,ecr=2.41,旋转角θ=2.53°;
(4.5)为了尽量减少非皮肤区域信息的丢失,需要对平滑图像和原图进行肤色融合,直接在归一化连续肤色相似度图Isskin上对原图和肤质保留平滑后的图进行肤色相似通道融合,融合公式为:
I′=(1-Isskin).×Isrc+Isskin.×Ismooth
其中,Isrc为原始人脸图像,Ismooth是肤质保留图像,I′是融合后的图像,·×是点乘操作符。
7.根据权利要求6所述的一种人脸自动磨皮的图像处理方法,其特征在于,步骤(5)所述的对图像进行全局平滑滤波,具体步骤为:
平滑图像采用高斯全局滤波:
其中,Isrc为原始人脸图像,α为肤质保留权重,用于控制肤色保留的程度,其取值范围为[0,2];σc为值域参数,控制保留边缘强度;λc为平滑权重,控制图像空域平滑程度;rG是高斯滤波半径;σG是高斯标准差,控制图像模糊程度;为卷积运算符;Ismooth是肤质保留图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910533604.5A CN110223260A (zh) | 2019-06-19 | 2019-06-19 | 一种人脸自动磨皮的图像处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910533604.5A CN110223260A (zh) | 2019-06-19 | 2019-06-19 | 一种人脸自动磨皮的图像处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110223260A true CN110223260A (zh) | 2019-09-10 |
Family
ID=67814031
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910533604.5A Pending CN110223260A (zh) | 2019-06-19 | 2019-06-19 | 一种人脸自动磨皮的图像处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110223260A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100177981A1 (en) * | 2009-01-12 | 2010-07-15 | Arcsoft Hangzhou Co., Ltd. | Face image processing method |
CN102254327A (zh) * | 2011-07-29 | 2011-11-23 | 西南交通大学 | 数码照片中的人脸自动分割方法 |
CN106156730A (zh) * | 2016-06-30 | 2016-11-23 | 腾讯科技(深圳)有限公司 | 一种人脸图像的合成方法和装置 |
CN106709886A (zh) * | 2017-01-04 | 2017-05-24 | 竹间智能科技(上海)有限公司 | 自动修图方法及装置 |
CN107369133A (zh) * | 2016-05-13 | 2017-11-21 | 炬芯(珠海)科技有限公司 | 一种人脸图像美化方法和装置 |
CN108932493A (zh) * | 2018-06-29 | 2018-12-04 | 东北大学 | 一种面部皮肤质量评价方法 |
-
2019
- 2019-06-19 CN CN201910533604.5A patent/CN110223260A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100177981A1 (en) * | 2009-01-12 | 2010-07-15 | Arcsoft Hangzhou Co., Ltd. | Face image processing method |
CN102254327A (zh) * | 2011-07-29 | 2011-11-23 | 西南交通大学 | 数码照片中的人脸自动分割方法 |
CN107369133A (zh) * | 2016-05-13 | 2017-11-21 | 炬芯(珠海)科技有限公司 | 一种人脸图像美化方法和装置 |
CN106156730A (zh) * | 2016-06-30 | 2016-11-23 | 腾讯科技(深圳)有限公司 | 一种人脸图像的合成方法和装置 |
CN106709886A (zh) * | 2017-01-04 | 2017-05-24 | 竹间智能科技(上海)有限公司 | 自动修图方法及装置 |
CN108932493A (zh) * | 2018-06-29 | 2018-12-04 | 东北大学 | 一种面部皮肤质量评价方法 |
Non-Patent Citations (2)
Title |
---|
汤秋艳等: "一种基于肤色分割的彩色图像人脸检测方法", 《沈阳理工大学学报》 * |
邱佳梁等: "肤色纹理保留实时人脸美化算法", 《计算机辅助设计与图形学学报》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106780311B (zh) | 一种结合皮肤粗糙度的快速人脸图像美化方法 | |
Sun et al. | Face detection based on color and local symmetry information | |
CN103456010B (zh) | 一种基于特征点定位的人脸卡通画生成方法 | |
CN110807351A (zh) | 一种基于人脸识别的智能化车载疲劳检测系统、方法及装置 | |
CN106920274A (zh) | 移动端2d关键点快速转换为3d融合变形的人脸建模方法 | |
CN107730444A (zh) | 图像处理方法、装置、可读存储介质和计算机设备 | |
CN104318262A (zh) | 通过人脸照片更换皮肤的方法及系统 | |
CN102254327B (zh) | 数码照片中的人脸自动分割方法 | |
CN110276727B (zh) | 一种面向色觉障碍的彩色图像颜色增强方法 | |
CN106485222A (zh) | 一种基于肤色分层的人脸检测方法 | |
CN109712095A (zh) | 一种快速边缘保留的人脸美化方法 | |
CN101377813B (zh) | 复杂场景中单个人脸的实时跟踪方法 | |
CN106127709A (zh) | 一种低照度彩色眼底图像判断方法与增强方法 | |
CN109035172A (zh) | 一种基于深度学习的非局部均值超声图像去噪方法 | |
CN103440633B (zh) | 一种数字图像自动祛除斑点的方法 | |
CN102306384A (zh) | 一种基于单幅图像的颜色恒常性处理方法 | |
CN107087104B (zh) | 面部区域的影像处理方法以及使用此方法的电子装置 | |
CN108427918A (zh) | 基于图像处理技术的人脸隐私保护方法 | |
CN108805826B (zh) | 改善去雾效果的方法 | |
CN110223260A (zh) | 一种人脸自动磨皮的图像处理方法 | |
CN111275644A (zh) | 一种基于Retinex算法的水下图像增强方法和装置 | |
CN108230271A (zh) | 一种基于人脸检测和五官定位的数字图像中人脸粉底上妆方法 | |
CN110223253A (zh) | 一种基于图像增强的去雾方法 | |
CN109523472A (zh) | Retinex彩色图像增强方法、计算机视觉处理系统 | |
CN109214367A (zh) | 一种基于视觉注意机制的人脸检测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190910 |