CN110248242A - 一种图像处理和直播方法、装置、设备和存储介质 - Google Patents
一种图像处理和直播方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN110248242A CN110248242A CN201910619835.8A CN201910619835A CN110248242A CN 110248242 A CN110248242 A CN 110248242A CN 201910619835 A CN201910619835 A CN 201910619835A CN 110248242 A CN110248242 A CN 110248242A
- Authority
- CN
- China
- Prior art keywords
- image data
- data
- pixel
- point
- target 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000012545 processing Methods 0.000 claims abstract description 92
- 230000001815 facial effect Effects 0.000 claims abstract description 36
- 230000015654 memory Effects 0.000 claims description 19
- 238000003672 processing method Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 2
- 235000019557 luminance Nutrition 0.000 description 109
- 230000000875 corresponding effect Effects 0.000 description 12
- 230000006870 function Effects 0.000 description 10
- 230000009286 beneficial effect Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000010606 normalization Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000002146 bilateral effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- WYTGDNHDOZPMIW-RCBQFDQVSA-N alstonine Natural products C1=CC2=C3C=CC=CC3=NC2=C2N1C[C@H]1[C@H](C)OC=C(C(=O)OC)[C@H]1C2 WYTGDNHDOZPMIW-RCBQFDQVSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000005662 electromechanics Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000009738 saturating Methods 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- 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
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/21—Server components or server architectures
- H04N21/218—Source of audio or video content, e.g. local disk arrays
- H04N21/2187—Live feed
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/435—Processing of additional data, e.g. decrypting of additional data, reconstructing software from modules extracted from the transport stream
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种图像处理和直播方法、装置、设备和存储介质。该方法包括:确定原始图像数据,所述原始图像数据中每个像素点具有纹理坐标;根据所述纹理坐标从所述像素点中确定用于表示人脸轮廓的轮廓点;在保留所述轮廓点的基础上、将模糊处理后的所述原始图像数据转换为灰度图像数据;将所述灰度图像数据与所述原始图像数据进行叠加处理,以获得目标图像数据。通过该方法解决了无法完全识别皮肤区域,进行磨皮操作导致的脸部肤色不均匀的问题和扩大了皮肤区域的范围进行磨皮操作导致的脸部轮廓模糊的问题。
Description
技术领域
本发明实施例涉及图像处理技术,尤其涉及一种图像处理和直播方法、装置、设备和存储介质。
背景技术
随着美颜的流行,越来越多的用户希望能通过美颜工具对图片或者视频中的人物进行美颜处理。
尤其是在手机拍照和直播领域,对美颜的需求越来越凸显。常见的美颜包括瘦脸、磨皮等。以磨皮为例,一般采用通过识别肤色的方法来确定皮肤,对皮肤区域进行模糊处理后,将皮肤区域叠加回原图片中来实现。
但是颜色空间的肤色识别对光线非常敏感,在夜晚的时候会导致无法完全识别皮肤区域,而在户外强光的情况下会导致扩大了皮肤区域的范围。进而导致进行模糊的区域确定不准确,使得用户在照片或者视频中脸部肤色不均匀或者脸部轮廓模糊。
发明内容
本发明提供一种图像处理和直播方法、装置、设备和存储介质,以解决无法完全识别皮肤区域,进行磨皮操作导致的脸部肤色不均匀的问题和扩大了皮肤区域的范围进行磨皮操作导致的脸部轮廓模糊的问题。
第一方面,本发明实施例提供了一种图像处理方法,包括:
确定原始图像数据,所述原始图像数据中每个像素点具有纹理坐标;
根据所述纹理坐标从所述像素点中确定用于表示人脸轮廓的轮廓点;
在保留所述轮廓点的基础上、将模糊处理后的所述原始图像数据转换为灰度图像数据;
将所述灰度图像数据与所述原始图像数据进行叠加处理,以获得目标图像数据。
在此基础上,所述确定原始图像数据,包括:
接收原始图像数据;
将所述原始图像数据的像素点从色彩分量RGBA转换为色彩分量YUVA;
将所述色彩分量YUVA存储至所述像素点的纹理坐标中。
在此基础上,所述纹理坐标中具有参数,所述参数包括亮度分量Y;
所述根据所述纹理坐标从所述像素点中确定用于表示人脸轮廓的轮廓点,包括:
从所述像素点中确定第一目标点以及至少两个第二目标点,所述第二目标点与所述第一目标点在所述纹理坐标相邻;
根据所述第二目标点在第一方向的亮度分量Y生成原始亮度统计数据;
根据所述第二目标点在第二方向的亮度分量Y对所述原始亮度统计数据进行调整,获得目标亮度统计数据;
将所述目标亮度统计数据替换所述纹理坐标中除所述亮度分量Y之外的其他参数;
基于所述目标亮度统计数据从所述像素点中确定用于表示所述人脸轮廓的轮廓点。
在此基础上,所述第二目标点包括第一权重;
所述根据所述第二目标点在第一方向的亮度分量Y生成原始亮度统计数据,包括:
计算所述第二目标点在第一方向的亮度分量Y的第一均值,作为原始亮度统计数据中的第一数据;
基于所述第二目标点的第一权重、计算所述第二目标点在第一方向的亮度分量Y加权求和后的第二均值,作为所述原始亮度统计数据中的第二数据;
计算所述第二目标点在第一方向的亮度分量Y的平方的第三均值,作为所述原始亮度统计数据中的第三数据。
在此基础上,所述第二目标点包括第二权重;
所述根据所述第二目标点在第二方向的亮度分量Y对所述原始亮度统计数据进行调整,获得目标亮度统计数据,包括:
计算第二目标点在第二方向的亮度分量Y的第四均值;
根据所述第四均值对所述第一均值进行调整,以获得目标亮度统计数据中的第四数据;
基于所述第二目标点的第二权重、计算第二目标点在第二方向的亮度分量Y加权求和后的第五均值;
根据所述第五均值对所述第二均值进行调整,以获得目标亮度统计数据中的第五数据;
计算所述第二目标点在第二方向的亮度分量Y的平方的第六均值;
根据所述第六均值对所述第三均值进行调整,以获得目标亮度统计数据中的第六数据。
在此基础上,所述将所述目标亮度统计数据替换所述纹理坐标中除所述亮度分量Y之外的其他参数,包括:
确定纹理坐标中的参数,所述参数包括亮度分量Y和色彩分量UVA;
使用所述目标亮度统计数据替换所述色彩分量UVA。
在此基础上,目标亮度统计数据包括表示所述亮度分量Y的均值的第四数据、表示所述亮度分量Y的加权求和后的均值的第五数据和表示所述亮度分量Y的平方求和后的均值的第六数据;
所述基于所述目标亮度统计数据从所述像素点中确定用于表示所述人脸轮廓的轮廓点,包括:
将第四数据与第四数据的乘积作为第七数据;
确定第六数据与第七数据的差值作为第八数据;
对所述第八数据进行归一化处理,获得第九数据;
当所述第九数据的值超过阈值时,确定所述第九数据对应的像素点为表示人脸轮廓的轮廓点。
在此基础上,所述在保留所述轮廓点的基础上、将模糊处理后的所述原始图像数据转换为灰度图像数据,包括:
对所述原始图像数据进行模糊处理,以获得第一中间图像数据;
将所述原始图像数据中的轮廓点与所述第一中间图像数据进行叠加以获得第二中间图像数据;
对所述第二中间图像数据进行灰度处理,以获得灰度图像数据,所述灰度图像数据中每个像素点具有灰度值,在所述灰度图像数据中的每个像素点的纹理坐标中存储亮度分量Y与灰度值。
在此基础上,所述灰度图像数据中的每个像素点的纹理坐标中存储有灰度值;
所述将所述灰度图像数据与所述原始图像数据进行叠加处理,以获得目标图像数据,包括:
确定第三目标点;
确定灰度图像数据中所述第三目标点的灰度值;
确定原始图像数据中所述第三目标点的色彩分量RGB;
根据所述灰度值分别对所述色彩分量RGB进行调亮或压暗操作,以获得目标图像数据。
第二方面,本发明实施例还提供了一种直播方法,包括:
采集原始视频数据,所述原始视频数据包括原始图像数据,所述原始图像数据中每个像素点具有纹理坐标;
根据所述纹理坐标从所述像素点中确定用于表示人脸轮廓的轮廓点;
在保留所述轮廓点的基础上、将模糊处理后的所述原始图像数据转换为灰度图像数据;
将所述灰度图像数据与所述原始图像数据进行叠加处理,以获得目标图像数据;
在直播间中发布包含所述目标图像数据的直播视频数据。
第三方面,本发明实施例还提供了一种图像处理装置,包括:
图像数据确定模块,用于确定原始图像数据,所述原始图像数据中每个像素点具有纹理坐标;
轮廓点确定模块,用于根据所述纹理坐标从所述像素点中确定用于表示人脸轮廓的轮廓点;
灰度图像数据获取模块,用于在保留所述轮廓点的基础上、将模糊处理后的所述原始图像数据转换为灰度图像数据;
目标图像数据获取模块,用于将所述灰度图像数据与所述原始图像数据进行叠加处理,以获得目标图像数据。
在此基础上,图像数据确定模块包括:
原始图像接收子模块,用于接收原始图像数据;
色彩分量转化子模块,用于将所述原始图像数据的像素点从色彩分量RGBA转换为色彩分量YUVA;
色彩分量存储子模块,用于将所述色彩分量YUVA存储至所述像素点的纹理坐标中。
在此基础上,轮廓点确定模块包括:
目标点确定子模块,用于从所述像素点中确定第一目标点以及至少两个第二目标点,所述第二目标点与所述第一目标点在所述纹理坐标相邻;
原始亮度统计数据生成子模块,用于根据所述第二目标点在第一方向的亮度分量Y生成原始亮度统计数据;
目标亮度统计数据获取子模块,用于根据所述第二目标点在第二方向的亮度分量Y对所述原始亮度统计数据进行调整,获得目标亮度统计数据;
参数替换子模块,用于将所述目标亮度统计数据替换所述纹理坐标中除所述亮度分量Y之外的其他参数;
轮廓点确定子模块,用于基于所述目标亮度统计数据从所述像素点中确定用于表示所述人脸轮廓的轮廓点。
在此基础上,原始亮度统计数据生成子模块包括:
第一数据计算单元,用于计算所述第二目标点在第一方向的亮度分量Y的第一均值,作为原始亮度统计数据中的第一数据;
第二数据计算单元,用于基于所述第二目标点的第一权重、计算所述第二目标点在第一方向的亮度分量Y加权求和后的第二均值,作为所述原始亮度统计数据中的第二数据;
第三数据计算单元,用于计算所述第二目标点在第一方向的亮度分量Y的平方的第三均值,作为所述原始亮度统计数据中的第三数据。
在此基础上,目标亮度统计数据获取子模块包括:
第四均值计算单元,用于计算第二目标点在第二方向的亮度分量Y的第四均值;
第四数据计算单元,用于根据所述第四均值对所述第一均值进行调整,以获得目标亮度统计数据中的第四数据;
第五均值计算单元,用于基于所述第二目标点的第二权重、计算第二目标点在第二方向的亮度分量Y加权求和后的第五均值;
第五数据计算单元,用于根据所述第五均值对所述第二均值进行调整,以获得目标亮度统计数据中的第五数据;
第六均值计算单元,用于计算所述第二目标点在第二方向的亮度分量Y的平方的第六均值;
第六数据计算单元,用于根据所述第六均值对所述第三均值进行调整,以获得目标亮度统计数据中的第六数据。
在此基础上,参数替换子模块包括:
参数确定单元,用于确定纹理坐标中的参数,所述参数包括亮度分量Y和色彩分量UVA;
色彩分量替换单元,用于使用所述目标亮度统计数据替换所述色彩分量UVA。
在此基础上,轮廓点确定子模块包括:
第七数据计算单元,用于将第四数据与第四数据的乘积作为第七数据;
第八数据计算单元,用于确定第六数据与第七数据的差值作为第八数据;
第九数据计算单元,用于对所述第八数据进行归一化处理,获得第九数据;
轮廓点确定单元,用于当所述第九数据的值超过阈值时,确定所述第九数据对应的像素点为表示人脸轮廓的轮廓点。
在此基础上,灰度图像数据获取模块包括:
第一中间图像数据获取子模块,用于对所述原始图像数据进行模糊处理,以获得第一中间图像数据;
第二中间图像数据获取子模块,用于将所述原始图像数据中的轮廓点与所述第一中间图像数据进行叠加以获得第二中间图像数据;
灰度图像数据获取子模块,用于对所述第二中间图像数据进行灰度处理,以获得灰度图像数据,所述灰度图像数据中每个像素点具有灰度值,在所述灰度图像数据中的每个像素点的纹理坐标中存储亮度分量Y与灰度值。
在此基础上,目标图像数据获取模块包括:
第三目标点确定子模块,用于确定第三目标点;
灰度值确定子模块,用于确定灰度图像数据中所述第三目标点的灰度值;
色彩分量确定子模块,用于确定原始图像数据中所述第三目标点的色彩分量RGB;
目标图像数据获取子模块,用于根据所述灰度值分别对所述色彩分量RGB进行调亮或压暗操作,以获得目标图像数据。
第四方面,本发明实施例还提供了一种直播装置,包括:
视频数据采集模块,用于采集原始视频数据,所述原始视频数据包括原始图像数据,所述原始图像数据中每个像素点具有纹理坐标;
轮廓点确定模块,用于根据所述纹理坐标从所述像素点中确定用于表示人脸轮廓的轮廓点;
灰度图像数据获取模块,用于在保留所述轮廓点的基础上、将模糊处理后的所述原始图像数据转换为灰度图像数据;
目标图像数据获取模块,用于将所述灰度图像数据与所述原始图像数据进行叠加处理,以获得目标图像数据;
视频数据发布模块,用于在直播间中发布包含所述目标图像数据的直播视频数据。
第五方面,本发明实施例还提供了一种电子设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如第一方面所述的一种图像处理方法,或,如第二方面所述的一种直播方法。
第六方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如第一方面所述的一种图像处理方法,或,如第二方面所述的一种直播方法。
本发明实施例通过根据原始图像数据中每个像素点的纹理坐标确定表示人脸轮廓的轮廓点。对原始图像数据进行模糊处理后,将轮廓点与之叠加,获得了轮廓清晰但是肤色较为模糊的中间图像,并将该中间图像转化为灰度图像数据,通过灰度图像数据对原图中的像素点进行调节,以获得目标图像数据。此时的目标图像数据中已经准确确定了皮肤区域和轮廓区域,在对轮廓进行保护的情况对皮肤区域进行模糊和调高亮度的处理,实现了在不改变轮廓的情况下对图像进行模糊处理的有益效果。
附图说明
图1为本发明实施例一提供的一种图像处理方法的流程图;
图2A为本发明实施例二提供的一种图像处理方法的流程图;
图2B为本发明实施例一提供的一种可能的第二目标点的示意图;
图2C为本发明实施例二提供的一种对像素点处理的示意图;
图3为本发明实施例三提供的一种直播方法的流程图;
图4为本发明实施例四提供的一种图像处理装置;
图5为本发明实施例五提供的一种直播装置;
图6为本发明实施例六提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种图像处理方法的流程图。本实施例适用于在保护人脸轮廓的情况下、对原始图像数据进行模糊处理或者调亮处理的场景。该方法可以由一种图像处理装置来执行,该装置可以由软件和/或硬件的方式实现,该装置可配置在电子设备中,例如,手机、平板电脑、可穿戴设备(如智能眼镜、智能手表)等,该电子设备配置有屏幕、中央处理器(CPU)和图形处理器(GPU)。参考图1,该方法具体包括:
S101、确定原始图像数据。
原始图像数据是指用数值表示的各像素(pixel)的值的集合。确定原始图像数据是指将接收到图像数据行进处理,修改为统一的格式,便于后续的处理。一般的,原始图像数据包括人。即原始图像数据可以分为人体部分与背景部分。需要通过模糊和调节亮度处理来达到“磨皮”效果的原始图像数据中,一般包括人脸图像。
原始图像数据可能有对应多种色彩模型的表达形式,如:RGB色彩模式、CMYK色彩模式、YUV色彩模式和Lab色彩模式。
一般的,为了后续的处理需要,可以将RGB色彩模式、CMYK色彩模式或Lab色彩模式的原始图像数据转化为YUV色彩模式。
纹理实际上是一个二维数组,它的元素是一些颜色值。单个颜色值被称为纹理元素或纹理像素(也就是像素点的另一种称呼)。每个纹理元素在纹理中都有一个唯一的地址。这个地址由一个行和列组成,分别用U,V表示。纹理中的每一个纹理像素可以通过它的坐标来声明。对于所有纹理的所有纹理像素,Direct3D等软件要求一个统一的地址范围。这个范围可以使0.0~1.0,包含0.0和1.0,用U,V标识。纹理坐标位于纹理空间中,也就是说,它和纹理的(0,0)位置相对应。
对于每个像素点而言,关联有纹理坐标。
在一可行的实现方式中,将使用YUV色彩模型进行表示的原始图像数据加载到开放图形库(Open Graphics Library,OPENGL)中,确定原始图形数据中每个像素点的纹理坐标包括坐标信息和纹理参数。
S102、根据所述纹理坐标从所述像素点中确定用于表示人脸轮廓的轮廓点。
一般的,可以认为当相邻两个像素点之间的差异足够大的时候,可能出现表示人脸轮廓的轮廓点。
在此基础上,当像某一像素点与周围像素点的差距较小时,将该像素点记为0,当像某一像素点与周围像素点的差距较大时,将该像素点记为1。将所所有像素点比较完毕后,最后将所有值为1的像素点确定为轮廓点。
S103、在保留所述轮廓点的基础上、将模糊处理后的所述原始图像数据转换为灰度图像数据。
对原始图像进行模糊处理。当然这里模糊的程度可以与磨皮程度成正相关,具体的模糊程度可以根据用户的选择来确定。
保留轮廓点的方式有两种,一种是在原始图像数据中确定出轮廓点,在对原始图像数据记性模糊处理时间,不对轮廓点进行处理。一种是对原始图像数据中所有像素点进行模糊处理,在模糊处理后,将轮廓点覆盖在处理后的原始图像数据上。
一般的,模糊处理可以包括:均值滤波处理、中值滤波处理、高斯滤波处理、双边滤波处理等。
灰度图像数据可以通过高反差操作获得。黑白影像的反差范围是由一个从黑到白等间隔灰的(标度)色阶上的技术(英调)来描述的。高反差影像在黑和白之间仅有很少的或没有中间影调。
S104、将所述灰度图像数据与所述原始图像数据进行叠加处理,以获得目标图像数据。
原始图像数据中的每个像素点都通过RGB色彩模式进行表示,即每个像素点都包括R值、G值、B值。
灰度图像数据中的每个像素点包括0~1之间的灰度值。
从原始图像数据中确定一个像素点,若该像素点在灰度图像数据中的灰度值为0.5,表示该像素点不提亮也不压暗;若该像素点在灰度图像数据中的灰度值小于0.5,则压暗该像素点;若该像素点在灰度图像数据中的灰度值大于0.5,则提亮该像素点。其中,压暗和提亮是指进行模糊处理后,对像素点的亮度进行调节。
本发明实施例通过根据原始图像数据中每个像素点的纹理坐标确定表示人脸轮廓的轮廓点。对原始图像数据进行模糊处理后,将轮廓点与之叠加,获得了轮廓清晰但是肤色较为模糊的中间图像,并将该中间图像转化为灰度图像数据,通过灰度图像数据对原图中的像素点进行调节,以获得目标图像数据。此时的目标图像数据中已经准确确定了皮肤区域和轮廓区域,在对轮廓进行保护的情况对皮肤区域进行模糊和调高亮度的处理,实现了在不改变轮廓的情况下对图像进行模糊处理的有益效果。
实施例二
图2A为本发明实施例二提供的一种图像处理方法的流程图。本实施例是在实施例一的基础上进行了细化,详细描述了根据所述纹理坐标从所述像素点中确定用于表示人脸轮廓的轮廓点的具体过程。参考图2A,该方法包括:
S201、接收原始图像数据。
获取图像数据的方式可以是指通过摄像设备采集主播用户上传的直播的画面,也可以是接收用户输入的图像。一般的,原始图像数据包括人。即原始图像数据可以分为人体部分与背景部分。
一般的,接收到的原始图像数据为RGB色彩模式。原始图像数据中的每个像素点具有纹理坐标,纹理坐标中包括四个参数,分别用于存储RGB色彩模式中的色彩分量R、色彩分量G、色彩分量B和色彩分量A。其中,色彩分量R表示像素点的红色通道的值、色彩分量G表示像素点的绿色通道的值、色彩分量B表示像素点的蓝色通道的值、色彩分量A表示像素点的透明度的值。
S202、将所述原始图像数据的像素点从色彩分量RGBA转换为色彩分量YUVA。
色彩分量中的Y表示像素点的亮度的值,又可以称为亮度分量Y、色彩分量U表示像素点的蓝色色度的值、色彩分量V表示像素点的红色色度的值、色彩分量A表示像素点的透明度的值。
将原始图像数据中的每个像素点的色彩分量RGBA转化为色彩分量YUVA时,首先定义画面的平均亮度值(Luminance),记为Y。其计算公式为:
Y=kr×R+kg×G+kb×B
kr,kg,kb为加权因数(weighting factors),kr+kg+kb=1。通常的,ITU-R BT.601(国际无线电咨询委员会制定的彩色视频数字化标准)定义kb=0.114和kr=0.299。
定义Cr,Cg,Cb为颜色强度与平均亮度值Y的差值:
Cr=R-Y
Cg=G-Y
Cb=B-Y
由于Cr+Cg+Cb是一个常数,可以用其中两个变量来表达原来所需的三个,并且在数据的贮存和传输中也只需使用其中的两个变量。这样,就完成了定义YUV中的三个变量了:Y,Cb,Cr。
一个在通过RGB色彩模式表示的像素点在转换为YUV的公式可以重新定义为:
Y=kr×R+(1-kb-kr)×G+kb×B (1)
U=Cb=0.5(1-kb)/(B-Y)
V=Cr=0.5(1-kr)/(R-Y)
然后再用公式(1)代换Y,得到仅含R,G,B的Cb,Cr函数(kr,kb视为常数)。
从YCbCr转换至RGB的公式:
R=Y+(1-kr)×Cr/0.5
G=Y-[kb×(1-kb)×Cb]/[0.5×(1-kb-kr)]-[kr×(1-kr)×Cr]/[0.5×(1-kb-kr)]
B=Y+(1-kb)×Cb/0.5
代入ITU-R BT.601定义的kb=0.114和kr=0.299,那么RGB色彩模式转化为YUV色彩模式的公式为:
Y=0.299R+0.587G+0.114 (2)
U=Cb=0.564(B-Y)
V=Cr=0.713(R-Y)
同样地,然后再用公式(2)代换Y,得到仅含R,G,B的Cb,Cr函数(kr,kb视为常数)
那么YUV色彩模式转化为RGB色彩模式的公式为:
R=Y+1.402Cr
G=Y-0.344Cb-0.714Cr
B=Y+1.772Cb
S203、将所述色彩分量YUVA存储至所述像素点的纹理坐标中。
始图像数据中的每个像素点具有纹理坐标,纹理坐标中包括四个参数,分别用于存储RGB色彩模式中的色彩分量R、色彩分量G、色彩分量B和色彩分量A。
将计算获得的YUV的值存入纹理坐标的参数中,替换原有的RGB的值,此时,纹理坐标中存储的值为YUVA。
S204、从所述像素点中确定第一目标点以及至少两个第二目标点。
在原始图像数据中确定出第一目标点,第一目标点是当前需要调整亮度的像素点。第一目标点的确定是通过顺序遍历的方式确定的,一般按照从上往下、从左到右或者反方向进行遍历。
第二目标点是与第一目标点关联的像素点,关联是指第二目标点与所述第一目标点在所述纹理坐标相邻。当第二目标点的数量为奇数个时,可以预先设定往某一方向多取一个像素点。当第二目标点的数量为偶数个时,可以以第一目标点为中心,向对称的两边确定第二目标点。
图2B为本发明实施例一提供的一种可能的第二目标点的示意图。参考图2B,当第一目标点10确定后,若确定第二目标点的数量为4个时。以第一目标点10为圆心,两个像素点为半径确定圆形区域11,圆形区域11中的像素点均可认为是与第一目标点关联的像素点,即第二目标点。
通常的约定是使用U和V作为纹理空间中的轴线,U对应于2D坐标系的X轴,V对应于Y轴。在OpenGL中对UV轴上的值的处理方式为:在U轴上从左往右递增,V轴上从下往上递增(原点在左下角)。
一般的,可以将沿X轴方向确定为第一方向、可以将沿Y轴方向确定为第一方向,也可以是X轴Y轴的角平分线方向确定为第一方向。
在一可行的实现方式中,以沿X轴方向为第一方向。图2C为本发明实施例二提供的一种对像素点处理的示意图。则可以确定像素点(1,1)为第一目标点,当对像素点(1,1)的亮度值进行调节后,将像素点(1,2)确定为第一目标点,当第一行像素点的亮度值都进行调节后,开始在第二行确定第一目标点,在第二行确定第一目标点时,可以按照从左往右的方式将像素点(2,1)确定为第一目标点,也可以按照蛇形方式将素点(2,7)确定为第一目标点。
S205、根据所述第二目标点在第一方向的亮度分量Y生成原始亮度统计数据。
以第一目标点在第一方向上的坐标为中心,在原始图像数据中确定第一目标范围。参考图2C,以像素点(4,4)为第一目标点,以沿X轴方向为第一方向进行描述。第一目标范围即圈定第二目标点的范围区域,一般的,可以将第一目标范围确定为2个像素点,即以第一目标点在第一方向上的坐标为中心,以2个像素点为半径确定第一目标范围21。
若像素点在第一方向上的坐标位于第一目标范围内,则将像素点设置为第二目标点。确定作为第一目标点的像素点(4,4)在第一方向上的位于第一目标范围21的像素点,即将像素点(4,2)、像素点(4,3)、像素点(4,5)和像素点(4,6)作为第二目标点。
确定第二目标点相对于第一目标点的第一权重。
第一权重用于体现第二目标点的亮度对第一目标点的亮度的影响的大小。可以对第二目标点设置相同的权重,也可以对第二目标点设置相同的权重。可以将第一目标点的亮度加入权重的设定中,也可以不加入权重的设定中。本实施例对此不作限定。
在一可行的实现方式中,可以根据第二目标点距离第一目标点的距离来确定第二目标点的权重。第二目标点距离第一目标点的距离越近,说明与第一目标点的关系越紧密,应该对第一目标点造成的影响越大。确定第二目标点与第一目标点之间的距离;确定第二目标点的第一权重,第一权重与距离正相关。为了便于计算,将所有权重的和设定为1。参考图2C,可以将作为第一目标点的像素点(4,4)的第一权重设置为0.4,将第二目标点中像素点(4,2)的第一权重设置为0.1、像素点(4,3)的第一权重设置为0.2、像素点(4,5)的第一权重设置为0.2和像素点(4,6)的第一权重设置为0.1。
具体的,此步骤包括如下方法:
S2051、计算所述第二目标点在第一方向的亮度分量Y的第一均值,作为原始亮度统计数据中的第一数据。
确定X轴的方向为第一方向。在确定第二目标点后,确定第二目标点的亮度分量Y的总和值,将总和值除以第二目标点的数量,以获得第二目标点在第一方向的亮度分量Y的均值,将该均值作为第一数据。
S2052、基于所述第二目标点的第一权重、计算所述第二目标点在第一方向的亮度分量Y加权求和后的第二均值,作为所述原始亮度统计数据中的第二数据。
在确定第二目标点后,确定第二目标点的第一权重,确定第二目标点的亮度分量Y。将第二目标点的亮度分量Y与第一权重的乘积作为一个第二目标点的中间加权亮度。确定多个加权亮度的总和值,将总和值除以第二目标点的数量,以获得第二目标点在第一方向的亮度分量Y加权求和后的均值,将该均值作为第二数据。
可选的,第二目标点根据距离第一目标点的距离不同而被配置不同的第一权重。
S2053、计算所述第二目标点在第一方向的亮度分量Y的平方的第三均值,作为所述原始亮度统计数据中的第三数据。
在确定第二目标点后,确定每个第二目标点的亮度分量Y的平方值,将平方值除以第二目标点的数量,以获得第二目标点在第一方向的亮度分量Y的平方的均值,将该均值作为第三数据。
原始亮度统计数据包括第二目标点在第一方向的亮度分量Y的均值即第一数据,第二目标点在第一方向的亮度分量Y加权求和后的均值即第二数据,第二目标点在第一方向的亮度分量Y的平方的均值即第三数据。
S206、根据所述第二目标点在第二方向的亮度分量Y对所述原始亮度统计数据进行调整,获得目标亮度统计数据。
由于原始分量数据是通过对第一方向的亮度分量Y进行处理后产生的,因此并未考虑第二方向上的亮度分量Y之间的关系。通过第二目标点在第二方向的亮度分量Y对原始亮度统计数据进行调整,可以获得更加准确的统计数据,为后期准确检测轮廓点提供了优质的素材。
具体的,此步骤包括如下方法:
S2061、计算第二目标点在第二方向的亮度分量Y的第四均值。
确定Y轴的方向为第二方向。在确定第二目标点后,确定第二目标点的亮度分量Y的总和值,将总和值除以第二目标点的数量,以获得第二目标点在第二方向的亮度分量Y的均值,将该均值作为第四均值。
S2062、根据所述第四均值对所述第一均值进行调整,以获得目标亮度统计数据中的第四数据。
可选的,将第四均值与第一均值的均值作为第四数据。
S2063、基于所述第二目标点的第二权重、计算第二目标点在第二方向的亮度分量Y加权求和后的第五均值。
在确定第二目标点后,确定第二目标点的第二权重,确定第二目标点的亮度分量Y。将第二目标点的亮度分量Y与第二权重的乘积作为一个第二目标点的中间加权亮度。确定多个加权亮度的总和值,将总和值除以第二目标点的数量,以获得第二目标点在第二方向的亮度分量Y加权求和后的均值,将该均值作为第五均值。
可选的,第二目标点根据距离第一目标点的距离不同而被配置不同的第二权重。
S2064、根据所述第五均值对所述第二均值进行调整,以获得目标亮度统计数据中的第五数据。
可选的,将第五均值与二均值的均值作为第五数据。
S2065、计算所述第二目标点在第二方向的亮度分量Y的平方的第六均值。
在确定第二目标点后,确定每个第二目标点的亮度分量Y的平方值,将平方值除以第二目标点的数量,以获得第二目标点在第二方向的亮度分量Y的平方的均值,将该均值作为第六均值。
S3066、根据所述第六均值对所述第三均值进行调整,以获得目标亮度统计数据中的第六数据。
可选的,将第六均值与三均值的均值作为第六数据。
目标亮度统计数据包括第二目标点在第一方向和第二方向的亮度分量Y的均值,即第四数据;第二目标点在第一方向和第二方向的亮度分量Y加权求和后的均值,即第五数据,第二目标点在第一方向和第二方向的亮度分量Y的平方的均值,第六数据。
S207、将所述目标亮度统计数据替换所述纹理坐标中除所述亮度分量Y之外的其他参数。
具体的,此步骤包括如下方法:
S2071、确定纹理坐标中的参数。
原始图像数据中的每个像素点具有纹理坐标,纹理坐标中包括四个参数。最原始的参数中存储有色彩分量R、色彩分量G、色彩分量B和色彩分量A。将RGB色彩模式替换为YUV色彩模式后,纹理坐标中的四个参数分别存储有亮度分量Y、色彩分量U、色彩分量V和色彩分量A。
S2072、使用所述目标亮度统计数据替换所述色彩分量UVA。
将色彩分量U替换为第四数据,即第二目标点在第一方向和第二方向的亮度分量Y的均值,记为Ym。
色彩分量V替换为第五数据,即第二目标点在第一方向和第二方向的亮度分量Y加权求和后的均值,记为YGm。
和色彩分量A替换为第六数据,即第二目标点在第一方向和第二方向的亮度分量Y的平方的均值,记为
S208、基于所述目标亮度统计数据从所述像素点中确定用于表示所述人脸轮廓的轮廓点。
目标亮度统计数据包括表示亮度分量Y的均值的第四数据、表示亮度分量Y的加权求和后的均值的第五数据和表示亮度分量Y的平方求和后的均值的第六数据。
具体的,此步骤包括如下方法:
S2081、将第四数据与第四数据的乘积作为第七数据。
第四数据即第二目标点在第一方向和第二方向的亮度分量Y的均值,记为Ym。将第四数据与第四数据的乘积Ym 2作为第七数据。
S2082、确定第六数据与第七数据的差值作为第八数据。
第六数据与第七数据的差为
具体的,几个像素点的亮度分量Y分别为1,1,1,5,5,5。
其中,该像素点的第四数据Ym为1,1,3,3,5,5;
该像素点的第六数据为1,1,13,13,25,25。
该像素点的第七数据Ym 2为1,1,9,9,25,25。
第八数据为该像素点的第六数据与第七数据的差为0,0,4,4,0,0。第八数据有数值时,表示像素点为轮廓点。
S2083、对所述第八数据进行归一化处理,获得第九数据。
归一化就是要把需要处理的数据经过处理后(通过某种算法)限制在需要的一定范围内。首先归一化是为了后面数据处理的方便,其次是保证程序运行时收敛加快。归一化的具体作用是归纳统一样本的统计分布性。归一化在0-1之间是统计的概率分布,归一化在某个区间上是统计的坐标分布。
确定第八数据中所有的数值,将该数值的总和变为1,确定第八数据中每个数值处理后的值。
S2084、当所述第九数据的值超过阈值时,确定所述第九数据对应的像素点为表示人脸轮廓的轮廓点。
对归一化后的第九数据进行去噪处理,即确定一个阈值。若第九数据小于该阈值,说明该像素点周围颜色有变化但是变化不明显,该像素点可能是噪音点(干扰点),因此可以直接将其设定为0(表示该像素点不为轮廓点)。若第九数据大于或等于该阈值,说明该像素点周围颜色有明显的颜色变化,即为表示人脸轮廓的轮廓点。
其中,阈值的设定可以由本领域技术人员根据经验进行设定。
S209、对所述原始图像数据进行模糊处理,以获得第一中间图像数据。
对原始凸显数据进行模糊处理,模糊处理可以包括:均值滤波处理、中值滤波处理、高斯滤波处理、双边滤波处理中的一个或多个。
对原始图像数据进行模糊处理的程度可以根据本领域技术人员根据经验进行设定,也可以根据使用者的选择来确定。
将模糊处理后的原始图像数据作为第一中间图像数据。
S210、将所述原始图像数据中的轮廓点与所述第一中间图像数据进行叠加以获得第二中间图像数据。
在第一中间图像数据的基础上,叠加原始图像数据中的轮廓点,获得第二中间图像数据。
第二中间图像数据既对原始图像数据进行了模糊处理,又保留了原始图像数据中的轮廓点。以人脸图像为例,即实现了图像的模糊(美颜)处理,又保证了人脸轮廓的清晰,使得人脸的轮廓更为立体。
S211、对所述第二中间图像数据进行灰度处理,以获得灰度图像数据。
灰度使用黑色调表示物体,即用黑色为基准色,不同的饱和度的黑色来显示图像。每个灰度对象都具有从0%(白色)到100%(黑色)的亮度值。使用黑白或灰度扫描仪生成的图像通常以灰度显示。使用灰度还可将彩色图稿转换为高质量黑白图稿。
对保护轮廓点的模糊处理后的第二种间图像数据进行灰度处理。灰度图像数据中每个像素点具有灰度值,在灰度图像数据中的每个像素点的纹理坐标中存储亮度分量Y与灰度值L,其中,L的取值范围在0-1之间。
将RGB色彩模式替换为YUV色彩模式后,纹理坐标中的四个参数分别存储有亮度分量Y、色彩分量U、色彩分量V和色彩分量A。计算出灰度值L后,将纹理坐标中的四个参数分别替换为:亮度分量Y、灰度值L、灰度值L和灰度值L,即YLLL。
S212、确定第三目标点。
第三目标点是一个像素点,一般的,从原始图像数据中确定一个像素点作为第三目标点。
S213、确定灰度图像数据中所述第三目标点的灰度值。
灰度图像数据中的每个像素点的纹理坐标包括:亮度分量Y、灰度值L、灰度值L和灰度值L,即YLLL。从灰度图像数据中确定第三目标点,并确定第三目标点的灰度值L。将其记为第一纹理坐标。
S214、确定原始图像数据中所述第三目标点的色彩分量RGB。
原始图像数据一般采用RGB色彩模式。此时,原始图像数据中的像素点的纹理坐标包括:色彩分量R、色彩分量G、色彩分量B和色彩分量A。将其记为第二纹理坐标。
S215、根据所述灰度值分别对所述色彩分量RGB进行调亮或压暗操作,以获得目标图像数据。
根据第一纹理坐标对第二纹理坐标进行调节。如根据第一纹理坐标中的灰度值L调节第二纹理坐标中的色彩分量R的亮度。同理的,对色彩分量G和色彩分量B进行相同方式的调节,以获得目标图像数据。
通过OPENGL,将目标图像数据渲染至显示设备,以根据纹理坐标显示目标图像数据。
OpenGL(Open Graphics Library,开放图形库)是用于渲染2D、3D矢量图形的跨语言、跨平台的应用程序编程接口(API)。这个接口由近350个不同的函数调用组成,用来绘制从简单的图形比特到复杂的三维景象。而另一种程序接口系统是仅用于MicrosoftWindows上的Direct3D。OpenGL常用于CAD、虚拟现实、科学可视化程序和电子游戏开发。
使用OpenGL从获取原始图像数据到根据纹理坐标显示所述目标图像数据的实现方式如下:
一、顶点变换:
在这里,一个顶点的属性,如在空间的位置,以及它的颜色,法线,纹理坐标,其中包括一组。这个阶段的输入的各个顶点的属性。由固定的功能所执行的操作,主要完成一下工作:顶点位置变换;计算顶点观照;纹理坐标变换。
二、图元装配:
这个阶段的输入的变换后的顶点,以及连通性信息。这后者的一块数据告诉顶点如何连接,以形成一种原始的绘制数据,这个阶段还负责对视锥裁剪操作,背面剔除。光栅扫描确定的片段,和原始的像素位置。
在此上下文中的片段是一块的数据,将用于更新的像素在帧缓冲区中,在特定的位置。片段包含不仅是颜色,也法线和纹理坐标,其中包括可能的属性,被用来计算新像素的颜色。上面的顶点变换阶段,计算出的值与顶点连接信息相结合,允许当前阶段来计算相应的属性的片段。比如,每个顶点的变换位置。当考虑到顶点,使一个原语,是可以计算的原始片段的位置。另一个例子是,使用的颜色。如果一个三角形,然后用不同的颜色有其顶点的颜色的三角形内的片段的相对的顶点的距离加权的三角形的顶点的颜色插值的方式获得。
三、纹理映射,着色:
插值片段信息是这一阶段的输入。彩色已经在前一阶段的计算是通过内插法,在这里,它可以结合例如一个纹理像素(纹理元素)。
纹理坐标也已经在前一阶段内插。雾也适用于在这个阶段。每个片段的本阶段的共同的最终结果是一个颜色值和深度的片段。
四、最后阶段的管道上的片段,进行了一系列的测试,如:裁减测试;Alpha(透明度)测试;模板测试;深度测试。
通过在图形处理器中通过纹理坐标对原始图像数据的亮度进行处理,降低了复杂度,降低了对中央处理器的占用,提高了设备储存空间的利用效率。
实施例三
图3为本发明实施例三提供的一种直播方法的流程图。本实施例适用于对主播客户端上传到直播间的视频数据进行处理的场景。该方法可以由一种直播装置来执行,尤其是主播客户端所使用的手机、计算机等。该装置可以由软件和/或硬件的方式实现。参考图3,该方法具体包括:
S301、采集原始视频数据。
原始直播视频数据包括原始图像数据,所述原始图像数据中每个像素点具有纹理坐标。应当理解的是,由于本实施例适用于主播进行直播的场景,因此在采集原始直播视频数据的同时,应当采集音频数据。
在一可行的实现方式中,当主播用户启动直播间的直播功能时,直播装置通过摄像设备采集主播用户的直播画面,以采集原始直播视频数据,并从中获得原始图像数据。对原始图像数据进行处理以获得原始图像数据中每个像素点的纹理坐标。
S302、根据所述纹理坐标从所述像素点中确定用于表示人脸轮廓的轮廓点。
在此基础上,从像素点中确定第一目标点以及至少两个第二目标点,第二目标点与第一目标点在纹理坐标相邻;
根据第二目标点在第一方向的亮度分量Y生成原始亮度统计数据;
根据第二目标点在第二方向的亮度分量Y对原始亮度统计数据进行调整,获得目标亮度统计数据;
将目标亮度统计数据替换纹理坐标中除亮度分量Y之外的其他参数;
基于目标亮度统计数据从像素点中确定用于表示人脸轮廓的轮廓点。
其中,根据第二目标点在第一方向的亮度分量Y生成原始亮度统计数据,包括:
计算第二目标点在第一方向的亮度分量Y的第一均值,作为原始亮度统计数据中的第一数据;
基于第一权重、计算第二目标点在第一方向的亮度分量Y加权求和后的第二均值,作为原始亮度统计数据中的第二数据;
计算第二目标点在第一方向的亮度分量Y的平方的第三均值,作为原始亮度统计数据中的第三数据。
其中,根据第二目标点在第二方向的亮度分量Y对原始亮度统计数据进行调整,获得目标亮度统计数据,包括:
计算第二目标点在第二方向的亮度分量Y的第四均值;
根据第四均值对第一均值进行调整,以获得目标亮度统计数据中的第四数据;
基于所述第二目标点的第二权重、计算第二目标点在第二方向的亮度分量Y加权求和后的第五均值;
根据第五均值对第二均值进行调整,以获得目标亮度统计数据中的第五数据;
计算第二目标点在第二方向的亮度分量Y的平方的第六均值;
根据第六均值对第三均值进行调整,以获得目标亮度统计数据中的第六数据。
其中,将目标亮度统计数据替换纹理坐标中除亮度分量Y之外的其他参数,包括:
确定纹理坐标中的参数,参数包括亮度分量Y和色彩分量UVA;
使用目标亮度统计数据替换色彩分量UVA。
其中,基于目标亮度统计数据从像素点中确定用于表示人脸轮廓的轮廓点,包括:
将第四数据与第四数据的乘积作为第七数据;
确定第六数据与第七数据的差值作为第八数据;
对第八数据进行归一化处理,获得第九数据;
当第九数据的值超过阈值时,确定第九数据对应的像素点为表示人脸轮廓的轮廓点。
S303、在保留所述轮廓点的基础上、将模糊处理后的所述原始图像数据转换为灰度图像数据。
在此基础上,对原始图像数据进行模糊处理,以获得第一中间图像数据;
将原始图像数据中的轮廓点与第一中间图像数据进行叠加以获得第二中间图像数据;
对第二中间图像数据进行灰度处理,以获得灰度图像数据,灰度图像数据中每个像素点具有灰度值,在灰度图像数据中的每个像素点的纹理坐标中存储亮度分量Y与灰度值。
S304、将所述灰度图像数据与所述原始图像数据进行叠加处理,以获得目标图像数据。
在此基础上,确定第三目标点;
确定灰度图像数据中第三目标点的灰度值;
确定原始图像数据中第三目标点的色彩分量RGB;
根据灰度值分别对色彩分量RGB进行调亮或压暗操作,以获得目标图像数据。
步骤S302-S304可以参考实施例一和实施例二中相关步骤的说明,在此不再赘述。
S305、在直播间中发布包含所述目标图像数据的直播视频数据。
将目标图像数据拼接渲染成为目标直播视频数据,将该直播视频数据发送至直播服务器,以在主播客户端创建的直播间中进行播放。
其中,直播间中登入有观众用户,直播服务器将该直播视频数据向登入该直播间的观众用户进行分发。
其中,直播视频数据包括用于本地回显的数据流和用于传递到观众用户客户端的数据流。同时,将音视频打包为视频文件,采用流的方式上传给直播服务器,直播服务器可提供给观众。
本发明实施例通过采集原始视频数据,在原始视频数据中采集原始图像数据,根据原始图像数据中每个像素点的纹理坐标确定表示人脸轮廓的轮廓点。对原始图像数据进行模糊处理后,将轮廓点与之叠加,获得了轮廓清晰但是肤色较为模糊的中间图像,并将该中间图像转化为灰度图像数据,通过灰度图像数据对原图中的像素点进行调节,以获得目标图像数据,在直播间中发布包含目标图像数据的直播视频数据。此时的目标图像数据中已经准确确定了皮肤区域和轮廓区域,在对轮廓进行保护的情况对皮肤区域进行模糊和调高亮度的处理,实现了在不改变轮廓的情况下对图像进行模糊处理的有益效果。
实施例四
图4为本发明实施例四提供的一种图像处理装置,其特征在于,包括:图像数据确定模块41、轮廓点确定模块42、灰度图像数据获取模块43和目标图像数据获取模块44。其中:
图像数据确定模块41,用于确定原始图像数据,所述原始图像数据中每个像素点具有纹理坐标;
轮廓点确定模块42,用于根据所述纹理坐标从所述像素点中确定用于表示人脸轮廓的轮廓点;
灰度图像数据获取模块43,用于在保留所述轮廓点的基础上、将模糊处理后的所述原始图像数据转换为灰度图像数据;
目标图像数据获取模块44,用于将所述灰度图像数据与所述原始图像数据进行叠加处理,以获得目标图像数据。
本发明实施例通过根据原始图像数据中每个像素点的纹理坐标确定表示人脸轮廓的轮廓点。对原始图像数据进行模糊处理后,将轮廓点与之叠加,获得了轮廓清晰但是肤色较为模糊的中间图像,并将该中间图像转化为灰度图像数据,通过灰度图像数据对原图中的像素点进行调节,以获得目标图像数据。此时的目标图像数据中已经准确确定了皮肤区域和轮廓区域,在对轮廓进行保护的情况对皮肤区域进行模糊和调高亮度的处理,实现了在不改变轮廓的情况下对图像进行模糊处理的有益效果。
在此基础上,图像数据确定模块41包括:
原始图像接收子模块,用于接收原始图像数据;
色彩分量转化子模块,用于将所述原始图像数据的像素点从色彩分量RGBA转换为色彩分量YUVA;
色彩分量存储子模块,用于将所述色彩分量YUVA存储至所述像素点的纹理坐标中。
在此基础上,轮廓点确定模块42包括:
目标点确定子模块,用于从所述像素点中确定第一目标点以及至少两个第二目标点,所述第二目标点与所述第一目标点在所述纹理坐标相邻;
原始亮度统计数据生成子模块,用于根据所述第二目标点在第一方向的亮度分量Y生成原始亮度统计数据;
目标亮度统计数据获取子模块,用于根据所述第二目标点在第二方向的亮度分量Y对所述原始亮度统计数据进行调整,获得目标亮度统计数据;
参数替换子模块,用于将所述目标亮度统计数据替换所述纹理坐标中除所述亮度分量Y之外的其他参数;
轮廓点确定子模块,用于基于所述目标亮度统计数据从所述像素点中确定用于表示所述人脸轮廓的轮廓点。
在此基础上,原始亮度统计数据生成子模块包括:
第一数据计算单元,用于计算所述第二目标点在第一方向的亮度分量Y的第一均值,作为原始亮度统计数据中的第一数据;
第二数据计算单元,用于基于所述第二目标点的第一权重、计算所述第二目标点在第一方向的亮度分量Y加权求和后的第二均值,作为所述原始亮度统计数据中的第二数据;
第三数据计算单元,用于计算所述第二目标点在第一方向的亮度分量Y的平方的第三均值,作为所述原始亮度统计数据中的第三数据。
在此基础上,目标亮度统计数据获取子模块包括:
第四均值计算单元,用于计算第二目标点在第二方向的亮度分量Y的第四均值;
第四数据计算单元,用于根据所述第四均值对所述第一均值进行调整,以获得目标亮度统计数据中的第四数据;
第五均值计算单元,用于基于所述第二目标点的第二权重、计算第二目标点在第二方向的亮度分量Y加权求和后的第五均值;
第五数据计算单元,用于根据所述第五均值对所述第二均值进行调整,以获得目标亮度统计数据中的第五数据;
第六均值计算单元,用于计算所述第二目标点在第二方向的亮度分量Y的平方的第六均值;
第六数据计算单元,用于根据所述第六均值对所述第三均值进行调整,以获得目标亮度统计数据中的第六数据。
在此基础上,参数替换子模块包括:
参数确定单元,用于确定纹理坐标中的参数,所述参数包括亮度分量Y和色彩分量UVA;
色彩分量替换单元,用于使用所述目标亮度统计数据替换所述色彩分量UVA。
在此基础上,轮廓点确定子模块包括:
第七数据计算单元,用于将第四数据与第四数据的乘积作为第七数据;
第八数据计算单元,用于确定第六数据与第七数据的差值作为第八数据;
第九数据计算单元,用于对所述第八数据进行归一化处理,获得第九数据;
轮廓点确定单元,用于当所述第九数据的值超过阈值时,确定所述第九数据对应的像素点为表示人脸轮廓的轮廓点。
在此基础上,灰度图像数据获取模块43包括:
第一中间图像数据获取子模块,用于对所述原始图像数据进行模糊处理,以获得第一中间图像数据;
第二中间图像数据获取子模块,用于将所述原始图像数据中的轮廓点与所述第一中间图像数据进行叠加以获得第二中间图像数据;
灰度图像数据获取子模块,用于对所述第二中间图像数据进行灰度处理,以获得灰度图像数据,所述灰度图像数据中每个像素点具有灰度值,在所述灰度图像数据中的每个像素点的纹理坐标中存储亮度分量Y与灰度值。
在此基础上,目标图像数据获取模块44包括:
第三目标点确定子模块,用于确定第三目标点;
灰度值确定子模块,用于确定灰度图像数据中所述第三目标点的灰度值;
色彩分量确定子模块,用于确定原始图像数据中所述第三目标点的色彩分量RGB;
目标图像数据获取子模块,用于根据所述灰度值分别对所述色彩分量RGB进行调亮或压暗操作,以获得目标图像数据。
本实施例提供的一种图像处理装置可用于执行实施例一、实施例二提供的一种图像处理方法,具有相应的功能和有益效果。
实施例五
图5为本发明实施例五提供的一种直播装置,其特征在于,包括:视频数据采集模块51、轮廓点确定模块52、灰度图像数据获取模块53、目标图像数据获取模块54和视频数据发布模块55。其中:
视频数据采集模块51,用于采集原始视频数据,所述原始视频数据包括原始图像数据,所述原始图像数据中每个像素点具有纹理坐标;
轮廓点确定模块52,用于根据所述纹理坐标从所述像素点中确定用于表示人脸轮廓的轮廓点;
灰度图像数据获取模块53,用于在保留所述轮廓点的基础上、将模糊处理后的所述原始图像数据转换为灰度图像数据;
目标图像数据获取模块54,用于将所述灰度图像数据与所述原始图像数据进行叠加处理,以获得目标图像数据;
视频数据发布模块55,用于在直播间中发布包含所述目标图像数据的直播视频数据。
本发明实施例通过采集原始视频数据,在原始视频数据中采集原始图像数据,根据原始图像数据中每个像素点的纹理坐标确定表示人脸轮廓的轮廓点。对原始图像数据进行模糊处理后,将轮廓点与之叠加,获得了轮廓清晰但是肤色较为模糊的中间图像,并将该中间图像转化为灰度图像数据,通过灰度图像数据对原图中的像素点进行调节,以获得目标图像数据,在直播间中发布包含目标图像数据的直播视频数据。此时的目标图像数据中已经准确确定了皮肤区域和轮廓区域,在对轮廓进行保护的情况对皮肤区域进行模糊和调高亮度的处理,实现了在不改变轮廓的情况下对图像进行模糊处理的有益效果。
本实施例提供的一种直播装置可用于执行实施例三提供的一种直播方法,具有相应的功能和有益效果。
实施例六
图6为本发明实施例六提供的一种电子设备的结构示意图。如图6所示,该电子设备包括处理器60、存储器61、通信模块62、输入装置63和输出装置64;电子设备中处理器60的数量可以是一个或多个,图6中以一个处理器60为例;电子设备中的处理器60、存储器61、通信模块62、输入装置63和输出装置64可以通过总线或其他方式连接,图6中以通过总线连接为例。
存储器61作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本实施例中的一种图像处理方法对应的模块(例如,一种图像处理装置中的图像数据确定模块41、轮廓点确定模块42、灰度图像数据获取模块43和目标图像数据获取模块44)。如本实施例中的一种直播方法对应的模块(例如,一种直播装置中的视频数据采集模块51、轮廓点确定模块52、灰度图像数据获取模块53、目标图像数据获取模块54和视频数据发布模块55)。处理器60通过运行存储在存储器61中的软件程序、指令以及模块,从而执行电子设备的各种功能应用以及数据处理,即实现上述的一种图像处理方法或者一种直播方法。
存储器61可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据电子设备的使用所创建的数据等。此外,存储器61可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器61可进一步包括相对于处理器60远程设置的存储器,这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
通信模块62,用于与显示屏建立连接,并实现与显示屏的数据交互。输入装置63可用于接收输入的数字或字符信息,以及产生与电子设备的用户设置以及功能控制有关的键信号输入。
本实施例提供的一种电子设备,可执行本发明任一实施例提供的图像处理方法或者直播方法,具体相应的功能和有益效果。
实施例七
本发明实施例七还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种图像处理方法,该方法包括:
确定原始图像数据,所述原始图像数据中每个像素点具有纹理坐标;
根据所述纹理坐标从所述像素点中确定用于表示人脸轮廓的轮廓点;
在保留所述轮廓点的基础上、将模糊处理后的所述原始图像数据转换为灰度图像数据;
将所述灰度图像数据与所述原始图像数据进行叠加处理,以获得目标图像数据。
或者,
执行一种直播方法,包括:
采集原始视频数据,所述原始视频数据包括原始图像数据,所述原始图像数据中每个像素点具有纹理坐标;
根据所述纹理坐标从所述像素点中确定用于表示人脸轮廓的轮廓点;
在保留所述轮廓点的基础上、将模糊处理后的所述原始图像数据转换为灰度图像数据;
将所述灰度图像数据与所述原始图像数据进行叠加处理,以获得目标图像数据;
在直播间中发布包含所述目标图像数据的直播视频数据。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任一实施例所提供的图像处理方法或者直播方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机电子设备(可以是个人计算机,服务器,或者网络电子设备等)执行本发明各个实施例所述的方法。
值得注意的是,上述在图像处理装置或者直播装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (14)
1.一种图像处理方法,其特征在于,包括:
确定原始图像数据,所述原始图像数据中每个像素点具有纹理坐标;
根据所述纹理坐标从所述像素点中确定用于表示人脸轮廓的轮廓点;
在保留所述轮廓点的基础上、将模糊处理后的所述原始图像数据转换为灰度图像数据;
将所述灰度图像数据与所述原始图像数据进行叠加处理,以获得目标图像数据。
2.根据权利要求1所述的方法,其特征在于,所述确定原始图像数据,包括:
接收原始图像数据;
将所述原始图像数据的像素点从色彩分量RGBA转换为色彩分量YUVA;
将所述色彩分量YUVA存储至所述像素点的纹理坐标中。
3.根据权利要求1或2所述的方法,其特征在于,所述纹理坐标中具有参数,所述参数包括亮度分量Y;
所述根据所述纹理坐标从所述像素点中确定用于表示人脸轮廓的轮廓点,包括:
从所述像素点中确定第一目标点以及至少两个第二目标点,所述第二目标点与所述第一目标点在所述纹理坐标相邻;
根据所述第二目标点在第一方向的亮度分量Y生成原始亮度统计数据;
根据所述第二目标点在第二方向的亮度分量Y对所述原始亮度统计数据进行调整,获得目标亮度统计数据;
将所述目标亮度统计数据替换所述纹理坐标中除所述亮度分量Y之外的其他参数;
基于所述目标亮度统计数据从所述像素点中确定用于表示所述人脸轮廓的轮廓点。
4.根据权利要求3所述的方法,其特征在于,所述根据所述第二目标点在第一方向的亮度分量Y生成原始亮度统计数据,包括:
计算所述第二目标点在第一方向的亮度分量Y的第一均值,作为原始亮度统计数据中的第一数据;
基于所述第二目标点的第一权重、计算所述第二目标点在第一方向的亮度分量Y加权求和后的第二均值,作为所述原始亮度统计数据中的第二数据;
计算所述第二目标点在第一方向的亮度分量Y的平方的第三均值,作为所述原始亮度统计数据中的第三数据。
5.根据权利要求4所述的方法,其特征在于,所述根据所述第二目标点在第二方向的亮度分量Y对所述原始亮度统计数据进行调整,获得目标亮度统计数据,包括:
计算第二目标点在第二方向的亮度分量Y的第四均值;
根据所述第四均值对所述第一均值进行调整,以获得目标亮度统计数据中的第四数据;
基于所述第二目标点的第二权重、计算第二目标点在第二方向的亮度分量Y加权求和后的第五均值;
根据所述第五均值对所述第二均值进行调整,以获得目标亮度统计数据中的第五数据;
计算所述第二目标点在第二方向的亮度分量Y的平方的第六均值;
根据所述第六均值对所述第三均值进行调整,以获得目标亮度统计数据中的第六数据。
6.根据权利要求3所述的方法,其特征在于,所述将所述目标亮度统计数据替换所述纹理坐标中除所述亮度分量Y之外的其他参数,包括:
确定纹理坐标中的参数,所述参数包括亮度分量Y和色彩分量UVA;
使用所述目标亮度统计数据替换所述色彩分量UVA。
7.根据权利要求3所述的方法,其特征在于,目标亮度统计数据包括表示所述亮度分量Y的均值的第四数据、表示所述亮度分量Y的加权求和后的均值的第五数据和表示所述亮度分量Y的平方求和后的均值的第六数据;
所述基于所述目标亮度统计数据从所述像素点中确定用于表示所述人脸轮廓的轮廓点,包括:
将第四数据与第四数据的乘积作为第七数据;
确定第六数据与第七数据的差值作为第八数据;
对所述第八数据进行归一化处理,获得第九数据;
当所述第九数据的值超过阈值时,确定所述第九数据对应的像素点为表示人脸轮廓的轮廓点。
8.根据权利要求1或2所述的方法,其特征在于,所述在保留所述轮廓点的基础上、将模糊处理后的所述原始图像数据转换为灰度图像数据,包括:
对所述原始图像数据进行模糊处理,以获得第一中间图像数据;
将所述原始图像数据中的轮廓点与所述第一中间图像数据进行叠加以获得第二中间图像数据;
对所述第二中间图像数据进行灰度处理,以获得灰度图像数据,所述灰度图像数据中每个像素点具有灰度值,在所述灰度图像数据中的每个像素点的纹理坐标中存储亮度分量Y与灰度值。
9.根据权利要求1或2所述的方法,其特征在于,所述灰度图像数据中的每个像素点的纹理坐标中存储有灰度值;
所述将所述灰度图像数据与所述原始图像数据进行叠加处理,以获得目标图像数据,包括:
确定第三目标点;
确定灰度图像数据中所述第三目标点的灰度值;
确定原始图像数据中所述第三目标点的色彩分量RGB;
根据所述灰度值分别对所述色彩分量RGB进行调亮或压暗操作,以获得目标图像数据。
10.一种直播方法,其特征在于,包括:
采集原始视频数据,所述原始视频数据包括原始图像数据,所述原始图像数据中每个像素点具有纹理坐标;
根据所述纹理坐标从所述像素点中确定用于表示人脸轮廓的轮廓点;
在保留所述轮廓点的基础上、将模糊处理后的所述原始图像数据转换为灰度图像数据;
将所述灰度图像数据与所述原始图像数据进行叠加处理,以获得目标图像数据;
在直播间中发布包含所述目标图像数据的直播视频数据。
11.一种图像处理装置,其特征在于,包括:
图像数据确定模块,用于确定原始图像数据,所述原始图像数据中每个像素点具有纹理坐标;
轮廓点确定模块,用于根据所述纹理坐标从所述像素点中确定用于表示人脸轮廓的轮廓点;
灰度图像数据获取模块,用于在保留所述轮廓点的基础上、将模糊处理后的所述原始图像数据转换为灰度图像数据;
目标图像数据获取模块,用于将所述灰度图像数据与所述原始图像数据进行叠加处理,以获得目标图像数据。
12.一种直播装置,其特征在于,包括:
视频数据采集模块,用于采集原始视频数据,所述原始视频数据包括原始图像数据,所述原始图像数据中每个像素点具有纹理坐标;
轮廓点确定模块,用于根据所述纹理坐标从所述像素点中确定用于表示人脸轮廓的轮廓点;
灰度图像数据获取模块,用于在保留所述轮廓点的基础上、将模糊处理后的所述原始图像数据转换为灰度图像数据;
目标图像数据获取模块,用于将所述灰度图像数据与所述原始图像数据进行叠加处理,以获得目标图像数据;
视频数据发布模块,用于在直播间中发布包含所述目标图像数据的直播视频数据。
13.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-9任一所述的一种图像处理方法,或,如权利要求10所述的一种直播方法。
14.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-9任一所述的一种图像处理方法,或,如权利要求10所述的一种直播方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910619835.8A CN110248242B (zh) | 2019-07-10 | 2019-07-10 | 一种图像处理和直播方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910619835.8A CN110248242B (zh) | 2019-07-10 | 2019-07-10 | 一种图像处理和直播方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110248242A true CN110248242A (zh) | 2019-09-17 |
CN110248242B CN110248242B (zh) | 2021-11-09 |
Family
ID=67891599
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910619835.8A Active CN110248242B (zh) | 2019-07-10 | 2019-07-10 | 一种图像处理和直播方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110248242B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111064994A (zh) * | 2019-12-25 | 2020-04-24 | 广州酷狗计算机科技有限公司 | 视频图像处理方法及装置、存储介质 |
CN112017174A (zh) * | 2020-09-03 | 2020-12-01 | 湖南省华芯医疗器械有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN112767268A (zh) * | 2021-01-14 | 2021-05-07 | 北京迈格威科技有限公司 | 人物图像处理方法及装置、电子设备、存储介质 |
CN112949495A (zh) * | 2021-03-04 | 2021-06-11 | 安徽师范大学 | 一种基于大数据的智能识别系统 |
WO2021128835A1 (zh) * | 2019-12-23 | 2021-07-01 | 腾讯科技(深圳)有限公司 | 图像处理方法及装置、视频处理方法及装置、电子设备和存储介质 |
WO2023103813A1 (zh) * | 2021-12-09 | 2023-06-15 | 百果园技术(新加坡)有限公司 | 图像处理方法、装置、设备、存储介质及程序产品 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080043033A1 (en) * | 2006-08-15 | 2008-02-21 | Lsi Logic Corporation | Contour free point operation for video skin tone correction |
CN101783861A (zh) * | 2010-02-09 | 2010-07-21 | 腾讯科技(深圳)有限公司 | 一种美化图像的方法和装置 |
US20160148435A1 (en) * | 2014-11-26 | 2016-05-26 | Restoration Robotics, Inc. | Gesture-Based Editing of 3D Models for Hair Transplantation Applications |
CN106296576A (zh) * | 2016-08-05 | 2017-01-04 | 厦门美图之家科技有限公司 | 图像处理方法和图像处理装置 |
CN106558025A (zh) * | 2015-09-29 | 2017-04-05 | 腾讯科技(深圳)有限公司 | 一种图片的处理方法和装置 |
CN107146204A (zh) * | 2017-03-20 | 2017-09-08 | 深圳市金立通信设备有限公司 | 一种图像美颜方法及终端 |
CN107146196A (zh) * | 2017-03-20 | 2017-09-08 | 深圳市金立通信设备有限公司 | 一种图像美颜方法及终端 |
CN108898546A (zh) * | 2018-06-15 | 2018-11-27 | 北京小米移动软件有限公司 | 人脸图像处理方法、装置及设备、可读存储介质 |
CN109509237A (zh) * | 2017-09-15 | 2019-03-22 | 展讯通信(上海)有限公司 | 滤镜处理的方法、装置及电子设备 |
CN109993760A (zh) * | 2017-12-29 | 2019-07-09 | 北京京东尚科信息技术有限公司 | 一种图片的边缘检测方法和装置 |
-
2019
- 2019-07-10 CN CN201910619835.8A patent/CN110248242B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080043033A1 (en) * | 2006-08-15 | 2008-02-21 | Lsi Logic Corporation | Contour free point operation for video skin tone correction |
CN101783861A (zh) * | 2010-02-09 | 2010-07-21 | 腾讯科技(深圳)有限公司 | 一种美化图像的方法和装置 |
US20160148435A1 (en) * | 2014-11-26 | 2016-05-26 | Restoration Robotics, Inc. | Gesture-Based Editing of 3D Models for Hair Transplantation Applications |
CN106558025A (zh) * | 2015-09-29 | 2017-04-05 | 腾讯科技(深圳)有限公司 | 一种图片的处理方法和装置 |
CN106296576A (zh) * | 2016-08-05 | 2017-01-04 | 厦门美图之家科技有限公司 | 图像处理方法和图像处理装置 |
CN107146204A (zh) * | 2017-03-20 | 2017-09-08 | 深圳市金立通信设备有限公司 | 一种图像美颜方法及终端 |
CN107146196A (zh) * | 2017-03-20 | 2017-09-08 | 深圳市金立通信设备有限公司 | 一种图像美颜方法及终端 |
CN109509237A (zh) * | 2017-09-15 | 2019-03-22 | 展讯通信(上海)有限公司 | 滤镜处理的方法、装置及电子设备 |
CN109993760A (zh) * | 2017-12-29 | 2019-07-09 | 北京京东尚科信息技术有限公司 | 一种图片的边缘检测方法和装置 |
CN108898546A (zh) * | 2018-06-15 | 2018-11-27 | 北京小米移动软件有限公司 | 人脸图像处理方法、装置及设备、可读存储介质 |
Non-Patent Citations (2)
Title |
---|
HEIHEIYA: "彩色图像与灰度图像融合(七):Photoshop叠加融合", 《CSDN》 * |
祁鹏: "基于Android系统的相机特效软件的设计与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021128835A1 (zh) * | 2019-12-23 | 2021-07-01 | 腾讯科技(深圳)有限公司 | 图像处理方法及装置、视频处理方法及装置、电子设备和存储介质 |
CN111064994A (zh) * | 2019-12-25 | 2020-04-24 | 广州酷狗计算机科技有限公司 | 视频图像处理方法及装置、存储介质 |
CN111064994B (zh) * | 2019-12-25 | 2022-03-29 | 广州酷狗计算机科技有限公司 | 视频图像处理方法及装置、存储介质 |
CN112017174A (zh) * | 2020-09-03 | 2020-12-01 | 湖南省华芯医疗器械有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN112017174B (zh) * | 2020-09-03 | 2024-05-31 | 湖南省华芯医疗器械有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN112767268A (zh) * | 2021-01-14 | 2021-05-07 | 北京迈格威科技有限公司 | 人物图像处理方法及装置、电子设备、存储介质 |
CN112949495A (zh) * | 2021-03-04 | 2021-06-11 | 安徽师范大学 | 一种基于大数据的智能识别系统 |
WO2023103813A1 (zh) * | 2021-12-09 | 2023-06-15 | 百果园技术(新加坡)有限公司 | 图像处理方法、装置、设备、存储介质及程序产品 |
Also Published As
Publication number | Publication date |
---|---|
CN110248242B (zh) | 2021-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110248242A (zh) | 一种图像处理和直播方法、装置、设备和存储介质 | |
US10672363B2 (en) | Color rendering for images in extended dynamic range mode | |
CN109660782B (zh) | 减少立体深度传感器成像中的纹理化ir图案 | |
CN108353125A (zh) | 彩色滤波阵列缩放器 | |
US10002408B2 (en) | Restoring color and infrared images from mosaic data | |
EP1412920A2 (en) | A general purpose image enhancement algorithm which augments the visual perception of detail in digital images | |
CN111899197B (zh) | 一种图像增亮去噪方法、装置、移动终端和存储介质 | |
CN111918095B (zh) | 一种暗光增强方法、装置、移动终端和存储介质 | |
KR20070090224A (ko) | 전자 색 이미지 채도 처리 방법 | |
SG182922A1 (en) | A method and a device for merging a plurality of digital pictures | |
CN113132696B (zh) | 图像色调映射方法、装置、电子设备和存储介质 | |
CN111970432A (zh) | 一种图像处理方法及图像处理装置 | |
CN111627076A (zh) | 换脸方法、装置及电子设备 | |
CN113507598A (zh) | 视频画面的显示方法、装置、终端及存储介质 | |
CN116168091A (zh) | 图像处理方法、装置、计算机设备和计算机程序产品 | |
CN112819691B (zh) | 图像处理方法、装置、设备及可读存储介质 | |
CN112822413B (zh) | 拍摄预览方法、装置、终端和计算机可读存储介质 | |
Kwon et al. | CAM-based HDR image reproduction using CA–TC decoupled JCh decomposition | |
AU2016373020B2 (en) | Method of processing a digital image, device, terminal equipment and computer program associated therewith | |
CN111836103B (zh) | 基于数据分析的防遮挡处理系统 | |
US9628672B2 (en) | Content processing apparatus, content processing method, and storage medium | |
CN112435173A (zh) | 一种图像处理和直播方法、装置、设备和存储介质 | |
CN111462158A (zh) | 一种图像处理方法、装置及智能设备、存储介质 | |
CN115775215A (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN111915528B (zh) | 一种图像增亮方法、装置、移动终端和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |