CN110378846B - 一种处理图像磨皮的方法、装置、介质和电子设备 - Google Patents
一种处理图像磨皮的方法、装置、介质和电子设备 Download PDFInfo
- Publication number
- CN110378846B CN110378846B CN201910582956.XA CN201910582956A CN110378846B CN 110378846 B CN110378846 B CN 110378846B CN 201910582956 A CN201910582956 A CN 201910582956A CN 110378846 B CN110378846 B CN 110378846B
- Authority
- CN
- China
- Prior art keywords
- processed
- image
- pixel
- value
- processing
- 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.)
- Active
Links
- 238000012545 processing Methods 0.000 title claims abstract description 97
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000001914 filtration Methods 0.000 claims abstract description 54
- 238000001514 detection method Methods 0.000 claims abstract description 33
- 206010040844 Skin exfoliation Diseases 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 230000000694 effects Effects 0.000 abstract description 12
- 230000008569 process Effects 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 5
- 230000002596 correlated effect Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 3
- 230000001815 facial effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000004209 hair Anatomy 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 210000004709 eyebrow Anatomy 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 210000001061 forehead Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本公开提供了一种处理图像磨皮的方法、装置、介质和电子设备。所述方法包括：获取待处理图像区域内每个像素点的原始RGB像素值；遍历所述待处理图像区域内每个像素点，根据每个像素点的原始RGB像素值，对所述待处理图像区域内每个像素点进行均值滤波模糊处理；将所述均值滤波模糊处理后的图像与原始待处理图像按比例混合，获得处理后的图像，其中，所述比例根据所述待处理图像区域内提取的频率信息和肤色检测概率获得。所述方法使得能够对人脸图像中非皮肤区域与皮肤区域的交界处的处理更加准确，获得的图像更加清晰，能够完整的呈现包括非皮肤区域与皮肤区域的人脸图像的细节，提升美颜的效果，提高用户体验。
Description
技术领域
本公开涉及计算机技术领域，具体而言，涉及一种处理图像磨皮的方法、装置、介质和电子设备。
背景技术
随着手机等智能终端的升级，智能终端的拍照功能要求越来越高，特别是一些高端的以拍照、美颜为特色主打的智能手机对拍摄图像质量的要求越来越高，在单摄、双摄等硬件改进的同时，对拍摄图像的后期处理同样能够获得想要的图像或照片。特别是对于一些自拍照片，对图像的后期处理成为一种必不可少的手段。
而对于人脸图像的处理手段之一就是磨皮处理，磨皮处理就是对于一些图像拍摄质量不高的区域进行特定处理，以实现更加美观的效果。目前市面上主流的磨皮方法均存在对非皮肤区域图像细节丢失的缺点，例如对于眼睛周围的磨皮处理，会使得眼睛内部细节模糊，从而影响人脸图像的整体清晰度。
发明内容
提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开的目的在于提供一种处理图像磨皮的方法、装置、介质和电子设备，能够解决上述提到的至少一个技术问题。具体方案如下：
根据本公开的具体实施方式，第一方面，本公开提供一种处理图像磨皮的方法，包括：
获取待处理图像区域内每个像素点的原始RGB像素值；
遍历所述待处理图像区域内每个像素点，根据每个像素点的原始RGB像素值，对所述待处理图像区域内每个像素点进行均值滤波模糊处理；
将所述均值滤波模糊处理后的图像与原始待处理图像按比例混合，获得处理后的图像，其中，所述比例根据所述待处理图像区域内提取的频率信息和肤色检测概率获得。
可选的，所述比例根据所述待处理图像区域内提取的频率信息和肤色检测概率获得，包括：
遍历所述待处理图像区域内每个像素点，根据每个像素点的原始RGB像素值以及经过均值滤波模糊处理后的RGB像素值，对每个像素点做高反差保留处理，提取所述待处理图像区域的频率信息；
遍历所述待处理图像区域内每个像素点，根据每个像素处理前的原始RGB像素值中红色通道值Pr，以及均值滤波后的红色通道值Par，计算获得肤色检测概率；
根据所述频率信息和肤色检测概率计算获得所述混合比例。
可选的，所述根据每个像素点的原始RGB像素值，对所述待处理图像区域内每个像素点进行均值滤波模糊处理，包括：
获取所述待处理图像中当前像素点的原始RGB像素值P(x，y)；
以所述当前像素为中心，获取所述当前像素的N个临近像素的RGB像素值P(xi，yi)，i∈[1，N]，N≥4；
对所述N个临近像素的RGB像素值P(xi，yi)进行加权平均，得到所述N个临近像素的平均像素值Pa(x，y)。
可选的，所述遍历所述待处理图像区域内每个像素点，根据每个像素点的原始RGB像素值以及经过均值滤波模糊处理后的RGB像素值，对每个像素点做高反差保留处理，提取所述待处理图像区域的频率信息，包括：
遍历所述待处理图像区域内每个像素点，根据每个像素点的原始RGB像素值P(x，y)，经过均值滤波模糊处理后的RGB像素值Pa(x，y)，得到高反差处理差值ΔP(x，y)
ΔP(x，y)＝(P(x，y)-Pa(x，y))*a；其中，a为介于0到1之间的常数；
根据所述高反差处理差值ΔP(x，y)，提取所述待处理图像区域的频率信息Ph(x，y)
Ph(x，y)＝ΔP(x，y)*ΔP(x，y)。
可选的，所述根据每个像素处理前的原始RGB像素值中红色通道值Pr，以及均值滤波后的红色通道值Par，计算获得肤色检测概率PB-skin，包括：
PB-skin＝(min(Pr，Par)-α)*β；
其中α，β均为常数，min(Pr，Par)表示取Pr，Par当中较小值，1≥PB-skin≥0。
可选的，所述根据所述频率信息和肤色检测概率计算获得所述混合比例W-mix，包括：
W-mix＝PB-skin*(1.0-Ph(x，y))/(Ph(x，y)+γ)；
其中，PB-skin为肤色检测概率，Ph(x，y)为待处理图像区域频率信息，γ为介于0～0.3之间的常数。
可选的，所述将所述均值滤波模糊处理后的图像与原始待处理图像按比例混合，获得处理后的图像，包括：
P-smooth(x，y)＝(1.0-W-mix)*P(x，y)+W-mix*Pa(x，y)；
其中，P-smooth(x，y)为当前像素的磨皮处理最终像素值，W-mix为混合比例，P(x，y)为当前像素值，Pa(x，y)为均值滤波模糊处理后的像素值。
根据本公开的具体实施方式，第二方面，本公开提供一种处理图像磨皮的装置，包括：
获取单元，用于获取待处理图像区域内每个像素点的原始RGB像素值；
处理单元，用于遍历所述待处理图像区域内每个像素点，根据每个像素点的原始RGB像素值，对所述待处理图像区域内每个像素点进行均值滤波模糊处理；
混合单元，用于将所述均值滤波模糊处理后的图像与原始待处理图像按比例混合，获得处理后的图像，其中，所述比例根据所述待处理图像区域内提取的频率信息和肤色检测概率获得。
根据本公开的具体实施方式，第三方面，本公开提供一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如上任一项所述的方法。
根据本公开的具体实施方式，第四方面，本公开提供一种电子设备，包括：
一个或多个处理器；
存储装置，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时，使得所述一个或多个处理器实现如上任一项所述的方法。
本公开实施例的上述方案与现有技术相比，至少具有以下有益效果：
本公开提供了一种处理图像磨皮的方法、装置、介质和电子设备。所述方法通过对待处理图像区域内每个像素点的原始RGB像素值进行均值滤波模糊处理；再将均值滤波模糊处理后的图像与原始待处理图像按比例混合，从而获得清晰的磨皮图像，其中，所述混合比例结合了独创的频率信息和肤色检测概率的算法，使得能够对人脸图像中非皮肤区域与皮肤区域的交界处的处理更加准确，获得的图像更加清晰，能够完整的呈现包括非皮肤区域与皮肤区域的人脸图像的细节，提升美颜的效果，提高用户体验。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。在附图中：
图1示出了根据本公开实施例的处理图像磨皮的方法的流程图；
图2示出了根据本公开实施例的处理图像磨皮的装置的单元框图；
图3示出了根据本公开的实施例的电子设备连接结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
下面结合附图详细说明本公开的可选实施例。
对本公开提供的第一实施例，即一种处理面部图像的方法的实施例。
下面结合图1对本公开实施例进行详细说明，其中，图1为本公开实施例提供的处理图像磨皮的方法的流程图。
根据本公开的具体实施方式，第一方面，本公开提供一种处理图像磨皮的方法，包括如下方法步骤：
步骤S102：获取待处理图像区域内每个像素点的原始RGB像素值。
其中，待处理人脸图像中包括对应的人脸部位，人脸部位通常需要进行磨皮处理，例如眼睛及其周围、额头及其周围、耳朵及其周围等；这些区域由于包括皮肤区域和非皮肤区域(例如头发、眉毛等)，在磨皮处理时存在一定的困难。
待处理图像中可以包括一个人的人脸，也可以包括多个人的人脸，所述待处理人脸图像可以是彩色或黑白或其他任何附加了拍摄效果的人脸图像。待处理人脸图像可以是视频图像也可以是照片图像。待处理人脸图像可以是实时获取后处理，也可以是存储后再打开处理，例如从图片存储文件夹打开之前拍摄的待处理人脸图像。
其中，获取所述待处理人脸图像的手段不做任何限制，例如，可以通过具有拍摄功能的终端设备拍摄获得，终端设备指的是诸如美颜相机、智能手机和平板电脑之类的具有图像拍摄功能的电子产品。用户可以通过终端设备中的诸如触摸屏或物理按键之类的输入设备输入摄像头启动指令，控制终端设备的摄像头处于拍照模式，获取摄像头采集到的待处理人脸图像。摄像头可以是终端设备的内置摄像头，如前置摄像头和后置摄像头，也可以是终端设备的外置摄像头，如旋转摄像头，可选的是前置摄像头。
也可以是通过上述拍摄终端设备拍摄完人脸图像后，存储于设备本体或外部存储器后，上传到图像处理装置，例如不具有拍摄功能的台式机电脑、服务器等终端，但是可以预装相应的程序以实现对导入图像的处理，这时，获取待处理人脸图像的方式就是，通过本地设备打开存储的待处理人脸图像。
所述原始RGB像素值是指原始图像中像素点的RGB值。RGB色彩模式是工业界的一种颜色标准，是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的，RGB即是代表红、绿、蓝三个通道的颜色。在计算机图像的像素点的RGB值中，黑色的值为零，而白色的值为#FFFFFF。RGB值越大越趋向于白色。
步骤S104：遍历所述待处理图像区域内每个像素点，根据每个像素点的原始RGB像素值，对所述待处理图像区域内每个像素点进行均值滤波模糊处理。
均值滤波模糊处理可以通过卷积核，对所有像素进行加权平均，其中，卷积核就是图像处理时，给定输入图像，在输出图像中每一个像素是输入图像中一个尺寸区域中像素点的RGB值的加权平均，其中权值由一个函数定义，这个函数称为卷积核。
卷积核的尺寸一般采用矩形尺寸，例如，2×2，5×5，9×9等。对于分辨率越高的图像，本公开实施例采用越大的卷积核的尺寸；分辨率越低的图像，本公开实施例采用越小的卷积核的尺寸。
像素点的卷积核的尺寸区域，也就是以指定图像的像素点为中心，形成的区域。例如，卷积核的尺寸为5×5，则以指定图像的像素点为中心，形成一个长5个像素点及宽5个像素点的正方形区域，这个正方形区域就是卷积核的尺寸区域。
可选的，所述根据每个像素点的原始RGB像素值，对所述待处理图像区域内每个像素点进行均值滤波模糊处理，包括：
获取所述待处理图像中当前像素点的原始RGB像素值P(x，y)；
以所述当前像素为中心，获取所述当前像素的N个临近像素的RGB像素值P(xi，yi)，i∈[1，N]，N≥4；
对所述N个临近像素的RGB像素值P(xi，yi)进行加权平均，得到所述N个临近像素的平均像素值Pa(x，y)。
示例性的说明如下：对于图像中待处理的当前像素点(x，y)，假定其RGB值为P(x，y)，针对以该像素为中心，横纵方向9×9区块内的领域像素(假定这些像素RGB值分别为P(x-4，y-4)，P(x-3，y-4)...，P(x+i，y+j)，...P(x+3，y+4)，P(x+4，y+4))进行加权求平均，得到平均像素值Pa(x，y)。
计算公式为：Pa(x，y)＝∑P(x+i，y+j)/(9*9)，其中i，j都是9以内的自然数；
步骤S106：将所述均值滤波模糊处理后的图像与原始待处理图像按比例混合，获得处理后的图像，其中，所述比例根据所述待处理图像区域内提取的频率信息和肤色检测概率获得。
可选的，所述比例根据所述待处理图像区域内提取的频率信息和肤色检测概率获得，包括：
步骤S106-1：遍历所述待处理图像区域内每个像素点，根据每个像素点的原始RGB像素值以及经过均值滤波模糊处理后的RGB像素值，对每个像素点做高反差保留处理，提取所述待处理图像区域的频率信息。
可选的，所述遍历所述待处理图像区域内每个像素点，根据每个像素点的原始RGB像素值以及经过均值滤波模糊处理后的RGB像素值，对每个像素点做高反差保留处理，提取所述待处理图像区域的频率信息，包括：
遍历所述待处理图像区域内每个像素点，根据每个像素点的原始RGB像素值P(x，y)，经过均值滤波模糊处理后的RGB像素值Pa(x，y)，(像素均为归一化的值，P(x，y)、Pa(x，y)范围在0～1之间)，得到高反差处理差值ΔP(x，y)
ΔP(x，y)＝(P(x，y)-Pa(x，y))*a；其中，a为介于0到1之间的常数；
像素值归一化处理方法为，RGB表示某一点像素值，rgb表示归一化值，则r＝R/(R+G+B)、g＝G/(R+G+B)、b＝B/(R+G+B)。
根据所述高反差处理差值ΔP(x，y)，提取所述待处理图像区域的频率信息Ph(x，y)(像素均为归一化的值，Ph(x，y)范围在0～1之间)
Ph(x，y)＝ΔP(x，y)*ΔP(x，y)，
频率信息指像素区域边缘有梯度变化的像素区域，例如头发和皮肤交接区域。
步骤S106-2：遍历所述待处理图像区域内每个像素点，根据每个像素处理前的原始RGB像素值中红色通道值Pr，以及均值滤波后的红色通道值Par，计算获得肤色检测概率。
可选的，所述根据每个像素处理前的原始RGB像素值中红色通道值Pr，以及均值滤波后的红色通道值Par，计算获得肤色检测概率PB-skin，包括：
PB-skin＝(min(Pr，Par)-α)*β；
其中α，β均为常数，min(Pr，Par)表示取Pr，Par当中较小值，通过Pr，Par最小值和最大值限定，使得1≥PB-skin≥0。
步骤S106-3：根据所述频率信息和肤色检测概率计算获得所述混合比例。
可选的，所述根据所述频率信息和肤色检测概率计算获得所述混合比例W-mix，包括：
W-mix＝PB-skin*(1.0-Ph(x，y))/(Ph(x，y)+γ)；
其中，PB-skin为肤色检测概率，Ph(x，y)为待处理图像区域频率信息，γ为介于0～0.3之间的常数。
可选的，所述将所述均值滤波模糊处理后的图像与原始待处理图像按比例混合，获得处理后的图像，包括：
P-smooth(x，y)＝(1.0-W-mix)*P(x，y)+W-mix*Pa(x，y)；
其中，P-smooth(x，y)为当前像素的磨皮处理最终像素值，W-mix为混合比例，P(x，y)为当前像素值，Pa(x，y)为均值滤波模糊处理后的像素值。
当高反差保留的结果值Ph(x，y)较小(即属于低频信息)时，且肤色概率PB-skin较大时，由于W-mix跟PB-skin成正相关，与Ph(x，y)成负相关，故W-mix也是较大值；当W-mix取极大值1.0时，P-smooth(x，y)＝Pa(x，y)，说明最终结果为均值滤波后的结果，体现到图像上就是磨皮的效果；当W-mix取极小值0.0时，P-smooth(x，y)＝P(x，y)，说明最终结果为图像原始输入，体现到图像上就是保留了原图的信息。通过高反差保留得到的频率信息和肤色概率，每个像素都会计算得到不同的混合比例W-mix，最终呈现的效果就是图像中需要磨皮的区域会被正确处理，而类似于边缘和细节的区域，像素原始信息得到保留，不至于被磨去。
本公开所述方法通过对待处理图像区域内每个像素点的原始RGB像素值进行均值滤波模糊处理；再将均值滤波模糊处理后的图像与原始待处理图像按比例混合，从而获得清晰的磨皮图像，其中，所述混合比例结合了独创的频率信息和肤色检测概率的算法，使得能够对人脸图像中非皮肤区域与皮肤区域的交界处的处理更加准确，获得的图像更加清晰，能够完整的呈现包括非皮肤区域与皮肤区域的人脸图像的细节，提升美颜的效果，提高用户体验。
与本公开提供的第一实施例相对应，本公开还提供了第二实施例，即一种处理图像磨皮的装置。由于第二实施例基本相似于第一实施例，相同的技术特征具有相同的技术效果，具体的计算效果参见第一实施例，相关的部分请参见第一实施例的对应说明即可，在此不再赘述。下述描述的装置实施例仅仅是示意性的。
图2示出了本公开提供的一种处理图像磨皮的装置的实施例。图2为本公开实施例提供的处理图像磨皮的装置的单元框图。
请参见图2所示，根据本公开的具体实施方式，本公开提供一种处理图像磨皮的装置，包括：获取单元202、处理单元204以及混合单元206。具体如下：
获取单元202：用于获取待处理图像区域内每个像素点的原始RGB像素值。
处理单元204：用于遍历所述待处理图像区域内每个像素点，根据每个像素点的原始RGB像素值，对所述待处理图像区域内每个像素点进行均值滤波模糊处理。
可选的，所述根据每个像素点的原始RGB像素值，对所述待处理图像区域内每个像素点进行均值滤波模糊处理，包括：
获取所述待处理图像中当前像素点的原始RGB像素值P(x，y)；
以所述当前像素为中心，获取所述当前像素的N个临近像素的RGB像素值P(xi，yi)，i∈[1，N]，N≥4；
对所述N个临近像素的RGB像素值P(xi，yi)进行加权平均，得到所述N个临近像素的平均像素值Pa(x，y)。
混合单元206：将所述均值滤波模糊处理后的图像与原始待处理图像按比例混合，获得处理后的图像，其中，所述比例根据所述待处理图像区域内提取的频率信息和肤色检测概率获得。
可选的，所述混合单元206还用于：
第一、遍历所述待处理图像区域内每个像素点，根据每个像素点的原始RGB像素值以及经过均值滤波模糊处理后的RGB像素值，对每个像素点做高反差保留处理，提取所述待处理图像区域的频率信息。
可选的，所述遍历所述待处理图像区域内每个像素点，根据每个像素点的原始RGB像素值以及经过均值滤波模糊处理后的RGB像素值，对每个像素点做高反差保留处理，提取所述待处理图像区域的频率信息，包括：
遍历所述待处理图像区域内每个像素点，根据每个像素点的原始RGB像素值P(x，y)，经过均值滤波模糊处理后的RGB像素值Pa(x，y)，(像素均为归一化的值，P(x，y)、Pa(x，y)范围在0～1之间)，得到高反差处理差值ΔP(x，y)
ΔP(x，y)＝(P(x，y)-Pa(x，y))*a；其中，a为介于0到1之间的常数。
根据所述高反差处理差值ΔP(x，y)，提取所述待处理图像区域的频率信息Ph(x，y)(像素均为归一化的值，Ph(x，y)范围在0～1之间)
Ph(x，y)＝ΔP(x，y)*ΔP(x，y)，
第二、遍历所述待处理图像区域内每个像素点，根据每个像素处理前的原始RGB像素值中红色通道值Pr，以及均值滤波后的红色通道值Par，计算获得肤色检测概率。
可选的，所述根据每个像素处理前的原始RGB像素值中红色通道值Pr，以及均值滤波后的红色通道值Par，计算获得肤色检测概率PB-skin，包括：
PB-skin＝(min(Pr，Par)-α)*β；
其中α，β均为常数，min(Pr，Par)表示取Pr，Par当中较小值，通过Pr，Par最小值和最大值限定，使得1≥PB-skin≥0。
第三、根据所述频率信息和肤色检测概率计算获得所述混合比例。
可选的，所述根据所述频率信息和肤色检测概率计算获得所述混合比例W-mix，包括：
W-mix＝PB-skin*(1.0-Ph(x，y))/(Ph(x，y)+γ)；
其中，PB-skin为肤色检测概率，Ph(x，y)为待处理图像区域频率信息，γ为介于0～0.3之间的常数。
可选的，所述将所述均值滤波模糊处理后的图像与原始待处理图像按比例混合，获得处理后的图像，包括：
P-smooth(x，y)＝(1.0-W-mix)*P(x，y)+W-mix*Pa(x，y)；
其中，P-smooth(x，y)为当前像素的磨皮处理最终像素值，W-mix为混合比例，P(x，y)为当前像素值，Pa(x，y)为均值滤波模糊处理后的像素值。
当高反差保留的结果值Ph(x，y)较小(即属于低频信息)时，且肤色概率PB-skin较大时，由于W-mix跟PB-skin成正相关，与Ph(x，y)成负相关，故W-mix也是较大值；当W-mix取极大值1.O时，P-smooth(x，y)＝Pa(x，y)，说明最终结果为均值滤波后的结果，体现到图像上就是磨皮的效果；当W-mix取极小值0.0时，P-smooth(x，y)＝P(x，y)，说明最终结果为图像原始输入，体现到图像上就是保留了原图的信息。通过高反差保留得到的频率信息和肤色概率，每个像素都会计算得到不同的混合比例W-mix，最终呈现的效果就是图像中需要磨皮的区域会被正确处理，而类似于边缘和细节的区域，像素原始信息得到保留，不至于被磨去。
本公开所述装置通过对待处理图像区域内每个像素点的原始RGB像素值进行均值滤波模糊处理；再将均值滤波模糊处理后的图像与原始待处理图像按比例混合，从而获得清晰的磨皮图像，其中，所述混合比例结合了独创的频率信息和肤色检测概率的算法，使得能够对人脸图像中非皮肤区域与皮肤区域的交界处的处理更加准确，获得的图像更加清晰，能够完整的呈现包括非皮肤区域与皮肤区域的人脸图像的细节，提升美颜的效果，提高用户体验。
本公开实施例提供了第三实施例，即一种电子设备，该设备用于处理图像磨皮的方法，所述电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如第一实施例所述处理面部图像的方法。
本公开实施例提供了第四实施例，即一种处理图像磨皮的计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行如第一实施例所述处理面部图像的方法。
下面参考图3，其示出了适于用来实现本公开实施例的电子设备的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图3所示，电子设备可以包括处理装置(例如中央处理器、图形处理器等)301，其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中，还存储有电子设备操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常，以下装置可以连接至I/O接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从ROM 302被安装。在该计算机程序被处理装置301执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取至少两个网际协议地址；向节点评价设备发送包括所述至少两个网际协议地址的节点评价请求，其中，所述节点评价设备从所述至少两个网际协议地址中，选取网际协议地址并返回；接收所述节点评价设备返回的网际协议地址；其中，所获取的网际协议地址指示内容分发网络中的边缘节点。
或者，上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：接收包括至少两个网际协议地址的节点评价请求；从所述至少两个网际协议地址中，选取网际协议地址；返回选取出的网际协议地址；其中，接收到的网际协议地址指示内容分发网络中的边缘节点。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言-诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言-诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)-连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (10)
1.一种处理图像磨皮的方法，其特征在于，包括：
获取待处理图像区域内每个像素的原始RGB像素值；
遍历所述待处理图像区域内每个像素，根据每个像素的原始RGB像素值，对所述待处理图像区域内每个像素进行均值滤波模糊处理；
将所述均值滤波模糊处理后的图像与原始待处理图像按比例混合，获得处理后的图像，其中，混合比例根据所述待处理图像区域内提取的每个像素的频率信息结合所述像素对应的肤色检测概率获得。
2.根据权利要求1所述的方法，其特征在于，所述混合比例根据所述待处理图像区域内提取的每个像素的频率信息结合所述像素对应的肤色检测概率获得，包括：
遍历所述待处理图像区域内每个像素，根据每个像素的原始RGB像素值以及经过均值滤波模糊处理后的RGB像素值，对每个像素做高反差保留处理，提取所述待处理图像区域的频率信息；
遍历所述待处理图像区域内每个像素，根据每个像素处理前的原始RGB像素值中红色通道值Pr，以及均值滤波后的红色通道值Par，计算获得肤色检测概率；
根据所述频率信息和肤色检测概率计算获得所述混合比例。
3.根据权利要求2所述的方法，其特征在于，所述根据每个像素的原始RGB像素值，对所述待处理图像区域内每个像素进行均值滤波模糊处理，包括：
获取所述待处理图像中当前像素的原始RGB像素值P(x,y)；
以所述当前像素为中心，获取所述当前像素的N个临近像素的RGB像素值P(xi,yi)，i∈[1,N]，N≥4；
对所述N个临近像素的RGB像素值P(xi,yi)进行加权平均，得到所述N个临近像素的平均像素值Pa(x,y)。
4.根据权利要求3所述的方法，其特征在于，所述遍历所述待处理图像区域内每个像素，根据每个像素的原始RGB像素值以及经过均值滤波模糊处理后的RGB像素值，对每个像素做高反差保留处理，提取所述待处理图像区域的频率信息，包括：
遍历所述待处理图像区域内每个像素，根据每个像素的原始RGB像素值P(x,y)，经过均值滤波模糊处理后的RGB像素值Pa(x,y)，得到高反差处理差值△P(x,y)
△P(x,y)＝(P(x,y)-Pa(x,y))*a；其中，a为介于0到1之间的常数；
根据所述高反差处理差值△P(x,y)，提取所述待处理图像区域的频率信息Ph(x,y)
Ph(x,y)＝△P(x,y)*△P(x,y)。
5.根据权利要求4所述的方法，其特征在于，所述根据每个像素处理前的原始RGB像素值中红色通道值Pr，以及均值滤波后的红色通道值Par，计算获得肤色检测概率PB-skin，包括：
PB-skin＝(min(Pr,Par)-α)*β；
其中α，β均为常数，min(Pr,Par)表示取Pr，Par当中较小值，1≥PB-skin≥0。
6.根据权利要求5所述的方法，其特征在于，所述根据所述频率信息和肤色检测概率计算获得所述混合比例W-mix，包括：
W-mix＝PB-skin*(1.0-Ph(x,y))/(Ph(x,y)+γ)；
其中，PB-skin为肤色检测概率，Ph(x,y)为待处理图像区域频率信息，γ为介于0～0.3之间的常数。
7.根据权利要求5所述的方法，其特征在于，所述将所述均值滤波模糊处理后的图像与原始待处理图像按比例混合，获得处理后的图像，包括：
P-smooth(x,y)＝(1.0-W-mix)*P(x,y)+W-mix*Pa(x,y)；
其中，P-smooth(x,y)为当前像素的磨皮处理最终像素值，W-mix为混合比例，P(x,y)为当前像素值，Pa(x,y)为均值滤波模糊处理后的像素值。
8.一种处理图像磨皮的装置，其特征在于，包括：
获取单元，用于获取待处理图像区域内每个像素的原始RGB像素值；
处理单元，用于遍历所述待处理图像区域内每个像素，根据每个像素的原始RGB像素值，对所述待处理图像区域内每个像素进行均值滤波模糊处理；
混合单元，用于将所述均值滤波模糊处理后的图像与原始待处理图像按比例混合，获得处理后的图像，其中，混合比例根据所述待处理图像区域内提取的每个像素的频率信息结合所述像素对应的肤色检测概率获得。
9.一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，所述程序被处理器执行时实现如权利要求1至7中任一项所述的方法。
10.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，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时，使得所述一个或多个处理器实现如权利要求1至7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910582956.XA CN110378846B (zh) | 2019-06-28 | 2019-06-28 | 一种处理图像磨皮的方法、装置、介质和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910582956.XA CN110378846B (zh) | 2019-06-28 | 2019-06-28 | 一种处理图像磨皮的方法、装置、介质和电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110378846A CN110378846A (zh) | 2019-10-25 |
| CN110378846B true CN110378846B (zh) | 2022-03-15 |
Family
ID=68251449
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910582956.XA Active CN110378846B (zh) | 2019-06-28 | 2019-06-28 | 一种处理图像磨皮的方法、装置、介质和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110378846B (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112785533B (zh) * | 2019-11-07 | 2023-06-16 | RealMe重庆移动通信有限公司 | 图像融合方法、图像融合装置、电子设备与存储介质 |
| CN110866881B (zh) * | 2019-11-15 | 2023-08-04 | RealMe重庆移动通信有限公司 | 图像处理方法及装置、存储介质和电子设备 |
| CN113096022B (zh) * | 2019-12-23 | 2022-12-30 | RealMe重庆移动通信有限公司 | 图像虚化处理方法、装置、存储介质与电子设备 |
| CN111145086A (zh) * | 2019-12-27 | 2020-05-12 | 北京奇艺世纪科技有限公司 | 一种图像处理方法、装置及电子设备 |
| CN111241934A (zh) * | 2019-12-30 | 2020-06-05 | 成都品果科技有限公司 | 一种获取人脸图像中油光区域的方法和装置 |
| CN111462003B (zh) * | 2020-03-20 | 2022-08-23 | 稿定（厦门）科技有限公司 | 人脸图像处理方法、介质、设备及装置 |
| CN111915478B (zh) * | 2020-07-14 | 2023-06-23 | 厦门真景科技有限公司 | 一种基于保边模糊的美颜方法、装置、设备及计算机可读存储介质 |
| CN112215746B (zh) * | 2020-10-20 | 2024-06-14 | 咪咕文化科技有限公司 | 图像模糊处理方法、装置、电子设备、存储介质 |
| KR20220135801A (ko) * | 2021-03-31 | 2022-10-07 | 에스케이하이닉스 주식회사 | 컬러 보정 회로, 이미징 센싱 장치 및 그 동작방법 |
| CN113379623B (zh) * | 2021-05-31 | 2023-12-19 | 北京达佳互联信息技术有限公司 | 图像处理方法、装置、电子设备及存储介质 |
| CN113947568B (zh) * | 2021-09-26 | 2024-03-29 | 北京达佳互联信息技术有限公司 | 一种图像处理方法、装置、电子设备及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104008534A (zh) * | 2014-06-18 | 2014-08-27 | 福建天晴数码有限公司 | 一种人脸智能美化方法及装置 |
| CN106169177A (zh) * | 2016-06-27 | 2016-11-30 | 北京金山安全软件有限公司 | 一种图像磨皮方法、装置及电子设备 |
| 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 |
-
2019
- 2019-06-28 CN CN201910582956.XA patent/CN110378846B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104008534A (zh) * | 2014-06-18 | 2014-08-27 | 福建天晴数码有限公司 | 一种人脸智能美化方法及装置 |
| CN106169177A (zh) * | 2016-06-27 | 2016-11-30 | 北京金山安全软件有限公司 | 一种图像磨皮方法、装置及电子设备 |
| 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 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110378846A (zh) | 2019-10-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110378846B (zh) | 一种处理图像磨皮的方法、装置、介质和电子设备 | |
| CN110163237B (zh) | 模型训练及图像处理方法、装置、介质、电子设备 | |
| CN111353948B (zh) | 一种图像降噪方法、装置及设备 | |
| US11895409B2 (en) | Image processing based on object categorization | |
| CN110418064B (zh) | 对焦方法、装置、电子设备及存储介质 | |
| CN111131688B (zh) | 一种图像处理方法、装置及移动终端 | |
| CN111917994A (zh) | 将使用不同曝光设置捕获的图像帧组合成混合图像的方法和装置 | |
| CN111260601B (zh) | 图像融合方法、装置、可读介质及电子设备 | |
| CN110062157B (zh) | 渲染图像的方法、装置、电子设备和计算机可读存储介质 | |
| CN110070495B (zh) | 图像的处理方法、装置和电子设备 | |
| WO2022132032A1 (zh) | 人像图像处理方法及装置 | |
| CN115358919A (zh) | 图像处理方法、装置、设备及存储介质 | |
| CN114511580A (zh) | 图像处理方法、装置、设备及存储介质 | |
| CN112819691B (zh) | 图像处理方法、装置、设备及可读存储介质 | |
| CN110399802B (zh) | 处理面部图像眼睛亮度的方法、装置、介质和电子设备 | |
| CN110097520B (zh) | 图像处理方法和装置 | |
| CN111292247A (zh) | 图像处理方法和装置 | |
| CN115526796A (zh) | 图像处理方法、装置、设备及存储介质 | |
| CN111815535B (zh) | 图像处理方法、装置、电子设备和计算机可读介质 | |
| CN111369472B (zh) | 图像去雾方法、装置、电子设备及介质 | |
| CN114170341A (zh) | 一种图像处理方法、装置、设备及介质 | |
| CN110363717B (zh) | 一种处理面部图像的方法、装置、介质和电子设备 | |
| CN113284219A (zh) | 图像处理方法、装置、设备及存储介质 | |
| CN110097622B (zh) | 渲染图像的方法、装置、电子设备和计算机可读存储介质 | |
| CN111223105B (zh) | 图像处理方法和装置 |
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 | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing. Patentee after: Douyin Vision Co.,Ltd. Address before: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing. Patentee before: Tiktok vision (Beijing) Co.,Ltd. Address after: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing. Patentee after: Tiktok vision (Beijing) Co.,Ltd. Address before: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing. Patentee before: BEIJING BYTEDANCE NETWORK TECHNOLOGY Co.,Ltd. |
|
| CP01 | Change in the name or title of a patent holder |