CN110381303B - 基于皮肤颜色统计的人像自动曝光白平衡矫正方法及系统 - Google Patents
基于皮肤颜色统计的人像自动曝光白平衡矫正方法及系统 Download PDFInfo
- Publication number
- CN110381303B CN110381303B CN201910469930.4A CN201910469930A CN110381303B CN 110381303 B CN110381303 B CN 110381303B CN 201910469930 A CN201910469930 A CN 201910469930A CN 110381303 B CN110381303 B CN 110381303B
- Authority
- CN
- China
- Prior art keywords
- value
- image
- color
- saturation
- skin color
- 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
- 238000012937 correction Methods 0.000 title claims abstract description 91
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 9
- 230000007704 transition Effects 0.000 claims description 6
- 229920006395 saturated elastomer Polymers 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 3
- 239000011541 reaction mixture Substances 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 16
- 230000008569 process Effects 0.000 abstract description 8
- 230000002159 abnormal effect Effects 0.000 abstract description 4
- 238000003384 imaging method Methods 0.000 abstract description 4
- 238000011156 evaluation Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 5
- 239000011248 coating agent Substances 0.000 description 4
- 238000000576 coating method Methods 0.000 description 4
- 239000003086 colorant Substances 0.000 description 3
- JUQPZRLQQYSMEQ-UHFFFAOYSA-N CI Basic red 9 Chemical compound [Cl-].C1=CC(N)=CC=C1C(C=1C=CC(N)=CC=1)=C1C=CC(=[NH2+])C=C1 JUQPZRLQQYSMEQ-UHFFFAOYSA-N 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/70—Circuitry for compensating brightness variation in the scene
- H04N23/76—Circuitry for compensating brightness variation in the scene by influencing the image signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
- H04N23/84—Camera processing pipelines; Components thereof for processing colour signals
- H04N23/88—Camera processing pipelines; Components thereof for processing colour signals for colour balance, e.g. white-balance circuits or colour temperature control
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Processing Of Color Television Signals (AREA)
- Image Processing (AREA)
Abstract
本公开涉及数据成像处理技术领域,公开了基于皮肤颜色统计的人像自动曝光白平衡矫正方法及系统。通过预先指定期望平均肤色的色相和亮度,配合对图像内容的处理,达到自动处理矫正人像图片的曝光和白平衡异常问题,并且能保留环境对人像的正常影响。本发明克服了传统方法只根据图像包含的整体色彩信息进行处理,很少关注图像拍摄主题为人像时,被拍摄人像的曝光和白平衡,导致作为拍摄主体的人像并没有得到有效的颜色矫正,依然过暗和偏色的问题,关注被拍摄的主体人像,使其达到正常的曝光和白平衡。
Description
技术领域
本公开属于数据成像处理技术领域,具体涉及基于皮肤颜色统计的人像自动曝光白平衡矫正方法及系统。
背景技术
近年来,数码相机、智能手机、平板电脑等数码照相设备已经成为人们拍照的主流工具,人们能很容易的使用这些设备通过照片记录和分享自己的生活,而其中很多是以人作为主体的照片,并且拍照的地点和环境千差万别,所拍摄的照片通常受环境的影响,或设备的差异,图片的总是不尽如人意,最重要的表现就是曝光过暗和白平衡异常。
而目前的图像自动处理技术在处理图像曝光和白平衡时,大多根据图像包含的整体色彩信息进行处理,很少关注图像拍摄主题为人像时,被拍摄人像的曝光和白平衡,导致作为拍摄主体的人像并没有得到有效的颜色矫正,依然过暗和偏色,需要靠有经验的人工后期手动处理才能达到理想效果。
针对现状,要简化图像处理的流程,提高图像处理的便捷度,需要对现有的图像自动处理方式进行调整优化,提出更为合理的技术方案,解决现有技术中存在的技术问题
发明内容
有鉴于此,本公开的主要目的在于提供一种基于皮肤颜色统计的人像自动曝光白平衡矫正方法,用于解决人像曝光白平衡失常的问题,旨在将各种光线环境下,特别是曝光不足和偏色的人像图片快速且自动的调节至曝光、白平衡正常,并且保留拍摄环境对图片颜色的正常影响。
为达到上述目的,本公开实施例的第一方面,提供一种基于皮肤颜色统计的人像自动曝光白平衡矫正方法,包括:
获得输入图像;
统计输入图像的像素,获取人脸皮肤区域;
由于曝光对图片白平衡的准确性有重要的影响,特别是暗光环境,会影响人眼对物体固有色的准确判断,因此,需要进行曝光矫正。具体的,获取人脸皮肤区域的像素的亮度值并判断人脸皮肤区域的曝光度,对人脸皮肤区域曝光度低于期望曝光度的图像进行曝光度矫正;
由于冷色环境光或相机设置问题,可能导致图片偏色,造成肤色偏离实际,呈现冷色调,和红润的肤色相差甚远,因此,需要先对偏色的图片进行偏色矫正;具体的,获取人脸皮肤区域的实际肤色平均值,将实际肤色平均值与期望肤色平均值的差值超过预设阈值的图像认定为偏色,对出现偏色的图像进行偏色矫正,并获取偏色矫正后的肤色平均值;
由于暖色环境光、曝光不足、相机设置等问题,以及偏色矫正中对冷暖色的矫正,都可能会导致图片出现饱和度过高的情况。由偏色矫正后的肤色平均值、期望平均肤色色相和期望亮度值测算饱和度,对比饱和度测算值和饱和度期望值,将不饱和及过饱和的图像进行饱和度矫正,并获取饱和度矫正后的肤色平均值;重复进行饱和度矫正直至饱和度测算值与饱和度期望值的差值小于预设阈值,由饱和度矫正后的肤色平均值、期望肤色色相和期望亮度值测算调整参数;
由于上述步骤还不能完全将肤色矫正到正常效果,因此结合饱和度矫正后的肤色平均值和调整参数对图像进行颜色矫正,获得经过颜色矫正的调整图像;
由于上述调整步骤,将肤色向皮肤固有色调整,忽略了周围环境光,特别是接近肤色的红光和黄光,对图片颜色以及肤色的影响,因此,需要对红黄色的环境光进行颜色补偿。具体的,获得灰度模式下的输入图像,并将其划分为保护区域、过渡区域和非保护区域,其中保护区域调整成白色,非保护区域调整成黑色,过渡区域调整成灰度值变化的灰色;
以原始输入图像作为基层图层,以调整图像作为混合图层并使其盖于基层图层之上,从调整图像的RGB模式下创建Alpha通道,并将灰度模式下经过调整的输入图像导入至调整图像的Alpha通道,将Alpha通道内图像不同像素点的灰度值映射为百分比,并将该百分比作为该像素点的不透明度对Alpha通道进行设定,设定完毕后将混合涂图层和基层涂层进行正常模式混合即获得效果图像。
进一步的,上述内容中提供的方法包括获取人脸皮肤区域的步骤,本发明对此进行优化,具体包括:
对输入图像进行分割,获取人物皮肤区域;
通过人脸识别获取脸部区域;
区分脸部区域与皮肤区域的边界,获取人脸皮肤区域。
进一步的,上述内容中提供的方法包括对人脸皮肤区域的曝光度矫正,本发明对此进行优化,具体包括:
遍历人脸皮肤区域内的每个像素点,从而得到亮度的最大值Lmax,亮度的最小值Lmin,亮度的平均值Lavg,以及亮度中间值Lmid=(Lmax-Lmin)/2+Lmin;
判断人脸皮肤区域内的局部曝光度是否低于期望曝光度,亮度L∈[0,255],满足Lavg≥Lmid时判断为否,不做调整;满足Lavg<Lmid时判断为是,将Lavg调整为Lavg′,其中Lavg′按照如下方式调整获得:
Lavg′=Lavg*[1+0.005*(Lmid-Lavg)];
判断人脸皮肤区域内的整体曝光度是否低于期望曝光度,亮度L∈[0,255],满足Lavg≥L0时判断为否,不做调整;满足Lavg<L0时判断为是,调整Lmid为Lmid′,其中Lmid′按照如下方式调整获得:
Lmid′=Lmid*[1+0.005*(L0-Lmid)]
上式中,L0为亮度经验值。
优选的,所述的L0的值域为[127,210]。
进一步的,曝光度矫正后的人脸皮肤区域的肤色平均值为R1G1B1,R1、G1、B1三值中,R1大于G1和B1时,判断为不偏色,无需进行偏色矫正;R1小于G1或B1时,判断为偏色,需进行偏色矫正,偏色矫正后的肤色平均值为R2G2B2。
再进一步,R1、G1、B1的值域均为[0,255],进行偏色矫正时,将R1的值调整为G1与B1中的较大值,G1与B1中的较小值不做调整。
进一步的,上述内容中提供的方法包括饱和度矫正,本发明对此进行优化,具体包括:
将经过偏色矫正后的肤色平均值转换为H2S2V2值,并将H2范围由0°~360°转换为-180°~180°;
输入肤色期望色相H0,肤色期望亮度V0,并计算调整目标色相值H3,按如下方式进行计算:
H3=H2+(H0-H2)*h
其中系数h控制调整的程度,设置调整的最大程度为80%,若1-S2<80%,则h=1-S2,否则h=80%;
计算调整目标亮度值V3,V2小于V3时V3=V2+(V0-V2)×60%,反之V3=V2;
针对饱和度,S2-S0大于S0、S2中的最大值的0.6时判断为过饱和,并按照下列方法调整饱和度:
ΔS=0.6*(S0-S2)
其中,根据ΔS计算调整后的饱和度S2′=S2+ΔS;根据H2S2′V2再次计算V3和S0,直至不出现过饱和的情况,以最终的S2′作为饱和度值。
进一步的,上述内容中提供的方法包括颜色矫正,本发明对此进行优化,具体包括:
按照下述方法计算调整目标色相值S3,
S3=S2′+(S0-S2′)*α
其中α控制调整的程度,设置α的最大程度为60%,若|H3-H2|>30,则α=30/|H3-H2|*0.6,否则α=0.6,由此得到调整参数H3S3V3;
将H2S2′V2转换成R2′G2′B2′值,其中将H2由-180°~180°范围转换成0°~360°范围;
将H3S3V3转换成饱和度矫正后的目标肤色平均值R3G3B3值,其中将H3由-180°~180°范围转换成0°~360°范围;
将饱和度矫正后的肤色平均值矫正到目标肤色平均值,得到调整图像,R2′、G2′、B2′的值域均为[0,255],且R′2=R3,G′2=G3,B′2=B3。
进一步的,对所述输入图像,进行黑白调整运算得到灰度图,其中黑白调整运算的参数为红色160,黄色-100,绿色-100,青色-100,蓝色-100,洋红0;
将所述灰度图的每个RGB像素点反相运算,使得结果值=255-现值;得到红色高饱和部分以及高光部分为黑色,其余部分为白色的灰度图。
本发明还提供了基于皮肤颜色统计的人像自动曝光白平衡矫正系统,具体包括:
人脸皮肤识别模块,用于对输入图像进行人脸识别和皮肤识别,得到人脸皮肤区域;
人脸曝光评估模块,用于对人脸区域曝光进行亮度评估,并进行曝光矫正处理;
偏色评估模块,用于对人脸皮肤区域进行偏色评估,并进行偏色矫正处理;
饱和度评估模块,用于对人脸皮肤区域进行饱和度评估,并对饱和度过高的图像进行饱和度矫正处理;
颜色矫正模块,用于对人脸皮肤区域进行统计,并根据统计结果计算出调整参数,对图像进行亮度以及色彩矫正,得到调整图像;
色彩保护模块,用于输入图像的正常高饱和度、高亮度区域进行保护,应用于调整图像,和输入图像混合,得到效果图像。
通过上述技术方案,本公开所提出的一种根据皮肤颜色统计的人像图片自动曝光白平衡矫正方法,通过预先指定期望平均肤色的色相和亮度,配合对图像内容的处理,达到自动处理矫正人像图片的曝光和白平衡异常问题,并且能保留环境对人像的正常影响;本发明克服了传统自动算法只根据图像包含的整体色彩信息进行处理,很少关注图像拍摄主题为人像时,被拍摄人像的曝光和白平衡,导致作为拍摄主体的人像并没有得到有效的颜色矫正,依然过暗和偏色的问题,关注被拍摄的主体人像,使其达到正常的曝光和白平衡。本发明所提出的一种根据皮肤颜色统计的人像图片自动曝光白平衡矫正系统,能够配合本发明所提出的方法,适合运用到手机、计算机、服务器等各种平台的图像处理系统中,来实现人像图片的曝光和白平衡的自动化处理。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
图1根据一示例性实施例示出的一种基于皮肤颜色统计的人像自动曝光白平衡矫正方法整体示意图;
图2是根据一示例性实施例示出的一种曝光矫正的过程示意图;
图3是根据一示例性实施例示出的一种偏色矫正的过程示意图;
图4是根据一示例性实施例示出的一种饱和度矫正的过程示意图;
图5是根据一示例性实施例示出的一种饱和度亮度计算的推导图;
图6是根据一示例性实施例示出的一种系数色相计算的推导图;
图7是根据一示例性实施例示出的一种基于皮肤颜色统计的人像自动曝光白平衡矫正系统的组成示意图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本公开,并不用于限制本公开。
实施例1
如图1所示,本实施例公开了基于皮肤颜色统计的人像自动曝光白平衡矫正方法,包括如下内容:
S01:获得输入图像。
S02:统计输入图像的像素,获取人脸皮肤区域。
S03:由于曝光对图片白平衡的准确性有重要的影响,特别是暗光环境,会影响人眼对物体固有色的准确判断,因此,需要进行曝光矫正。具体的,获取人脸皮肤区域的像素的亮度值并判断人脸皮肤区域的曝光度,对人脸皮肤区域曝光度低于期望曝光度的图像进行曝光度矫正。
S04:由于冷色环境光或相机设置问题,可能导致图片偏色,造成肤色偏离实际,呈现冷色调,和红润的肤色相差甚远,因此,需要先对偏色的图片进行偏色矫正;具体的,获取人脸皮肤区域的实际肤色平均值,将实际肤色平均值与期望肤色平均值的差值超过预设阈值的图像认定为偏色,对出现偏色的图像进行偏色矫正,并获取偏色矫正后的肤色平均值。
S05:由于暖色环境光、曝光不足、相机设置等问题,以及偏色矫正中对冷暖色的矫正,都可能会导致图片出现饱和度过高的情况。由偏色矫正后的肤色平均值、期望平均肤色色相和期望亮度值测算饱和度,对比饱和度测算值和饱和度期望值,将不饱和及过饱和的图像进行饱和度矫正,并获取饱和度矫正后的肤色平均值;重复进行饱和度矫正直至饱和度测算值与饱和度期望值的差值小于预设阈值,由饱和度矫正后的肤色平均值、期望肤色色相和期望亮度值测算调整参数。
S06:由于上述步骤还不能完全将肤色矫正到正常效果,因此结合饱和度矫正后的肤色平均值和调整参数对图像进行颜色矫正,获得经过颜色矫正的调整图像。
S07:由于上述调整步骤,将肤色向皮肤固有色调整,忽略了周围环境光,特别是接近肤色的红光和黄光,对图片颜色以及肤色的影响,因此,需要对红黄色的环境光进行颜色补偿。具体的,获得灰度模式下的输入图像,并将其划分为保护区域、过渡区域和非保护区域,其中保护区域调整成白色,非保护区域调整成黑色,过渡区域调整成灰度值变化的灰色。
S08:以原始输入图像作为基层图层,以调整图像作为混合图层并使其盖于基层图层之上,从调整图像的RGB模式下创建Alpha通道,并将灰度模式下经过调整的输入图像导入至调整图像的Alpha通道,将Alpha通道内图像不同像素点的灰度值映射为百分比,并将该百分比作为该像素点的不透明度对Alpha通道进行设定,设定完毕后将混合涂图层和基层涂层进行正常模式混合即获得效果图像。
实施例2
本实施例公开了基于皮肤颜色统计的人像自动曝光白平衡矫正方法,包括实施例1中的内容,还具体公开了获取人脸皮肤区域的方法,具体如下:
S021:对输入图像进行分割,获取人物皮肤区域;对所述人脸皮肤区域的获取,主要是通过机器深度学习的图像分割技术实现。
S022:通过人脸识别获取脸部区域。
S023:区分脸部区域与皮肤区域的边界,获取人脸皮肤区域。
实施例3
如图2所示,本实施例公开了基于皮肤颜色统计的人像自动曝光白平衡矫正方法,包括实施例1中的内容,还具体公开了对人脸皮肤区域的曝光度矫正的方法,具体如下:
S031:遍历人脸皮肤区域内的每个像素点,从而得到亮度的最大值Lmax,亮度的最小值Lmin,亮度的平均值Lavg,以及亮度中间值Lmid=(Lmax-Lmin)/2+Lmin;
S032:判断人脸皮肤区域内的局部曝光度是否低于期望曝光度,亮度L∈[0,255],满足Lavg≥Lmid时判断为否,不做调整;满足Lavg<Lmid时判断为是,将Lavg调整为Lavg′,其中Lavg′按照如下方式调整获得:
Lavg′=Lavg*[1+0.005*(Lmid-Lavg)];
由于希望皮肤受光均匀,因此理想状态为Lavg=Lmid,但是考虑实际拍摄中的受光情况不可知,或拍摄风格等因素,希望能增加皮肤的亮度,且不造成图片整体曝光过度。
S033:判断人脸皮肤区域内的整体曝光度是否低于期望曝光度,亮度L∈[0,255],满足Lavg≥L0时判断为否,不做调整;满足Lavg<L0时判断为是,调整Lmid为Lmid′,其中Lmid′按照如下方式调整获得:
Lmid′=Lmid*[1+0.005*(L0-Lmid)]
上式中,L0为亮度经验值。
具体的,所述的L0的值域为[127,210]。具体可根据不同场景选择确定经验值。如下表所示:
对曝光度低于期望曝光度的图像进行Photoshop曲线调整运算,采用曲线算法的原因在于,修改某直方图点参数时,靠近该直方图点的其他部分也会受影响,但离该点越近程度越大,离该点越远程度越小,图像亮度呈现平滑变化,因此,曲线算法虽然传入的是肤色平均值,但对皮肤同样有作用,且对和皮肤曝光不同的区域影响小。
实施例4
如图3所示,本实施例公开了基于皮肤颜色统计的人像自动曝光白平衡矫正方法,包括实施例1中的内容,还具体公开了对人脸皮肤区域的偏色矫正的方法,具体如下:
曝光度矫正后的人脸皮肤区域的肤色平均值为R1G1B1,R1、G1、B1三值中,R1大于G1和B1时,判断为不偏色,无需进行偏色矫正;R1小于G1或B1时,判断为偏色,需进行偏色矫正,偏色矫正后的肤色平均值为R2G2B2。
R1、G1、B1的值域均为[0,255],进行偏色矫正时,将R1的值调整为G1与B1中的较大值,G1与B1中的较小值不做调整。
具体的,本实施例中如此判断:
若R1为最大值,则为非严重偏色,肤色平均值R2G2B2=R1G1B1。
若G1为最大值,则为严重偏色,对所述图像进行曲线调整运算,目的是为了增加肤色中的红色,降低肤色中的绿色,且为了减少对非肤色的影响,曲线调整参数为红通道0=0,R1=G1,255=255,绿通道0=0,G1=R1,255=255,蓝通道不调整;得到新平均肤色R2G2B2。
若B1为最大值,则为严重偏色,同(4.3),对所述图像进行曲线调整运算,曲线调整参数为红通道0=0,R1=B1,255=255,绿通道不调整,蓝通道0=0,B1=R1,255=255;得到新平均肤色R2G2B2。
若G1=B1且为最大值,则为严重偏色,同(4.3),对所述图像进行曲线调整运算,曲线调整参数为红通道0=0,R1=G1,255=255,绿通道0=0,G1=R1,255=255,蓝通道0=0,B1=R1,255=255;得到新平均肤色R2G2B2。
实施例5
如图4、图5、图6所示,本实施例公开了基于皮肤颜色统计的人像自动曝光白平衡矫正方法,包括实施例1中的内容,还具体公开了对饱和度矫正的方法,具体如下:
S051:将经过偏色矫正后的肤色平均值转换为H2S2V2值,并将H2范围由0°~360°转换为-180°~180°;
S052:输入肤色期望色相H0,肤色期望亮度V0,并计算调整目标色相值H3,按如下方式进行计算:
H3=H2+(H0-H2)*h
其中系数h控制调整的程度,设置调整的最大程度为80%,若1-S2<80%,则h=1-S2,否则h=80%;
此处入肤色期望色相H0,肤色期望亮度V0可根据实际的环境进行选择,可参考下表:
拍摄环境 | 白天、阳光 | 室内、荧光灯 | 室内、白帜灯 |
肤色期望色相H | 10° | 20° | 30° |
肤色期望亮度V | 80% | 70% | 65% |
S053:计算调整目标亮度值V3,V2小于V3时V3=V2+(V0-V2)×60%,反之V3=V2;
S055:针对饱和度,S2-S0大于S0、S2中的最大值的0.6时判断为过饱和,并按照下列方法调整饱和度:
ΔS=0.6*(S0-S2)
S056:根据ΔS计算调整后的饱和度S2′=S2+ΔS;根据H2S2′V2再次计算V3和S0,直至不出现过饱和的情况,以最终的S2′作为饱和度值。
实施例6
本实施例公开了基于皮肤颜色统计的人像自动曝光白平衡矫正方法,包括实施例1中的内容,还具体公开了对颜色矫正的方法,具体如下:
S061:按照下述方法计算调整目标色相值S3,
S3=S2′+(S0-S2′)*α
其中α控制调整的程度,设置α的最大程度为60%,若|H3-H2|>30,则α=30/|H3-H2|*0.6,否则α=0.6,由此得到调整参数H3S3V3;
S062:将H2S2′V2转换成R2′G2′B2′值,其中将H2由-180°~180°范围转换成0°~360°范围;
S063:将H3S3V3转换成饱和度矫正后的目标肤色平均值R3G3B3值,其中将H3由-180°~180°范围转换成0°~360°范围;
S064:将饱和度矫正后的肤色平均值矫正到目标肤色平均值,得到调整图像,R2′、G2′、B2′的值域均为[0,255],且R′2=R3,G′2=G3,B′2=B3。
实施例7
本实施例公开了基于皮肤颜色统计的人像自动曝光白平衡矫正方法,包括实施例1中的内容,还具体公开了黑白调整运算的方法,具体如下:
S071:对所述输入图像,进行黑白调整运算得到灰度图,其中黑白调整运算的参数为红色160,黄色-100,绿色-100,青色-100,蓝色-100,洋红0。
具体的,黑白调整运算采用Photoshop的运算规则实现。
S072:将所述灰度图的每个RGB像素点反相运算,使得结果值=255-现值;得到红色高饱和部分以及高光部分为黑色,其余部分为白色的灰度图。
在调节时,按照如下方法进行计算调节:
gray=(max-mid)×ratio_max+(mid-min)×ratio_max_mid+min
其中,gray代表像素的灰度值,max、mid、min分别代表R、G、B三色中的最大值、中间值和最小值;ratio_max代表最大的颜色所占比率,ratio_max_mid代表最大的颜色和中间颜色所占比率。
实施例8
如图7所示,本实施例公开了基于皮肤颜色统计的人像自动曝光白平衡矫正系统,具体包括:
人脸皮肤识别模块,用于对输入图像进行人脸识别和皮肤识别,得到人脸皮肤区域。本模块包括人脸识别和肤色分割两个部分:根据深度机器学习算法识别人脸点位,获得人脸框根据深度机器学习对图像中肤色部分进行分割,获得肤色范围。人脸框和肤色范围相交部分,即为人脸皮肤区域。
人脸曝光评估模块,用于对人脸区域曝光进行亮度评估,并进行曝光矫正处理。本模块包括平均亮度统计、亮度评估和曝光度矫正三个部分:对遍历图像中人脸皮肤区域每个像素,统计像素亮度最大值、亮度最小值和亮度平均值;根据所得数据和期望值,评估人脸面部曝光是否低于期望曝光度,得到评估结果,决定是否进行曝光矫正;根据评估结果,调整人脸面部曝光度并作用于全图,达到对全图的曝光矫正。
偏色评估模块,用于对人脸皮肤区域进行偏色评估,并进行偏色矫正处理。
饱和度评估模块,用于对人脸皮肤区域进行饱和度评估,并对饱和度过高的图像进行饱和度矫正处理。本模块包括颜色统计、偏色评估和偏色矫正三个部分:对遍历图像中人脸肤色区域每个像素,统计肤色平均值;根据所得数据和期望值,评估人脸面部肤色是否严重偏色,得到评估结果,决定是否进行偏色矫正;根据评估结果,调整人脸面部肤色并作用于全图,达到对全图的偏色矫正。
颜色矫正模块,用于对人脸皮肤区域进行统计,并根据统计结果计算出调整参数,对图像进行亮度以及色彩矫正,得到调整图像。本模块包括颜色统计、色彩矫正两个部分:对遍历图像中人脸皮肤区域每个像素,统计肤色平均值;根据所得数据和期望值,调整人脸面部肤色并作用于全图,达到对全图的色彩矫正。
色彩保护模块,用于输入图像的正常高饱和度、高亮度区域进行保护,应用于调整图像,和输入图像混合,得到效果图像。本模块包括灰度图像生成、图像混合两个部分:根据输入图像,进行黑白运算得到灰度图像;根据灰度图像,应用于调整图像,和输入图像混合,得到效果图像。
术语“第一”、“第二”等是用于区别类似的对象,而不是用于描述或表示特定的顺序或先后次序。
术语“包括”或者任何其它类似用语旨在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备/装置不仅包括那些要素,而且还包括没有明确列出的其它要素,或者还包括这些过程、方法、物品或者设备/装置所固有的要素。
以上结合附图详细描述了本公开的优选实施方式,但是,本公开并不限于上述实施方式中的具体细节,在本公开的技术构思范围内,可以对本公开的技术方案进行多种简单变型,这些简单变型均属于本公开的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合,为了避免不必要的重复,本公开对各种可能的组合方式不再另行说明。
此外,本公开的各种不同的实施方式之间也可以进行任意组合,只要其不违背本公开的思想,其同样应当视为本公开所公开的内容。
Claims (5)
1.基于皮肤颜色统计的人像自动曝光白平衡矫正方法,其特征在于,包括:
获得输入图像;
统计输入图像的像素,获取人脸皮肤区域;
获取人脸皮肤区域的像素的亮度值并判断人脸皮肤区域的曝光度,对人脸皮肤区域曝光度低于期望曝光度的图像进行曝光度矫正;
获取人脸皮肤区域的实际肤色平均值,将实际肤色平均值与期望肤色平均值的差值超过预设阈值的图像认定为偏色,对出现偏色的图像进行偏色矫正,并获取偏色矫正后的肤色平均值R2G2B2;
由偏色矫正后的肤色平均值、肤色期望色相和肤色期望亮度值测算饱和度,对比饱和度测算值和饱和度期望值,将不饱和及过饱和的图像进行饱和度矫正,并获取饱和度矫正后的肤色平均值;重复进行饱和度矫正直至饱和度测算值与饱和度期望值的差值小于预设阈值,由饱和度矫正后的肤色平均值、肤色期望色相和肤色期望亮度值测算目标肤色值;
结合饱和度矫正后的肤色平均值和目标肤色值对图像进行颜色矫正,获得经过颜色矫正的调整图像;
获得灰度模式下的输入图像,并将其划分为保护区域、过渡区域和非保护区域,其中保护区域调整成白色,非保护区域调整成黑色,过渡区域调整成灰度值变化的灰色;
以原始输入图像作为基层图层,以调整图像作为混合图层并使其盖于基层图层之上,从调整图像的RGB模式下创建Alpha通道,并将灰度模式下经过调整的输入图像导入至调整图像的Alpha通道,将Alpha通道内图像不同像素点的灰度值映射为百分比,并将该百分比作为该像素点的不透明度对Alpha通道进行设定,设定完毕后将混合图层和基层图层进行正常模式混合即获得效果图像。
2.根据权利要求1所述的基于皮肤颜色统计的人像自动曝光白平衡矫正方法,其特征在于,对人脸皮肤区域的曝光度矫正,包括:
遍历人脸皮肤区域内的每个像素点,从而得到亮度的最大值Lmax,亮度的最小值Lmin,亮度的平均值Lavg,以及亮度中间值Lmid=(Lmax-Lmin)/2+Lmin;
判断人脸皮肤区域内的局部曝光度是否低于期望曝光度,亮度L∈[0,255],满足Lavg≥Lmid时判断为否,不做调整;满足Lavg<Lmid时判断为是,将Lavg调整为Lavg′,其中Lavg′按照如下方式调整获得:
Lavg′= Lavg *[1+0.005*(Lmid- Lavg)];
判断人脸皮肤区域内的整体曝光度是否低于期望曝光度,亮度L∈[0,255],满足Lavg≥L0时判断为否,不做调整;满足Lavg<L0时判断为是,调整Lmid为Lmid′,其中Lmid′按照如下方式调整获得:
3.根据权利要求2所述的基于皮肤颜色统计的人像自动曝光白平衡矫正方法,其特征在于:所述L0的值域为[127,210]。
4.根据权利要求1所述的基于皮肤颜色统计的人像自动曝光白平衡矫正方法,其特征在于,饱和度矫正时,包括:
将经过偏色矫正后的肤色平均值R2G2B2转换为H2S2V2值,并将H2范围由0°~360°转换为-180°~180°;
输入肤色期望色相H0,肤色期望亮度V0,并计算调整目标色相值H3,按如下方式进行计算:
H3=H2+(H0-H2)*h;
其中系数h控制调整的程度,设置调整的最大程度为80%,若1-S2<80%,则h=1-S2,否则h=80%;
计算调整目标亮度值V3,V2小于V3时V3= V2+( V0-V2)×60%,反之V3= V2;
计算肤色期望饱和度S0,S0=a*V3 2+b*V3+c,
其中:a=-0.0006*H3 2-0.0093*|H3|-0.5952,
b=0.0009* H3 2-0.0005*|H3|+0.4033,
c=-0.0001* H3 2+0.008*|H3|+0.2919;
针对饱和度,S2-S0大于S0、S2中的最大值的0.6时判断为过饱和,并按照下列方法调整饱和度:
△S=0.6*(S0-S2),
其中,△S为饱和度调整参数,根据△S计算调整后的饱和度S2′=S2+△S;根据H2S2′V2再次计算V3和S0,直至不出现过饱和的情况,以最终的S2′作为饱和度值。
5.根据权利要求4所述的基于皮肤颜色统计的人像自动曝光白平衡矫正方法,其特征在于,颜色矫正时,包括:
按照下述方法计算调整目标饱和度S3,
S3= S2′+(S0- S2′)*α,
其中α控制调整的程度,设置α的最大程度为60%,若|H3-H2|>30,则α=30/| H3-H2|*0.6,否则α=0.6,由此得到目标肤色值H3S3V3;
将H2S2′V2转换成R2′G2′B2′值,其中将H2由-180°~180°范围转换成0°~360°范围;R2′G2′B2′为饱和度矫正后的肤色平均值;
将H3S3V3转换成饱和度矫正后的目标肤色平均值R3G3B3值,其中将H3由-180°~180°范围转换成0°~360°范围;
将饱和度矫正后的肤色平均值R2′G2′B2′矫正到目标肤色平均值,得到调整图像,R2′、G2′、B2′的值域均为[0,255],且R2′= R3,G2′= G3,B2′= B3。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910469930.4A CN110381303B (zh) | 2019-05-31 | 2019-05-31 | 基于皮肤颜色统计的人像自动曝光白平衡矫正方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910469930.4A CN110381303B (zh) | 2019-05-31 | 2019-05-31 | 基于皮肤颜色统计的人像自动曝光白平衡矫正方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110381303A CN110381303A (zh) | 2019-10-25 |
CN110381303B true CN110381303B (zh) | 2021-07-09 |
Family
ID=68249580
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910469930.4A Active CN110381303B (zh) | 2019-05-31 | 2019-05-31 | 基于皮肤颜色统计的人像自动曝光白平衡矫正方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110381303B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112825120B (zh) * | 2019-11-20 | 2024-04-23 | 北京眼神智能科技有限公司 | 人脸光照评价方法、装置、计算机可读存储介质及设备 |
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 |
JP7492344B2 (ja) * | 2020-02-26 | 2024-05-29 | キヤノン株式会社 | 画像処理装置および画像処理方法 |
CN112135113B (zh) * | 2020-09-27 | 2023-03-24 | 广东小天才科技有限公司 | 一种拍照效果调整方法、系统、拍照设备及存储介质 |
CN115118947B (zh) * | 2021-03-23 | 2023-11-24 | 北京小米移动软件有限公司 | 图像的处理方法、装置、电子设备及存储介质 |
CN113487497A (zh) * | 2021-06-18 | 2021-10-08 | 维沃移动通信有限公司 | 图像处理方法、装置和电子设备 |
CN113537154B (zh) * | 2021-08-20 | 2022-08-12 | 中国美术学院 | 无人机建筑航拍图神经网络自动校色方法 |
CN114071026B (zh) * | 2022-01-18 | 2022-04-05 | 睿视(天津)科技有限公司 | 基于红分量特征检测的自动曝光控制方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104881853A (zh) * | 2015-05-28 | 2015-09-02 | 厦门美图之家科技有限公司 | 一种基于色彩概念化的肤色矫正方法和系统 |
CN105608677A (zh) * | 2015-12-28 | 2016-05-25 | 成都品果科技有限公司 | 一种任意光线环境下的图像肤色美化方法及系统 |
CN109614173A (zh) * | 2017-09-30 | 2019-04-12 | 腾讯科技(深圳)有限公司 | 一种换肤方法及装置 |
CN109785410A (zh) * | 2019-01-30 | 2019-05-21 | 郑州云海信息技术有限公司 | 一种图层合并方法、装置及相关组件 |
-
2019
- 2019-05-31 CN CN201910469930.4A patent/CN110381303B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104881853A (zh) * | 2015-05-28 | 2015-09-02 | 厦门美图之家科技有限公司 | 一种基于色彩概念化的肤色矫正方法和系统 |
CN105608677A (zh) * | 2015-12-28 | 2016-05-25 | 成都品果科技有限公司 | 一种任意光线环境下的图像肤色美化方法及系统 |
CN109614173A (zh) * | 2017-09-30 | 2019-04-12 | 腾讯科技(深圳)有限公司 | 一种换肤方法及装置 |
CN109785410A (zh) * | 2019-01-30 | 2019-05-21 | 郑州云海信息技术有限公司 | 一种图层合并方法、装置及相关组件 |
Also Published As
Publication number | Publication date |
---|---|
CN110381303A (zh) | 2019-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110381303B (zh) | 基于皮肤颜色统计的人像自动曝光白平衡矫正方法及系统 | |
JP4294896B2 (ja) | 画像処理方法および装置並びにそのためのプログラム | |
EP2426928B1 (en) | Image processing apparatus, image processing method and program | |
KR100983037B1 (ko) | 자동 화이트 밸런스 조정 방법 | |
US7057768B2 (en) | Automatic color balance | |
US6788813B2 (en) | System and method for effectively performing a white balance operation | |
CN111292246B (zh) | 图像颜色校正方法、存储介质及内窥镜 | |
US20070085911A1 (en) | Apparatus for color correction of subject-image data, and method of controlling same | |
US20030052978A1 (en) | Automatic white balancing via illuminant scoring autoexposure by neural network mapping | |
US7576797B2 (en) | Automatic white balancing via illuminant scoring autoexposure by neural network mapping | |
WO2019019870A1 (zh) | 图像的白平衡处理方法、装置和终端设备 | |
KR20090017158A (ko) | 자동 화이트 밸런스 방법 | |
US20100195906A1 (en) | Automatic image enhancement | |
US20040085459A1 (en) | Image processing device, image processing program, and image processing method | |
CN113411554A (zh) | 水下图像色彩还原方法和装置 | |
JP4549704B2 (ja) | 画像に対する色み補正を調整するための方法および画像に対する色み補正量の調節方法 | |
CN117014733B (zh) | 拍摄校正方法、装置及设备 | |
KR101349968B1 (ko) | 자동 영상보정을 위한 영상 처리 장치 및 방법 | |
JP2003069822A (ja) | 画像処理装置、画像処理方法および記録媒体 | |
JP2010252265A (ja) | 画像処理装置 | |
KR20150106775A (ko) | 화이트 밸런스 보정 장치 및 방법 | |
JP5327766B2 (ja) | デジタル画像における記憶色の修正 | |
JP2021002707A (ja) | ホワイトバランス客観評価方法、ホワイトバランス客観評価プログラム及び撮像装置 | |
JPH08110603A (ja) | 色調整方法および装置 | |
WO2018209984A1 (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 |