CN110533732A - 图像中肤色的识别方法、装置、电子设备及存储介质 - Google Patents
图像中肤色的识别方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN110533732A CN110533732A CN201910834272.4A CN201910834272A CN110533732A CN 110533732 A CN110533732 A CN 110533732A CN 201910834272 A CN201910834272 A CN 201910834272A CN 110533732 A CN110533732 A CN 110533732A
- Authority
- CN
- China
- Prior art keywords
- image
- area
- colour
- 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.)
- Granted
Links
Classifications
-
- 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
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30088—Skin; Dermal
-
- 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
Abstract
本申请提供一种图像中肤色的识别方法、装置、电子设备及存储介质,涉及图像处理技术领域。该方法,包括:获取待识别图像中的肤色区域图像和预设色卡区域图像;采用预设的漫反射区域检测算法,确定肤色区域图像中的漫反射区域,可以排除拍摄环境对肤色区域图像的影响,对肤色区域图像进行更准确的采样,进而根据漫反射区域内图像的平均肤色颜色和预设色卡区域图像中的各肤色块的匹配结果,识别图像中的肤色颜色时,可以提高肤色识别的准确性。
Description
技术领域
本申请涉及图像处理技术领域,特别涉及一种图像中肤色的识别方法、装置、电子设备及存储介质。
背景技术
肤色作为人的体表显著特征之一,在化妆、造型时,通过了解客户的肤色,可以选择与之相匹配的化妆品、服饰等。
现有的肤色识别的方法,主要是利用拍摄设备对皮肤区域拍照,对拍摄得到的照片进一步确定要采样的皮肤所在像素点,再根据采样皮肤像素点计算得到特定区域的皮肤肤色,最后与存储介质中预存的若干种皮肤预定义色进行比对,从而确定待测者的肤色。
但由于拍摄得到的照片依赖于拍摄设备预设的色彩处理参数,如白平衡参数等,拍摄条件变化时,拍摄得到的照片可能会发生颜色还原不准的问题,因此,直接根据颜色还原后的照片确定待测者的肤色不够准确。
发明内容
本申请的目的在于,针对上述现有技术中的不足,提供一种图像中肤色的识别方法、装置、电子设备及存储介质,可以解决现有技术中识别图像中的肤色颜色时,识别准确性较低的技术问题。
为实现上述目的,本申请实施例采用的技术方案如下:
第一方面,本申请实施例提供了一种图像中肤色的识别方法,包括:获取待识别图像中的肤色区域图像和预设色卡区域图像,预设色卡区域图像包括多个标识符、多个不同肤色的肤色块及多个颜色校正彩色块;采用预设的漫反射区域检测算法,确定肤色区域图像中的漫反射区域;根据漫反射区域内图像的平均肤色颜色和预设色卡区域图像,确定待识别图像中所述肤色区域的肤色颜色。
可选地,上述采用预设的漫反射区域检测算法,确定肤色区域图像中的漫反射区域,包括:获取肤色区域图像的最大散射色度图;根据最大散射色度图,确定肤色区域图像的镜面反射成分图;根据镜面反射成分图,获取肤色区域图像中的漫反射区域。
可选地,上述获取所述肤色区域图像的最大散射色度图,包括:根据肤色区域图像在预设图像通道上的最小色度图,确定肤色区域图像的最大估计散射色度图;根据最大估计散射色度图对最大色度图进行更新,获取更新后的最大色度图;根据更新后的最大色度图,确定肤色区域图像的最大散射色度图。
可选地,上述根据漫反射区域内图像的平均肤色颜色和预设色卡区域图像,确定待识别图像中所述肤色区域的肤色颜色,包括:从预设色卡区域图像中确定与漫反射区域内的平均肤色颜色相匹配的肤色块;将匹配的肤色块的颜色作为待识别图像中肤色区域的肤色颜色。
可选地,上述获取待识别图像中的肤色区域图像和预设色卡区域图像,包括:采用预设的白平衡算法对待识别图像进行处理,获取白平衡算法处理后的图像;根据预设色卡区域中各颜色校正彩色块对白平衡算法处理后的图像进行校正,获取校正后的图像;根据校正后的图像,获取肤色区域图像和预设色卡区域图像。
可选地,上述根据预设色卡区域中各颜色校正彩色块对白平衡算法处理后的图像进行校正,获取校正后的图像,包括:根据预设色卡区域中各颜色校正色彩块,确定颜色校正矩阵;根据颜色校正矩阵对白平衡算法处理后的图像进行矫正,获取校正后的图像。
可选地,上述获取待识别图像中的预设色卡区域图像,包括:对待识别图像进行灰度处理,获取处理后的二值化图像;根据二值化图像,确定多个标识符的位置信息;根据多个标识符的位置信息,获取预设色卡区域图像在待识别图像中的位置信息。
可选地,若待识别图像包括人脸区域,则上述获取待识别图像中的肤色区域图像,包括:根据预设的人脸检测算法,确定待识别图像中的人脸区域图像;将人脸区域图像作为待识别图像中的肤色区域图像。
可选地,上述根据漫反射区域内图像的平均肤色颜色和预设色卡区域图像,确定待识别图像中所述肤色区域的肤色颜色之前,包括:将漫反射区域内图像的像素由红绿蓝(RedGreenBlue,RGB)颜色空间转换到Lab(CIELAB,Lab)颜色空间;获取漫反射区域内全部像素在Lab颜色空间预设通道上的均值颜色;将均值颜色转换到RGB颜色空间,获取漫反射区域内的平均肤色颜色。
第二方面,本申请实施例提供了一种图像中肤色的识别装置,包括:获取模块、第一确定模块及第二确定模块。
获取模块,用于获取待识别图像中的肤色区域图像和预设色卡区域图像,预设色卡区域图像包括多个标识符、多个不同肤色的肤色块及多个颜色校正彩色块;第一确定模块,用于采用预设的漫反射区域检测算法,确定肤色区域图像中的漫反射区域;第二确定模块,用于根据漫反射区域内图像的平均肤色颜色和预设色卡区域图像,确定待识别图像中肤色区域的肤色颜色。
可选地,上述第一确定模块,具体用于获取肤色区域图像的最大散射色度图;根据最大散射色度图,确定肤色区域图像的镜面反射成分图;根据镜面反射成分图,获取肤色区域图像中的漫反射区域。
可选地,上述第一确定模块,具体用于根据肤色区域图像在预设图像通道上的最小色度图,确定肤色区域图像的最大估计散射色度图;根据最大估计散射色度图对最大色度图进行更新,获取更新后的最大色度图;根据更新后的最大色度图,确定肤色区域图像的最大散射色度图。
可选地,上述第二确定模块,具体用于从预设色卡区域图像中确定与漫反射区域内的平均肤色颜色相匹配的肤色块;将匹配的肤色块的颜色作为待识别图像中肤色区域的肤色颜色。
可选地,上述获取模块,具体用于采用预设的白平衡算法对待识别图像进行处理,获取白平衡算法处理后的图像;根据预设色卡区域中各颜色校正彩色块对白平衡算法处理后的图像进行校正,获取校正后的图像;根据校正后的图像,获取肤色区域图像和预设色卡区域图像。
可选地,上述获取模块,具体用于根据预设色卡区域中各颜色校正色彩块,确定颜色校正矩阵;根据颜色校正矩阵对白平衡算法处理后的图像进行矫正,获取校正后的图像。
可选地,上述获取模块,具体用于对待识别图像进行灰度处理,获取处理后的二值化图像;根据所述二值化图像,确定多个标识符的位置信息;根据多个标识符的位置信息,获取预设色卡区域图像在待识别图像中的位置信息。
可选地,若待识别图像包括人脸区域,则上述获取模块,具体用于根据预设的人脸检测算法,确定待识别图像中的人脸区域图像;将人脸区域图像作为待识别图像中的肤色区域图像。
可选地,上述第二确定模块,还用于将漫反射区域内图像的像素由RGB颜色空间转换到Lab颜色空间;获取漫反射区域内全部像素在Lab颜色空间预设通道上的均值颜色;将均值颜色转换到RGB颜色空间,获取漫反射区域内的平均肤色颜色。
第三方面,本申请实施例提供了一种电子设备,包括:处理器、存储介质和总线,存储介质存储有处理器可执行的机器可读指令,当电子设备运行时,处理器与存储介质之间通过总线通信,处理器执行机器可读指令,以执行上述第一方面的图像中肤色的识别方法的步骤。
第四方面,本申请实施例提供了一种存储介质,存储介质上存储有计算机程序,计算机程序被处理器运行时执行如执行上述第一方面的图像中肤色的识别方法的步骤。
本申请的有益效果是:
本申请实施例提供的图像中肤色的识别方法、装置、电子设备及存储介质中,包括:获取待识别图像中的肤色区域图像和预设色卡区域图像;采用预设的漫反射区域检测算法,确定肤色区域图像中的漫反射区域,可以排除拍摄环境对肤色区域图像的影响,对肤色区域图像进行更准确的采样,进而根据漫反射区域内图像的平均肤色颜色和预设色卡区域图像中的各肤色块的匹配结果,识别图像中的肤色颜色时,可以提高肤色识别的准确性。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种图像中肤色的识别方法的流程示意图;
图2为本申请实施例提供的一种色卡的示意图;
图3为本申请实施例提供的另一种图像中肤色的识别方法的流程示意图;
图4为本申请实施例提供的又一种图像中肤色的识别方法的流程示意图;
图5为本申请实施例提供的另一种图像中肤色的识别方法的流程示意图;
图6为本申请实施例提供的又一种图像中肤色的识别方法的流程示意图;
图7为本申请实施例提供的另一种图像中肤色的识别方法的流程示意图;
图8为本申请实施例提供的一种带标记的色卡的示意图;
图9为本申请实施例提供的又一种图像中肤色的识别方法的流程示意图;
图10为本申请实施例提供的另一种图像中肤色的识别方法的流程示意图;
图11为本申请实施例提供的一种图像中肤色的识别装置的结构示意图;
图12为本申请实施例提供的一种电子设备结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
图1为本申请实施例提供的一种图像中肤色的识别方法的流程示意图。该方法的执行主体可以是计算机、服务器、处理器、移动终端等可以进行数据处理的设备,如图1所示,该方法包括:
S101、获取待识别图像中的肤色区域图像和预设色卡区域图像,预设色卡区域图像包括多个标识符、多个不同肤色的肤色块及多个颜色校正彩色块。
其中,待识别图像中的肤色区域图像可以是人脸区域、脖子区域、胳膊区域图像等暴露出皮肤的区域,待识别图像可以为用户手持预设色卡拍摄的包括肤色区域的图像,其中,预设色卡不必紧贴肤色区域拍照,且可以不依赖拍摄辅助框完成对预设色卡上每一个色块的定位和取色,即若辅助框为矩形框时,在拍摄时无需将预设色卡放在该矩形框内,可以满足实际场景中色卡的使用。
可选地,该待识别图像可以通过拍照功能拍摄获取,或通过导入的方式导入,所获取的待识别图像可以是用户的证件照图像、上半身照图像等,本申请在此并不对待识别图像的获取方式以及所包括的肤色区域进行限定。
图2为本申请实施例提供的一种色卡的示意图。可选地,如图2所示,预设色卡区域图像可以包括4个黑白嵌套的正方形标识符和60个小正方形色块组成,其中,60个小正方形色块包含36个有代表性的皮肤肤色块和24个用于颜色校正的彩色块。可选地,每一正方形标识符可以由三个不同大小的正方形嵌套而成,最内层正方形边长可以为3单位,填充为黑色,中间层正方形边长可以为5单位,中间层与最内层正方形之间区域填充为白色,最外层正方形边长可以为7单位,最外层与中间层正方形之间区域填充为黑色,60个小正方形色块的边长可以均为4个单位,各皮肤肤色块的颜色均不相同,各颜色校正的彩色块的颜色均不相同。
需要说明的是,本申请在此并不限定预设色卡区域图像中标识符、肤色块以及颜色校正块的形状、大小及颜色,根据实际的应用场景可以自行选择。
S102、采用预设的漫反射区域检测算法,确定肤色区域图像中的漫反射区域。
可选地,通过预设的漫反射区域检测算法可以先计算肤色区域图像的镜面反射成分,然后根据计算的镜面反射成分得到漫反射成分,进而根据漫反射成分确定肤色区域图像中的漫反射区域,当然,本申请在此并不对该漫反射区域检测算法的具体算法进行限定,根据实际的应用场景可以自行选择相应的算法。
S103、根据漫反射区域内图像的平均肤色颜色和预设色卡区域图像,确定待识别图像中肤色区域的肤色颜色。
其中,在确定肤色区域图像中的漫反射区域后,可以通过计算漫反射区域内图像的平均肤色颜色,将该平均肤色颜色与预设色卡区域图像中的各肤色块进行匹配,从而可以根据各肤色块的匹配结果,确定待识别图像中肤色区域的肤色颜色。
可选地,可以通过计算平均肤色颜色的红绿蓝(RedGreenBlue,RGB)值与各肤色块的RGB值的色差,然后找到色差中的最小值所对应的肤色块,即可作为当前待识别图像中肤色区域的肤色颜色。
综上所述,本申请实施例提供的图像中肤色的识别方法中,通过获取待识别图像中的肤色区域图像和预设色卡区域图像;采用预设的漫反射区域检测算法,确定肤色区域图像中的漫反射区域,可以排除拍摄环境对肤色区域图像的影响,对肤色区域图像进行更准确的采样,进而根据漫反射区域内图像的平均肤色颜色和预设色卡区域图像中的各肤色块的匹配结果,识别图像中的肤色颜色时,可以提高肤色识别的准确性。
图3为本申请实施例提供的另一种图像中肤色的识别方法的流程示意图。可选地,如图3所示,上述采用预设的漫反射区域检测算法,确定肤色区域图像中的漫反射区域,包括:
S201、获取肤色区域图像的最大散射色度图。
S202、根据最大散射色度图,确定肤色区域图像的镜面反射成分图。
S203、根据镜面反射成分图,获取肤色区域图像中的漫反射区域。
漫反射区域检测算法可以分析肤色区域图像的光照情况,分离镜面反射成分和漫反射成分,排除肤色区域高光对于肤色的影响,可以更准确的采样肤色。
其中,最大散射色度图可以通过计算肤色区域图像在预设通道上色度图求得,而镜面反射成分图进一步地可以用于确定对应的镜面反射成分图,在获取到镜面反射成分图之后,根据漫反射成分与镜面反射成分之间的关系,即可获取到肤色区域图像的漫反射成分图,根据漫反射成分图即可获取到对应的漫反射区域。
当然,根据实际的应用情况,也可采用其他方式获取肤色区域图像中的漫反射区域,本申请在此并不对该获取方式进行限定。
图4为本申请实施例提供的又一种图像中肤色的识别方法的流程示意图。可选地,如图4所示,上述获取所述肤色区域图像的最大散射色度图,包括:
S301、根据肤色图像在预设图像通道上的最小色度图,确定肤色区域图像的最大估计散射色度图。
可选地,肤色区域图像的最大估计散射色度图可以参考下述的方式获取得到,具体计算过程为:
定义Ic为输入肤色区域图像的RGB通道中的某一通道,c的取值可以为R通道、G通道或B通道,定义输入图中某一通道的色度图为这一种颜色成分所占比例,即则σc∈{R,G,B}表示3个通道(R通道、G通道和B通道)的色度图,定义最小色度图为3个通道色度中的最小值,即σmin=minc∈{R,G,B}(σc),则σmin表示3个通道的最小色度图;定义估计散射色度图为则λc∈{R,G,B}表示3个通道的估计散射色度图;定义最大估计散射色度图为3个通道中的最大值,即λmax=maxc∈{R,G,B}(λc),则λmax表示3个通道的最大估计散射色度图,根据上述计算即可获取到肤色区域图像的最大估计散射色度图λmax。
S302、根据最大估计散射色度图对最大色度图进行更新,获取更新后的最大色度图。
可选地,获取更新后的最大色度图,可参考下述的计算过程,具体计算过程为:
具体地,定义最大色度图为3个通道色度中的最大值,即3个通道的最大色度图σmax=maxc∈{R,G,B}(σc),由3个通道中最大估计散射色度图λmax对最大色度图σmax做引导滤波,得到滤波后的最大色度图具体计算公式如下:
上述F(p,q),G(p,q)分别是图像空间和灰度的高斯滤波器,其中p、q表示像素在图像中的物理坐标;根据和σmax即可得到更新后的最大色度图其中,max()表示求最大值函数,也即更新后的最大色度图为最大色度图σmax与滤波后的最大色度图中的最大值。
其中,更新后的最大色度图可以通过多次迭代获取,可选地,可以通过第一次执行得到第一次更新后的最大色度图然后下一次迭代时使用第一次更新后的最大色度图替换上一次迭代中的最大色度图σmax,重复上述S302步骤,直到和σmax之间逐像素的差小于指定阈值时,停止迭代,其中,指定阈值可设为区间[0,1]中的一个数,如可设为0.5,即可求得最终迭代更新后的最大色度图
在此,需要说明的是,对于本申请在前文已经提及到的参数或定义,在后续的说明中,本申请便不再赘述。
S303、根据更新后的最大色度图,确定肤色区域图像的最大散射色度图。
可选地,在获取到更新后的最大色度图可以根据最大色度图估计实际最大散射色度图Amax,可选地,可以将最终迭代更新后的最大色度图作为最大散射色度图Amax的近似。
当然,本申请在此并不对最大散射色度图的获取方式进行限定,根据实际的应用场景可以选择相应的算法。
可选地,在计算得到肤色区域图像的最大散射色度图Amax之后,上述S202步骤中,确定肤色区域图像的镜面反射成分图,可参考下述的过程计算得到:
根据得到的最大散射色度图Amax,可以得到镜面反射成分图Isp,具体计算过程如下:
其中,maxc∈{R,G,B}(Ic)表示输入肤色区域图像的RGB 3个通道色度中的最大值,∑c∈{R,G,B}Ic表示输入肤色区域图像的RGB 3个通道色度值的和。可选地,在计算得到肤色区域图像的镜面反射成分图Isp之后,上述S203步骤中,获取肤色区域图像中的漫反射区域,可参考下述的过程计算得到:
其中,可以将镜面反射成分图Isp中的最大像素值设为然后将Isp中所有大于指定阈值的像素置为1,其余像素置为0,指定阈值可设为区间中的一个数,其中,可以大于0的浮点数,从而得到镜面反射区域掩码掩码是指和输入肤色区域图像同样尺寸的由0、1像素组成的二值图。
再根据肤色区域图像所对应的肤色采样区域掩码和该镜面反射区域掩码即可获得肤色区域图像中的漫反射区域。可选地,可以将肤色区域内的像素置1,从而得到肤色采样区域掩码,然后通过两个掩码的交集得到肤色采样区域内的镜面反射区域,那么其余区域就是漫反射区域,即可求得对应的镜面反射成分图。
需要说明的是,本申请在此并不对镜面反射成分图的获取方式进行限定,根据实际的应用场景可以选择相应的方式。
可选地,上述根据漫反射区域内图像的平均肤色颜色和预设色卡区域图像,确定待识别图像中肤色区域的肤色颜色,包括:
从预设色卡区域图像中确定与漫反射区域内的平均肤色颜色相匹配的肤色块;将匹配的肤色块的颜色作为待识别图像中肤色区域的肤色颜色。
可选地,可以采用颜色差异度量的标准公式,根据漫反射区域内平均皮肤肤色的RGB值和预设色卡区域图像中各皮肤肤色块的RGB值,计算得到漫反射区域内平均皮肤肤色的RGB值和各皮肤肤色块RGB值的色差ΔE*,然后找到色差中的最小值所对应的肤色块,该肤色块所对应的肤色颜色即为待识别图像中肤色区域的肤色颜色。
图5为本申请实施例提供的另一种图像中肤色的识别方法的流程示意图。可选地,如图5所示,上述获取待识别图像中的肤色区域图像和预设色卡区域图像,包括:
S401、采用预设的白平衡算法对待识别图像进行处理,获取白平衡算法处理后的图像。
可选地,预设的白平衡算法可以根据预设色卡区域图像设置,比如,以预设色卡区域图像包括24个用于颜色校正的彩色块,可以取出24个颜色校正彩色块中的由浅到深的4个灰色块,对其中最浅的前两个灰色块,由灰度世界理论计算白平衡参数,即假设对于此两个灰色块R、B通道数值与G通道数值相等,继而求得比例系数为然后对待识别图像的每一像素的RGB通道分别与此3个比例系数相乘,即可得到经过白平衡算法处理后的图像,其中,R表示R通道数值,G表示G通道数值,B表示B通道数值,Rgain表示R通道的比例系数,Ggain表示G通道的比例系数,Bgain表示B通道的比例系数。
S402、根据预设色卡区域中各颜色校正彩色块对白平衡算法处理后的图像进行校正,获取校正后的图像。
S403、根据校正后的图像,获取肤色区域图像和预设色卡区域图像。
其中,在获取到白平衡算法处理后的图像后,可以采用预设色卡区域中各颜色校正色彩块对全图进行校正,可以在一定程度上校正拍摄设备导致的待识别图像成像差异问题,减少不同环境光和拍摄设备带来的影响,使得基于校正后的肤色区域图像和预设色卡区域图像,识别图像中的肤色颜色时,可以提高肤色识别的准确性。
图6为本申请实施例提供的又一种图像中肤色的识别方法的流程示意图。可选地,如图6所示,上述根据预设色卡区域中各颜色校正彩色块对白平衡算法处理后的图像进行校正,获取校正后的图像,包括:
S501、根据预设色卡区域中各颜色校正色彩块,确定颜色校正矩阵。
S502、根据颜色校正矩阵对白平衡算法处理后的图像进行矫正,获取校正后的图像。
可选地,以预设色卡区域图像包括24个用于颜色校正的彩色块,可以根据24个颜色校正彩色块的RGB值sampleRGB3×24和印刷时指定的24种颜色值idealRGB3×24,计算一个3*3的颜色校正矩阵C,其中:
其关系可以表示为:即计算颜色校正矩阵C,具体计算过程如下,其中,欲使经过矩阵变换后sampleRGB3×24尽可能接近idealRGB3×24,即使得 最小,令:
则当时,ε取最小值,从而得到:并对该颜色校正矩阵的每一行进行归一化,使得即可求得归一化后的颜色校正矩阵,其中i=1,2,...,24,表示24种用于颜色校正的颜色。
然后将该归一化后的颜色校正矩阵与上述S401步骤中所得到的白平衡算法处理后的图像进行逐像素相乘,从而得到经过颜色校正后的图像,基于该校正后的图像获取肤色区域图像和预设色卡区域图像,识别图像中的肤色颜色时,可以提高识别的准确性。
图7为本申请实施例提供的另一种图像中肤色的识别方法的流程示意图。可选地,如图7所示,上述获取待识别图像中的预设色卡区域图像,包括:
S601、对待识别图像进行灰度处理,获取处理后的二值化图像。
对于待识别图像中的每个像素点,可以参考下述公式得到待识别图像对应的灰度图,根据每个像素点的R、G、B值,计算得到每个像素点对应的灰度值Gray=(R*30+G*59+B*11+50)/100,可选地,可以对所得到的灰度图进行gamma增强,遍历整张灰度图,对每个像素执行下述gamma增强公式,gamma增强的公式为:vgamma=c*vγ,其中v∈[0,1]表示原始图像经过归一化后的任一像素值,c表示灰度缩放系数,通常取值为1,γ是输出曲线的幂率,vgamma表示增强后图像的任一像素值。γ>1时,较亮的区域灰度被拉伸,较暗的区域灰度被压缩的更暗,图像整体变暗;γ<1时,较亮的区域灰度被压缩,较暗的区域灰度被拉伸的较亮,图像整体变亮。
通过上述gamma增强处理,可以拉伸待识别图像中灰度级高的地方,压缩灰度级低的地方,增强灰度图的对比度,最后将灰度图转为黑白二值图,其中,灰度图二值化的方法可以采用局部阈值法。
S602、根据二值化图像,确定多个标识符的位置信息。
可选地,可以参考下述方法确定待识别图像中预设色卡区域图像中的多个标识符的位置信息:
1、对所获取的二值化图像做形态学闭运算操作,以平滑对象轮廓。
2、利用连通域分析二值化图像中全部连通域的轮廓,遍历全部轮廓,根据标识符的特征对每一个轮廓进行校验,排除掉非标识符的轮廓。
具体地,首先,考察轮廓的层次关系,因为上述黑白嵌套的标识符在二值图中表现为3层轮廓的嵌套,所以在上一步获得的全部连通域轮廓中,排除内嵌轮廓数小于2的轮廓,对于其余轮廓再进行下一步校验;其次,因为标识符为正方形,对轮廓进行多边形拟合,确定轮廓的顶点数,只保留顶点数为4的轮廓,即四边形轮廓进行下一步校验;然后,对轮廓做凸多边形校验,只保留满足凸多边形性质的轮廓进行下一步校验;最后,考察轮廓对角线的性质,因为标识符对角线在二值图中表现为满足一定比例关系的黑白间隔线段,即对角线上黑白线段的比例满足1∶1∶3∶1∶1,所以排除轮廓对角线与该特征不符的轮廓。
3、检验此时剩余的轮廓数是否等于4个,如果轮廓数等于4,那么记录此4个四边形轮廓的中心点和4个顶点坐标;否则,返回定位失败,其中,该中心点指每个标识符轮廓的中心点,一共4个,4个顶点坐标指每个四边形轮廓的4个顶点。
4、图8为本申请实施例提供的一种带标记的色卡的示意图。如图8所示,根据4个标识符的中心点坐标A0、B0、C0、D0确定的四边形,找到4个标识符轮廓的16个顶点中位于此四边形内部的4个顶点A4、B3、C1、D2,即最接近色卡中心点O的4个顶点。具体地,如果一个顶点位于该四边形内部,那么按照顺时针方向,该顶点一定位于每一条边的右侧,也就是该点和四边形4个顶点组成的向量,与四边形各边的向量的叉积都大于0。
对每一个标识符,连接标识符中心点A0、B0、C0、D0和前述最接近色卡中心的4个顶点A4、B3、C1、D2,根据色卡色块之间的比例关系,取分此连线段比例为3∶4的定比分点,然后记录4个标识符所对应的4个定比分点的坐标,即K1、K2、K3、K4。
5、以点K1为原点,沿向量和的平均方向做列的移动,每次移动的偏移量为平均向量的1/7,即沿向量和的平均方向做行的移动,每次移动的偏移量为平均向量的1/7,即从而得到36个小正方形皮肤肤色块的中心点坐标和24个小正方形颜色校正彩色块的中心点坐标,共60个小正方形色块的中心点坐标。
需要说明的是,本申请在此并不限定预设色卡区域图像中多个标识符位置信息的获取方式,根据实际的应用场景可以选择相应的算法。
S603、根据多个标识符的位置信息,获取预设色卡区域图像在待识别图像中的位置信息。
其中,在获取到多个标识符的中心点坐标后,根据每个标识符与预设色卡区域图像的关系,即可获取预设色卡区域图像在待识别图像中的位置信息。
图9为本申请实施例提供的又一种图像中肤色的识别方法的流程示意图。可选地,如图9所示,若待识别图像包括人脸区域,则上述获取待识别图像中的肤色区域图像,包括:
S701、根据预设的人脸检测算法,确定待识别图像中人脸区域的皮肤区域。
S702、将人脸区域的皮肤区域作为待识别图像中的肤色区域图像。
可选地,待识别图像包括人脸区域,可以通过人脸对齐算法得到人脸关键点坐标,根据人脸关键点坐标,指定若干关键点,这些指定关键点在输入图片上所围成的区域就是进行人脸肤色采样的皮肤区域。人脸关键点是指给定人脸图像,定位出人脸面部的关键区域位置,包括眉毛、眼睛、鼻子、嘴巴、脸部轮廓等,根据指定人脸关键点所围成的区域,可以排除脸部眉毛、眼睛、嘴巴等非皮肤区域。
在确定到人脸区域的皮肤区域后,即可将该区域图像作为待识别图像中的肤色区域图像,用于确定图像中肤色的颜色,具体确定过程可参见上文所述的相关部分,可以根据人脸光照情况在光照不均时给出更稳定的肤色识别结果,提高图像中肤色识别的准确性。
图10为本申请实施例提供的另一种图像中肤色的识别方法的流程示意图。可选地,如图10所示,上述根据漫反射区域内图像的平均肤色颜色和预设色卡区域图像,确定待识别图像中肤色区域的肤色颜色之前,包括:
S801、将漫反射区域内图像的像素由RGB颜色空间转换到Lab颜色空间。
S802、获取漫反射区域内全部像素在Lab颜色空间预设通道上的均值颜色。
S803、将均值颜色转换到RGB颜色空间,获取漫反射区域内的平均肤色颜色。
漫反射区域可以作为肤色采样的目标区域。可选地,可以将目标区域内的像素由RGB颜色空间转换到Lab颜色空间,则每一个像素点对应于Lab颜色空间中的一个向量(L,a,b)。目标区域内的平均颜色定义为区域内全部像素点的L,a,b三通道的均值,即:
目标区域内的平均颜色即待识别图像中肤色区域的皮肤肤色,最后将此平均颜色转换到RGB颜色空间,得到待识别图像中肤色区域的RGB值,其中Ω表示肤色采样的目标区域,pL、pa、pb分别表示目标区域内任一像素点的L,a,b通道值。
进而根据待识别图像中肤色区域的RGB值和预设色卡区域图像中各皮肤肤色块的RGB值,可以确定待识别图像中肤色区域的肤色颜色,具体过程可参见上文的相关部分,本申请在此不再赘述。
图11为本申请实施例提供的一种图像中肤色的识别装置的结构示意图,该装置基本原理及产生的技术效果与前述对应的方法实施例相同,为简要描述,本实施例中未提及部分,可参考方法实施例中的相应内容。如图11所示,该装置包括:获取模块110、第一确定模块120及第二确定模块130。
获取模块110,用于获取待识别图像中的肤色区域图像和预设色卡区域图像,预设色卡区域图像包括多个标识符、多个不同肤色的肤色块及多个颜色校正彩色块;第一确定模块120,用于采用预设的漫反射区域检测算法,确定肤色区域图像中的漫反射区域;第二确定模块130,用于根据漫反射区域内图像的平均肤色颜色和预设色卡区域图像,确定待识别图像中肤色区域的肤色颜色。
可选地,上述第一确定模块120,具体用于获取肤色区域图像的最大散射色度图;根据最大散射色度图,确定肤色区域图像的镜面反射成分图;根据镜面反射成分图,获取肤色区域图像中的漫反射区域。
可选地,上述第一确定模块120,具体用于根据肤色图像在预设图像通道上的最小色度图和最大色度图,确定肤色区域图像的最大估计散射色度图;根据最大估计散射色度图对最大色度图进行更新,获取更新后的最大色度图;根据更新后的最大色度图,确定肤色区域图像的最大散射色度图。
可选地,上述第二确定模块130,具体用于从预设色卡区域图像中确定与漫反射区域内的平均肤色颜色相匹配的肤色块;将匹配的肤色块的颜色作为待识别图像中肤色区域的肤色颜色。
可选地,上述获取模块110,具体用于采用预设的白平衡算法对待识别图像进行处理,获取白平衡算法处理后的图像;根据预设色卡区域中各颜色校正彩色块对白平衡算法处理后的图像进行校正,获取校正后的图像;根据校正后的图像,获取肤色区域图像和预设色卡区域图像。
可选地,上述获取模块110,具体用于根据预设色卡区域中各颜色校正色彩块,确定颜色校正矩阵;根据颜色校正矩阵对白平衡算法处理后的图像进行矫正,获取校正后的图像。
可选地,上述获取模块110,具体用于对待识别图像进行灰度处理,获取处理后的二值化图像;根据所述二值化图像,确定多个标识符的位置信息;根据多个标识符的位置信息,获取预设色卡区域图像在待识别图像中的位置信息。
可选地,若待识别图像包括人脸区域,则上述获取模块110,具体用于根据预设的人脸检测算法,确定待识别图像中的人脸区域图像;将人脸区域图像作为待识别图像中的肤色区域图像。
可选地,上述第二确定模块130,还用于将漫反射区域内图像的像素由RGB颜色空间转换到Lab颜色空间;获取漫反射区域内全部像素在Lab颜色空间预设通道上的均值颜色;将均值颜色转换到RGB颜色空间,获取漫反射区域内的平均肤色颜色。
上述装置用于执行前述实施例提供的方法,其实现原理和技术效果类似,在此不再赘述。
以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,简称ASIC),或,一个或多个微处理器(Digital Signal Processor,简称DSP),或,一个或者多个现场可编程门阵列(Field Programmable Gate Array,简称FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(CentralProcessing Unit,简称CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上系统(system-on-a-chip,简称SOC)的形式实现。
图12为本申请实施例提供的一种电子设备结构示意图。如图12所示,该电子设备可以包括:处理器210、存储介质220和总线230,存储介质220存储有处理器210可执行的机器可读指令,当电子设备运行时,处理器210与存储介质220之间通过总线230通信,处理器210执行机器可读指令,以执行上述方法实施例的步骤。具体实现方式和技术效果类似,这里不再赘述。
可选地,本申请还提供一种存储介质,存储介质上存储有计算机程序,计算机程序被处理器运行时执行上述方法实施例的步骤。具体实现方式和技术效果类似,这里不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(英文:processor)执行本申请各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取存储器(英文:Random Access Memory,简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意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、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (12)
1.一种图像中肤色的识别方法,其特征在于,包括:
获取待识别图像中的肤色区域图像和预设色卡区域图像,所述预设色卡区域图像包括多个标识符、多个不同肤色的肤色块及多个颜色校正彩色块;
采用预设的漫反射区域检测算法,确定所述肤色区域图像中的漫反射区域;
根据所述漫反射区域内图像的平均肤色颜色和预设色卡区域图像,确定所述待识别图像中所述肤色区域的肤色颜色。
2.根据权利要求1所述的方法,其特征在于,所述采用预设的漫反射区域检测算法,确定所述肤色区域图像中的漫反射区域,包括:
获取所述肤色区域图像的最大散射色度图;
根据所述最大散射色度图,确定所述肤色区域图像的镜面反射成分图;
根据所述镜面反射成分图,获取所述肤色区域图像中的漫反射区域。
3.根据权利要求2所述的方法,其特征在于,所述获取所述肤色区域图像的最大散射色度图,包括:
根据所述肤色区域图像在预设图像通道上的最小色度图,确定所述肤色区域图像的最大估计散射色度图;
根据所述最大估计散射色度图对最大色度图进行更新,获取更新后的最大色度图;
根据更新后的所述最大色度图,确定所述肤色区域图像的最大散射色度图。
4.根据权利要求1所述的方法,其特征在于,所述根据所述漫反射区域内图像的平均肤色颜色和预设色卡区域图像,确定所述待识别图像中所述肤色区域的肤色颜色,包括:
从所述预设色卡区域图像中确定与所述漫反射区域内的平均肤色颜色相匹配的肤色块;
将匹配的所述肤色块的颜色作为所述待识别图像中所述肤色区域的肤色颜色。
5.根据权利要求1所述的方法,其特征在于,所述获取待识别图像中的肤色区域图像和预设色卡区域图像,包括:
采用预设的白平衡算法对所述待识别图像进行处理,获取白平衡算法处理后的图像;
根据所述预设色卡区域中各所述颜色校正彩色块对所述白平衡算法处理后的图像进行校正,获取校正后的图像;
根据所述校正后的图像,获取所述肤色区域图像和所述预设色卡区域图像。
6.根据权利要求5所述的方法,其特征在于,所述根据所述预设色卡区域中各所述颜色校正彩色块对所述白平衡算法处理后的图像进行校正,获取校正后的图像,包括:
根据所述预设色卡区域中各颜色校正色彩块,确定颜色校正矩阵;
根据所述颜色校正矩阵对所述白平衡算法处理后的图像进行矫正,获取校正后的图像。
7.根据权利要求1所述的方法,其特征在于,所述获取待识别图像中的预设色卡区域图像,包括:
对所述待识别图像进行灰度处理,获取处理后的二值化图像;
根据所述二值化图像,确定多个所述标识符的位置信息;
根据多个所述标识符的位置信息,获取所述预设色卡区域图像在所述待识别图像中的位置信息。
8.根据权利要求1-7任一项所述的方法,其特征在于,若所述待识别图像包括人脸区域,则所述获取待识别图像中的肤色区域图像,包括:
根据预设的人脸检测算法,确定所述待识别图像中的人脸区域图像;
将所述人脸区域图像作为所述待识别图像中的肤色区域图像。
9.根据权利要求1所述的方法,其特征在于,所述根据所述漫反射区域内图像的平均肤色颜色和预设色卡区域图像,确定所述待识别图像中所述肤色区域的肤色颜色之前,包括:
将所述漫反射区域内图像的像素由红绿蓝RGB颜色空间转换到Lab颜色空间;
获取所述漫反射区域内全部像素在所述Lab颜色空间预设通道上的均值颜色;
将所述均值颜色转换到所述RGB颜色空间,获取所述漫反射区域内的平均肤色颜色。
10.一种图像中肤色的识别装置,其特征在于,包括:获取模块、第一确定模块及第二确定模块;
所述获取模块,用于获取待识别图像中的肤色区域图像和预设色卡区域图像,所述预设色卡区域图像包括多个标识符、多个不同肤色的肤色块及多个颜色校正彩色块;
所述第一确定模块,用于采用预设的漫反射区域检测算法,确定所述肤色区域图像中的漫反射区域;
所述第二确定模块,用于根据所述漫反射区域内图像的平均肤色颜色和预设色卡区域图像,确定所述待识别图像中所述肤色区域的肤色颜色。
11.一种电子设备,其特征在于,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行如权利要求1-9任一所述图像中肤色的识别方法的步骤。
12.一种存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如权利要求1-9任一所述图像中肤色的识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910834272.4A CN110533732B (zh) | 2019-09-04 | 2019-09-04 | 图像中肤色的识别方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910834272.4A CN110533732B (zh) | 2019-09-04 | 2019-09-04 | 图像中肤色的识别方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110533732A true CN110533732A (zh) | 2019-12-03 |
CN110533732B CN110533732B (zh) | 2021-11-26 |
Family
ID=68666970
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910834272.4A Active CN110533732B (zh) | 2019-09-04 | 2019-09-04 | 图像中肤色的识别方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110533732B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111541924A (zh) * | 2020-04-30 | 2020-08-14 | 海信视像科技股份有限公司 | 显示设备及显示方法 |
CN111754425A (zh) * | 2020-06-05 | 2020-10-09 | 北京有竹居网络技术有限公司 | 图像去高光处理方法、装置及电子设备 |
CN113111710A (zh) * | 2021-03-11 | 2021-07-13 | 广州大学 | 基于皮肤镜的毛发图像识别方法、装置和存储介质 |
CN113570674A (zh) * | 2021-07-30 | 2021-10-29 | 精诚工坊电子集成技术(北京)有限公司 | 一种美肤品推荐方法、系统及其使用的比色片 |
CN113763304A (zh) * | 2020-05-19 | 2021-12-07 | 中移(成都)信息通信科技有限公司 | 农作物病虫害识别方法、装置、设备及介质 |
CN117058255A (zh) * | 2023-08-17 | 2023-11-14 | 摩尔线程智能科技(北京)有限责任公司 | 一种色卡识别方法及装置、电子设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106570909A (zh) * | 2016-11-02 | 2017-04-19 | 华为技术有限公司 | 一种肤色检测方法、装置及终端 |
CN106845455A (zh) * | 2017-03-01 | 2017-06-13 | 中国科学院上海高等研究院 | 基于肤色检测的图像处理方法、系统及服务器 |
CN107280675A (zh) * | 2017-05-22 | 2017-10-24 | 渲美美健(深圳)科技股份有限公司 | 一种肤色检测方法、装置及脱毛设备 |
CN107623845A (zh) * | 2016-07-13 | 2018-01-23 | 中国科学院上海高等研究院 | 一种基于先验知识的图像处理方法及装置 |
CN107633252A (zh) * | 2017-09-19 | 2018-01-26 | 广州市百果园信息技术有限公司 | 肤色检测方法、装置及存储介质 |
-
2019
- 2019-09-04 CN CN201910834272.4A patent/CN110533732B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107623845A (zh) * | 2016-07-13 | 2018-01-23 | 中国科学院上海高等研究院 | 一种基于先验知识的图像处理方法及装置 |
CN106570909A (zh) * | 2016-11-02 | 2017-04-19 | 华为技术有限公司 | 一种肤色检测方法、装置及终端 |
CN106845455A (zh) * | 2017-03-01 | 2017-06-13 | 中国科学院上海高等研究院 | 基于肤色检测的图像处理方法、系统及服务器 |
CN107280675A (zh) * | 2017-05-22 | 2017-10-24 | 渲美美健(深圳)科技股份有限公司 | 一种肤色检测方法、装置及脱毛设备 |
CN107633252A (zh) * | 2017-09-19 | 2018-01-26 | 广州市百果园信息技术有限公司 | 肤色检测方法、装置及存储介质 |
Non-Patent Citations (2)
Title |
---|
张冬明等: "面向互联网视频的人体皮肤区域检测", 《2008中国计算机网络安全应急年会信息内容安全分会》 * |
朱淑亮等: "人脸彩色图像光照校正方法研究", 《计算机工程》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111541924A (zh) * | 2020-04-30 | 2020-08-14 | 海信视像科技股份有限公司 | 显示设备及显示方法 |
CN113763304A (zh) * | 2020-05-19 | 2021-12-07 | 中移(成都)信息通信科技有限公司 | 农作物病虫害识别方法、装置、设备及介质 |
CN113763304B (zh) * | 2020-05-19 | 2024-01-30 | 中移(成都)信息通信科技有限公司 | 农作物病虫害识别方法、装置、设备及介质 |
CN111754425A (zh) * | 2020-06-05 | 2020-10-09 | 北京有竹居网络技术有限公司 | 图像去高光处理方法、装置及电子设备 |
CN113111710A (zh) * | 2021-03-11 | 2021-07-13 | 广州大学 | 基于皮肤镜的毛发图像识别方法、装置和存储介质 |
CN113111710B (zh) * | 2021-03-11 | 2023-08-18 | 广州大学 | 基于皮肤镜的毛发图像识别方法、装置和存储介质 |
CN113570674A (zh) * | 2021-07-30 | 2021-10-29 | 精诚工坊电子集成技术(北京)有限公司 | 一种美肤品推荐方法、系统及其使用的比色片 |
CN117058255A (zh) * | 2023-08-17 | 2023-11-14 | 摩尔线程智能科技(北京)有限责任公司 | 一种色卡识别方法及装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110533732B (zh) | 2021-11-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110533732A (zh) | 图像中肤色的识别方法、装置、电子设备及存储介质 | |
CN103914699B (zh) | 一种基于色彩空间的自动唇彩的图像增强的方法 | |
CN108765278B (zh) | 一种图像处理方法、移动终端及计算机可读存储介质 | |
CN105359162B (zh) | 用于图像中的与脸部有关的选择和处理的图像掩模 | |
CN108038456B (zh) | 一种人脸识别系统中的防欺骗方法 | |
CN107123088B (zh) | 一种自动更换证件照背景颜色的方法 | |
CN106056064B (zh) | 一种人脸识别方法及人脸识别装置 | |
US11323676B2 (en) | Image white balance processing system and method | |
CN110399849A (zh) | 图像处理方法及装置、处理器、电子设备及存储介质 | |
CN105139404B (zh) | 一种可检测拍摄质量的证照相机及拍摄质量检测方法 | |
CN104282002B (zh) | 一种数字图像的快速美容方法 | |
CN110246108A (zh) | 一种图像处理方法、装置及计算机可读存储介质 | |
CN108428214B (zh) | 一种图像处理方法及装置 | |
CN106469302A (zh) | 一种基于人工神经网络的人脸肤质检测方法 | |
CN109871845B (zh) | 证件图像提取方法及终端设备 | |
EP1204069A2 (en) | Object recognition using linear subspaces | |
CN106650606A (zh) | 人脸图像的匹配及处理方法、人脸图像模型构建系统 | |
CN108416291A (zh) | 人脸检测识别方法、装置和系统 | |
CN112686820A (zh) | 虚拟美妆方法、装置和电子设备 | |
Yoo et al. | Red-eye detection and correction using inpainting in digital photographs | |
CN109064431B (zh) | 一种图片亮度调节方法、设备及其存储介质 | |
CN113052783A (zh) | 一种基于人脸关键点的人脸图像融合方法 | |
CN104754320B (zh) | 一种3d‑jnd阈值计算方法 | |
Rahman et al. | Color photometric stereo using a rainbow light for non-Lambertian multicolored surfaces | |
WO2023273111A1 (zh) | 一种图像处理方法、装置、计算机设备和存储介质 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20211203 Address after: 361100 568, No. 942, tonglong Second Road, torch high tech Zone (Xiang'an) Industrial Zone, Xiang'an District, Xiamen City, Fujian Province Patentee after: Xiamen Meitu Yifu Technology Co.,Ltd. Address before: 361008 b1f-089, Zone C, Huaxun building, software park, torch high tech Zone, Xiamen City, Fujian Province Patentee before: XIAMEN HOME MEITU TECHNOLOGY Co.,Ltd. |