CN111145086A - 一种图像处理方法、装置及电子设备 - Google Patents
一种图像处理方法、装置及电子设备 Download PDFInfo
- Publication number
- CN111145086A CN111145086A CN201911381019.4A CN201911381019A CN111145086A CN 111145086 A CN111145086 A CN 111145086A CN 201911381019 A CN201911381019 A CN 201911381019A CN 111145086 A CN111145086 A CN 111145086A
- Authority
- CN
- China
- Prior art keywords
- target
- image
- skin color
- detection frame
- face detection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 38
- 238000001514 detection method Methods 0.000 claims abstract description 157
- 230000002087 whitening effect Effects 0.000 claims abstract description 116
- 238000013507 mapping Methods 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000000034 method Methods 0.000 claims description 26
- 230000006854 communication Effects 0.000 claims description 22
- 238000004891 communication Methods 0.000 claims description 21
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 230000014759 maintenance of location Effects 0.000 claims description 8
- 230000003321 amplification Effects 0.000 claims description 7
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 7
- 230000003247 decreasing effect Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 11
- 230000003796 beauty Effects 0.000 description 19
- 239000003086 colorant Substances 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000007704 transition Effects 0.000 description 7
- 210000001508 eye Anatomy 0.000 description 6
- 210000000720 eyelash Anatomy 0.000 description 5
- 210000004209 hair Anatomy 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000005498 polishing Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明实施例提供了一种图像处理方法、装置及电子设备,属于图像处理技术领域。所述图像处理方法包括:识别图像中的人脸图像,并以目标人脸检测框标识出人脸图像区域;对目标像素点进行磨皮调节,并沿预设基准点到目标人脸检测框边框的方向,逐渐降低目标像素点的磨皮强度;根据肤色概率与美白强度值之间的预设映射关系,将每一目标像素点的颜色为肤色的概率,映射为对应的目标美白强度值,并依据目标美白强度值对对应的目标像素点进行美白调节。本发明实施例提供的技术方案,可以提升图像的美颜效果。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种图像处理方法、装置及电子设备。
背景技术
随着科学技术的发展,拍照或视频通信已经贯穿人们的生活。基于对美好事物的喜爱,美颜技术已经普遍应用于拍照、视频通信等方面,例如手机上安装的美颜相机、美颜软件或视频通信过程中的美颜功能等等。
传统的美颜(如磨皮、美白等)方案是全局性的,即是针对全图进行美颜,这样会导致背景一定程度上的失真,比如美白脸部的同时,背景也变白变亮了,而磨皮也让背景变的模糊,失去本色,进而影响图像的清晰度。
发明内容
本发明提供一种图像处理方法、装置及电子设备,以便在一定程度上解决目前的美颜方案影响图像清晰度的问题。
在本发明实施的第一方面,提供了一种图像处理方法,包括:
识别图像中的人脸图像,并以目标人脸检测框标识出人脸图像区域;
对目标像素点进行磨皮调节,并沿预设基准点到所述目标人脸检测框边框的方向,逐渐降低所述目标像素点的磨皮强度;
根据肤色概率与美白强度值之间的预设映射关系,将每一所述目标像素点的颜色为肤色的概率,映射为对应的目标美白强度值,并依据所述目标美白强度值对对应所述目标像素点进行美白调节;
其中,所述目标像素点为所述目标人脸检测框内的像素点;所述预设基准点为所述目标人脸检测框的中心点;肤色概率越小,所述目标像素点对应的美白强度值越小。
可选地,所述对目标像素点进行磨皮调节,包括:
通过均值滤波和高反差保留,对所述目标像素点进行磨皮调节。
可选地,所述沿预设基准点到所述目标人脸检测框边框的方向,逐渐降低所述目标像素点的磨皮强度,包括:
根据距离指数衰减模型:p=e^(-d),沿所述预设基准点到所述目标人脸检测框边框的方向,逐渐降低所述目标像素点的磨皮强度;
其中,P表示磨皮强度,e为自然常数,d表示第一像素点到所述预设基准点的距离,x0为所述预设基准点在图像坐标系中的x轴坐标,y0为所述预设基准点在图像坐标系中的y轴坐标,x1为所述第一像素点在图像坐标系中的x轴坐标,y1为所述第一像素点在图像坐标系中的y轴坐标;所述第一像素点为所述目标像素点中的任一像素点。
可选地,在所述根据肤色概率与美白强度值之间的预设映射关系,将每一所述目标像素点为肤色的概率映射为对应的美白强度值之前,所述方法还包括:
通过预设的肤色概率模型,确定每一所述目标像素点的颜色为肤色的概率。
可选地,所述预设的肤色概率模型为:
P(Cr,Cb)=exp[-0.5(x-M)TC-1(x-M)];
其中,P(Cr,Cb)表示第二像素点的颜色为肤色的概率,Cr表示为YCbCr颜色空间中的红色分量,Cb表示为YCbCr颜色空间中的蓝色分量;x为所述第二像素点在YCbCr颜色空间的颜色值,x=[Cb,Cr]T;M为预设肤色样本均,C为预设协方差矩阵,C=E[(x-M) (x-M)T];所述第二像素点为所述目标像素点中的任一像素点。
可选地,所述通过预设的肤色概率模型,确定每一所述目标像素点为肤色的概率,包括:
针对所述目标像素点,生成颜色直方图;
将所述颜色直方图中像素点数量最多的颜色,确定为人脸肤色值;
根据所述人脸肤色值,对所述预设的肤色概率模型的目标参数进行调整;其中,所述目标参数至少包括:所述预设肤色样本均值和所述预设协方差矩阵;
通过调整所述目标参数后的所述预设的肤色概率模型,确定每一所述目标像素点为肤色的概率。
可选地,所述识别图像中的人脸图像,并以目标人脸检测框标识出人脸图像区域,包括:
根据识别出的人脸图像,生成初始人脸检测框;
按照预设放大尺寸,调整所述初始人脸检测框的大小,得到所述目标人脸检测框。
在本发明实施的第二方面,提供了一种图像处理装置,包括:
图像识别模块,用于识别图像中的人脸图像,并以目标人脸检测框标识出人脸图像区域;
第一图像调节模块,用于对目标像素点进行磨皮调节,并沿预设基准点到所述目标人脸检测框边框的方向,逐渐降低所述目标像素点的磨皮强度;
第二图像调节模块,用于根据肤色概率与美白强度值之间的预设映射关系,将每一所述目标像素点的颜色为肤色的概率,映射为对应的目标美白强度值,并依据所述目标美白强度值对对应的所述目标像素点进行美白调节;
其中,所述目标像素点为所述目标人脸检测框内的像素点;所述预设基准点为所述目标人脸检测框的中心点;肤色概率越小,所述目标像素点对应的美白强度值越小。
可选地,所述第一图像调节模块包括:
第一调节单元,用于通过均值滤波和高反差保留,对所述目标像素点进行磨皮调节。
可选地,所述第一图像调节模块包括:
第二调节单元,用于根据距离指数衰减模型:p=e^(-d),沿所述预设基准点到所述目标人脸检测框边框的方向,逐渐降低所述目标像素点的磨皮强度;
其中,P表示磨皮强度,e为自然常数,d表示第一像素点到所述预设基准点的距离,x0为所述预设基准点在图像坐标系中的x轴坐标,y0为所述预设基准点在图像坐标系中的y轴坐标,x1为所述第一像素点在图像坐标系中的x轴坐标,y1为所述第一像素点在图像坐标系中的y轴坐标;所述第一像素点为所述目标像素点中的任一像素点。
可选地,所述图像处理装置还包括:
肤色概率确定模块,用于通过预设的肤色概率模型,确定每一所述目标像素点的颜色为肤色的概率。
可选地,所述预设的肤色概率模型为:
P(Cr,Cb)=exp[-0.5(x-M)TC-1(x-M)];
其中,P(Cr,Cb)表示第二像素点的颜色为肤色的概率,Cr表示为YCbCr颜色空间中的红色分量,Cb表示为YCbCr颜色空间中的蓝色分量;x为所述第二像素点在YCbCr颜色空间的颜色值,x=[Cb,Cr]T;M为预设肤色样本均值,C为预设协方差矩阵,C=E[(x-M) (x-M)T];所述第二像素点为所述目标像素点中的任一像素点。
可选地,所述肤色概率确定模块包括:
直方图生成单元,用于针对所述目标像素点,生成颜色直方图;
肤色值确定单元,用于将所述颜色直方图中像素点数量最多的颜色,确定为人脸肤色值;
调整单元,用于根据所述人脸肤色值,对所述预设的肤色概率模型的目标参数进行调整;其中,所述目标参数至少包括:所述预设肤色样本均值和所述预设协方差矩阵;
肤色概率确定单元,用于通过调整所述目标参数后的所述预设的肤色概率模型,确定每一所述目标像素点为肤色的概率。
可选地,所述图像识别模块包括:
检测框生成单元,用于根据识别出的人脸图像,生成初始人脸检测框;
检测框调整单元,用于按照预设放大尺寸,调整所述初始人脸检测框的大小,得到所述目标人脸检测框;
标识单元,用于通过所述目标人脸检测框标识出人脸图像区域。
在本发明实施的第三方面,还提供了一种电子设备,包括:处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现如上所述的图像处理方法中的步骤。
在本发明实施的第四方面,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,该程序被处理器执行时实现如上所述的图像处理方法。
在本发明实施例的第五方面,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行如上所述的图像处理方法。
针对在先技术,本发明具备如下优点:
首先,本发明实施例中,是仅针对人脸图像区域内的图像进行美颜调节,由于不再对图像中的背景进行美颜,因此,可以在保证人脸美颜的同时,保留背景图像的清晰自然,避免全图美颜造成的图像失真。
另外,在进行磨皮调节时,本发明实施例中是沿预设基准点到目标人脸检测框的框边的方向,逐渐降低目标人脸检测框内的图像的磨皮强度,即距离预设基准点越远,磨皮强度越小。通过这样的磨皮方式,可以使图像的磨皮区域与非磨皮区域过渡的更加自然,提升美颜效果。
在进行美白调节时,本发明实施例中采用的是自适应美白,即根据不同颜色,配置不同的美白强度,而非采用统一的美白强度。对于肤色概率小的像素点,其美白强度也较弱,因此,可以在一定程度上对眼睛、睫毛、头发等这些细节图像的保护,降低这些图像的失真度,提升美颜效果。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1为本发明实施例提供的一种图像处理方法的流程示意图;
图2为本发明实施例提供的另一种图像处理方法的流程示意图;
图3为本发明实施例提供的人脸检测框的示意图;
图4为本发明实施例提供的另一种图像处理方法的流程示意图;
图5为本发明实施例提供的另一种图像处理方法的流程示意图;
图6为本发明实施例提供的一种图像处理装置的框图;
图7为本发明实施例提供的另一种图像处理装置的框图;
图8为本发明实施例提供的另一种图像处理装置的框图;
图9为本发明实施例提供的电子设备的框图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
图1是本发明实施例提供的一种图像处理方法的流程示意图。如图1所示,该图像处理方法可以包括:
步骤101:识别图像中的人脸图像,并以目标人脸检测框标识出人脸图像区域。
本步骤中,可以通过人脸识别技术,对图像进行人脸检测。在检测到人脸图像的情况下,以目标人脸检测框标识出图像中的人脸图像区域。该目标人脸检测框可以显示于图像中,也可以进行隐藏,具体情况可根据实际需求设置。
这里所述的图像可以是视频图像,也可以是拍照时的预览图像,还可以是图片(如照片)等。
步骤102:对目标像素点进行磨皮调节,并沿预设基准点到目标人脸检测框边框的方向,逐渐降低目标像素点的磨皮强度。
其中,目标像素点为目标人脸检测框内的像素点。
在进行磨皮调节时,本发明实施例中是沿预设基准点到目标人脸检测框的边框的方向,逐渐降低目标人脸检测框内的图像的磨皮强度,即距离预设基准点越远,磨皮强度越小。通过这样的磨皮方式,可以使图像的磨皮区域与非磨皮区域过渡的更加自然,使图像的局部美颜效果看起来更好。其中,预设基准点为目标人脸检测框的中心点。
步骤103:根据肤色概率与美白强度值之间的预设映射关系,将目标像素点的颜色为肤色的概率映射为对应的目标美白强度值,并依据目标美白强度值对对应的目标像素点进行美白调节。
在进行美白调节时,本发明实施例中采用的是自适应美白,即根据不同颜色,配置不同的美白强度,而非采用统一的美白强度,具体为:先根据肤色概率与美白强度值之间的预设映射关系,确定每一目标像素点的颜色的肤色概率,对应的目标美白强度值,然后依据该目标美白强度值对对应目标像素点进行美白调节。一般,肤色概率越小,目标像素点对应的美白强度值越小。由于对于肤色概率小的像素点,其美白强度也较弱,因此,可以在一定程度上对眼睛、睫毛、头发等这些细节图像的保护,降低这些图像的失真度。
在对目标人脸检测框内的图像进行美颜时,可以选择磨皮调节和美白调节中的至少一种,且磨皮调节与美白调节的先后顺序不限,即可以先进行磨皮调节再进行美白调节,也可以先进行美白调整再进行磨皮调节,还可以磨皮调节和美白调节同时进行。在进行美白调节时,可以基于原图像中目标像素点的颜色为肤色的概率进行。
综上所述,本发明实施例中,针对目标人脸检测框内的图像(即目标像素点)进行美颜调节,由于不再对图像中的背景进行美颜,因此,可以在保证人脸美颜的同时,保留背景图像的清晰自然,避免全图美颜造成的图像失真。而本发明实施例中的磨皮调节方式和美白调节方式,可以改善局部美颜的自然度以及细节图像的失真度,提升了图像的美颜效果。
图2是本发明实施例提供的另一种图像处理方法的流程示意图。在该图像处理方法实施例中,主要针对磨皮调节进行具体描述。
如图2所示,该图像处理方法可以包括:
步骤201:识别图像中的人脸图像,并以目标人脸检测框标识出人脸图像区域。
本步骤中,可以通过人脸识别技术,对图像进行人脸检测。在检测到人脸图像的情况下,以目标人脸检测框标识出图像中的人脸图像区域。该目标人脸检测框可以显示于图像中,也可以进行隐藏。
这里所述的图像可以是视频图像,也可以是拍照时的预览图像,还可以是图片(如照片)等。
步骤202:通过均值滤波和高反差保留,对目标像素点进行磨皮调节。
均值滤波也称为线性滤波,其采用的主要方法可以是邻域平均法,即在图像上对一个目标像素点给一个模板,该模板包括了其周围的临近像素点(如以该目标像素点为中心的周围8个像素点,构成一个滤波模板,即去掉该目标像素点本身),再用模板中的全体像素点的平均值来代替原来像素值。而高反差保留的使用,可以保护各部分图像边缘的锐化程度。
本步骤中,通过均值滤波和高反差保留来进行磨皮调节,可以在保证磨皮强度的同时,保留人脸轮廓的清晰度。
步骤203:根据距离指数衰减模型:p=e^(-d),沿预设基准点到目标人脸检测框边框的方向,逐渐降低目标像素点的磨皮强度。
其中,P表示磨皮强度,其取值等于e的-d次方。e为自然常数,d表示第一像素点到预设基准点的距离。这里所述的第一像素点为目标像素点中的任一像素点(包括预设基准点)。
其中,x0为预设基准点在图像坐标系中的x轴坐标,y0为预设基准点在图像坐标系中图像坐标系中的y轴坐标,x1为第一像素点在图像坐标系中的x轴坐标,y1为第一像素点在图像坐标系中的y轴坐标。这里所述的图像坐标系为全局图像的坐标系。
当然可以理解是,该距离指数衰减模型还可以根据实际需求进行调整,不仅限于上述形式。
本发明实施例中,通过距离指数衰减模型,来控制预设基准点到目标人脸检测框边框方向的衰减程度,算法简单,精确度高,有利于使图像的磨皮区域与非磨皮区域过渡的更加自然。
可选地,本发明实施例中,对于人脸检测框之外的像素点,可以使其磨皮强度为0,从而保证背景图像的清晰度。
可选地,步骤201根据识别出的人脸图像,生成初始人脸检测框,可以包括:根据识别出的人脸图像,生成初始人脸检测框;按照预设放大尺寸,调整所述初始人脸检测框的大小,得到所述目标人脸检测框。
本发明实施例中,在根据识别出的人脸图像,生成初始人脸检测框之后,可以对该人脸检测框进行放大处理,即扩大磨皮区域,使磨皮区域与非磨皮区域过渡的更加自然。
例如,如图3所示,初始人脸检测框表示为(x,y,w,h),其中,x表示初始人脸检测框右下角的坐标点A在图像坐标系中的x轴坐标,y表示初坐标点A在图像坐标系中的y轴坐标,w表示初始人脸检测框在x轴方向的宽度,h表示初始人脸检测框在y轴方向的高度。
可以根据实际需求,对初始人脸检测框进行适度放大,得到目标人脸检测框。该目标人脸检测框表示为(x-w/4,y-h/4,3w/2,3h/2),其中,x-w/4表示目标人脸检测框右下角的坐标点B在图像坐标系中的x轴坐标,y-h/4表示坐标点B在图像坐标系中的y轴坐标,3w/2表示目标人脸检测框在x轴方向的宽度,3h/2表示目标人脸检测框在y轴方向的高度。
可选地,在对初始人脸检测框进行放大时,可以以初始人脸检测框的中心为基准点,即在保证基准点位置不变的前提下,对初始人脸检测框的尺寸进行调整。
综上所述,本发明实施例中,通过距离指数衰减模型,来逐渐衰减预设基准点到目标人脸检测框的方向的磨皮强度,从而使图像的磨皮区域与非磨皮区域过渡的更加自然,提升美颜效果。
图4是本发明实施例提供的又一种图像处理方法的流程示意图。在该图像处理方法实施例中,主要针对美白调节进行具体描述。
如图4所示,该图像处理方法可以包括:
步骤401:识别图像中的人脸图像,并以目标人脸检测框标识出人脸图像区域。
本步骤中,可以通过人脸识别技术,对图像进行人脸检测。在检测到人脸图像的情况下,以目标人脸检测框标识出图像中的人脸图像区域。该目标人脸检测框可以显示于图像中,也可以进行隐藏。
这里所述的图像可以是视频图像,也可以是拍照时的预览图像,还可以是图片(如照片)等。
步骤402:通过预设的肤色概率模型,确定每一目标像素点的颜色为肤色的概率。
肤色概率模型用于确定像素点的颜色为肤色的概率。本步骤中,通过肤色概率模型,可以更加准确的确定出每一目标像素点的颜色为肤色的概率。
步骤403:根据肤色概率与美白强度值之间的预设映射关系,将目标像素点的颜色为肤色的概率,映射为对应的目标美白强度值,并依据目标美白强度值对对应的目标像素点进行美白调节。
本发明实施例中采用的是自适应美白,会根据不同颜色,配置不同的美白强度,而非采用统一的美白强度,具体为:先根据肤色概率与美白强度值之间的预设映射关系,确定每一目标像素点的颜色的肤色概率,对应的目标美白强度值,然后依据该目标美白强度值对对应的目标像素点进行美白调节。一般,肤色概率越小,目标像素点对应的美白强度值越小。由于对于颜色的肤色概率小的像素,其美白强度也较弱,因此,可以在一定程度上对眼睛、睫毛、头发等这些细节图像的保护,降低这些图像的失真度。
可选地,本发明实施例中所述的预设的肤色概率模型可以为二维高斯函数模型,具体为:
P(Cr,Cb)=exp[-0.5(x-M)TC-1(x-M)];
其中,P(Cr,Cb)表示第二像素点的颜色为肤色的概率,Cr表示为YCbCr颜色空间中的红色分量,Cb表示为YCbCr颜色空间中的蓝色分量;x为第二像素点在YCbCr颜色空间的颜色值,x=[Cb,Cr]T;M为预设肤色样本均值,C为预设协方差矩阵,C=E[(x-M) (x-M)T]。其中,第二像素点为目标像素点中的任一像素点。
YCbCr颜色空间是YUV颜色空间的偏移版本。而YUV即YCbCr,优化彩色视频信号。一般的图像都是基于RGB颜色空间的,在RGB颜色空间里人脸的肤色受亮度影响相当大,所以肤色点很难从非肤色点中分离出来,也就是说在此空间经过处理后,肤色点是离散的点,中间嵌有很多非肤色,这为肤色区域标定(人脸标定、眼睛等)带来了难题。而肤色在YCbCr空间受亮度信息的影响较小,因此,如果把RGB转为YCbCr颜色空间的话,可以忽略Y(亮度)的影响,肤色会产生很好的类聚,则可以直接考虑将YCbCr空间的CbCr分量,映射为两维独立分布的CbCr空间。在CbCr空间下,肤色类聚性好,利用人工阈值法可以将肤色与非肤色区域分开,形成二值图像。
肤色概率模型主要运用了统计学原理,认为肤色符合正态分布的随机样本也满足高斯分布。而高斯分布表达形式简单、直观。二维高斯函数模型通过计算像素点的概率值,构成连续的数据信息,并得到一个肤色概率图,根据肤色概率的大小进行肤色的确认。
为确定二维高斯函数模型里的参数,前期需要采集大量的肤色样本数据对二维高斯函数模型进行训练,得到M和C的值。如,将肤色样本数据代入二维高斯函数模型,求得各个P(Cr,Cb)值。当求得的P(Cr,Cb)值满足预期结果时,则此时的M和C的值即为所需的M和C的值。假设,肤色样本数据为x’,则M=E(x’),C=E[(x’-M)(x’-M)T]。
可选地,步骤402通过预设的肤色概率模型,确定每一目标像素点为肤色的概率,包括:针对目标像素点,生成颜色直方图;将颜色直方图中像素点数量最多的颜色,确定为人脸肤色值;根据人脸肤色值,对预设的肤色概率模型的目标参数进行调整;通过调整目标参数后的预设的肤色概率模型,确定每一目标像素点为肤色的概率。
其中,目标参数至少包括:预设肤色样本均值和预设协方差矩阵。
本发明实施例中,在利用预设的肤色概率模型,确定目标人脸检测框内的每个像素点为肤色的概率之前,还可以通过目标人脸检测框内的人脸肤色,来调整肤色概率模型,以使肤色概率模型更加精准。其中,在肤色概率模型为二维高斯函数模型时,对肤色概率模型进行调整,实际上是对M值和C值进行调整。
在对肤色概率模型的目标参数进行调整时,可以针对目标人脸检测框内的图像生成的颜色直方图。颜色直方图可以描述不同色彩在人脸区域中所占的比例,可将颜色空间划分为多个小的颜色区间,并分别计算人脸区域中落入各个颜色区域的像素点的数量。对于人脸图像,人脸皮肤图像占据主要比例,因此,可以将颜色直方图中像素点数量最多的颜色,确定为人脸肤色值。根据该人脸肤色值对预设的肤色概率模型的目标参数进行调整,这样,通过调整目标参数后的预设的肤色概率模型,确定目标人脸检测框内的每个像素点为肤色的概率,可以提高肤色概率确定的精确度。
可选地,本发明实施例中,在对目标人脸检测框内的图像进行美白调节时,可以采用显示查找表(Look-Up-Table,简称LUT)的方式,针对R、G、B三个通道进行独立调整。
可选地,步骤401根据识别出的人脸图像,生成初始人脸检测框,可以包括:根据识别出的人脸图像,生成初始人脸检测框;按照预设放大尺寸,调整所述初始人脸检测框的大小,得到所述目标人脸检测框。
本发明实施例中,在根据识别出的人脸图像,生成初始人脸检测框之后,可以对该人脸检测框进行了放大处理,即扩大美白区域,这样可以保证美白区域与非美白区域过渡的更加自然。
例如,如图3所示,初始人脸检测框表示为(x,y,w,h),其中,x表示初始人脸检测框右下角的坐标点A在图像坐标系中的x轴坐标,y表示初坐标点A在图像坐标系中的y轴坐标,w表示初始人脸检测框在x轴方向的宽度,h表示初始人脸检测框在y轴方向的高度。
可以根据实际需求,对初始人脸检测框进行适度放大,得到目标人脸检测框,该目标人脸检测框表示为(x-w/4,y-h/4,3w/2,3h/2),其中,x-w/4表示目标人脸检测框右下角的坐标点B在图像坐标系中的x轴坐标,y-h/4表示坐标点B在图像坐标系中的y轴坐标,3w/2表示目标人脸检测框在x轴方向的宽度,3h/2表示目标人脸检测框在y轴方向的高度。
可选地,在对初始人脸检测框进行放大时,可以以初始人脸检测框的中心为基准点,即在保证基准点位置不变的前提下,对初始人脸检测框的尺寸进行调整。
可选地,本发明实施例中,对于人脸检测框之外的像素点,可以使其美白强度为0,从而保证背景图像的清晰度。
综上所述,本发明实施例中采用的是自适应美白,会根据不同颜色,配置不同的美白强度,而非采用统一的美白强度,具体为:先根据肤色概率与美白强度值之间的预设映射关系,确定目标人脸检测框内的像素点的颜色的肤色概率,对应的目标美白强度值,然后依据该目标美白强度值对对应的像素点进行美白调节。一般,肤色概率越小,对应的美白强度值越小。由于对于颜色的肤色概率小的像素,其美白强度也较弱,因此,可以在一定程度上对眼睛、睫毛、头发等这些细节图像的保护,降低这些图像的失真度,提升美颜效果。
图5是本发明实施例提供的再一种图像处理方法的流程示意图。在该实施例中,主要以对视频图像进行美颜为例,对本发明实施例提供的图像处理方法进行进一步的描述。
如图5所示,该图像处理方法包括:
步骤501:采集视频的视频帧图像,然后进入步骤502。
步骤502:对采集的视频帧图像进行人脸检测,然后进入步骤503。
步骤503:根据识别到人脸图像,生成初始人脸检测框,然后进入步骤504。
步骤504:对初始人脸检测框进行放大处理,得到目标人脸检测框,然后分别进入步骤505和步骤506。
步骤505:基于目标人脸检测框,确定磨皮调节的图像范围,然后进入步骤507。
步骤507:通过均值滤波和高反差保留,对确定的磨皮范围进行磨皮调节,并采用距离指数衰减模型,沿预设基准点到目标人脸检测框边框的方向,控制逐渐降低目标人脸检测框内的图像的磨皮强度,至此结束。
步骤506:针对目标人脸检测框内的图像,生成颜色直方图,根据颜色直方图确定人脸肤色值,并依据人脸肤色值,对预设的肤色概率模型的目标参数进行调整,然后进入步骤508。
步骤508:通过调整目标参数后的预设的肤色概率模型,确定目标人脸检测框内的每个像素点为肤色的概率,并根据肤色概率与美白强度值之间的预设映射关系,将目标人脸检测框内的像素点的颜色为肤色的概率,映射为对应的目标美白强度值,并依据目标美白强度值对对应的像素点进行美白调节,至此结束。
综上所述,本发明实施例提供的图像处理方法,可以在保证人脸美颜的同时,保留背景图像的清晰自然,避免全图美颜造成的图像失真。而本发明实施例中的磨皮调节方式和美白调节方式,可以改善局部美颜的自然度以及细节图像的失真度,提升了图像的美颜效果。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
图6是本发明实施例提供的一种图像处理装置的框图,如图6所示,该图像处理装置600可以包括:
图像识别模块601,用于识别图像中的人脸图像,并以目标人脸检测框标识出人脸图像区域。
第一图像调节模块602,用于对目标像素点进行磨皮调节,并沿预设基准点到所述目标人脸检测框边框的方向,逐渐降低所述目标像素点的磨皮强度。
第二图像调节模块603,用于根据肤色概率与美白强度值之间的预设映射关系,将每一所述目标像素点的颜色为肤色的概率,映射为对应的目标美白强度值,并依据所述目标美白强度值对对应的目标像素点进行美白调节。
其中,所述目标像素点为所述目标人脸检测框内的像素点;所述预设基准点为所述目标人脸检测框的中心点;肤色概率越小,所述目标像素点对应的美白强度值越小。
综上所述,本发明实施例提供的图像处理方法,可以在保证人脸美颜的同时,保留背景图像的清晰自然,避免全图美颜造成的图像失真。而本发明实施例中的磨皮调节方式和美白调节方式,可以改善局部美颜的自然度以及细节图像的失真度,提升了图像的美颜效果。
图7是本发明实施例提供的另一种图像处理装置的框图,如图7所示,该图像处理装置700可以包括:
图像识别模块701,用于识别图像中的人脸图像,并以目标人脸检测框标识出人脸图像区域。
第一图像调节模块702,用于对目标像素点进行磨皮调节,并沿预设基准点到所述目标人脸检测框边框的方向,逐渐降低所述目标像素点的磨皮强度。
第二图像调节模块703,用于根据肤色概率与美白强度值之间的预设映射关系,将每一所述目标像素点的颜色为肤色的概率,映射为对应的目标美白强度值,并依据所述目标美白强度值对对应的目标像素点进行美白调节。
其中,所述目标像素点为所述目标人脸检测框内的像素点;所述预设基准点为所述目标人脸检测框的中心点;肤色概率越小,所述目标像素点对应的美白强度值越小。
可选地,所述第一图像调节模块702包括:
第一调节单元7021,用于通过均值滤波和高反差保留,对所述目标像素点进行磨皮调节。
可选地,所述第一图像调节模块702包括:
第二调节单元7022,用于根据距离指数衰减模型:p=e^(-d),沿所述预设基准点到所述目标人脸检测框边框的方向,逐渐降低所述目标像素点的磨皮强度。
其中,P表示磨皮强度,e为自然常数,d表示第一像素点到所述预设基准点的距离,x0为所述预设基准点在图像坐标系中的x轴坐标,y0为所述预设基准点在图像坐标系中的y轴坐标,x1为所述第一像素点在图像坐标系中的x轴坐标,y1为所述目标像素点在图像坐标系中的y轴坐标;所述第一像素点为所述目标像素点中的任一像素点。
可选地,所述图像识别模块701还包括:
检测框生成单元7011,用于根据识别出的人脸图像,生成初始人脸检测框。
检测框调整单元7012,用于按照预设放大尺寸,调整所述初始人脸检测框的大小,得到所述目标人脸检测框。
标识单元7013,用于通过所述目标人脸检测框标识出人脸图像区域。
综上所述,本发明实施例中,通过距离指数衰减模型,来逐渐衰减预设基准点到目标人脸检测框的方向的磨皮强度,从而使图像的磨皮区域与非磨皮区域过渡的更加自然,提升美颜效果。
图8是本发明实施例提供的另一种图像处理装置的框图,如图7所示,该图像处理装置800可以包括:
图像识别模块801,用于识别图像中的人脸图像,并以目标人脸检测框标识出人脸图像区域。
第一图像调节模块802,用于对目标像素点进行磨皮调节,并沿预设基准点到所述目标人脸检测框边框的方向,逐渐降低所述目标像素点的磨皮强度。
第一图像调节模块803,用于根据肤色概率与美白强度值之间的预设映射关系,将每一所述目标像素点的颜色为肤色的概率,映射为对应的目标美白强度值,并依据所述目标美白强度值对对应的目标像素点进行美白调节。
其中,所述目标像素点为所述目标人脸检测框内的像素点;所述预设基准点为所述目标人脸检测框的中心点;肤色概率越小,所述目标像素点对应的美白强度值越小。
可选地,所述图像处理装置800还包括:
肤色概率确定模块804,用于通过预设的肤色概率模型,确定每一所述目标像素点的颜色为肤色的概率。
可选地,所述预设的肤色概率模型为:
P(Cr,Cb)=exp[-0.5(x-M)TC-1(x-M)];
其中,P(Cr,Cb)表示第二像素点的颜色为肤色的概率,Cr表示为YCbCr颜色空间中的红色分量,Cb表示为YCbCr颜色空间中的蓝色分量;x为所述第二像素点在YCbCr颜色空间的颜色值,x=[Cb,Cr]T;M为预设肤色样本均值,C为预设协方差矩阵,C=E[(x-M) (x-M)T];所述第二像素点为所述目标像素点中的任一像素点。
可选地,所述肤色概率确定模块804包括:
直方图生成单元8041,用于针对所述目标像素点,生成颜色直方图。
肤色值确定单元8042,用于将所述颜色直方图中像素点数量最多的颜色,确定为人脸肤色值。
调整单元8043,用于根据所述人脸肤色值,对所述预设的肤色概率模型的目标参数进行调整。
其中,所述目标参数至少包括:所述预设肤色样本均值和所述预设协方差矩阵。
肤色概率确定单元8044,用于通过调整所述目标参数后的所述预设的肤色概率模型,确定每一所述目标像素点为肤色的概率。
可选地,所述图像识别模块801还包括:
检测框生成单元8011,用于根据识别出的人脸图像,生成初始人脸检测框。
检测框调整单元8012,用于按照预设放大尺寸,调整所述初始人脸检测框的大小,得到所述目标人脸检测框。
标识单元8013,用于通过所述目标人脸检测框标识出人脸图像区域。
综上所述,本发明实施例中采用的是自适应美白,会根据不同颜色,配置不同的美白强度,而非采用统一的美白强度,具体为:先根据肤色概率与美白强度值之间的预设映射关系,确定目标人脸检测框内的像素点的颜色的肤色概率,对应的目标美白强度值,然后依据该目标美白强度值对对应的像素点进行美白调节。一般,肤色概率越小,对应的美白强度值越小。由于对于颜色的肤色概率小的像素,其美白强度也较弱,因此,可以在一定程度上对眼睛、睫毛、头发等这些细节图像的保护,降低这些图像的失真度,提升美颜效果。
对于上述装置实施例而言,由于其与方法实施例基本相似,相关之处参见方法实施例的部分说明即可。
本发明实施例还提供了一种电子设备,如图9所示,包括处理器901、通信接口902、存储器903和通信总线904,其中,处理器901,通信接口902,存储器903通过通信总线904完成相互间的通信。
存储器903,用于存放计算机程序;
处理器901,用于执行存储器903上所存放的程序时,实现如下步骤:
识别图像中的人脸图像,并以目标人脸检测框标识出人脸图像区域;
对目标像素点进行磨皮调节,并沿预设基准点到所述目标人脸检测框边框的方向,逐渐降低所述目标像素点的磨皮强度;
根据肤色概率与美白强度值之间的预设映射关系,将每一所述目标像素点的颜色为肤色的概率,映射为对应的目标美白强度值,并依据所述目标美白强度值对对应的所述目标像素点进行美白调节;
其中,所述目标像素点为所述目标人脸检测框内的像素点;所述预设基准点为所述目标人脸检测框的中心点;肤色概率越小,所述目标像素点对应的美白强度值越小。
可选的,所述对目标像素点进行磨皮调节,包括:
通过均值滤波和高反差保留,对所述目标像素点进行磨皮调节。
可选的,所述沿预设基准点到所述目标人脸检测框边框的方向,逐渐降低所述目标像素点的磨皮强度,包括:
根据距离指数衰减模型:p=e^(-d),沿所述预设基准点到所述目标人脸检测框边框的方向,逐渐降低所述目标像素点的磨皮强度;
其中,P表示磨皮强度,e为自然常数,d表示第一像素点到所述预设基准点的距离,x0为所述预设基准点在图像坐标系中的x轴坐标,y0为所述预设基准点在图像坐标系中的y轴坐标,x1为所述第一像素点在图像坐标系中的x轴坐标,y1为所述第一像素点在图像坐标系中的y轴坐标;所述第一像素点为所述目标像素点中的任一像素点。
可选的,在所述根据肤色概率与美白强度值之间的预设映射关系,将每一所述目标像素点为肤色的概率映射为对应的美白强度值之前,处理器901执行存储器903上所存放的程序时,还实现如下步骤:
通过预设的肤色概率模型,确定每一所述目标像素点的颜色为肤色的概率。
可选的,所述预设的肤色概率模型为:
P(Cr,Cb)=exp[-0.5(x-M)TC-1(x-M)];
其中,P(Cr,Cb)表示第二像素点的颜色为肤色的概率,Cr表示为YCbCr颜色空间中的红色分量,Cb表示为YCbCr颜色空间中的蓝色分量;x为所述第二像素点在YCbCr颜色空间的颜色值,x=[Cb,Cr]T;M为预设肤色样本均值,C为预设协方差矩阵,C=E[(x-M) (x-M)T];所述第二像素点为所述目标像素点中的任一像素点。
可选的,所述通过预设的肤色概率模型,确定每一所述目标像素点为肤色的概率,包括:
针对所述目标像素点,生成颜色直方图;
将所述颜色直方图中像素点数量最多的颜色,确定为人脸肤色值;
根据所述人脸肤色值,对所述预设的肤色概率模型的目标参数进行调整;其中,所述目标参数至少包括:所述预设肤色样本均值和所述预设协方差矩阵;
通过调整所述目标参数后的所述预设的肤色概率模型,确定每一所述目标像素点为肤色的概率。
可选的,所述识别图像中的人脸图像,并以目标人脸检测框标识出人脸图像区域,包括:
根据识别出的人脸图像,生成初始人脸检测框;
按照预设放大尺寸,调整所述初始人脸检测框的大小,得到所述目标人脸检测框;
通过所述目标人脸检测框标识出人脸图像区域。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述终端与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,简称RAM),也可以包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述实施例中所述的图像处理方法。
在本发明提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例中所述的图像处理方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
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。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,包含在本发明的保护范围内。
Claims (10)
1.一种图像处理方法,其特征在于,包括:
识别图像中的人脸图像,并以目标人脸检测框标识出人脸图像区域;
对目标像素点进行磨皮调节,并沿预设基准点到所述目标人脸检测框边框的方向,逐渐降低所述目标像素点的磨皮强度;
根据肤色概率与美白强度值之间的预设映射关系,将每一所述目标像素点的颜色为肤色的概率,映射为对应的目标美白强度值,并依据所述目标美白强度值对对应的所述目标像素点进行美白调节;
其中,所述目标像素点为所述目标人脸检测框内的像素点;所述预设基准点为所述目标人脸检测框的中心点;肤色概率越小,所述目标像素点对应的美白强度值越小。
2.根据权利要求1所述的图像处理方法,其特征在于,所述对目标像素点进行磨皮调节,包括:
通过均值滤波和高反差保留,对所述目标像素点进行磨皮调节。
4.根据权利要求1所述的图像处理方法,其特征在于,在所述根据肤色概率与美白强度值之间的预设映射关系,将每一所述目标像素点为肤色的概率映射为对应的美白强度值之前,所述方法还包括:
通过预设的肤色概率模型,确定每一所述目标像素点的颜色为肤色的概率。
5.根据权利要求4所述的图像处理方法,其特征在于,所述预设的肤色概率模型为:
P(Cr,Cb)=exp[-0.5(x-M)TC-1(x-M)];
其中,P(Cr,Cb)表示第二像素点的颜色为肤色的概率,Cr表示为YCbCr颜色空间中的红色分量,Cb表示为YCbCr颜色空间中的蓝色分量;x为所述第二像素点在YCbCr颜色空间的颜色值,x=[Cb,Cr]T;M为预设肤色样本均值,C为预设协方差矩阵,C=E[(x-M)(x-M)T];所述第二像素点为所述目标像素点中的任一像素点。
6.根据权利要求5所述的图像处理方法,其特征在于,所述通过预设的肤色概率模型,确定每一所述目标像素点为肤色的概率,包括:
针对所述目标像素点,生成颜色直方图;
将所述颜色直方图中像素点数量最多的颜色,确定为人脸肤色值;
根据所述人脸肤色值,对所述预设的肤色概率模型的目标参数进行调整;其中,所述目标参数至少包括:所述预设肤色样本均值和所述预设协方差矩阵;
通过调整所述目标参数后的所述预设的肤色概率模型,确定每一所述目标像素点为肤色的概率。
7.根据权利要求1所述的图像处理方法,其特征在于,所述识别图像中的人脸图像,并以目标人脸检测框标识出人脸图像区域,包括:
根据识别出的人脸图像,生成初始人脸检测框;
按照预设放大尺寸,调整所述初始人脸检测框的大小,得到所述目标人脸检测框;
通过所述目标人脸检测框标识出人脸图像区域。
8.一种图像处理装置,其特征在于,包括:
图像识别模块,用于识别图像中的人脸图像,并以目标人脸检测框标识出人脸图像区域;
第一图像调节模块,用于对目标像素点进行磨皮调节,并沿预设基准点到所述目标人脸检测框边框的方向,逐渐降低所述目标像素点的磨皮强度;
第二图像调节模块,用于根据肤色概率与美白强度值之间的预设映射关系,将每一所述目标像素点的颜色为肤色的概率,映射为对应的目标美白强度值,并依据所述目标美白强度值对对应的所述目标像素点进行美白调节;
其中,所述目标像素点为所述目标人脸检测框内的像素点;所述预设基准点为所述目标人脸检测框的中心点;肤色概率越小,所述目标像素点对应的美白强度值越小。
9.一种电子设备,其特征在于,包括:处理器、通信接口、存储器和通信总线;其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1至7任一所述的图像处理方法的步骤。
10.一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至7中任一所述的图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911381019.4A CN111145086A (zh) | 2019-12-27 | 2019-12-27 | 一种图像处理方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911381019.4A CN111145086A (zh) | 2019-12-27 | 2019-12-27 | 一种图像处理方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111145086A true CN111145086A (zh) | 2020-05-12 |
Family
ID=70521194
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911381019.4A Pending CN111145086A (zh) | 2019-12-27 | 2019-12-27 | 一种图像处理方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111145086A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111598076A (zh) * | 2020-05-25 | 2020-08-28 | 北京明略软件系统有限公司 | 一种标签图像中日期检测处理方法及装置 |
CN111968050A (zh) * | 2020-08-07 | 2020-11-20 | Oppo(重庆)智能科技有限公司 | 人体图像处理方法及相关产品 |
CN112686965A (zh) * | 2020-12-25 | 2021-04-20 | 百果园技术(新加坡)有限公司 | 一种肤色检测方法、装置、移动终端和存储介质 |
CN114187207A (zh) * | 2021-12-15 | 2022-03-15 | 重庆大学 | 基于加性lee滤波磨皮的人脸图像的美肤方法 |
CN114581979A (zh) * | 2022-03-01 | 2022-06-03 | 北京沃东天骏信息技术有限公司 | 图像处理方法和装置 |
CN114820349A (zh) * | 2022-04-01 | 2022-07-29 | 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 |
WO2022227547A1 (zh) * | 2021-04-29 | 2022-11-03 | 北京市商汤科技开发有限公司 | 用于图像处理的方法、装置、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6678407B1 (en) * | 1998-03-31 | 2004-01-13 | Nec Corporation | Method and device of light source discrimination, skin color correction, and color image correction, and storage medium thereof capable of being read by computer |
CN105224917A (zh) * | 2015-09-10 | 2016-01-06 | 成都品果科技有限公司 | 一种利用颜色空间创建肤色概率图的方法和系统 |
CN107730465A (zh) * | 2017-10-09 | 2018-02-23 | 武汉斗鱼网络科技有限公司 | 一种图像中人脸美颜方法及装置 |
CN107730446A (zh) * | 2017-10-31 | 2018-02-23 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、计算机设备及计算机可读存储介质 |
CN109447031A (zh) * | 2018-11-12 | 2019-03-08 | 北京旷视科技有限公司 | 图像处理方法、装置、设备及存储介质 |
CN110378846A (zh) * | 2019-06-28 | 2019-10-25 | 北京字节跳动网络技术有限公司 | 一种处理图像磨皮的方法、装置、介质和电子设备 |
-
2019
- 2019-12-27 CN CN201911381019.4A patent/CN111145086A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6678407B1 (en) * | 1998-03-31 | 2004-01-13 | Nec Corporation | Method and device of light source discrimination, skin color correction, and color image correction, and storage medium thereof capable of being read by computer |
CN105224917A (zh) * | 2015-09-10 | 2016-01-06 | 成都品果科技有限公司 | 一种利用颜色空间创建肤色概率图的方法和系统 |
CN107730465A (zh) * | 2017-10-09 | 2018-02-23 | 武汉斗鱼网络科技有限公司 | 一种图像中人脸美颜方法及装置 |
CN107730446A (zh) * | 2017-10-31 | 2018-02-23 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、计算机设备及计算机可读存储介质 |
CN109447031A (zh) * | 2018-11-12 | 2019-03-08 | 北京旷视科技有限公司 | 图像处理方法、装置、设备及存储介质 |
CN110378846A (zh) * | 2019-06-28 | 2019-10-25 | 北京字节跳动网络技术有限公司 | 一种处理图像磨皮的方法、装置、介质和电子设备 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111598076A (zh) * | 2020-05-25 | 2020-08-28 | 北京明略软件系统有限公司 | 一种标签图像中日期检测处理方法及装置 |
CN111598076B (zh) * | 2020-05-25 | 2023-05-02 | 北京明略软件系统有限公司 | 一种标签图像中日期检测处理方法及装置 |
CN111968050A (zh) * | 2020-08-07 | 2020-11-20 | Oppo(重庆)智能科技有限公司 | 人体图像处理方法及相关产品 |
CN111968050B (zh) * | 2020-08-07 | 2024-02-20 | Oppo(重庆)智能科技有限公司 | 人体图像处理方法及相关产品 |
CN112686965A (zh) * | 2020-12-25 | 2021-04-20 | 百果园技术(新加坡)有限公司 | 一种肤色检测方法、装置、移动终端和存储介质 |
WO2022227547A1 (zh) * | 2021-04-29 | 2022-11-03 | 北京市商汤科技开发有限公司 | 用于图像处理的方法、装置、电子设备及存储介质 |
CN114187207A (zh) * | 2021-12-15 | 2022-03-15 | 重庆大学 | 基于加性lee滤波磨皮的人脸图像的美肤方法 |
CN114581979A (zh) * | 2022-03-01 | 2022-06-03 | 北京沃东天骏信息技术有限公司 | 图像处理方法和装置 |
WO2023165369A1 (zh) * | 2022-03-01 | 2023-09-07 | 北京沃东天骏信息技术有限公司 | 图像处理方法和装置 |
CN114820349A (zh) * | 2022-04-01 | 2022-07-29 | 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 |
CN114820349B (zh) * | 2022-04-01 | 2023-05-02 | 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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111145086A (zh) | 一种图像处理方法、装置及电子设备 | |
Bai et al. | Underwater image enhancement based on global and local equalization of histogram and dual-image multi-scale fusion | |
Shin et al. | Radiance–reflectance combined optimization and structure-guided $\ell _0 $-Norm for single image dehazing | |
CN107408296B (zh) | 用于高动态范围图像的实时噪声消除和图像增强的方法以及系统 | |
CN107730465B (zh) | 一种图像中人脸美颜方法及装置 | |
CN109743473A (zh) | 视频图像3d降噪方法、计算机装置及计算机可读存储介质 | |
EP3644599B1 (en) | Video processing method and apparatus, electronic device, and storage medium | |
CN110969046B (zh) | 人脸识别方法、设备及计算机可读存储介质 | |
CN108765264B (zh) | 图像美颜方法、装置、设备及存储介质 | |
US8594446B2 (en) | Method for enhancing a digitized document | |
CN109214996B (zh) | 一种图像处理方法及装置 | |
CN109035167B (zh) | 对图像中的多个人脸进行处理的方法、装置、设备和介质 | |
CN112214773B (zh) | 基于隐私保护的图像处理方法、装置和电子设备 | |
US20220245803A1 (en) | Image enhancement processing method, device, equipment, and medium based on artificial intelligence | |
Mu et al. | Low and non-uniform illumination color image enhancement using weighted guided image filtering | |
CN111161299A (zh) | 影像分割方法、计算机程序、存储介质及电子装置 | |
CN114298985B (zh) | 缺陷检测方法、装置、设备及存储介质 | |
CN111369478A (zh) | 人脸图像增强方法、装置、计算机设备和存储介质 | |
WO2020107308A1 (zh) | 一种基于Retinex的微光图像快速增强方法及其装置 | |
CN108346128B (zh) | 一种美颜磨皮的方法和装置 | |
CN117314766B (zh) | 一种手机钢化玻璃膜表面图像增强方法和系统 | |
CN114049262A (zh) | 一种图像处理方法、图像处理装置及存储介质 | |
CN110992287B (zh) | 一种非均匀光照视频的清晰化方法 | |
CN112597911A (zh) | 一种磨皮处理方法、装置、移动终端和存储介质 | |
CN108564534A (zh) | 一种基于检索的图像对比度调整方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200512 |
|
RJ01 | Rejection of invention patent application after publication |