CN111310600B - 一种图像处理方法、装置、设备及介质 - Google Patents
一种图像处理方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN111310600B CN111310600B CN202010067629.3A CN202010067629A CN111310600B CN 111310600 B CN111310600 B CN 111310600B CN 202010067629 A CN202010067629 A CN 202010067629A CN 111310600 B CN111310600 B CN 111310600B
- Authority
- CN
- China
- Prior art keywords
- pixel point
- image
- value
- pixel
- preset
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 58
- 238000000034 method Methods 0.000 claims abstract description 43
- 230000008569 process Effects 0.000 claims abstract description 18
- 238000001914 filtration Methods 0.000 claims description 26
- 238000001514 detection method Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 15
- 210000004209 hair Anatomy 0.000 description 14
- 238000004891 communication Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 210000004709 eyebrow Anatomy 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000002087 whitening effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000037308 hair color Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- 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
- G06V40/162—Detection; Localisation; Normalisation using pixel segmentation or colour matching
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本公开关于一种图像处理方法、装置、设备及介质，用以解决现有识别肤色像素点准确度不高的问题。在进行图像处理的过程中，由于通过椭圆模型获取了第一图像对应的掩码图像，并根据第一图像中的亮度分量、第一图像对应的RGB格式的第二图像中的红色分量及设置阈值，确定了进行像素值调整的每个目标像素点，也就是确定了可能会被误检的像素点，从而调整掩码图像中每个目标像素点的像素值，并根据像素值调整后的掩码图像，确定肤色像素点，进而保证确定的肤色像素点准确度更高。
Description
技术领域
本公开涉及计算机视觉技术领域，尤其涉及一种图像处理方法、装置、设备及介质。
背景技术
目前，随着计算机视觉技术的发展，肤色检测在人脸检测、图像分割等方面有着广泛应用。其可以快速且直观的分割出当前图像中肤色像素点，有利于后续根据分割出的结果识别出人物的手势、表情等。因此，如何检测肤色像素点也成为近几年来人们日益关注的问题。
现有技术中，通过对大量的包含有肤色像素点的图像的统计发现，肤色像素点在色度(CrCb)空间中的分布大致近似为一个椭圆，这就是椭圆模型的原理，因此可以基于椭圆模型的方法进行检测。基于椭圆模型进行肤色检测时，首先建立肤色分布的椭圆模型，然后输入待处理的一幅亮度色度(YCrCb)格式的图像，判断该图像中每个像素点的CrCb分量是否位于该椭圆模型内(包括边界)，如果位于，该像素点为肤色像素点，否则，该像素点为非肤色像素点。
虽然上述方法可以实现肤色像素点的检测，但在实际使用中采用上述方法检测，很容易将图像中黄色头发所对应的像素点误检为肤色像素点，或者将在彩光下采集的图像中发紫的皮肤所对应的像素点误检为非肤色像素点，从而使肤色区域内部出现黑色的孔洞，导致肤色检测的准确度不高。
发明内容
本公开提供了一种图像处理方法、装置、设备及介质，用以解决现有肤色检测准确度不高的问题。本公开的技术方案如下：
根据本公开实施例的第一方面，提供一种图像处理方法，所述方法包括：
通过椭圆模型，获取第一图像对应的掩码图像，其中，所述第一图像为亮度色度YCrCb格式的图像；
获取所述第一图像对应的红绿蓝RGB格式的第二图像；
根据每个像素点在所述第一图像中的亮度分量、在所述第二图像中的红色分量及预设阈值，确定进行像素值调整的每个目标像素点；
调整所述掩码图像中所述每个目标像素点的像素值，并根据像素值调整后的掩码图像，确定肤色像素点。
进一步地，所述根据每个像素点在所述第一图像中的亮度分量、在所述第二图像中的红色分量以及预设阈值，确定进行像素值调整的每个目标像素点之前，所述方法还包括：
对所述第一图像进行均值滤波；
根据每个像素点均值滤波后的每个分量的值，对所述第一图像中对应像素点的每个分量的值更新。
进一步地，所述根据每个像素点在所述第一图像中的亮度分量、在所述第二图像中的红色分量以及预设阈值，确定进行像素值调整的每个目标像素点包括：
针对每个像素点，确定该像素点的亮度分量与红色分量中的最小值；
针对每个像素点对应的最小值，根据该像素点对应的最小值与预设的第一调整参数的差值，确定所述差值与预设的第二调整参数的乘积；
根据每个像素点对应的乘积及所述预设阈值，确定进行像素值调整的每个目标像素点。
进一步地，所述根据每个像素点对应的乘积及预设阈值，确定进行像素值调整的每个目标像素点包括：
将所述乘积不大于预设的第一阈值的每个像素点，作为输出结果为第一预设值的第一目标像素点；
将所述乘积不小于预设的第二阈值的每个像素点，作为输出结果为第二预设值的第二目标像素点，其中所述第二阈值大于第一阈值。
进一步地，所述调整所述掩码图像中所述每个目标像素点的像素值包括：
针对每个第一目标像素点，将所述掩码图像中该第一目标像素点的像素值调整为非肤色像素点对应的像素值；
针对每个第二目标像素点，将所述掩码图像中该第二目标像素点的像素值调整为肤色像素点对应的像素值。
进一步地，所述第一调整参数为49到53范围内的任一值。
进一步地，所述第二调整参数为3.5到5范围内的任一值。
进一步地，所述确定肤色像素点之后，所述方法还包括：
根据确定的每个肤色像素点，对所述每个肤色像素点进行相应的处理。
根据本公开实施例的第二方面，提供一种图像处理装置，所述装置包括：
第一获取单元，被配置为执行通过椭圆模型，获取第一图像对应的掩码图像，其中，所述第一图像为亮度色度YCrCb格式的图像；
第二获取单元，被配置为执行获取所述第一图像对应的红绿蓝RGB格式的第二图像；
处理单元，被配置为执行根据每个像素点在所述第一图像中的亮度分量、在所述第二图像中的红色分量及预设阈值，确定进行像素值调整的每个目标像素点；调整所述掩码图像中所述每个目标像素点的像素值，并根据像素值调整后的掩码图像，确定肤色像素点。
进一步地，所述第二获取单元，还被配置为执行对所述第一图像进行均值滤波；根据每个像素点均值滤波后的每个分量的值，对所述第一图像中对应像素点的每个分量的值更新。
进一步地，所述处理单元，被配置为执行针对每个像素点，确定该像素点的亮度分量与红色分量中的最小值；针对每个像素点对应的最小值，根据该像素点对应的最小值与预设的第一调整参数的差值，确定所述差值与预设的第二调整参数的乘积；根据每个像素点对应的乘积及所述预设阈值，确定进行像素值调整的每个目标像素点。
进一步地，所述处理单元，被配置为执行将所述乘积不大于预设的第一阈值的每个像素点，作为输出结果为第一预设值的第一目标像素点；将所述乘积不小于预设的第二阈值的每个像素点，作为输出结果为第二预设值的第二目标像素点，其中所述第二阈值大于第一阈值。
进一步地，所述处理单元，被配置为执行针对每个第一目标像素点，将所述掩码图像中该第一目标像素点的像素值调整为非肤色像素点对应的像素值；针对每个第二目标像素点，将所述掩码图像中该第二目标像素点的像素值调整为肤色像素点对应的像素值。
根据本公开实施例的第三方面，提供一种电子设备，包括：
处理器；
用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述指令，以实现上述所述的图像处理方法。
根据本公开实施例的第四方面，提供一种存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得所述处理器能够执行上述所述图像处理方法。
根据本公开实施例的第五方面，提供一种计算机程序产品，包括：程序代码，当所述计算机程序产品由电子设备执行时，所述程序代码用于使所述电子设备能够执行上述所述的一种图像处理方法。
本公开的实施例中提供的技术方案至少带来以下有益效果：
在进行图像处理的过程中，由于通过椭圆模型获取了第一图像对应的掩码图像，并根据第一图像中的亮度分量、第一图像对应的RGB格式的第二图像中的红色分量及设置阈值，确定了进行像素值调整的每个目标像素点，也就是确定了可能会被误检的像素点，从而调整掩码图像中每个目标像素点的像素值，并根据像素值调整后的掩码图像，确定肤色像素点，进而保证确定的肤色像素点准确度更高。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。
图1是根据一示例性实施例示出的一种图像处理过程示意图；
图2是根据一示例性实施例示出的具体的图像处理过程示意图；
图3是根据一示例性实施例示出的具体的图像处理过程示意图；
图4(a)-(c)是根据一示例性实施例示出的采用现有技术和本公开提供的实施例中的图像处理方法进行肤色检测的效果图；
图5(a)-(c)是根据一示例性实施例示出的再一种采用现有技术和本公开提供的实施例中的图像处理方法进行肤色检测的效果图；
图6是根据一示例性实施例示出的具体的图像处理过程示意图；
图7是根据一示例性实施例示出的一种图像处理装置框图；
图8是根据一示例性实施例示出的一种电子设备结构框图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
图1是根据一示例性实施例示出的一种图像处理方法的流程图，该图像处理的方法包括以下步骤：
在步骤S101中，通过椭圆模型，获取第一图像对应的掩码图像，其中，所述第一图像为亮度色度YCrCb格式的图像。
本公开提供的图像处理方法可以应用于电子设备，具体的是应用于具有拍照功能的设备，例如移动终端、平板电脑、摄像头等设备。
由于YCrCb格式的图像可以很好的兼容黑白显示系统，因此，现有技术中大多具有拍照功能的设备采集的图像均是YCrCb格式的图像。本公开获取的第一图像也为YCrCb格式的图像，并将该YCrCb格式的第一图像作为进行图像处理的原始图像。
因为预先对大量包含有肤色像素点的样本图像进行统计，并建立了关于肤色像素点分布的椭圆模型，因此通过该椭圆模型，可以获取输入的第一图像对应的掩码图像。
其中，具体的通过椭圆模型获取掩码图像的方法属于现有技术，在此不再赘述。
在步骤S102中，获取所述第一图像对应的红绿蓝RGB格式的第二图像。
对于YCrCb格式的图像来说，每个像素点都包含有：亮度分量、红色色度分量和蓝色色度分量。具体的，亮度分量反映的是像素点的亮度；红色色度分量反映了该像素点在RGB格式中对应的红色分量，与该像素点在RGB格式中对应的亮度之间的差异；而蓝色色度分量反映的是该像素点在RGB格式中对应的蓝色分量，与该像素点在RGB格式中对应的亮度之间的差异。
而由于RGB格式的图像可以很好的体现出图像的颜色和饱和度，有利于后续识别出皮肤所对应的颜色。因此，在获取第一图像之后，将该第一图像转化成RGB格式的第二图像。
其中，将YCrCb格式的第一图像转化成RGB格式的第二图像的方法，与现有技术中转化方法相同，在此不再赘述。
对于RGB格式的图像来说，每个像素点包含有：红色分量、绿色分量以及蓝色分量。其中，红色分量、绿色分量以及蓝色分量之间可以相互叠加，相互混合。
在步骤S103中，根据每个像素点在所述第一图像中的亮度分量、在所述第二图像中的红色分量及预设阈值，确定进行像素值调整的每个目标像素点。
为了准确的识别图像中的肤色像素点，预先对大量的包含有黄色头发和紫色皮肤的图像进行统计，确定在进行肤色检测的过程中，无论是将图像中黄色头发所对应的像素点误检为肤色像素点，或是将在彩光下采集的图像中发紫的皮肤所对应的像素点误检为非肤色像素点，从而使肤色区域内部出现黑色的孔洞，这些被误检的像素点的亮度分量和红色分量，一般会在一定的范围内。
因此，为了提高肤色像素点检测的准确性，可以分别确定图像中黄色头发以及紫色皮肤所对应的每个像素点对应的亮度分量可能出现的范围，以及红色分量可能出现的范围，并在根据亮度分量对应的范围以及红色分量对应的范围中分别确定一个对应的阈值，从而帮助后续根据每个像素点在第一图像中的亮度分量、在第二图像中的红色分量以及该阈值，确定进行像素值调整的每个目标像素点。
在步骤S104中，调整所述掩码图像中所述每个目标像素点的像素值，并根据像素值调整后的掩码图像，确定肤色像素点。
掩码图像中为了区分肤色像素点与非肤色像素点，肤色像素点与非肤色像素点在掩码图像中的像素值不一样，例如肤色像素点在掩码图像中对应的像素值为255，非肤色像素点在掩码图像中对应的像素值为0。根据步骤S103确定了每个目标像素点后，调整每个目标像素点在掩码图像中的像素值，根据调整后的掩码图像中每个像素点的像素值，即可确定肤色像素点。
在进行图像处理的过程中，由于通过椭圆模型获取了第一图像对应的掩码图像，并根据第一图像中的亮度分量、第一图像对应的RGB格式的第二图像中的红色分量及设置阈值，确定了进行像素值调整的每个目标像素点，也就是确定了可能会被误检的像素点，从而调整掩码图像中每个目标像素点的像素值，并根据像素值调整后的掩码图像，确定肤色像素点，进而保证确定的肤色像素点准确度更高。
为了进一步准确的识别肤色像素点，在本公开的一示例性实施例中，所述根据每个像素点在所述第一图像中的亮度分量、在所述第二图像中的红色分量以及预设阈值，确定进行像素值调整的每个目标像素点之前，所述方法还包括：
对所述第一图像进行均值滤波；
根据每个像素点均值滤波后的每个分量的值，对所述第一图像中对应像素点的每个分量的值更新。
由于获取的图像中一般存在噪声，从而影响肤色像素点检测的准确性。因此，为了进一步准确的识别肤色像素点，在本公开的实施例中，在获取到第一图像之后，对该第一图像进行均值滤波，即对该第一图像的每个像素点对应的亮度分量、红色色度分量和蓝色色度分量，分别进行均值滤波，从而对第一图像中对应像素点的每个分量的值进行更新。
具体的，预先设置好用于均值滤波的邻域的大小，对于第一图像中每个像素点，将该像素点确定为该邻域的中心点，针对该像素点的某一分量，根据该邻域中其他像素点该分量的均值，对该像素点的该分量的值进行更新。
例如，以对每个像素点的亮度分量进行均值滤波，用于均值滤波的邻域的大小为3*3，对于第一图像中某一像素点，将该像素点确定为该邻域的中心点，针对该像素点的亮度分量，该亮度分量的值为51，该邻域中其他8个像素点的亮度分量的均值为48，则将该像素点的亮度分量的值更新为48。
其中，在设置邻域时，根据使用的场景不同，可以设置不同的大小。如果希望对图像去噪的效果有严格的要求，可以将该邻域设置的大一些。如果不希望图像丢失太多的细节，可以将该邻域设置的小一些。
由于本公开对每个像素点对应的每个分量分别进行均值滤波，而在后续肤色像素点的识别中，只使用到每个像素点对应的亮度分量。因此，为了提高均值滤波的效率，本公开的实施例中，还可以只对每个像素点对应的亮度分量进行均值滤波，从而减少用于均值滤波的时间。
由于本公开提供的一示例性实施例中通过均值滤波对第一图像进行处理，从而减小第一图像中噪声对后续肤色像素点的识别的影响，使确定的肤色像素点更准确。
为了准确识别出肤色像素点，在本公开的一示例性实施例中，所述根据每个像素点在所述第一图像中的亮度分量、在所述第二图像中的红色分量以及预设阈值，确定进行像素值调整的每个目标像素点包括：
针对每个像素点，确定该像素点的亮度分量与红色分量中的最小值；
针对每个像素点对应的最小值，根据该像素点对应的最小值与预设的第一调整参数的差值，确定所述差值与预设的第二调整参数的乘积；
根据每个像素点对应的乘积及所述预设阈值，确定进行像素值调整的每个目标像素点。
经过大量的统计发现，针对每个像素点对应的亮度分量和红色分量中的最小值，获取该像素点的最小值与预设的第一调整参数的差值，然后确定该差值与预设的第二调整参数的乘积，根据该乘积以及预设的阈值，可以识别出该像素点是否为目标像素点，也可以识别出该像素点是否为被误检的黄色头发所对应的像素点，或，是否为被误检的紫色皮肤所对应的像素点，从而方便对对应的像素点在掩码图像中的像素值进行调整。
较佳的，为了可以准确识别出图像中被误检的像素点，在本公开实施例中，第一调整参数为49到53范围内的任一值，第二调整参数为3.5到5范围内的任一值。
图2是根据一示例性实施例示出的具体的图像处理过程示意图，该过程包括：
在步骤S201中，通过椭圆模型，获取第一图像对应的掩码图像，其中，第一图像为亮度色度YCrCb格式的图像。
在步骤S202中，获取第一图像对应的红绿蓝RGB格式的第二图像。
在步骤S203中，对第一图像进行均值滤波。
在步骤S204中，根据每个像素点均值滤波后的每个分量的值，对第一图像中对应像素点的每个分量的值更新。
在步骤S205中，针对每个像素点，确定该像素点在第一图像中的亮度分量与在第二图像中的红色分量中的最小值。
在步骤S206中，针对每个像素点对应的最小值，根据该像素点对应的最小值与预设的第一调整参数的差值，确定差值与预设的第二调整参数的乘积。
在步骤S207中，根据每个像素点对应的乘积及预设阈值，确定进行像素值调整的每个目标像素点。
在步骤S208中，调整掩码图像中每个目标像素点的像素值，并根据像素值调整后的掩码图像，确定肤色像素点。
具体的，所述根据每个像素点对应的乘积及预设阈值，确定进行像素值调整的每个目标像素点包括：
将所述乘积不大于预设的第一阈值的每个像素点，作为输出结果为第一预设值的第一目标像素点；
将所述乘积不小于预设的第二阈值的每个像素点，作为输出结果为第二预设值的第二目标像素点，其中所述第二阈值大于第一阈值。
通过上述处理后的，得到了每个像素点对应的乘积，如果该像素点为图像中黄色头发所对应的像素点，则其对应的乘积所在的范围在第一预设范围内，而如果该像素点为图像中紫色皮肤所对应的像素点，则其对应的乘积所在的范围在第二预设范围内，该第一预设范围和第二预设范围明显不同。
基于此，在本公开的一示例性实施例中，根据该第一预设范围和第二预设范围，分别预设有第一阈值以及第二阈值。后续针对获取的每个像素点对应的乘积，判断该像素点对应的乘积是否不大于预设的第一阈值，或，判断该像素点对应的乘积是否不小于预设的第二阈值。
若该像素点对应的乘积不大于预设的第一阈值，说明该像素点极有可能为图像中黄色头发所对应的像素点，确定该像素点为第一目标像素点。若该像素点对应的乘积不小于预设的第二阈值，说明该像素点极有可能为图像中紫色皮肤所对应的像素点，则确定该像素点为第二目标像素点。
例如，第一调整参数为51，第二调整参数为5，预设的第一阈值为1，预设的第二阈值为254，针对某一像素点，该像素点的亮度分量为55，该像素点的红色分量为50，确定该像素点的亮度分量和红色分量中的最小值为50，该最小值与第一调整参数的差值为-1，获取该差值与第二调整参数的乘积为-5，确定该像素点对应的乘积不大于预设的第一阈值，则说明该像素点极有可能为图像中黄色头发所对应的像素点，确定该像素点为第一目标像素点。
若某一像素点的亮度分量与红色分量中的最小值为103，则该最小值与第一调整参数的差值为52，获取该差值与第二调整参数的乘积为260，确定该像素点对应的乘积不小于预设的第二阈值，说明该像素点极有可能为图像中紫色皮肤所对应的像素点，则确定该像素点为第二目标像素点。
针对上述确定的每个第一目标像素点以及每个第二目标像素点，对掩码图像中的每个第一目标像素点以及第二目标像素点的像素值进行调整，具体的，所述调整所述掩码图像中所述每个目标像素点的像素值包括：
针对每个第一目标像素点，将所述掩码图像中该第一目标像素点的像素值调整为非肤色像素点对应的像素值；
针对每个第二目标像素点，将所述掩码图像中该第二目标像素点的像素值调整为肤色像素点对应的像素值。
针对每个第一目标像素点，该第一目标像素点极有可能为非肤色像素点，则将掩码图像中该第一目标像素点的像素值调整为非肤色像素点对应的像素值；针对每个第二目标像素点，该第二目标像素点极有可能为肤色像素点，则将掩码图像中该第二目标像素点的像素值调整为肤色像素点对应的像素值。
具体的，在进行像素值调整时，针对第一目标像素点，可以判断掩码图像中该第一目标像素点的像素值是否为非肤色像素点对应的像素值，如果是，则保持掩码图像中该第一目标像素点的像素值不变，否则，将掩码图像中该第一目标像素点的像素值调整为非肤色像素点对应的像素值。
针对每个第二目标像素点，可以判断掩码图像中该第二目标像素点的像素值是否为肤色像素点对应的像素值，如果是，则保持掩码图像中该第二目标像素点的像素值不变，否则，将掩码图像中该第二目标像素点的像素值调整为肤色像素点对应的像素值。
较佳的，肤色像素点对应的像素值为255，非肤色像素点对应的像素值为0。
例如，肤色像素点对应的像素值为255，将掩码图像中每个第二目标像素点的像素值调整为255，将掩码图像中像素值为255的像素点确定为肤色像素点。
非肤色像素点对应的像素值为0，将掩码图像中每个第一目标像素点的像素值调整为0，将掩码图像中像素值为0的像素点确定为非肤色像素点。
图3是根据一示例性实施例示出的具体的图像处理过程示意图，该过程包括：
在步骤S301中，通过椭圆模型，获取第一图像对应的掩码图像，其中，第一图像为亮度色度YCrCb格式的图像。
在步骤S302中，获取第一图像对应的红绿蓝RGB格式的第二图像。
在步骤S303中，对第一图像进行均值滤波。
在步骤S304中，根据每个像素点均值滤波后的每个分量的值，对第一图像中对应像素点的每个分量的值更新。
在步骤S305中，针对每个像素点，确定该像素点在第一图像中的亮度分量与在第二图像中的红色分量中的最小值。
在步骤S306中，针对每个像素点对应的最小值，根据该像素点对应的最小值与预设的第一调整参数的差值，确定差值与预设的第二调整参数的乘积。
在步骤S307中，将乘积不大于预设的第一阈值的每个像素点，作为输出结果为第一预设值的第一目标像素点，然后执行步骤S309。
在步骤S308中，将乘积不小于预设的第二阈值的每个像素点，作为输出结果为第二预设值的第二目标像素点，然后执行步骤S310。
其中，第二阈值大于第一阈值。
需要说明的是，步骤S307与步骤S308是根据每个像素点对应的乘积与预设的阈值进行比较后，根据比较结果执行不同的步骤，其在执行的过程中是不分时间的先后的。
在步骤S309中，针对每个第一目标像素点，将掩码图像中该第一目标像素点的像素值调整为非肤色像素点对应的像素值，然后执行步骤S311。
在步骤S310中，针对每个第二目标像素点，将掩码图像中该第二目标像素点的像素值调整为肤色像素点对应的像素值，然后执行步骤S311。
在步骤S311中，根据像素值调整后的掩码图像，确定肤色像素点。
具体的，本公开提供的实施例中，调整掩码图像中每个目标像素点的像素值的过程，可以用以下公式表示：
其中，min(rij,yij)为第i行第j列的像素点的亮度分量yij与对应的红色分量rij中的最小值，a为预设的第一调整参数，b为预设的第二调整参数，d为预设的第一阈值，c为预设的第二阈值，maskij为掩码图像中第i行第j列的像素点的像素值，当该像素点的(min(rij,yij)-a)*b≥c时，说明该像素点极有可能为肤色像素点，确定该像素点为第二目标像素点，该像素点的maskij为255；当该像素点的(min(rij,yij)-a)*b≤d时，说明该像素点极有可能为非肤色像素点，确定该像素点为第一目标像素点，该像素点的maskij为0。
对于图像中人物的头发为黄色的情况，图4(a)-(c)是根据一示例性实施例示出的采用现有技术和本公开提供的实施例中的图像处理方法进行肤色检测的效果图：
图4(a)为本公开提供的进行肤色检测的图像，图4(a)中人物的头发的颜色为黄色，与其面部的肤色的颜色相近，通过椭圆模型进行肤色检测后，生成如图4(b)所示的掩码图像。在该图4(b)中，很明显的可以看出，图4(b)中人物的大部分头发显示的颜色为白色，说明该人物的大部分头发所对应的像素点被识别成肤色像素点，每个像素点的像素值均为255，并且，该图像中人物面部的眉毛与嘴唇显示的颜色也为白色，说明该图像中人物面部的眉毛与嘴唇对应的像素点也被识别为肤色像素点，每个像素点的像素值均为255。图4(c)是基于本公开提供的图像处理方法生成的图4(a)的掩码图像，该掩码图像对比图4(b)中的掩码图像，该图像中人物大部分头发，以及人物面部的眉毛和嘴唇均显示为黑色，说明该图像中人物大部分头发、人物面部的眉毛和嘴唇所对应的像素点并没有被误检为肤色像素点。
对于在彩色的灯光下采集的图像中，人物的皮肤发紫的情况，图5(a)-(c)是根据一示例性实施例示出的再一种采用现有技术和本公开提供的实施例中的图像处理方法进行肤色检测的效果图：
图5(a)为本公开提供的进行肤色检测的图像，图5(a)中人物的面部中央受彩色灯光的影响，面部中央的肤色偏紫色，通过椭圆模型进行肤色检测后，生成如图5(b)所示的掩码图像。在该图5(b)中，可以看出人物面部中央大部分的皮肤区域出现黑色的孔洞，说明该图像中人物面部中央发紫的皮肤所对应的像素点被误检为非肤色像素点，每个像素点的像素值为0。图5(c)是基于本公开提供的图像处理方法生成的图5(a)的掩码图像，该掩码图像对比图5(b)中的掩码图像，该图像中并没有在人物面部中央大部分的皮肤区域出现黑色的孔洞，并且在人物面部的皮肤区域显示为白色，说明该图像并没有将人物面部中央发紫的皮肤所对应的像素点误检为非肤色像素点，每个像素点对应的像素值为255。
为了使后续处理的结果更准确，基于上述实施例中任一项所述的图像处理方法，在本公开的一示例性实施例中，所述方法包括：
根据确定的每个肤色像素点，对所述每个肤色像素点进行相应的处理。
当获取到每个肤色像素点后，基于每个肤色像素点，可以更加准确分割出第一图像中肤色像素点所在的区域。根据分割出的图像中肤色像素点所在的区域，本公开提供的图像处理方法可以识别出该图像中的人脸所在的位置，以及人脸上五官的相对位置，判断该人脸是否与预设的任一人脸图像一致，从而确定是否执行人脸识别的相关处理，或者，根据识别出的人脸所在的位置，以及人脸上无关的相对位置，还可以对该人脸对应的每个肤色像素点执行美颜，磨皮，美白等操作对应的处理过程。
相应的，根据分割出的第一图像中肤色像素点所在的区域，本公开提供的图像的处理方法还可以进行手势识别，通过判断分割出的第一图像中肤色像素点所组成的区域中的手的形状与预设的任一手势形状是否一致，从而确定该第一图像中的手势为哪一个手势，从而进行相应的处理。
具体的，对肤色像素点所在的区域进行人脸识别、美颜、磨皮、美白以及手势识别的具体过程，与现有技术中的方法相同，在此不再赘述。
图6是根据一示例性实施例示出的具体的图像处理过程示意图，该过程包括：
在步骤S601中，通过椭圆模型，获取第一图像对应的掩码图像，其中，第一图像为亮度色度YCrCb格式的图像。
在步骤S602中，获取第一图像对应的红绿蓝RGB格式的第二图像。
在步骤S603中，对第一图像进行均值滤波。
在步骤S604中，根据每个像素点均值滤波后的每个分量的值，对第一图像中对应像素点的每个分量的值更新。
在步骤S605中，针对每个像素点，确定该像素点在第一图像中的亮度分量与在第二图像中的红色分量中的最小值。
在步骤S606中，针对每个像素点对应的最小值，根据该像素点对应的最小值与预设的第一调整参数的差值，确定差值与预设的第二调整参数的乘积。
在步骤S607中，将乘积不大于预设的第一阈值的每个像素点，作为输出结果为第一预设值的第一目标像素点，然后执行步骤S609。
需要说明的是，步骤S607与步骤S608是根据每个像素点对应的乘积与预设的阈值进行比较后，根据比较结果执行不同的步骤，其在执行的过程中是不分时间的先后的。
在步骤S608中，将乘积不小于预设的第二阈值的每个像素点，作为输出结果为第二预设值的第二目标像素点，然后执行步骤S610。
其中，第二阈值大于第一阈值。
在步骤S609中，针对每个第一目标像素点，将掩码图像中该第一目标像素点的像素值调整为非肤色像素点对应的像素值。
在步骤S610中，针对每个第二目标像素点，将掩码图像中该第二目标像素点的像素值调整为肤色像素点对应的像素值。
在步骤S611中，根据像素值调整后的掩码图像，确定肤色像素点。
在步骤S612中，根据确定的每个肤色像素点，对每个肤色像素点进行相应的处理。
由于本公开基于上述的图像处理方法获取肤色像素点，从而使后续根据该肤色像素点进行相应的处理的结果，不易受灯光颜色以及头发颜色的影响，生成的处理的结果的准确度更高。
图7是根据一示例性实施例示出的一种图像处理装置框图。参照图7，该装置700包括：第一获取单元701、第二获取单元702、处理单元703。
第一获取单元701，被配置为执行通过椭圆模型，获取第一图像对应的掩码图像，其中，所述第一图像为亮度色度YCrCb格式的图像；
获取单元702，被配置为执行获取所述第一图像对应的红绿蓝RGB格式的第二图像；
确定单元703，被配置为执行根据每个像素点在所述第一图像中的亮度分量、在所述第二图像中的红色分量及预设阈值，确定进行像素值调整的每个目标像素点；调整所述掩码图像中所述每个目标像素点的像素值，并根据像素值调整后的掩码图像，确定肤色像素点。
所述第二获取单元702，还被配置为执行对所述第一图像进行均值滤波；根据每个像素点均值滤波后的每个分量的值，对所述第一图像中对应像素点的每个分量的值更新。
所述处理单元703，被配置为执行针对每个像素点，确定该像素点的亮度分量与红色分量中的最小值；针对每个像素点对应的最小值，根据该像素点对应的最小值与预设的第一调整参数的差值，确定所述差值与预设的第二调整参数的乘积；根据每个像素点对应的乘积及所述预设阈值，确定进行像素值调整的每个目标像素点。
所述处理单元703，被配置为执行将所述乘积不大于预设的第一阈值的每个像素点，作为输出结果为第一预设值的第一目标像素点；将所述乘积不小于预设的第二阈值的每个像素点，作为输出结果为第二预设值的第二目标像素点，其中所述第二阈值大于第一阈值。
所述处理单元703，被配置为执行针对每个第一目标像素点，将所述掩码图像中该第一目标像素点的像素值调整为非肤色像素点对应的像素值；针对每个第二目标像素点，将所述掩码图像中该第二目标像素点的像素值调整为肤色像素点对应的像素值。
所述处理单元703，还被配置为执行根据确定的每个肤色像素点，对所述每个肤色像素点进行相应的处理。
关于上述实施例中的装置，其中各个单元执行操作的具体方式已经在有关该图像处理方法的实施例中进行了详细描述，此处将不做详细阐述说明。
在进行图像处理的过程中，由于通过椭圆模型获取了第一图像对应的掩码图像，并根据第一图像中的亮度分量、第一图像对应的RGB格式的第二图像中的红色分量及设置阈值，确定了进行像素值调整的每个目标像素点，也就是确定了可能会被误检的像素点，从而调整掩码图像中每个目标像素点的像素值，并根据像素值调整后的掩码图像，确定肤色像素点，进而保证确定的肤色像素点准确度更高。
图8是根据一示例性实施例示出的一种电子设备结构框图。下面参照图8来描述根据本公开的这种实施方式的电子设备800。图8的电子设备800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。
参照图8，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电力组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的图像处理方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。所述指令可由电子设备800的处理组件802包括的一个或多个处理器820执行以完成上述的图像处理方法的全部或部分步骤。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如WiFi，运营商网络(如2G、3G、4G或5G)，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种包括指令的存储介质，例如包括指令的存储器804，上述指令可由电子设备800的处理器820执行以完成上述图像处理方法。可选地，存储介质可以是非临时性计算机可读存储介质，例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
所述计算机程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。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。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。
在一些可能实现的实施方式中，本公开提供的请求处理的各个方面还可以实现为一种计算机程序产品的形式，其包括程序代码，当所述计算机程序产品在服务器上运行时，所述程序代码用于使所述服务器执行本说明书上述描述的根据本公开各种示例性实施方式的图像处理方法中的步骤，例如，所述电子设备可以执行如图1中所示的步骤S101中，通过椭圆模型，获取第一图像对应的掩码图像，其中，所述第一图像为亮度色度YCrCb格式的图像，和步骤S102，获取所述第一图像对应的红绿蓝RGB格式的第二图像，和步骤S103，根据每个像素点在所述第一图像中的亮度分量、在所述第二图像中的红色分量及预设阈值，确定进行像素值调整的每个目标像素点，和步骤S104，调整所述掩码图像中所述每个目标像素点的像素值，并根据像素值调整后的掩码图像，确定肤色像素点。
本公开的实施方式的用于图像处理的计算机程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在电子设备上运行。然而，本公开的计算机程序产品不限于此，在本文件中，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。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
需要说明的是，该方案中，涉及的用户信息(如，用户设备信息、用户个人信息、用户的操作行为信息等)，均是经用户授权而采集并进行后续处理或分析的。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种图像处理方法，其特征在于，所述方法包括：
通过椭圆模型，获取第一图像对应的掩码图像，其中，所述第一图像为亮度色度YCrCb格式的图像；
获取所述第一图像对应的红绿蓝RGB格式的第二图像；
根据每个像素点在所述第一图像中的亮度分量、在所述第二图像中的红色分量及预设阈值，确定进行像素值调整的每个目标像素点；
调整所述掩码图像中所述每个目标像素点的像素值，并根据像素值调整后的掩码图像，确定肤色像素点；
其中，所述根据每个像素点在所述第一图像中的亮度分量、在所述第二图像中的红色分量以及预设阈值，确定进行像素值调整的每个目标像素点包括：
针对每个像素点，确定该像素点的亮度分量与红色分量中的最小值；针对每个像素点对应的最小值，根据该像素点对应的最小值与预设的第一调整参数的差值，确定所述差值与预设的第二调整参数的乘积；根据每个像素点对应的乘积及所述预设阈值，确定进行像素值调整的每个目标像素点；
所述根据每个像素点对应的乘积及预设阈值，确定进行像素值调整的每个目标像素点包括：
将所述乘积不大于预设的第一阈值的每个像素点，作为输出结果为第一预设值的第一目标像素点；将所述乘积不小于预设的第二阈值的每个像素点，作为输出结果为第二预设值的第二目标像素点，其中所述第二阈值大于第一阈值；
所述调整所述掩码图像中所述每个目标像素点的像素值包括：
针对每个第一目标像素点，将所述掩码图像中该第一目标像素点的像素值调整为非肤色像素点对应的像素值；针对每个第二目标像素点，将所述掩码图像中该第二目标像素点的像素值调整为肤色像素点对应的像素值。
2.根据权利要求1所述的图像处理方法，其特征在于，所述根据每个像素点在所述第一图像中的亮度分量、在所述第二图像中的红色分量以及预设阈值，确定进行像素值调整的每个目标像素点之前，所述方法还包括：
对所述第一图像进行均值滤波；
根据每个像素点均值滤波后的每个分量的值，对所述第一图像中对应像素点的每个分量的值更新。
3.根据权利要求1所述的图像处理方法，其特征在于，所述第一调整参数为49到53范围内的任一值。
4.根据权利要求1所述的图像处理方法，其特征在于，所述第二调整参数为3.5到5范围内的任一值。
5.根据权利要求1-4任一项所述的图像处理方法，其特征在于，所述确定肤色像素点之后，所述方法还包括：
根据确定的每个肤色像素点，对所述每个肤色像素点进行相应的处理。
6.一种图像处理装置，其特征在于，所述装置包括：
第一获取单元，被配置为执行通过椭圆模型，获取第一图像对应的掩码图像，其中，所述第一图像为亮度色度YCrCb格式的图像；
第二获取单元，被配置为执行获取所述第一图像对应的红绿蓝RGB格式的第二图像；
处理单元，被配置为执行根据每个像素点在所述第一图像中的亮度分量、在所述第二图像中的红色分量及预设阈值，确定进行像素值调整的每个目标像素点；调整所述掩码图像中所述每个目标像素点的像素值，并根据像素值调整后的掩码图像，确定肤色像素点；
所述处理单元，被配置为执行针对每个像素点，确定该像素点的亮度分量与红色分量中的最小值；针对每个像素点对应的最小值，根据该像素点对应的最小值与预设的第一调整参数的差值，确定所述差值与预设的第二调整参数的乘积；根据每个像素点对应的乘积及所述预设阈值，确定进行像素值调整的每个目标像素点；
所述处理单元，被配置为执行将所述乘积不大于预设的第一阈值的每个像素点，作为输出结果为第一预设值的第一目标像素点；将所述乘积不小于预设的第二阈值的每个像素点，作为输出结果为第二预设值的第二目标像素点，其中所述第二阈值大于第一阈值；
所述处理单元，被配置为执行针对每个第一目标像素点，将所述掩码图像中该第一目标像素点的像素值调整为非肤色像素点对应的像素值；针对每个第二目标像素点，将所述掩码图像中该第二目标像素点的像素值调整为肤色像素点对应的像素值。
7.根据权利要求6所述的图像处理装置，其特征在于，所述第二获取单元，还被配置为执行对所述第一图像进行均值滤波；根据每个像素点均值滤波后的每个分量的值，对所述第一图像中对应像素点的每个分量的值更新。
8.根据权利要求6-7任一项所述的图像处理装置，其特征在于，所述处理单元，还被配置为执行根据确定的每个肤色像素点，对所述每个肤色像素点进行相应的处理。
9.一种电子设备，其特征在于，包括：
处理器；
用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述指令，以实现根据权利要求1至权利要求5中任一项所述的图像处理方法。
10.一种存储介质，其特征在于，当所述存储介质中的指令由电子设备的处理器执行时，使得所述处理器能够执行根据权利要求1至权利要求5中任一项所述的图像处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010067629.3A CN111310600B (zh) | 2020-01-20 | 2020-01-20 | 一种图像处理方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010067629.3A CN111310600B (zh) | 2020-01-20 | 2020-01-20 | 一种图像处理方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111310600A CN111310600A (zh) | 2020-06-19 |
| CN111310600B true CN111310600B (zh) | 2024-02-20 |
Family
ID=71158414
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010067629.3A Active CN111310600B (zh) | 2020-01-20 | 2020-01-20 | 一种图像处理方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111310600B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106780311A (zh) * | 2016-12-22 | 2017-05-31 | 华侨大学 | 一种结合皮肤粗糙度的快速人脸图像美化方法 |
| CN107392166A (zh) * | 2017-07-31 | 2017-11-24 | 北京小米移动软件有限公司 | 肤色检测方法、装置及计算机可读存储介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100158363A1 (en) * | 2008-12-19 | 2010-06-24 | Qualcomm Incorporated | System and method to detect skin color in an image |
| US8861847B2 (en) * | 2012-12-21 | 2014-10-14 | Intel Corporation | System and method for adaptive skin tone detection |
-
2020
- 2020-01-20 CN CN202010067629.3A patent/CN111310600B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106780311A (zh) * | 2016-12-22 | 2017-05-31 | 华侨大学 | 一种结合皮肤粗糙度的快速人脸图像美化方法 |
| CN107392166A (zh) * | 2017-07-31 | 2017-11-24 | 北京小米移动软件有限公司 | 肤色检测方法、装置及计算机可读存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| An Elliptical Boundary Model for Skin Color Detection;Jae Y. Lee等;《Proceedings of the International Conference on Imaging Science,Systems and Technology,2002》;全文 * |
| 一种基于Ｈ－ＣｒＣｂ颜色空间的肤色检测算法研究;王鼎等;《计算机科学》;第39卷(第10期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111310600A (zh) | 2020-06-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3200125B1 (en) | Fingerprint template input method and device | |
| CN105095881B (zh) | 人脸识别方法、装置及终端 | |
| CN105139415A (zh) | 图像前后景分割方法、装置及终端 | |
| EP3208745B1 (en) | Method and apparatus for identifying picture type | |
| CN107730448B (zh) | 基于图像处理的美颜方法及装置 | |
| CN107025441B (zh) | 肤色检测方法及装置 | |
| CN112927122A (zh) | 水印去除方法、装置及存储介质 | |
| CN112219224A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
| CN107507128B (zh) | 图像处理方法及设备 | |
| CN112200040A (zh) | 遮挡图像检测方法、装置及介质 | |
| CN112016344A (zh) | 信号指示灯的状态检测方法及装置、驾驶控制方法及装置 | |
| AU2020323956B2 (en) | Image processing method and apparatus, electronic device, and storage medium | |
| CN106982327B (zh) | 图像处理方法和装置 | |
| CN114187498A (zh) | 遮挡检测方法及装置、电子设备和存储介质 | |
| CN113656627B (zh) | 肤色分割方法、装置、电子设备及存储介质 | |
| CN111935418A (zh) | 视频处理方法及装置、电子设备和存储介质 | |
| CN113888543B (zh) | 肤色分割方法、装置、电子设备及存储介质 | |
| CN105677352B (zh) | 应用图标颜色的设置方法和装置 | |
| CN107730443B (zh) | 图像处理方法、装置及用户设备 | |
| CN108010009B (zh) | 一种去除干扰图像的方法及装置 | |
| CN112033527B (zh) | 环境亮度检测方法、装置、设备及存储介质 | |
| CN109271863B (zh) | 人脸活体检测方法及装置 | |
| CN111310600B (zh) | 一种图像处理方法、装置、设备及介质 | |
| CN114445298A (zh) | 图像的处理方法、装置、电子设备及存储介质 | |
| CN113920465A (zh) | 片尾识别方法、装置、电子设备及存储介质 |
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 |