CN112053389A - 人像处理方法、装置、电子设备及可读存储介质 - Google Patents
人像处理方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN112053389A CN112053389A CN202010742109.8A CN202010742109A CN112053389A CN 112053389 A CN112053389 A CN 112053389A CN 202010742109 A CN202010742109 A CN 202010742109A CN 112053389 A CN112053389 A CN 112053389A
- Authority
- CN
- China
- Prior art keywords
- image
- region
- highlight
- portrait
- face
- 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 abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 41
- 230000009466 transformation Effects 0.000 claims description 24
- 239000011159 matrix material Substances 0.000 claims description 23
- 210000001061 forehead Anatomy 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 11
- 230000004927 fusion Effects 0.000 claims description 9
- 230000001815 facial effect Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 210000000887 face Anatomy 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000717 retained effect Effects 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
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- 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
- G06T2207/10004—Still image; Photographic 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Studio Devices (AREA)
- Image Processing (AREA)
Abstract
本申请提供一种人像处理方法、装置、电子设备及可读存储介质，涉及计算机图像技术领域。方法包括：获取第一相机拍摄的包含目标人像的第一图像，及第二相机拍摄的包含目标人像的第二图像；通过配准算法对第一图像、第二图像进行配准；当第一图像中的人像面部区域中存在高光区域，且高光区域在配准后的第一图像、第二图像中不重叠时，将第二图像中的与高光区域位置对应的图区与第一图像中的高光区域进行融合，得到经过融合后的目标图像，基于此，可以快速去除图像中人物面部的高光区域，以提高去除面部区域中的高光区域的效率。
Description
技术领域
本发明涉及计算机图像技术领域，具体而言，涉及一种人像处理方法、装置、电子设备及可读存储介质。
背景技术
拍照又称为摄影、照相，一般指通过物体所反射的光线使感光介质曝光的过程。当需要对人物拍照时，可以通过拍照设备对人物进行拍照，得到该人物的图像。在拍照过程中，容易因人脸的油光或其他反光，导致拍摄得到的图像中，人脸存在高光区域，而影响成像的图像的质量。目前，通常需要人工通过修图软件去除图像中人物面部的高光区域，该方式得到成品图像的效率低。
发明内容
本申请提供一种人像处理方法、装置、电子设备及可读存储介质，能够改善去除图像中人物面部的高光区域的效率低的问题。
为了实现上述目的，本申请实施例所提供的技术方案如下所示：
第一方面，本申请实施例提供一种人像处理方法，所述方法包括：
获取第一相机拍摄的包含目标人像的第一图像，及第二相机拍摄的包含所述目标人像的第二图像；
通过配准算法对所述第一图像、第二图像进行配准；
当所述第一图像中的人像面部区域中存在高光区域，且所述高光区域在配准后的所述第一图像、所述第二图像中不重叠时，将所述第二图像中的与所述高光区域位置对应的图区与所述第一图像中的所述高光区域进行融合，得到经过融合后的目标图像。
在上述的实施方式中，通过第一相机与第二相机拍摄包含目标人像的图像，可以得到在不同视角下的人像面部的图像，然后利用与第一图像的高光区域所对应的第二图像中的非高光图区融合第一图像中的该高光区域，得到去除该高光区域的目标图像，基于此，可以快速去除第一图像中人物面部的高光区域，以提高去除面部区域中的高光区域的效率。
结合第一方面，在一些可选的实施方式中，所述方法还包括：
当所述第一图像和所述第二图像中的人像面部区域中均存在高光区域，且所述高光区域在配准后的所述第一图像、所述第二图像中重叠，且重叠的所述高光区域在所述人像面部区域的额头区域或脸颊区域时，在所述额头区域或脸颊区域中基于所述高光区域周边设定范围内的图区的颜色特征填充所述第一图像中相应的所述高光区域，得到目标图像。
在上述的实施方式中，当高光区域在第一图像、第二图像中重叠，且重叠的高光区域在人像面部区域的额头区域或脸颊区域时，此时，可以通过利用高光区域周边的图区的颜色特征填充相应的高光区域，以去除高光区域。
结合第一方面，在一些可选的实施方式中，在将所述第二图像中的与所述高光区域位置对应的图区与所述第一图像中的所述高光区域进行融合，得到经过融合后的目标图像之前，所述方法还包括：
从所述第一图像、所述第二图像中确定人像面部区域；
判断所述人像面部区域中是否存在亮度大于或等于预设阈值的图区，其中，当存在所述亮度大于或等于所述预设阈值的图区时，确定所述第一图像、所述第二图像中存在所述高光区域。
在上述的实施方式中，通过对人像面部区域中的亮度进行识别判断，可以快速准确地判断出人像面部区域中是否存在高光区域。
结合第一方面，在一些可选的实施方式中，判断所述人像面部区域中是否存在亮度大于或等于预设阈值的图区，包括：
将所述人像面部区域的图区进行灰度处理，得到灰度图区；
如果所述灰度图区中存在灰度值大于或等于预设灰度阈值的像素点，且灰度值大于或等于预设灰度阈值的像素点连通，且连通的像素点的数量大于或等于设定数量，确定所述人像面部区域中存在亮度大于或等于预设阈值的图区。
结合第一方面，在一些可选的实施方式中，所述方法还包括：
当所述第一图像和所述第二图像中的人像面部区域中存在高光区域，且所述高光区域在配准后的所述第一图像和所述第二图像中的嘴部区域重叠时，保留所述高光区域在所述第一图像中的图区，得到目标图像。
在上述的实施方式中，通过保留嘴部区域重叠的高光区域，可以避免因张嘴时牙齿呈现的高光而对该区域的高光进行去除，从而可以提高去除高光区域的准确性及可靠性。
结合第一方面，在一些可选的实施方式中，通过配准算法对所述第一图像、第二图像进行配准，包括：
通过所述配准算法从所述第一图像、所述第二图像中确定多组相匹配的目标人脸特征点，每组所述目标人脸特征点包括所述第一图像中的第一人脸特征点及所述第二图像中的第二人脸特征点；
基于每个所述第一人脸特征点在所述第一图像的位置，每个所述第二人脸特征点在所述第二图像的位置，确定用于将所述第二图像对齐所述第一图像的单应性变换矩阵；
根据所述单应性变换矩阵对所述第二图像进行配准对齐。
在上述的实施方式中，利用配置算法确定用于将第二图像对齐第一图像的单应性变换矩阵，然后利用单应性变换矩阵，可以快速准确地对第二图像进行配准对齐。
结合第一方面，在一些可选的实施方式中，通过所述配准算法从所述第一图像、所述第二图像中确定多组相匹配的目标人脸特征点，包括：
通过所述配准算法从所述第一图像、所述第二图像中确定相匹配的人脸特征点；
基于所述第一人脸特征点与对应的所述第二人脸特征点的相似度，从所述相匹配的人脸特征点中，选取所述相似度最大的指定组数的人脸特征点为所述目标人脸特征点。
在上述的实施方式中，通过选取相似度最大的指定组数的人脸特征点为目标人脸特征点，然后利用目标人脸特征点来确定单应性变换矩阵，基于此，有利于提高所确定的单应性变换矩阵的准确性及可靠性，从而有利于提高对第二图像进行配准对齐的准确性及可靠性。
结合第一方面，在一些可选的实施方式中，将所述第二图像中的与所述高光区域位置对应的图区与所述第一图像中的所述高光区域进行融合，得到经过融合后的目标图像，包括：
通过所述第二图像中的与所述第一图像中的所述高光区域对应位置的图区，融合所述第一图像中的所述高光区域，得到融合后的第一图像以作为所述目标图像。
在上述的实施方式中，可以通过对第一图像中的高光区域进行融合，以得到去除高光区域的目标图像，无需人工通过修图软件去除高光区域，从而有利于提高去除人像面部区域中高光区域的效率。
结合第一方面，在一些可选的实施方式中，所述第一相机、所述第二相机为阵列相机中的相机。
第二方面，本申请实施例还提供一种人像处理装置，所述装置包括：
图像获取单元，用于获取第一相机拍摄的包含目标人像的第一图像，及第二相机拍摄的包含所述目标人像的第二图像；
配准单元，用于通过配准算法对所述第一图像、第二图像进行配准；
图像融合单元，用于当所述第一图像中的人像面部区域中存在高光区域，且所述高光区域在配准后的所述第一图像、所述第二图像中不重叠时，将所述第二图像中的与所述高光区域位置对应的图区与所述第一图像中的所述高光区域进行融合，得到经过融合后的目标图像。
第三方面，本申请实施例还提供一种电子设备，所述电子设备包括相互耦合的存储器、处理器，所述存储器内存储计算机程序，当所述计算机程序被所述处理器执行时，使得所述电子设备执行上述的方法。
第四方面，本申请实施例还提供一种计算机可读存储介质，所述可读存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行上述的方法。
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电子设备的电路结构示意图。
图2为本申请实施例提供的人像处理方法的流程示意图。
图3a为本申请实施例提供的第一人像的示意图。
图3b为本申请实施例提供的第二人像的示意图。
图3c为本申请实施例提供的目标人像的示意图。
图4为本申请实施例提供的人像处理装置的功能装置。
图标：10-电子设备；11-处理模块；12-存储模块；13-阵列相机；14-第一相机；15-第二相机；200-人像处理装置；210-图像获取单元；220-配准单元；230-图像融合单元。
具体实施方式
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描述。需要说明的是，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
请参照图1，本申请实施例提供一种电子设备10，可以在满足相应的条件时，自动去除图像中人像面部区域中存在的高光区域，无需人工通过修图软件去除人像面部区域中存在的高光区域。人像面部区域中的高光区域包括但不限于人脸的油光区域、人脸因反射灯光、阳光等外界光线而形成的区域、眼镜反光区等。其中，该电子设备10可以包括处理模块11、存储模块12，存储模块12内存储计算机程序，当计算机程序被处理模块11执行时，可以使得电子设备10执行下述的人像处理方法中的各步骤。
在本实施例中，电子设备10还可以包括其他模块，例如电子设备10还可以包括阵列相机13。阵列相机13可以包括第一相机14、第二相机15。其中，第一相机14与第二相机15可理解为阵列相机13中的两个相机，或者为阵列相机13中的两类相机。例如，阵列相机13包括多个相机时，第一相机14可理解为多个相机中的一个相机，第二相机15可理解为多个相机中除去第一相机14的其余相机。
处理模块11、存储模块12以及阵列相机13各个元件之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
电子设备10可以是但不限于智能手机、个人电脑(Personal Computer，PC)、平板电脑、个人数字助理(Personal Digital Assistant，PDA)等。
请参照图2，本申请实施例还提供一种人像处理方法，可以应用于上述的电子设备10中，由电子设备10执行或实现方法中的各步骤。方法可以包括步骤S110至步骤S130，如下：
步骤S110，获取第一相机14拍摄的包含目标人像的第一图像，及第二相机15拍摄的包含所述目标人像的第二图像；
步骤S120，通过配准算法对所述第一图像、第二图像进行配准；
步骤S130，当所述第一图像中的人像面部区域中存在高光区域，且所述高光区域在配准后的所述第一图像、所述第二图像中不重叠时，将所述第二图像中的与所述高光区域位置对应的图区与所述第一图像中的所述高光区域进行融合，得到经过融合后的目标图像。
可理解地，通过第一相机14与第二相机15拍摄包含目标人像的图像，可以得到在不同视角下的人像面部的图像，然后利用与第一图像的高光区域所对应的第二图像中的图区融合第一图像中的该高光区域，得到去除该高光区域的目标图像，基于此，可以快速去除第一图像中人物面部的高光区域，以提高去除面部区域中的高光区域的效率。需要说明的是，去除第二图像中的高光区域的处理方式与去除第一图像中的高光区域的处理方式相类似。
下面将对方法中的各步骤进行详细阐述，如下：
在步骤S110中，第一相机14拍摄得到的包含目标人像的图像即为第一图像。第二相机15拍摄得到的包含目标人像的图像即为第二图像。目标人像可理解为第一相机14、第二相机15针对同一人物进行拍摄得到的人像。第一图像、第二图像中所包含的目标人像的数量可以根据实际情况进行确定，可以均为一个、两个、多个等，这里不作具体限定。
电子设备10可以获取到第一相机14、第二相机15拍摄人物得到的包含目标人物的第一图像、第二图像。第一相机14、第二相机15为阵列相机13中的相机。该阵列相机13可以为电子设备10中的模块，或者为独立于电子设备10的模块。
例如，该电子设备10为智能手机，第一相机14、第二相机15为智能手机的阵列相机13中的两个相机，或者第一相机14、第二相机15为智能手机的阵列相机13中的两类相机，比如，第一相机14为智能手机中阵列相机13的主相机，第二相机15为阵列相机13中除去主相机的其他相机。在进行高光去除处理时，可以仅对主相机所拍摄的图像进行高光检测，并在该图像存在相应的高光区域时，去除高光区域以得到最终的目标图像。
若阵列相机13为独立于电子设备10的模块，在阵列相机13拍摄人物的图像时，电子设备10与阵列相机13之间可以建立通信连接，以使电子设备10可以从阵列相机13获取到第一相机14拍摄的第一图像及第二相机15拍摄的第二图像。
可理解地，第一相机14拍摄第一图像的时间点与第二相机15拍摄第二图像的时间点相同或相近。例如，第一相机14与第二相机15同时对人物进行拍摄，分别得到第一图像与第二图像。或者，第一相机14与第二相机15在指定时间范围内，先后对人物进行拍摄，分别得到第一图像及第二图像。该指定时间范围为较短的时间范围，以避免时间间隔过长，而使得第一相机14与第二相机15拍摄得到的图像内容差异大。比如，在第一相机14拍摄第一图像后，在指定时间范围内，第二相机15再进行拍摄以得到第二图像。该指定时间范围可以根据实际情况进行设置，例如可以为100毫秒、1秒、2秒等时长。
作为一种可选的实施方式，在步骤S120之前，方法还可以通过人脸识别算法，判断第一图像、第二图像中是否存在相同人脸的人像，当第一图像、第二图像中存在相同人脸的人像时，才确定第一图像、第二图像为有效的图像，然后，再执行步骤S120。若第一图像、第二图像中不存在相同人脸的人像，或者，不存在人脸的人像，则确定第一图像、第二图像为无效的图像，此时，无需继续进行步骤S120，可以再次执行步骤S110，获取第一相机14、第二相机15拍摄的新的第一图像及第二图像。
其中，通过人脸识别算法，判断第一图像、第二图像中是否存在相同的人脸图像为本领域技术人员所熟知，这里不再赘述。
可理解地，当第一相机14、第二相机15为阵列相机13中的两个相机，且为同时拍照时，表示第一相机14与第二相机15拍摄视角略有不同，所拍摄得到的第一图像、第二图像的内容接近相同。此时，可以仅对第一图像或第二图像判断该图像中是否存在人脸即可。若所判断的图像中，存在人脸，则表示第一图像、第二图像中，包含同一个人脸图像。
在步骤S120中，配准算法可以是但不限于BF(Brute Force,简单匹配)算法、SURF(Speeded Up Robust Features，加速稳健特征)算法、SIFT(Scale-invariant FeatureTransform，尺度不变特征变换)算法等。配准算法可以根据实际情况进行选择，可以用于确定第一图像、第二图像中相匹配的特征点。相匹配的特征点可理解为现实中同一物体中的一点分别在第一图像、第二图像中的像素点。例如，同一人物的左眼角的点，分别在第一图像、第二图像中的像素点便可以作为一组相匹配的特征点。
由于第一相机14、第二相机15的拍摄视角存在差异，另外，第一相机14与第二相机15的硬件参数可能存在差异，使得同一物体在第一图像、第二图像中呈现的视角及尺寸存在差异。在步骤S120中，对第一图像、第二图像进行配准，可理解为，将第一图像作为参考图像，将第二图像与第一图像进行配准对齐，在配准后的第二图像中，人像面部区域可以与第一图像中的人像面部区域可以重叠；或者，将第二图像作为参考图像，将第一图像与第二图像进行配准对齐，在配准后的第一图像中，人像面部区域可以与第一图像中的人像面部区域可以重叠。
在本实施例中，步骤S120可以包括：
通过所述配准算法从所述第一图像、所述第二图像中确定多组相匹配的目标人脸特征点，每组所述目标人脸特征点包括所述第一图像中的第一人脸特征点及所述第二图像中的第二人脸特征点；
基于每个所述第一人脸特征点在所述第一图像的位置，每个所述第二人脸特征点在所述第二图像的位置，确定用于将所述第二图像对齐所述第一图像的单应性变换矩阵；
根据所述单应性变换矩阵对所述第二图像进行配准对齐。
在本实施例中，每组相匹配的特征点可以包括第一人脸特征点与第二人脸特征点的匹配程度或相似程度。该匹配程度或相似程度可以用0-100％的百分比表示，百分比越大，表示匹配程度或相似程度越大。电子设备10可以通过配准算法，从第一图像、第二图像确定相匹配的特征点。其中，相匹配的目标人脸特征点可以为所有相匹配的人脸特征点，或者为所有相匹配的人脸特征点中的部分人脸特征点。相匹配的目标人脸特征点可以根据实际情况进行确定。
电子设备10在确定出第一图像、第二图像中相匹配的目标人脸特征点后，可以基于每组相匹配的目标人脸特征点中的第一人脸特征点在第一图像的位置、第二人脸特征点在第二图像的位置，得到用于将第二图像对齐第一图像的单应性变换矩阵。此时，第一图像即为参考图像，第二图像为需要进行变换的图像。可理解地，单应性变换矩阵可以用于表示第二图像中人像面部区域的像素点与第一图像中人像面部区域的像素点的转换关系。在得到单应性变换矩阵后，电子设备10便可以基于该单应性变换矩阵对第二图像进行图像配准对齐，以将第二图像配准对齐到第一图像上。即，通过利用单应性变换矩阵对整个第二图像(或者只对第二图像中的人像面部区域)进行图像变换，得到变换后的第二图像。基于此，变换后的第二图像中的人像面部区域可以与第一图像中的人像面部区域重合。
作为一种可选的实施方式，当第二图像为参考图像，第一图像为需要进行变换的图像时，电子设备10在确定出第一图像、第二图像中相匹配的目标人脸特征点后，可以基于每组相匹配的目标人脸特征点中的第一人脸特征点在第一图像的位置、第二人脸特征点在第二图像的位置，得到用于将第一图像对齐第二图像的单应性变换矩阵。在得到该单应性变换矩阵后，电子设备10便可以基于该单应性变换矩阵对第一图像进行图像配准对齐，即，通过利用单应性变换矩阵对整个第一图像(或者只对第一图像中的人像面部区域)进行图像变换，得到变换后的第一图像。
在本实施例中，通过对第一图像、第二图像进行配准对齐，可以使得第一图像中的人像面部区域、第二图像中的人像面部区域能够重合，以便于基于重合后的图像，利用第二图像中与第一图像中的高光区域对应的非高光区域对该高光区域进行融合，以去除第一图像中人像面部区域中的高光区域。
作为一种可选的实施方式，通过所述配准算法从所述第一图像、所述第二图像中确定多组相匹配的目标人脸特征点的步骤，可以包括：
通过所述配准算法从所述第一图像、所述第二图像中确定相匹配的人脸特征点；
基于所述第一人脸特征点与对应的所述第二人脸特征点的相似度，从所述相匹配的人脸特征点中，选取所述相似度最大的指定组数的人脸特征点为所述目标人脸特征点。
可理解地，电子设备10可以从第一图像、第二图像中确定部分或所有相匹配的人脸特征点，然后从部分或所有相匹配的人脸特征点中，选取相似度最大的指定组数的人脸特征点为目标人脸特征点。其中，指定组数可理解为占总组数的百分比，或者为以指定数量。其中，占总组数的百分比可以根据实际情况进行确定，例如，可以为20％、30％等。指定数量可以根据实际情况进行确定，例如，可以为10、100、200等组数，这里不作具体限定。
例如，电子设备10可以部分或所有相匹配的人脸特征点中，选取相似度最大的30％的组数对应的人脸特征点作为目标人脸特征点。
在本实施例中，通过选取相似度最大的指定组数的人脸特征点为目标人脸特征点，然后利用目标人脸特征点来确定单应性变换矩阵，基于此，有利于提高所选择的目标人脸特征点的准确性及可靠性，有利于提高所确定的单应性变换矩阵的准确性及可靠性，从而有利于提高对第二图像进行配准对齐的准确性及可靠性。
在步骤S130中，通过所述第二图像中的与所述第一图像中的所述高光区域对应位置的图区，融合所述第一图像中的所述高光区域，得到融合后的第一图像以作为所述目标图像。
可理解地，当第一图像中的人像面部区域中存在高光区域，且该高光区域在配准后的第一图像、第二图像中不重叠时(例如，第一图像的人像面部区域存在高光区域，第二图像的人像面部区域不存在任何的高光区域；或者第一图像和第二图像的人像面部区域均存在高光区域，且存在不重叠的高光区域)，则第一图像的高光区域中与第二图像的高光区域不重叠的高光区域即为目标高光区域，第二图像中与该目标高光区域对应的图区为非高光区域。此时，可以通过利用第二图像中与该目标高光区域位置对应(或位置重叠)的图区，融合第一图像中的目标高光区域，第一图像中的非高光区域保留，融合后的第一图像即为去除了目标高光区域的目标图像。即，通过第二图像中的与目标高光区域位置对应的图区与第一图像中的目标高光区域进行融合得到融合区域，融合区域作为目标图像中与第一图像中的目标高光区域对应的图区部分，第一图像中的非高光区域作为目标图像中与非高光区域对应的图区部分。若第一图像与第二图像中存在重叠的高光区域，在目标图像中可以保留重叠的高光区域。
在本实施例中，融合第一图像中的高光区域的融合方式可以根据实际情况进行确定，例如，可以将第二图像中与第一图像中的目标高光区域对应的非高光区域利用泊松融合于目标高光区域，或者所述融合可以是将第一图像中的目标高光区域替换为第二图像中与目标高光区域对应的非高光区域。
请结合参照图3a、图3b及图3c，其中，图3a可理解为存在高光区域的第一图像，图3b可理解为不存在高光区域的第二图像，图3c可理解为图3a所示的第一图像经过融合处理后，得到的目标图像。
电子设备10可以通过步骤S230，确定第一图像中的高光区域，如图3a所示。另外，电子设备10可以确定第二图像中，与该高光区域对应的非高光区域，如图3b所示。然后，利用图3b所示的第二图像中的非高光区域融合图3a所示的第一图像中的高光区域，得到图3c所示的目标图像，从而去除第一图像中的高光区域。
需要说明的是，高光区域面积大小、高光区域的数量、高光区域的位置均可以根据实际情况进行确定，图3a、图3b及图3c所示的人像面部区域为示例性的图像。
在步骤S130之前，方法还可以包括：从所述第一图像、所述第二图像中确定人像面部区域；判断所述人像面部区域中是否存在亮度大于或等于预设阈值的图区，其中，当存在所述亮度大于或等于所述预设阈值的图区时，确定所述第一图像、所述第二图像中存在所述高光区域。
可理解地，电子设备10可以通过人脸识别算法，从第一图像、第二图像中，确定出人像面部区域。其中，确定人像面部区域的方式为本领域技术人员所熟知，这里不再赘述。另外，电子设备10可以通过对第一图像、第二图像中人像面部区域中的每个像素点的亮度进行识别。
在本实施例中，电子设备10检测第一图像、第二图像中的亮度的方式可以根据实际情况进行确定。例如，可以将第一图像、第二图像进出灰度化，得到灰度图区。然后，计算灰度化后第一图像、第二图像中针对人像面部区域的各个像素点的灰度值，灰度值通常为0至255中的值，灰度值越大，颜色越白，亮度越大。如果灰度图区中存在灰度值大于或等于预设灰度阈值的像素点，且灰度值大于或等于预设灰度阈值的像素点连通，且连通的像素点的数量大于或等于设定数量，确定所述人像面部区域中存在亮度大于或等于预设阈值的图区。其中，在亮度大于或等于预设阈值的像素点中，相互连通的像素点形成的图区即为高光区域，预设灰度阈值可以根据实际情况，可以为灰度值较大的值，例如，预设灰度阈值可以为表征灰度值为240的值。
在本实施例中，出现高光区域的图像的像素点的亮度通常较大。由电子设备10对人像面部区域的各个像素点的亮度进行检测，可以快速准确地从人像面部区域中确定是否存在高光区域。若存在像素点的亮度大于或等于预设灰度阈值，且亮度大于或等于预设灰度阈值的像素点相互连通，且连通形成的区域的像素点的数量大于设定数量时，则确定人像面部区域中确定是存在高光区域。其中，设定数量可以根据实际情况进行确定，可以为30、50、100等数量，这里不作具体限定。
若存在像素点的亮度大于或等于预设阈值，且亮度大于或等于预设阈值的像素点相互连通，且连通形成的区域的像素点的数量小于设定数量，则表示不存在高光区域，或表示高光区域面积较小，此时可以无需进行高亮的去除。
作为一种可选的实施方式，方法还可以包括：当所述第一图像和所述第二图像中的人像面部区域中存在高光区域，且所述高光区域在配准后的所述第一图像和所述第二图像中的嘴部区域重叠时，保留所述高光区域在所述第一图像中的图区，得到目标图像。
可理解地，若高光区域在第一图像、第二图像的嘴部区域重叠，通常表示该高光区域为牙齿的图区，此时，第一图像中的该高光区域便无需去除。例如，在人物张开嘴露出牙齿时，所拍摄得到的图像中，所露出的牙齿可能被电子设备10确定为高光区域，此时，牙齿部位的高光区域无需进行去除。即，电子设备10可以对高光区域在人像面部区域的相对位置进行识别判断，例如，可以判断高光区域的位置是否在额头区域、脸颊区域、嘴部区域等。嘴部区域可理解为嘴唇轮廓区域内的区域。
其中，判断高光区域的位置的方式可以为：在得到人像面部区域后，可以自动对人像面部区域进行划分，得到额头区域、脸颊区域、嘴部区域及其他区域，其他区域即为人像面部区域中除去额头区域、脸颊区域、嘴部区域的区域；然后基于高光区域的像素点的位置，判断高光区域是否位于额头区域、脸颊区域、嘴部区域中，若高光区域的像素点位于相应的区域中，则该高光区域便在该区域中。比如，高光区域的像素点位于嘴部区域中，则确定该高光区域位于嘴部区域。
在本实施例中，通过去除在嘴部区域中的高光区域，可以避免因张开嘴部时牙齿导致的高光而对该部分高光区域进行去除。通过忽略嘴部区域的高光区域，可以提高去除高光区域的准确性及可靠性。
作为一种可选的实施方式，方法还可以包括：当所述第一图像和所述第二图像中的人像面部区域中均存在高光区域，且所述高光区域在配准后的所述第一图像、所述第二图像中重叠，且重叠的所述高光区域在所述人像面部区域的额头区域或脸颊区域时，在所述额头区域或脸颊区域中基于所述高光区域周边设定范围内的图区的颜色特征填充所述第一图像中相应的所述高光区域，得到目标图像。
可理解地，设定范围可以根据实际情况进行设置，例如，可以为在额头区域或脸颊区域中的高光区域周边的5个像素距离范围内。当高光区域在第一图像、第二图像中重叠，且重叠的高光区域在人像面部区域的额头区域或脸颊区域时，此时，可以通过利用高光区域周边的图区的颜色特征填充相应的高光区域，以去除高光区域。该颜色特征可以包括高光区域周边的图区的RGB值及纹理特征。
在本实施例中，在得到目标图像后，方法还可以对图像中融合高光区域的部位进行平滑处理，或者对填充的高光区域进行平滑处理，得到最终的目标图像。基于此，可以提高去除高光区域后的图像的质量。
请参照图4，本申请实施例还提供一种人像处理装置200，可以应用于上述的电子设备10中。人像处理装置200可以用于执行或实现人像处理方法中的各步骤。人像处理装置200包括至少一个可以软件或固件(Firmware)的形式存储于存储模块12中或固化在电子设备10操作系统(Operating System，OS)中的软件功能模块。处理模块11用于执行存储模块12中存储的可执行模块，例如人像处理装置200所包括的软件功能模块及计算机程序等。其中，人像处理装置200可以包括图像获取单元210、配准单元220及图像融合单元230。
图像获取单元210，用于获取第一相机14拍摄的包含目标人像的第一图像，及第二相机15拍摄的包含所述目标人像的第二图像。
配准单元220，用于通过配准算法对所述第一图像、第二图像进行配准。
图像融合单元230，用于当所述第一图像中的人像面部区域中存在高光区域，且所述高光区域在配准后的所述第一图像、所述第二图像中不重叠时，将所述第二图像中的与所述高光区域位置对应的图区与所述第一图像中的所述高光区域进行融合，得到经过融合后的目标图像。
可选地，人像处理装置200还可以包括图像填充单元，用于当所述第一图像和所述第二图像中的人像面部区域中均存在高光区域，且所述高光区域在配准后的所述第一图像、所述第二图像中重叠，且重叠的所述高光区域在所述人像面部区域的额头区域或脸颊区域时，在所述额头区域或脸颊区域中基于所述高光区域周边设定范围内的图区的颜色特征填充所述第一图像中相应的所述高光区域，得到目标图像。
可选地，人像处理装置200还可以包括面部确定单元及高光判断单元。在图像融合单元230将所述第二图像中的与所述高光区域位置对应的图区与所述第一图像中的所述高光区域进行融合，得到经过融合后的目标图像之前，面部确定单元用于从所述第一图像、所述第二图像中确定人像面部区域；高光判断单元用于判断所述人像面部区域中是否存在亮度大于或等于预设阈值的图区，其中，当存在所述亮度大于或等于所述预设阈值的图区时，确定所述第一图像、所述第二图像中存在所述高光区域。
可选地，高光判断单元还可以用于：将所述人像面部区域的图区进行灰度处理，得到灰度图区；如果所述灰度图区中存在灰度值大于或等于预设灰度阈值的像素点，且灰度值大于或等于预设灰度阈值的像素点连通，且连通的像素点的数量大于或等于设定数量，确定所述人像面部区域中存在亮度大于或等于预设阈值的图区。
可选地，人像处理装置200还可以包括高光判断单元。高光判断单元用于当所述第一图像和所述第二图像中的人像面部区域中存在高光区域，且所述高光区域在配准后的所述第一图像和所述第二图像中的嘴部区域重叠时，保留所述高光区域在所述第一图像中的图区，得到目标图像。
可选地，配准单元220用于通过所述配准算法从所述第一图像、所述第二图像中确定多组相匹配的目标人脸特征点，每组所述目标人脸特征点包括所述第一图像中的第一人脸特征点及所述第二图像中的第二人脸特征点；基于每个所述第一人脸特征点在所述第一图像的位置，每个所述第二人脸特征点在所述第二图像的位置，确定用于将所述第二图像对齐所述第一图像的单应性变换矩阵；根据所述单应性变换矩阵对所述第二图像进行配准对齐。
可选地，配准单元220还用于通过所述配准算法从所述第一图像、所述第二图像中确定相匹配的人脸特征点；基于所述第一人脸特征点与对应的所述第二人脸特征点的相似度，从所述相匹配的人脸特征点中，选取所述相似度最大的指定组数的人脸特征点为所述目标人脸特征点。
可选地，图像融合单元230还可以用于：通过所述第二图像中的与所述第一图像中的所述高光区域对应位置的图区，融合所述第一图像中的所述高光区域，得到融合后的第一图像以作为所述目标图像。
需要说明的是，所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的电子设备10、人像处理装置200的具体工作过程，可以参考前述方法中的各步骤对应过程，在此不再过多赘述。
在本实施例中，处理模块11可以是一种集成电路芯片，具有信号的处理能力。上述处理模块11可以是通用处理器。例如，该处理器可以是中央处理器(Central ProcessingUnit，CPU)、图形处理器(Graphics Processing Unit，GPU)、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(Digital Signal Processing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，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，可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。
存储模块12可以是，但不限于，随机存取存储器，只读存储器，可编程只读存储器，可擦除可编程只读存储器，电可擦除可编程只读存储器等。在本实施例中，存储模块12可以用于存储第一图像、第二图像、目标图像、配准算法等。当然，存储模块12还可以用于存储程序，处理模块11在接收到执行指令后，执行该程序。
本申请实施例还提供一种计算机可读存储介质。可读存储介质中存储有计算机程序，当计算机程序在计算机上运行时，使得计算机执行如上述实施例中所述的人像处理方法。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本申请可以通过硬件实现，也可以借助软件加必要的通用硬件平台的方式来实现，基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)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)执行本申请各个实施场景所述的方法。
综上所述，本申请提供一种人像处理方法、装置、电子设备及可读存储介质。方法包括：获取第一相机拍摄的包含目标人像的第一图像，及第二相机拍摄的包含目标人像的第二图像；通过配准算法对第一图像、第二图像进行配准；当第一图像中的人像面部区域中存在高光区域，且高光区域在配准后的第一图像、第二图像中不重叠时，将第二图像中的与高光区域位置对应的图区与第一图像中的高光区域进行融合，得到经过融合后的目标图像。在本方案中，通过第一相机与第二相机拍摄包含目标人像的图像，可以得到在不同视角下的人像面部的图像，然后利用与第一图像的高光区域所对应的第二图像中的非高光图区融合第一图像中的该高光区域，得到去除该高光区域的目标图像，基于此，可以快速去除第一图像中人物面部的高光区域，以提高去除面部区域中的高光区域的效率。
在本申请所提供的实施例中，应该理解到，所揭露的装置、系统和方法，也可以通过其它的方式实现。以上所描述的装置、系统和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
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)
1.一种人像处理方法，其特征在于，所述方法包括：
获取第一相机拍摄的包含目标人像的第一图像，及第二相机拍摄的包含所述目标人像的第二图像；
通过配准算法对所述第一图像、第二图像进行配准；
当所述第一图像中的人像面部区域中存在高光区域，且所述高光区域在配准后的所述第一图像、所述第二图像中不重叠时，将所述第二图像中的与所述高光区域位置对应的图区与所述第一图像中的所述高光区域进行融合，得到经过融合后的目标图像。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
当所述第一图像和所述第二图像中的人像面部区域中均存在高光区域，且所述高光区域在配准后的所述第一图像、所述第二图像中重叠，且重叠的所述高光区域在所述人像面部区域的额头区域或脸颊区域时，在所述额头区域或脸颊区域中基于所述高光区域周边设定范围内的图区的颜色特征填充所述第一图像中相应的所述高光区域，得到目标图像。
3.根据权利要求1或2所述的方法，其特征在于，在将所述第二图像中的与所述高光区域位置对应的图区与所述第一图像中的所述高光区域进行融合，得到经过融合后的目标图像之前，所述方法还包括：
从所述第一图像、所述第二图像中确定人像面部区域；
判断所述人像面部区域中是否存在亮度大于或等于预设阈值的图区，其中，当存在所述亮度大于或等于所述预设阈值的图区时，确定所述第一图像、所述第二图像中存在所述高光区域。
4.根据权利要求3所述的方法，其特征在于，判断所述人像面部区域中是否存在亮度大于或等于预设阈值的图区，包括：
将所述人像面部区域的图区进行灰度处理，得到灰度图区；
如果所述灰度图区中存在灰度值大于或等于预设灰度阈值的像素点，且灰度值大于或等于预设灰度阈值的像素点连通，且连通的像素点的数量大于或等于设定数量，确定所述人像面部区域中存在亮度大于或等于预设阈值的图区。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
当所述第一图像和所述第二图像中的人像面部区域中存在高光区域，且所述高光区域在配准后的所述第一图像和所述第二图像中的嘴部区域重叠时，保留所述高光区域在所述第一图像中的图区，得到目标图像。
6.根据权利要求1或2所述的方法，其特征在于，通过配准算法对所述第一图像、第二图像进行配准，包括：
通过所述配准算法从所述第一图像、所述第二图像中确定多组相匹配的目标人脸特征点，每组所述目标人脸特征点包括所述第一图像中的第一人脸特征点及所述第二图像中的第二人脸特征点；
基于每个所述第一人脸特征点在所述第一图像的位置，每个所述第二人脸特征点在所述第二图像的位置，确定用于将所述第二图像对齐所述第一图像的单应性变换矩阵；
根据所述单应性变换矩阵对所述第二图像进行配准对齐。
7.根据权利要求6所述的方法，其特征在于，通过所述配准算法从所述第一图像、所述第二图像中确定多组相匹配的目标人脸特征点，包括：
通过所述配准算法从所述第一图像、所述第二图像中确定相匹配的人脸特征点；
基于所述第一人脸特征点与对应的所述第二人脸特征点的相似度，从所述相匹配的人脸特征点中，选取所述相似度最大的指定组数的人脸特征点为所述目标人脸特征点。
8.根据权利要求1所述的方法，其特征在于，将所述第二图像中的与所述高光区域位置对应的图区与所述第一图像中的所述高光区域进行融合，得到经过融合后的目标图像，包括：
通过所述第二图像中的与所述第一图像中的所述高光区域对应位置的图区，融合所述第一图像中的所述高光区域，得到融合后的第一图像以作为所述目标图像。
9.根据权利要求1、2、5、8中任一项所述的方法，其特征在于，所述第一相机、所述第二相机为阵列相机中的相机。
10.一种人像处理装置，其特征在于，所述装置包括：
图像获取单元，用于获取第一相机拍摄的包含目标人像的第一图像，及第二相机拍摄的包含所述目标人像的第二图像；
配准单元，用于通过配准算法对所述第一图像、第二图像进行配准；
图像融合单元，用于当所述第一图像中的人像面部区域中存在高光区域，且所述高光区域在配准后的所述第一图像、所述第二图像中不重叠时，将所述第二图像中的与所述高光区域位置对应的图区与所述第一图像中的所述高光区域进行融合，得到经过融合后的目标图像。
11.一种电子设备，其特征在于，所述电子设备包括相互耦合的存储器、处理器，所述存储器内存储计算机程序，当所述计算机程序被所述处理器执行时，使得所述电子设备执行如权利要求1-9中任一项所述的方法。
12.一种计算机可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行如权利要求1-9中任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010742109.8A CN112053389A (zh) | 2020-07-28 | 2020-07-28 | 人像处理方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010742109.8A CN112053389A (zh) | 2020-07-28 | 2020-07-28 | 人像处理方法、装置、电子设备及可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112053389A true CN112053389A (zh) | 2020-12-08 |
Family
ID=73601329
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010742109.8A Pending CN112053389A (zh) | 2020-07-28 | 2020-07-28 | 人像处理方法、装置、电子设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112053389A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112634337A (zh) * | 2021-03-11 | 2021-04-09 | 展讯通信（上海）有限公司 | 一种图像处理方法及装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018228467A1 (zh) * | 2017-06-16 | 2018-12-20 | Oppo广东移动通信有限公司 | 图像曝光方法、装置、摄像设备及存储介质 |
| WO2019056988A1 (zh) * | 2017-09-25 | 2019-03-28 | 杭州海康威视数字技术股份有限公司 | 人脸识别方法及装置、计算机设备 |
| CN111161205A (zh) * | 2018-10-19 | 2020-05-15 | 阿里巴巴集团控股有限公司 | 一种图像处理和人脸图像识别方法、装置及设备 |
| CN111275648A (zh) * | 2020-01-21 | 2020-06-12 | 腾讯科技（深圳）有限公司 | 人脸图像处理方法、装置、设备及计算机可读存储介质 |
| CN111327814A (zh) * | 2018-12-17 | 2020-06-23 | 华为技术有限公司 | 一种图像处理的方法及电子设备 |
| CN111402135A (zh) * | 2020-03-17 | 2020-07-10 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
-
2020
- 2020-07-28 CN CN202010742109.8A patent/CN112053389A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018228467A1 (zh) * | 2017-06-16 | 2018-12-20 | Oppo广东移动通信有限公司 | 图像曝光方法、装置、摄像设备及存储介质 |
| WO2019056988A1 (zh) * | 2017-09-25 | 2019-03-28 | 杭州海康威视数字技术股份有限公司 | 人脸识别方法及装置、计算机设备 |
| CN111161205A (zh) * | 2018-10-19 | 2020-05-15 | 阿里巴巴集团控股有限公司 | 一种图像处理和人脸图像识别方法、装置及设备 |
| CN111327814A (zh) * | 2018-12-17 | 2020-06-23 | 华为技术有限公司 | 一种图像处理的方法及电子设备 |
| WO2020125410A1 (zh) * | 2018-12-17 | 2020-06-25 | 华为技术有限公司 | 一种图像处理的方法及电子设备 |
| CN111275648A (zh) * | 2020-01-21 | 2020-06-12 | 腾讯科技（深圳）有限公司 | 人脸图像处理方法、装置、设备及计算机可读存储介质 |
| CN111402135A (zh) * | 2020-03-17 | 2020-07-10 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
Non-Patent Citations (4)
| Title |
|---|
| 何嘉林: "基于融合技术的图像去高光方法", 《科学技术创新》, 30 June 2018 (2018-06-30), pages 2 - 4 * |
| 卓武汉;严京旗;: "基于SURF的连续帧图像配准及高光去除", 微型电脑应用, no. 01 * |
| 温佩芝;周迎;苗渊渊;冯丽园;: "多视角图像特征匹配的高光去除方法", 计算机工程与应用, no. 23 * |
| 温佩芝;周迎;苗渊渊;冯丽园;: "多视角图像特征匹配的高光去除方法", 计算机工程与应用, no. 23, 25 July 2018 (2018-07-25) * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112634337A (zh) * | 2021-03-11 | 2021-04-09 | 展讯通信（上海）有限公司 | 一种图像处理方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3757890A1 (en) | Method and device for image processing, method and device for training object detection model | |
| US8493466B2 (en) | Red-eye filter method and apparatus | |
| US20150063692A1 (en) | Image capture device with contemporaneous reference image capture mechanism | |
| US20090273685A1 (en) | Foreground/Background Segmentation in Digital Images | |
| CN107368806B (zh) | 图像矫正方法、装置、计算机可读存储介质和计算机设备 | |
| CN107481186B (zh) | 图像处理方法、装置、计算机可读存储介质和计算机设备 | |
| CN110796041B (zh) | 主体识别方法和装置、电子设备、计算机可读存储介质 | |
| CN111010554B (zh) | 投影处理方法、装置、投影仪及可读存介质 | |
| US11315360B2 (en) | Live facial recognition system and method | |
| CN110493512B (zh) | 摄影构图方法、装置、摄影设备、电子装置及存储介质 | |
| CN109068060B (zh) | 图像处理方法和装置、终端设备、计算机可读存储介质 | |
| WO2017173578A1 (zh) | 一种图像增强方法及装置 | |
| CN113313626A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| CN107705279B (zh) | 实现双重曝光的图像数据实时处理方法及装置、计算设备 | |
| CN107578372B (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
| US20190130600A1 (en) | Detection Method and Device Thereof | |
| CN112053389A (zh) | 人像处理方法、装置、电子设备及可读存储介质 | |
| CN108769521B (zh) | 一种拍照方法、移动终端及计算机可读存储介质 | |
| CN107770446B (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
| CN116249015A (zh) | 摄像头遮挡检测方法、装置、摄像头设备及存储介质 | |
| CN112634298B (zh) | 图像处理方法及装置、存储介质、终端 | |
| US20190057271A1 (en) | Image processing method, photographing device and storage medium | |
| CN108564070B (zh) | 用于提取手势的方法及其装置 | |
| CN107633498B (zh) | 图像暗态增强方法、装置及电子设备 | |
| CN117373103B (zh) | 一种图像特征提取方法、装置、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 |