CN112215776B - 人像磨皮方法、电子设备和计算机可读存储介质 - Google Patents
人像磨皮方法、电子设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN112215776B CN112215776B CN202011127242.9A CN202011127242A CN112215776B CN 112215776 B CN112215776 B CN 112215776B CN 202011127242 A CN202011127242 A CN 202011127242A CN 112215776 B CN112215776 B CN 112215776B
- Authority
- CN
- China
- Prior art keywords
- image
- skin
- face
- mask
- processed
- 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
- 238000000034 method Methods 0.000 title claims abstract description 78
- 230000036548 skin texture Effects 0.000 claims abstract description 153
- 238000012545 processing Methods 0.000 claims abstract description 36
- 238000009499 grossing Methods 0.000 claims abstract description 23
- 230000001815 facial effect Effects 0.000 claims description 36
- 238000005070 sampling Methods 0.000 claims description 20
- 238000001914 filtration Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 210000000056 organ Anatomy 0.000 claims description 3
- 208000035874 Excoriation Diseases 0.000 abstract description 6
- 230000000717 retained effect Effects 0.000 abstract description 3
- 206010040844 Skin exfoliation Diseases 0.000 description 30
- 238000005498 polishing Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 6
- 108700041286 delta Proteins 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 101100443238 Caenorhabditis elegans dif-1 gene Proteins 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000007935 neutral effect Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000004321 preservation Methods 0.000 description 2
- 210000000697 sensory organ Anatomy 0.000 description 2
- 230000003796 beauty Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 210000001508 eye Anatomy 0.000 description 1
- 210000004709 eyebrow Anatomy 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 210000000214 mouth Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- 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
- G06T2207/10—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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明实施例涉及图像处理技术领域，公开了一种人像磨皮方法、电子设备和计算机可读存储介质。上述人像磨皮方法包括：获取待处理的人脸图像；对所述待处理的人脸图像中的皮肤纹理进行检测，得到所述皮肤纹理的蒙版图像；对所述待处理的人脸图像进行皮肤光滑处理，得到皮肤光滑图像；根据所述皮肤纹理的蒙版图像，对所述待处理的人脸图像和所述皮肤光滑图像进行蒙版混合，得到保留所述皮肤纹理的光滑图像，使得在保证皮肤光滑的同时可以保留皮肤纹理，增强磨皮后的人物皮肤的真实感，且磨皮方法可以由程序自动完成，磨皮效率较高。
Description
技术领域
本发明实施例涉及图像处理技术领域，特别涉及一种人像磨皮方法、电子设备和计算机可读存储介质。
背景技术
磨皮，即对人物面部进行精修并将其应用于电影、化妆品、杂志封面等商业场景或个人艺术照(写真、婚纱)的修图技术，适用于当前主流的人像美颜类app或软件中。现有的磨皮技术，主要分为保边滤波类方法和手工修图方法。
然而，发明人发现相关技术中至少存在如下问题：现有的保边滤波磨皮方法中，仅关注面部是否光滑的问题，通过这类方法处理后会造成皮肤纹理等信息丢失，导致人物皮肤看上去缺乏真实感，从而无法突出明星或模特在使用相关产品(如：化妆品)后的增益效果。现有的手工修图方法，需要修图人员根据人像的实际特征，并应用不同方法和技巧完成磨皮，修图人员人工修图虽然磨皮效果好，但通常无法复制，无法程序自动化，磨皮效率低。
发明内容
本发明实施方式的目的在于提供一种人像磨皮方法，使得在保证皮肤光滑的同时可以保留皮肤纹理，增强磨皮后的人物皮肤的真实感，且磨皮方法可以由程序自动完成，磨皮效率较高。
为解决上述技术问题，本发明的实施方式提供了一种人像磨皮方法，包括：获取待处理的人脸图像；对所述待处理的人脸图像中的皮肤纹理进行检测，得到所述皮肤纹理的蒙版图像；对所述待处理的人脸图像进行皮肤光滑处理，得到皮肤光滑图像；根据所述皮肤纹理的蒙版图像，对所述待处理的人脸图像和所述皮肤光滑图像进行蒙版混合，得到保留所述皮肤纹理的光滑图像。
本发明的实施方式还提供了一种电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的人像磨皮方法。
本发明的实施方式还提供了一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述的人像磨皮方法。
本发明实施方式相对于现有技术而言，对待处理的人脸图像中的皮肤纹理进行检测，得到皮肤纹理的蒙版图像；对待处理的人脸图像进行皮肤光滑处理，得到皮肤光滑图像；根据皮肤纹理的蒙版图像，对待处理的人脸图像和皮肤光滑图像进行蒙版混合，得到保留皮肤纹理的光滑图像。也就是说，本发明实施方式中的磨皮方法，不仅关注待处理的人脸图像中的面部是否光滑，还关注待处理图像中的面部的皮肤纹理，利用皮肤纹理的蒙版图像，对待处理的人脸图像和皮肤光滑图像进行蒙版混合，从而得到保留皮肤纹理的光滑图像，即本发明实施方式中可以使得在保证皮肤光滑的同时保留皮肤纹理，从而增强磨皮后的人物皮肤的真实感，且磨皮方法可以由程序自动完成，磨皮效率较高。
另外，所述皮肤纹理的蒙版图像包括：第一类皮肤纹理对应的第一蒙版图像，所述保留所述皮肤纹理的光滑图像包括保留所述第一类皮肤纹理的第一光滑图像；所述对所述待处理的人脸图像中的皮肤纹理进行检测，得到所述皮肤纹理的蒙版图像，包括：对所述待处理的人脸图像进行下采样，得到下采样图；确定所述下采样图中的人脸区域；基于所述人脸区域，对所述下采样图中所述第一类皮肤纹理进行检测，得到所述第一蒙版图像；所述根据所述皮肤纹理的蒙版图像，对所述待处理的人脸图像和所述皮肤光滑图像进行蒙版混合，得到保留所述皮肤纹理的光滑图像，包括：根据所述第一蒙版图像，对所述下采样图和所述皮肤光滑图像进行蒙版混合，得到所述第一光滑图像。由于，下采样图是分辨率相对较低的图像，在低分率图像下更易于提取出较明显纹理特征，即较粗的皮肤纹理。因此，对下采样图中第一类皮肤纹理进行检测，可以理解为对下采样图中较粗的皮肤纹理进行检测，得到的第一蒙版图像即为较粗的皮肤纹理的蒙版图像。根据第一蒙版图像，对下采样图和皮肤光滑图像进行蒙版混合，有利于得到保留较粗的皮肤纹理的第一光滑图像。即本发明实施方式的磨皮方法可以使得在保证皮肤光滑的同时保留较粗的皮肤纹理。
另外，所述皮肤纹理的蒙版图像还包括第二类皮肤纹理对应的第二蒙版图像，在所述得到所述第一光滑图像之后，还包括：对所述第一光滑图像进行上采样，得到上采样图像；对所述上采样图像和所述待处理的人脸图像进行差值处理，得到第一差值图像；对所述第一差值图像中的所述第二类皮肤纹理进行检测，得到所述第二蒙版图像；根据所述第二蒙版图像，对所述上采样图和所述待处理的人脸图像进行蒙版混合，得到保留所述第一类皮肤纹理和所述第二类皮肤纹理的第二光滑图像。由于，上采样图是分辨率相对较高的图像，在高分率图像下更易于提取出较细微纹理特征，即较细的皮肤纹理。因此，对上采样图中第二类皮肤纹理进行检测，可以理解为对上采样图中较细的皮肤纹理进行检测，得到的第二蒙版图像即为较细的皮肤纹理的蒙版图像。由于，上采样不会丢失已有的图像信息，因此，上采样图中基本保留了第一光滑图像中的较粗的皮肤纹理，待处理的人脸图像中具有较细的皮肤纹理，因此，根据第二蒙版图像，对上采样图和待处理的人脸图像进行蒙版混合，有利于得到保留了较细的皮肤纹理和较粗的皮肤纹理的第二光滑图像。即本发明实施方式的磨皮方法可以使得在保证皮肤光滑的同时保留较粗的皮肤纹理和较细的皮肤纹理。
另外，在所述得到第一差值图像之后，还包括：提取所述第一差值图像中的高频部分，得到第二差值图像；对所述第二差值图像和所述上采样图进行线性光混合，得到保留皮肤层次结构的第三光滑图像；根据所述第二蒙版图像，对所述第三光滑图像和所述第二差值图像进行蒙版混合，得到同时保留所述皮肤纹理和所述皮肤层次结构的第四光滑图像。提取第一差值图像中的高频部分，有利于得到面部层次结构等高频信息，本发明实施方式的磨皮方法可以使得在保证皮肤光滑的同时保留较粗的皮肤纹理和较细的皮肤纹理，还能保留皮肤层次结构。
另外，在所述得到同时保留所述皮肤纹理和所述皮肤层次结构的第四光滑图像之后，还包括：获取所述待处理的人脸图像对应的五官蒙版图像；根据所述五官蒙版图像，对所述待处理的人脸图像和所述第四光滑图像进行蒙版混合，得到磨皮结果图像。也就是说，对第四光滑图像进一步处理，有利于进一步得到五官被保护的磨皮结果图像，即本发明实施方式的磨皮方法可以使得在保证皮肤光滑的同时保留较粗的皮肤纹理和较细的皮肤纹理，还能保留皮肤层次结构，进一步还能使面部五官得到保护。
另外，所述对所述待处理的人脸图像进行皮肤光滑处理，得到皮肤光滑图像，包括：利用引导滤波算法，对所述待处理的人脸图像进行皮肤光滑处理，得到皮肤光滑图像。引导滤波在光滑皮肤的同时，对面部光影特征也能起到较好的保留作用，即本发明实施方式的磨皮方法可以使得在保证皮肤光滑的同时保留较粗的皮肤纹理和较细的皮肤纹理、保留皮肤层次结构，保留面部光影特征、保护面部五官，极大的提高了磨皮的效果。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定。
图1是根据本发明第一实施方式中的人像磨皮方法的流程图；
图2是根据本发明第一实施方式中的基于人脸区域，对下采样图中皮肤纹理进行检测，得到第一蒙版图像的实现过程的流程图；
图3是根据本发明第一实施方式中的根据模糊差值图像，得到第一蒙版图像的实现方式的流程图；
图4是根据本发明第二实施方式中的人像磨皮方法的流程图；
图5是根据本发明第三实施方式中的人像磨皮方法的流程图；
图6是根据本发明第四实施方式中的人像磨皮方法的流程图；
图7是根据本发明第四实施方式中的获取待处理的人脸图像对应的五官蒙版图像的方式的流程图；
图8是根据本发明第四实施方式中的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的各实施方式进行详细的阐述。然而，本领域的普通技术人员可以理解，在本发明各实施方式中，为了使读者更好地理解本申请而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请所要求保护的技术方案。以下各个实施例的划分是为了描述方便，不应对本发明的具体实现方式构成任何限定，各个实施例在不矛盾的前提下可以相互结合相互引用。
本发明的第一实施方式涉及一种人像磨皮方法，应用于电子设备；其中，电子设备可以为手机、平板电脑等终端，也可以为服务器。下面对本实施方式的人像磨皮方法的实现细节进行具体的说明，以下内容仅为方便理解提供的实现细节，并非实施本方案的必须。
本实施方式中的人像磨皮方法可以如图1所示，包括：
步骤101：获取待处理的人脸图像。
其中，待处理的人脸图像可以为需要进行磨皮处理的人脸图像，电子设备可以获取该需要进行磨皮处理的人脸图像。
步骤102：对待处理的人脸图像中的皮肤纹理进行检测，得到皮肤纹理的蒙版图像。
在一个例子中，电子设备可以先确定待处理的人脸图像中的人脸区域，该人脸区域可以为人脸所在的矩形框的区域。然后，对人脸区域内的皮肤纹理进行检测，生成皮肤纹理的蒙版图像。其中，皮肤纹理的蒙版图像可以理解为标识了待处理的人脸图像中哪些区域是皮肤纹理区域的图像。对待处理的人脸图像中的皮肤纹理进行检测，即检测待处理的人脸图像中哪些区域是皮肤纹理所在区域。
在一个例子中，皮肤纹理的蒙版图像可以包括：第一类皮肤纹理对应的第一蒙版图像，对待处理的人脸图像中的皮肤纹理进行检测，得到皮肤纹理的蒙版图像的实现过程可以如下：
首先，对待处理的人脸图像进行下采样，得到下采样图。其中，对待处理的人脸图像进行下采样即可以理解为：降低待处理的人脸图像的分辨率，下采样图即可以理解为：对待处理的人脸图像降低分辨率后的图像。在低分率图像下更易于提取出那些较明显纹理特征，即较粗的纹理特征，以及皮肤中的斑点、色块等噪声内容更易于祛除。在具体实现中，下采样的倍数可以根据实际需要进行设置，比如可以对待处理的人脸图像进行4倍下采样，得到下采样图，该下采样图可以记为Idown。
其次，确定下采样图中的人脸区域。比如，可以对下采样图进行人脸定位，得到下采样图中的人脸区域。在具体实现中，该该人脸区域可以为人脸所在的矩形框的区域。
然后，基于人脸区域，对下采样图中第一类皮肤纹理进行检测，得到第一类皮肤纹理对应的第一蒙版图像。也就是说，对下采样图的人脸区域进行皮肤纹理的检测，由于，下采样图是分辨率较低的图像，因此，在下采样图中检测的第一类皮肤纹理可以理解为较粗的皮肤纹理。第一类皮肤纹理对应的第一蒙版图像可以理解为，较粗的皮肤纹理对应的蒙版图像。在具体实现中，第一蒙版图像为标识了待处理的人脸图像中哪些区域是较粗的皮肤纹理的图像。
在一个例子中，基于人脸区域，对下采样图中皮肤纹理进行检测，得到第一蒙版图像的实现过程可以参考图2，包括：
步骤201：根据人脸区域，确定第一卷积核半径和第二卷积核半径。
其中，第一卷积核半径小于第二卷积核半径，也就是说，确定一个大半径和一个小半径。
在一个例子中，第一卷积核半径和第二卷积核半径分别用R1和R2表示，R1和R2可以通过如下公式确定：
其中，f为下采样的倍数，比如可以取值为0.25，d为预设的标准人脸对应的距离，d1为待处理人脸对应的距离，a和b分别为基于待处理人脸的人脸关键点所拟合的椭圆区域的长轴和短轴距离，a1和b1分别为标准人脸的人脸关键点所拟合的椭圆区域的长轴和短轴距离。待处理人脸为待处理的人脸图像中的人脸，预设的标准人脸为预先选择出的一张中性人脸图，比如正脸、无表情的模特图。
步骤202：基于第一卷积核半径，对下采样图进行模糊处理，得到消除了人脸噪声纹理的第一模糊图像。
其中，模糊处理的方式可以为高斯模糊、均匀模糊等方式。本实施方式中以高斯模糊为例，即基于第一卷积核半径，对下采样图进行高斯模糊处理，得到消除了人脸噪声纹理的第一模糊图像，该第一模糊图像也可以称为小半径对应的第一高斯图像，记为G2。
步骤203：基于第二卷积核半径，对下采样图进行模糊处理，得到过滤掉皮肤纹理的第二模糊图像。
其中，模糊处理的方式可以为高斯模糊、均匀模糊等方式。本实施方式中以高斯模糊为例，即基于第二卷积核半径，对下采样图进行高斯模糊处理，得到过滤掉皮肤纹理的第二模糊图像，该第二模糊图像也可以称为大半径对应的第二高斯图像，记为G1。也就是说，大半径对应的第二高斯图像较于小半径对应的第一高斯图像滤掉了皮肤纹理。
步骤204：对第一模糊图像和第二模糊图像进行差值处理，得到模糊差值图像。
也就是说，计算第一模糊图像和第二模糊图像中各像素值之间的差值，得到模糊差值图像，即得到被滤掉的皮肤纹理内容，记为Gdif。
在一个例子中，可以通过如下公式得到Gdif：Gdif＝max(0，G1-G2)。
步骤205：根据模糊差值图像，得到第一蒙版图像。
在一个例子中，可以对模糊差值图像进行饱和度去除处理，得到含皮肤纹理的蒙版图像，然后，对该含皮肤纹理的蒙版图像进行曲线调整处理，以进一步突出皮肤纹理边缘，得到初步纹理蒙版图像，该初步纹理蒙版图像即为较粗纹理区域的初步纹理蒙版图像。在具体实现中，可以直接将初步纹理蒙版图像作为第一蒙版图像。
在另一个例子中，根据模糊差值图像，得到第一蒙版图像的实现方式，可以参考图3，包括：
步骤301：对模糊差值图像进行饱和度去除处理和曲线调整处理，得到初步纹理蒙版图像。
其中，得到初步纹理蒙版图像的方式在上面已经描述过，为避免重复此处不再赘述。
步骤302：对第一模糊图像和第二模糊图像进行除法处理，得到除法结果图像。
也就是说，对第一模糊图像和第二模糊图像中各像素值进行除法处理，计算各像素值之间的商，从而得到除法结果图像。
步骤303：对除法结果图像进行饱和度去除处理和曲线调整处理，得到非纹理蒙版图像。
可以理解的是，步骤301中对差值图像进行了饱和度去除处理和曲线调整处理，本步骤中对除法结果图像同样进行了饱和度去除处理和曲线调整处理，得到非纹理蒙版图像。考虑到上述初步纹理蒙版图像中，可能包含一些非纹理区域(如：五官轮廓边缘、眼镜等)，因此，对上述第一模糊图像和第二模糊图像进行除法处理，并对除法结果图像进行上述同样的饱和度去除处理和曲线调整处理，从而得到非纹理蒙版图像，即非纹理区域的蒙版图像。
步骤304：对初步纹理蒙版图像和非纹理蒙版图像进行差值处理，得到第一蒙版图像。
也就是说，计算初步纹理蒙版图像和非纹理蒙版图像中各像素值之间的差值，得到第一蒙版图像，有利于使得第一蒙版图像不包含非纹理区域图像，即得到更加准确的第一类皮肤纹理(较粗的皮肤纹理)对应的第一蒙版图像。
步骤103：对待处理的人脸图像进行皮肤光滑处理，得到皮肤光滑图像。
在一个例子中，可以利用引导滤波算法，对待处理的人脸图像进行皮肤光滑处理，得到皮肤光滑图像。引导滤波在光滑皮肤的同时，对面部光影特征也能起到较好的保留作用。在具体实现中，可以基于待处理的人脸图像中的人脸区域，使用引导滤波算法，对基于待处理的人脸图像得到的下采样图进行皮肤光滑处理，得到皮肤光滑图像，记为Ismooth。
在一个例子中，可以通过如下公式得到皮肤光滑图像Ismooth：
其中，Ic为下采样图，k为滤波窗口的大小，ak＝σk 2/(σk 2+ε),bk＝(1-ak)/uk，uk和σk分别表示在大小为k*k的局部滤波窗口内像素的均值和标准差，ε为预设的参数。
步骤104：根据皮肤纹理的蒙版图像，对待处理的人脸图像和皮肤光滑图像进行蒙版混合，得到保留皮肤纹理的光滑图像。
在一个例子中，保留皮肤纹理的光滑图像包括保留第一类皮肤纹理的第一光滑图像，即保留较粗的皮肤纹理的第一光滑图像，则可以根据第一蒙版图像，对下采样图和皮肤光滑图像进行蒙版混合，得到第一光滑图像。
在一个例子中，可以通过如下公式得到第一光滑图像Ismooth1：
Ismooth1＝Idown*M3+Ismooth*(255-M3)
其中，Idown表示下采样图，在上述公式中可以代表下采样图中各像素点的像素值即RGB三通道值，M3表示第一蒙版图像，在上述公式中可以代表第一蒙版图像中各像素点的像素值，255为预设的亮度值，在具体实现中预设的亮度值也可以是除了255之外的其他数值，本实施方式对此不做具体限定。上述255-M3表示：255会减去M3中每个像素的RGB三通道的值。
需要说明的是，本实施方式中的上述各示例均为为方便理解进行的举例说明，并不对本发明的技术方案构成限定。
与现有技术相比，本实施方式，对待处理的人脸图像中的皮肤纹理进行检测，得到皮肤纹理的蒙版图像；对待处理的人脸图像进行皮肤光滑处理，得到皮肤光滑图像；根据皮肤纹理的蒙版图像，对待处理的人脸图像和皮肤光滑图像进行蒙版混合，得到保留皮肤纹理的光滑图像。也就是说，本发明实施方式中的磨皮方法，不仅关注待处理的人脸图像中的面部是否光滑，还关注待处理图像中的面部的皮肤纹理，利用皮肤纹理的蒙版图像，对待处理的人脸图像和皮肤光滑图像进行蒙版混合，从而得到保留皮肤纹理的光滑图像，即本发明实施方式中可以使得在保证皮肤光滑的同时保留皮肤纹理，从而增强磨皮后的人物皮肤的真实感，且磨皮方法可以由程序自动完成，磨皮效率较高。
本发明的第二实施方式涉及一种人像磨皮方法。本实施方式是对第一实施方式的进一步改进，本实施方式的磨皮方法可以使得在保证皮肤光滑的同时保留较粗的皮肤纹理和较细的皮肤纹理。下面对本实施方式的人像磨皮方法的实现细节进行具体的说明，以下内容仅为方便理解提供的实现细节，并非实施本方案的必须。
本实施方式中的人像磨皮方法可以如图4所示，包括：
步骤401：获取待处理的人脸图像。
步骤402：对待处理的人脸图像进行下采样，得到下采样图。
步骤403：确定下采样图中的人脸区域。
步骤404：基于人脸区域，对下采样图中第一类皮肤纹理进行检测，得到第一蒙版图像。
步骤405：根据第一蒙版图像，对下采样图和皮肤光滑图像进行蒙版混合，得到保留第一类皮肤纹理的第一光滑图像。
其中，步骤401至步骤405在第一实施方式中已经进行过描述，为避免重复，此处不再赘述。
步骤406：对第一光滑图像进行上采样，得到上采样图像。
也就是说，对保留较粗的皮肤纹理的第一光滑图像进行上采样，得到和待处理的人脸图像具有相同分辨率的上采样图。比如，在步骤202中，对待处理的人脸图像进行4倍下采样，得到下采样图，那么本步骤中即可以对第一光滑图像进行4倍上采样，得到上采样图像。
步骤407：对上采样图像和待处理的人脸图像进行差值处理，得到第一差值图像。
也就是说，对上采样图像和待处理的人脸图像中各像素的像素值进行差值处理，计算上采样图像和待处理的人脸图像中各像素的像素值的差值，从而得到第一差值图像。
在一个例子中，可以通过如下公式计算得到第一差值图像：
Idif＝(Iup-I)*0.5+128；
其中，Idif表示第一差值图像，在上述公式中可以代表第一差值图像中各像素点的像素值，I表示待处理的人脸图像，在上述公式中可以代表待处理的人脸图像中各像素点的像素值，Iup表示上采样图，在上述公式中可以代表上采样图中各像素点的像素值。0.5为预设的归一化系数，在具体实现中预设的归一化系数也可以选择除0.5之外的其他数值，本实施方式对此不作具体限定。128为预设的亮度值，加128可以使得最终计算的第一差值图像中各像素的亮度值处于预设的亮度值范围之内，在具体实现中，预设的亮度值也可以选择除128之外的其他数值，本实施方式对此不作具体限定。
步骤408：对第一差值图像中的第二类皮肤纹理进行检测，得到第二蒙版图像。
其中，第一差值图像相比于下采样图相当于是分辨率较高的图像，因此，对第一差值图像中的第二类皮肤纹理进行检测，可以理解为对较细的皮肤纹理进行检测，得到较细的皮肤纹理对应的第二蒙版图像。第二蒙版图像可以理解为标识了哪些区域是较细的皮肤纹理区域的图像，记为M4。
在具体实现中，得到第二蒙版图像M4，与得到第一蒙版图像M3的方式大致相同。比如，首先，动态计算第三卷积核半径和第四卷积核半径；其中，第三卷积核半径小于第四卷积核半径。然后，基于第三卷积核半径，对第一差值图像进行模糊处理，得到消除了人脸噪声纹理的第三模糊图像；基于第四卷积核半径，对第一差值图像进行模糊处理，得到过滤掉皮肤纹理的第四模糊图像。接着，对第三模糊图像和第四模糊图像进行差值处理，得到第三模糊图像和第四模糊图像之间的模糊差值图像。根据第三模糊图像和第四模糊图像之间的模糊差值图像，得到第二蒙版图像。
步骤409：根据第二蒙版图像，对上采样图和待处理的人脸图像进行蒙版混合，得到保留第一类皮肤纹理和第二类皮肤纹理的第二光滑图像。
其中，第二光滑图像保留了第一类皮肤纹理和第二类皮肤纹理，即可以理解为第二光滑图像保留了较粗的皮肤纹理和较细的皮肤纹理。
在一个例子中，第二光滑图像Ismooth2可以通过如下公式得到：
Ismooth2＝I*M4+Iup*(255-M4)
其中，I表示待处理的人脸图像，在上述公式中可以代表待处理的人脸图像中各像素点的像素值，Iup表示上采样图，在上述公式中可以代表上采样图中各像素点的像素值，Ismooth2表示第二光滑图像，在上述公式中可以代表第二光滑图像中各像素点的像素值。255为预设的亮度值，在具体实现中，预设的亮度值也可以选择除255之外的其他数值，本实施方式对此不作具体限定。
需要说明的是，本实施方式中的上述各示例均为为方便理解进行的举例说明，并不对本发明的技术方案构成限定。
与现有技术相比，本实施方式中，上采样图是分辨率相对较高的图像，在高分率图像下更易于提取出较细微纹理特征，即较细的皮肤纹理。因此，对上采样图中第二类皮肤纹理进行检测，可以理解为对上采样图中较细的皮肤纹理进行检测，得到的第二蒙版图像即为较细的皮肤纹理的蒙版图像。由于，上采样不会丢失已有的图像信息，因此，上采样图中基本保留了第一光滑图像中的较粗的皮肤纹理，待处理的人脸图像中具有较细的皮肤纹理，因此，根据第二蒙版图像，对上采样图和待处理的人脸图像进行蒙版混合，有利于得到保留了较细的皮肤纹理和较粗的皮肤纹理的第二光滑图像。即本发明实施方式的磨皮方法可以使得在保证皮肤光滑的同时保留较粗的皮肤纹理和较细的皮肤纹理。
本发明的第三实施方式涉及一种人像磨皮方法。本实施方式是对第二实施方式的进一步改进，本实施方式的磨皮方法可以使得在保证皮肤光滑的同时保留较粗的皮肤纹理和较细的皮肤纹理，还能保留皮肤层次结构。下面对本实施方式的人像磨皮方法的实现细节进行具体的说明，以下内容仅为方便理解提供的实现细节，并非实施本方案的必须。
本实施方式中的人像磨皮方法可以如图5所示，包括：
步骤501：获取待处理的人脸图像。
步骤502：对待处理的人脸图像进行下采样，得到下采样图。
步骤503：确定下采样图中的人脸区域。
步骤504：基于人脸区域，对下采样图中第一类皮肤纹理进行检测，得到第一蒙版图像。
步骤505：根据第一蒙版图像，对下采样图和皮肤光滑图像进行蒙版混合，得到保留第一类皮肤纹理的第一光滑图像。
步骤506：对第一光滑图像进行上采样，得到上采样图像。
步骤507：对上采样图像和待处理的人脸图像进行差值处理，得到第一差值图像。
步骤508：对第一差值图像中的第二类皮肤纹理进行检测，得到第二蒙版图像。
其中，步骤501至步骤508与第二实施方式中的步骤401至步骤408大致相同，为避免重复此处不再赘述。
步骤509：提取第一差值图像中的高频部分，得到第二差值图像。
考虑到，上述上采样图像中，由于引导滤波及上采样等处理会导致面部层次结构等高频信息丢失(第一差值图像中高频部分)，因此面部皮肤较为平坦，层次感较差，故本实施方式中可以使用高反差保留的方法提取出第一差值图像中的高频部分，并得到新的差值图像，即第二差值图像，记为Idif1。其中，图像的高低频是对图像各个位置之间强度变化的一种度量方法。低频部分主要是对整幅图像的强度的综合度量。高频部分:主要是对图像边缘和轮廓的度量。
步骤510：对第二差值图像和上采样图进行线性光混合，得到保留皮肤层次结构的第三光滑图像。
在一个例子中，可以通过如下公式得到保留皮肤层次结构的第三光滑图像：
Ismooth3＝Iup+Idif1-255
其中，Iup表示上采样图，在上述公式中可以代表上采样图中各像素点的像素值，Ismooth3表示第三光滑图像，在上述公式中可以代表第三光滑图像中各像素点的像素值。Idif1表示第二差值图像，在上述公式中可以代表第二差值图像中各像素点的像素值。255为预设的亮度值，在具体实现中，预设的亮度值也可以选择除255之外的其他数值，本实施方式对此不作具体限定。
步骤511：根据第二蒙版图像，对第三光滑图像和第二差值图像进行蒙版混合，得到同时保留皮肤纹理和皮肤层次结构的第四光滑图像。
在一个例子中，可以通过如下公式得到第四光滑图像：
Ismooth4＝I*M4+Ismooth3*(255-M4)
其中，I表示待处理的人脸图像，在上述公式中可以代表待处理的人脸图像中各像素点的像素值，Ismooth3表示第三光滑图像，在上述公式中可以代表第三光滑图像中各像素点的像素值，M4表示第二蒙版图像，在上述公式中可以代表第二蒙版图像中各像素点的像素值。Ismooth4表示第四光滑图像，在上述公式中可以代表第四光滑图像中各像素点的像素值。255为预设的亮度值，在具体实现中，预设的亮度值也可以选择除255之外的其他数值，本实施方式对此不作具体限定。
需要说明的是，本实施方式中的上述各示例均为为方便理解进行的举例说明，并不对本发明的技术方案构成限定。
与现有技术相比，本实施方式中，提取第一差值图像中的高频部分，有利于得到面部层次结构等高频信息，本发明实施方式的磨皮方法可以使得在保证皮肤光滑的同时保留较粗的皮肤纹理和较细的皮肤纹理，还能保留皮肤层次结构，进一步提高了磨皮效果。
本发明的第四实施方式涉及一种人像磨皮方法。本实施方式是对第三实施方式的进一步改进，本实施方式的磨皮方法可以使得在保证皮肤光滑的同时保留较粗的皮肤纹理和较细的皮肤纹理、保留皮肤层次结构，保留面部光影特征、保护面部五官区域，极大的提高了磨皮的效果。下面对本实施方式的人像磨皮方法的实现细节进行具体的说明，以下内容仅为方便理解提供的实现细节，并非实施本方案的必须。
本实施方式中的人像磨皮方法可以如图6所示，包括：
步骤601：获取待处理的人脸图像。
步骤602：对待处理的人脸图像进行下采样，得到下采样图。
步骤603：确定下采样图中的人脸区域。
步骤604：基于人脸区域，对下采样图中第一类皮肤纹理进行检测，得到第一蒙版图像。
步骤605：根据第一蒙版图像，对下采样图和皮肤光滑图像进行蒙版混合，得到保留第一类皮肤纹理的第一光滑图像。
步骤606：对第一光滑图像进行上采样，得到上采样图像。
步骤607：对上采样图像和待处理的人脸图像进行差值处理，得到第一差值图像。
步骤608：对第一差值图像中的第二类皮肤纹理进行检测，得到第二蒙版图像。
步骤609：提取第一差值图像中的高频部分，得到第二差值图像。
步骤610：对第二差值图像和上采样图进行线性光混合，得到保留皮肤层次结构的第三光滑图像。
步骤611：根据第二蒙版图像，对第三光滑图像和第二差值图像进行蒙版混合，得到同时保留皮肤纹理和皮肤层次结构的第四光滑图像。
其中，步骤601至步骤611与第三实施方式中步骤501至步骤511大致相同，为避免重复，此处不再赘述。
步骤612：获取待处理的人脸图像对应的五官蒙版图像。
其中，五官蒙版图像即标识了待处理的人脸图像中哪些区域是五官所在区域的图像。
在一个例子中，获取待处理的人脸图像对应的五官蒙版图像的方式，可以参考图7，包括：
步骤701：对待处理的人脸图像和预设的标准人脸图像进行人脸关键点定位，得到人脸关键点坐标。
其中，标准人脸图像对应有磨皮需保护的五官区域的标准蒙版图像。在具体实现中，可以选择一张中性人脸图(例如，正脸、无表情的模特图)作为标准人脸，在标准人脸上涂抹出磨皮需保护的五官区域位置(如：眼睛、眉毛、嘴巴等)蒙版，作为上述的标准蒙版图像，记为M1。
可以理解的是，步骤501中会得到待处理的人脸图像中的人脸关键点坐标，还会得到标准人脸图像中的人脸关键点坐标。
在具体实现中，得到待处理的人脸图像中的人脸关键点坐标的方式可以为：输入待处理的人脸图像记为I，对待处理的人脸图像进行人脸检测，得到人脸矩形框位置，使用106点人脸关键点模型分别对待处理人脸进行人脸关键点定位，得到待处理的人脸图像中的人脸关键点坐标。得到标准人脸图像中的人脸关键点坐标的方式与上述得到待处理的人脸图像中的人脸关键点坐标的方式大致相同，为避免重复，在此不再赘述。
需要说明的是，本实施方式中只是以使用106点人脸关键点模型进行人脸关键点定位为例，在具体实现中，并不以此为限。比如，根据实际需要还可以使用64点人脸关键点模型、1000点人脸关键点模型等。
步骤702：根据人脸关键点坐标，将标准蒙版图像映射到待处理的人脸图像上，得到待处理的人脸图像对应的五官蒙版图像。
也就是说，将标准人脸对应的标准蒙版图像映射到待处理的人脸图像上，得到待处理的人脸图像中磨皮需保护的区域对应的五官蒙版图像，记为M2。
在一个例子中，根据人脸关键点坐标，将标准蒙版图像映射到待处理的人脸图像上，得到待处理的人脸图像对应的五官蒙版图像的实现方式可以如下：
首先，根据标准人脸的人脸关键点坐标进行三角剖分，生成面部网格；其中，面部网格包括若干个三角形子网格。也可以理解为，面部网格是由多个三角形面构成，每个三角形面的顶点存储了关键点索引号。如果标准人脸的人脸关键点坐标是根据106点人脸关键点模型得到的，则每个三角形面的顶点存储的关键点索引号，即顶点编号可以为0～105。
接着，遍历若干个三角形子网格，并对遍历到的三角形子网格执行如下操作：
确定遍历到的三角形子网格，对应的待处理的人脸图像上的三角形区域。比如，遍历到的三角形子网格的三个顶点的关键点索引号分别为：56、65、70，那么可以在待处理的人脸图像上找到关键点索引号同样为56、65、70的三个顶点组成三角形区域作为遍历到的三角形子网格对应的待处理的人脸图像上的三角形区域。
计算遍历到的三角形子网格与三角形区域之间的仿射矩阵，将遍历到的三角形子网格内的图像像素映射到所述三角形区域内。假设遍历到的三角形子网格记为Δ1，与之对应的待处理的人脸图像上的三角形区域记为Δ2，计算Δ1的三角形顶点和Δ2的三角形顶点间的仿射变换矩阵，然后将Δ1区域内的图像像素基于该仿射矩阵映射到Δ2区域内。也就是说，对于遍历到的每个三角形子网格，都会将该三角形子网格内的图像像素映射到与该三角形子网格对应的待处理的人脸图像上的三角形区域内。
遍历完若干个三角形子网格后，得到待处理的人脸图像对应的五官蒙版图像。也就是说，当遍历完上述面部网格中的所有三角形子网格后，就得到待处理人脸图像对应的五官蒙版图像M2。
步骤613：根据五官蒙版图像，对待处理的人脸图像和第四光滑图像进行蒙版混合，得到磨皮结果图像。
在一个例子中，磨皮结果图像可以通过如下公式计算得到：
Ismooth5＝I*M2+Ismooth4*(255-M2)
其中，I表示待处理的人脸图像，在上述公式中可以代表待处理的人脸图像中各像素点的像素值，Ismooth4表示第四光滑图像，在上述公式中可以代表第四光滑图像中各像素点的像素值，M2表示五官蒙版图像，在上述公式中可以代表五官蒙版图像中各像素点的像素值。Ismooth5表示磨皮结果图像，也可以称为第五光滑图像，在上述公式中可以代表磨皮结果图像中各像素点的像素值。255为预设的亮度值，用于使得磨皮结果图像中各像素的亮度值可以处于预设的亮度值范围内。在具体实现中，预设的亮度值也可以选择除255之外的其他数值，本实施方式对此不作具体限定。
需要说明的是，本实施方式中的上述各示例均为为方便理解进行的举例说明，并不对本发明的技术方案构成限定。
与现有技术相比，本实施方式中，对第四光滑图像进一步处理，有利于进一步得到五官被保护的磨皮结果图像，即本发明实施方式的磨皮方法可以使得在保证皮肤光滑的同时保留较粗的皮肤纹理和较细的皮肤纹理，还能保留皮肤层次结构，进一步还能使面部五官得到保护，极大的提高了磨皮效果。
上面各种方法的步骤划分，只是为了描述清楚，实现时可以合并为一个步骤或者对某些步骤进行拆分，分解为多个步骤，只要包括相同的逻辑关系，都在本专利的保护范围内；对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计，但不改变其算法和流程的核心设计都在该专利的保护范围内。
本发明第五实施方式涉及一种电子设备，如图8所示，包括至少一个处理器801；以及，与至少一个处理器801通信连接的存储器802；其中，存储器802存储有可被至少一个处理器801执行的指令，指令被至少一个处理器801执行，以使至少一个处理器801能够执行第一至第四实施方式中的人像磨皮的方法。
其中，存储器802和处理器801采用总线方式连接，总线可以包括任意数量的互联的总线和桥，总线将一个或多个处理器801和存储器802的各种电路连接在一起。总线还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路连接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件，也可以是多个元件，比如多个接收器和发送器，提供用于在传输介质上与各种其他装置通信的单元。经处理器801处理的数据通过天线在无线介质上进行传输，进一步，天线还接收数据并将数据传送给处理器801。
处理器801负责管理总线和通常的处理，还可以提供各种功能，包括定时，外围接口，电压调节、电源管理以及其他控制功能。而存储器802可以被用于存储处理器801在执行操作时所使用的数据。
本发明第六实施方式涉及一种计算机可读存储介质，存储有计算机程序。计算机程序被处理器执行时实现上述方法实施例。
即，本领域技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域的普通技术人员可以理解，上述各实施方式是实现本发明的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。
Claims (10)
1.一种人像磨皮方法，其特征在于，包括：
获取待处理的人脸图像；
对所述待处理的人脸图像中的皮肤纹理进行检测，得到所述皮肤纹理的蒙版图像，具体包括：对所述待处理的人脸图像进行下采样，得到下采样图，所述下采样图是分辨率相对较低的图像；确定所述下采样图中的人脸区域；根据所述人脸区域，确定第一卷积核半径和第二卷积核半径，其中，所述第一卷积核半径小于所述第二卷积核半径；基于所述第一卷积核半径，对所述下采样图进行模糊处理，得到消除了人脸噪声纹理的第一模糊图像；基于所述第二卷积核半径，对所述下采样图进行模糊处理，得到过滤掉所述皮肤纹理的第二模糊图像；对所述第一模糊图像和所述第二模糊图像进行差值处理，得到模糊差值图像；根据所述模糊差值图像，得到第一蒙版图像；
对所述待处理的人脸图像进行皮肤光滑处理，得到皮肤光滑图像；
根据所述第一蒙版图像，对所述下采样图和所述皮肤光滑图像进行蒙版混合，得到保留第一类皮肤纹理的第一光滑图像。
2.根据权利要求1所述的人像磨皮方法，其特征在于，所述根据所述模糊差值图像，得到所述第一蒙版图像，包括：
对所述模糊差值图像进行饱和度去除处理和曲线调整处理，得到初步纹理蒙版图像；
对所述第一模糊图像和所述第二模糊图像进行除法处理，得到除法结果图像；
对所述除法结果图像进行所述饱和度去除处理和所述曲线调整处理，得到非纹理蒙版图像；
对所述初步纹理蒙版图像和所述非纹理蒙版图像进行差值处理，得到所述第一蒙版图像。
3.根据权利要求1所述的人像磨皮方法，其特征在于，所述皮肤纹理的蒙版图像还包括第二类皮肤纹理对应的第二蒙版图像，在所述得到所述第一光滑图像之后，还包括：
对所述第一光滑图像进行上采样，得到上采样图像；
对所述上采样图像和所述待处理的人脸图像进行差值处理，得到第一差值图像；
对所述第一差值图像中的所述第二类皮肤纹理进行检测，得到所述第二蒙版图像；
根据所述第二蒙版图像，对所述上采样图和所述待处理的人脸图像进行蒙版混合，得到保留所述第一类皮肤纹理和所述第二类皮肤纹理的第二光滑图像。
4.根据权利要求3所述的人像磨皮方法，其特征在于，在所述得到第一差值图像之后，还包括：
提取所述第一差值图像中的高频部分，得到第二差值图像；
对所述第二差值图像和所述上采样图进行线性光混合，得到保留皮肤层次结构的第三光滑图像；
根据所述第二蒙版图像，对所述第三光滑图像和所述第二差值图像进行蒙版混合，得到同时保留所述皮肤纹理和所述皮肤层次结构的第四光滑图像。
5.根据权利要求4所述的人像磨皮方法，其特征在于，在所述得到同时保留所述皮肤纹理和所述皮肤层次结构的第四光滑图像之后，还包括：
获取所述待处理的人脸图像对应的五官蒙版图像；
根据所述五官蒙版图像，对所述待处理的人脸图像和所述第四光滑图像进行蒙版混合，得到磨皮结果图像。
6.根据权利要求5所述的人像磨皮方法，其特征在于，所述获取所述待处理的人脸图像对应的五官蒙版图像，包括：
对所述待处理的人脸图像和预设的标准人脸图像进行人脸关键点定位，得到人脸关键点坐标；其中，所述标准人脸图像对应有磨皮需保护的五官区域的标准蒙版图像；
根据所述人脸关键点坐标，将所述标准蒙版图像映射到所述待处理的人脸图像上，得到所述待处理的人脸图像对应的五官蒙版图像。
7.根据权利要求6所述的人像磨皮方法，其特征在于，所述根据所述人脸关键点坐标，将所述标准蒙版图像映射到所述待处理的人脸图像上，得到所述待处理的人脸图像对应的五官蒙版图像，包括：
根据所述标准人脸的人脸关键点坐标进行三角剖分，生成面部网格；其中，所述面部网格包括若干个三角形子网格；
遍历所述若干个三角形子网格，并对遍历到的三角形子网格执行如下操作：
确定所述遍历到的三角形子网格，对应的所述待处理的人脸图像上的三角形区域；
计算所述遍历到的三角形子网格与所述三角形区域之间的仿射矩阵；
将所述遍历到的三角形子网格内的图像像素映射到所述三角形区域内；
遍历完所述若干个三角形子网格后，得到述待处理的人脸图像对应的五官蒙版图像。
8.根据权利要求1至7任一项所述的人像磨皮方法，其特征在于，所述对所述待处理的人脸图像进行皮肤光滑处理，得到皮肤光滑图像，包括：
利用引导滤波算法，对所述待处理的人脸图像进行皮肤光滑处理，得到皮肤光滑图像。
9.一种电子设备，其特征在于，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至8中任一所述的人像磨皮方法。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的人像磨皮方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011127242.9A CN112215776B (zh) | 2020-10-20 | 2020-10-20 | 人像磨皮方法、电子设备和计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011127242.9A CN112215776B (zh) | 2020-10-20 | 2020-10-20 | 人像磨皮方法、电子设备和计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112215776A CN112215776A (zh) | 2021-01-12 |
| CN112215776B true CN112215776B (zh) | 2024-05-07 |
Family
ID=74056157
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011127242.9A Active CN112215776B (zh) | 2020-10-20 | 2020-10-20 | 人像磨皮方法、电子设备和计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112215776B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113469903A (zh) * | 2021-06-11 | 2021-10-01 | 维沃移动通信有限公司 | 图像处理方法、装置、电子设备及可读存储介质 |
| CN113763284A (zh) * | 2021-09-27 | 2021-12-07 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、电子设备和存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107862659A (zh) * | 2017-10-31 | 2018-03-30 | 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 |
| CN110070502A (zh) * | 2019-03-25 | 2019-07-30 | 成都品果科技有限公司 | 人脸图像磨皮的方法、装置和存储介质 |
| CN110399849A (zh) * | 2019-07-30 | 2019-11-01 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、处理器、电子设备及存储介质 |
| CN111445564A (zh) * | 2020-03-26 | 2020-07-24 | 腾讯科技（深圳）有限公司 | 人脸纹理图像生成方法、装置、计算机设备和存储介质 |
| CN111723803A (zh) * | 2020-06-30 | 2020-09-29 | 广州繁星互娱信息科技有限公司 | 图像处理方法、装置、设备及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5733570B2 (ja) * | 2011-05-23 | 2015-06-10 | ソニー株式会社 | 画像処理装置、画像処理方法、プログラム、および、記録媒体 |
-
2020
- 2020-10-20 CN CN202011127242.9A patent/CN112215776B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107862659A (zh) * | 2017-10-31 | 2018-03-30 | 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 |
| CN110070502A (zh) * | 2019-03-25 | 2019-07-30 | 成都品果科技有限公司 | 人脸图像磨皮的方法、装置和存储介质 |
| CN110399849A (zh) * | 2019-07-30 | 2019-11-01 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、处理器、电子设备及存储介质 |
| CN111445564A (zh) * | 2020-03-26 | 2020-07-24 | 腾讯科技（深圳）有限公司 | 人脸纹理图像生成方法、装置、计算机设备和存储介质 |
| CN111723803A (zh) * | 2020-06-30 | 2020-09-29 | 广州繁星互娱信息科技有限公司 | 图像处理方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112215776A (zh) | 2021-01-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11776216B2 (en) | System and method for extracting a region of interest from volume data | |
| Pu et al. | A fractional-order variational framework for retinex: fractional-order partial differential equation-based formulation for multi-scale nonlocal contrast enhancement with texture preserving | |
| Guo et al. | LIME: Low-light image enhancement via illumination map estimation | |
| CN108229279B (zh) | 人脸图像处理方法、装置和电子设备 | |
| Fu et al. | A probabilistic method for image enhancement with simultaneous illumination and reflectance estimation | |
| US20190156526A1 (en) | Image color adjustment method and system | |
| Kovesi | MATLAB and Octave functions for computer vision and image processing | |
| Abbas et al. | Hair removal methods: A comparative study for dermoscopy images | |
| CN110706174B (zh) | 一种图像增强方法、终端设备及存储介质 | |
| CN112215776B (zh) | 人像磨皮方法、电子设备和计算机可读存储介质 | |
| CN109859217B (zh) | 人脸图像中毛孔区域的分割方法及计算设备 | |
| Kim et al. | Low-light image enhancement based on maximal diffusion values | |
| CN114119439A (zh) | 红外与可见光图像融合方法、装置、设备及存储介质 | |
| US20110075926A1 (en) | Systems and methods for refinement of segmentation using spray-paint markup | |
| CN106846281A (zh) | 图像美化方法以及终端设备 | |
| Sun et al. | Image Structure Retrieval via $ L_0 $ Minimization | |
| US10019784B2 (en) | Medical image processing apparatus and method | |
| CN108346128B (zh) | 一种美颜磨皮的方法和装置 | |
| Choudhary et al. | Curvelet and fast marching method‐based technique for efficient artifact detection and removal in dermoscopic images | |
| Ciomaga et al. | The image curvature microscope: Accurate curvature computation at subpixel resolution | |
| CN111223090A (zh) | 人体肺部ct图像中肿瘤图像的识别系统 | |
| CN113379623B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| CN114596213A (zh) | 一种图像处理方法及装置 | |
| Jia et al. | Weighted guided image filtering with entropy evaluation weighting | |
| Jeba Derwin et al. | An efficient multi-level pre-processing algorithm for the enhancement of dermoscopy images in Melanoma detection |
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 |