CN112215808A - 一种生成人脸皮肤敏感图的方法及其相关装置 - Google Patents
一种生成人脸皮肤敏感图的方法及其相关装置 Download PDFInfo
- Publication number
- CN112215808A CN112215808A CN202011018858.2A CN202011018858A CN112215808A CN 112215808 A CN112215808 A CN 112215808A CN 202011018858 A CN202011018858 A CN 202011018858A CN 112215808 A CN112215808 A CN 112215808A
- Authority
- CN
- China
- Prior art keywords
- image
- color
- pixel point
- brightness
- value
- 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
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000012545 processing Methods 0.000 claims abstract description 62
- 230000035945 sensitivity Effects 0.000 claims abstract description 49
- 238000003860 storage Methods 0.000 claims abstract description 10
- 230000008569 process Effects 0.000 claims description 15
- 238000005429 filling process Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 239000003086 colorant Substances 0.000 description 10
- 230000000694 effects Effects 0.000 description 8
- 230000037311 normal skin Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 230000001815 facial effect Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 230000037303 wrinkles Effects 0.000 description 2
- MCSXGCZMEPXKIW-UHFFFAOYSA-N 3-hydroxy-4-[(4-methyl-2-nitrophenyl)diazenyl]-N-(3-nitrophenyl)naphthalene-2-carboxamide Chemical compound Cc1ccc(N=Nc2c(O)c(cc3ccccc23)C(=O)Nc2cccc(c2)[N+]([O-])=O)c(c1)[N+]([O-])=O MCSXGCZMEPXKIW-UHFFFAOYSA-N 0.000 description 1
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000005282 brightening Methods 0.000 description 1
- 238000004042 decolorization Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001131 transforming 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
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/20081—Training; Learning
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例涉及图像处理技术领域,尤其涉及一种生成人脸皮肤敏感图的方法、电子设备及存储介质,该方法通过对人脸图像进行亮度增强,获取LAB颜色空间中的A通道图像,并对所述A通道图像进行对比度增强,以获取亮度和对比度均满足要求的第二A通道图像,其中,所述第二A通道图像中各像素点对应的灰度值能反映所述人脸图像中各像素点的红度,即能反映对应人脸皮肤处的敏感程度。因此,对所述第二A通道图像进行第一颜色填充处理和第二颜色填充处理,使得人脸皮肤中的敏感区域和人脸皮肤中的非敏感区域分别以不同方式显示于所述人脸皮肤敏感图中,从而,得到能区分敏感区域和非敏感区域的人脸皮肤敏感图,以方便用户清楚了解自身的脸部皮肤。
Description
技术领域
本发明实施例涉及图像处理领域,尤其涉及一种生成人脸皮肤敏感图的方法及其相关装置。
背景技术
随着软硬件技术的不断发展和人民生活水平的提高,人们对皮肤保养美容美颜不再仅仅局限于传统方式,将美容护肤与新型科学技术相结合的概念运营而生,由此市场上出现了搭载各式各样美容分析的软硬件结合的终端产品。其中,不少用户希望能够对人脸部肤质情况进行分析,包括人脸皮肤敏感泛红等情况。
目前,一般通过移动设备拍照得到人脸图像,结合分析经验,对人脸皮肤敏感红区进行分析,但敏感或脸部红区不明显,无法获得真实的肤质信息。同时敏感区域难以清晰界定,且与个人肤质有紧密联系,从而,难以生成用于可视化敏感区域的人脸皮肤敏感图。
发明内容
本发明实施例主要解决的技术问题是提供一种生成人脸皮肤敏感图的方法以及相关装置,可以获取人脸皮肤敏感图,以对脸部敏感区域进行可视化。
为解决上述技术问题,第一方面,本发明实施例中提供给了一种生成人脸皮肤敏感图的方法,包括:
获取人脸图像;
对所述人脸图像进行亮度调整,以获取第一人脸图像,其中,所述第一人脸图像中各像素点的亮度大于或等于预设亮度阈值;
将所述第一人脸图像转换为LAB人脸图像,并提取所述LAB人脸图像的A通道分量,以获取A通道图像;
对所述A通道图像进行第一对比度增强处理,以获取第二A通道图像,其中,所述第二A通道图像的灰度均值大于第一预设灰度阈值;
对所述第二A通道图像进行第一颜色填充处理和第二颜色填充处理,以获取人脸皮肤敏感图,其中,所述第一颜色填充处理和所述第二颜色填充处理为使得所述人脸皮肤中的敏感区域和所述人脸皮肤中的非敏感区域分别以不同方式显示于所述人脸皮肤敏感图中的两种填充处理方式。
在一些实施例中,所述对所述人脸图像进行亮度调整,以获取第一人脸图像,包括:
如果所述人脸图像中的目标像素点的亮度小于所述预设亮度阈值,则增加所述目标像素点的亮度至第一亮度,以获取所述第一人脸图像,其中,所述目标像素点为所述人脸图像中的任一像素点,所述第一亮度度大于或等于所述预设亮度阈值。
在一些实施例中,所述增加所述目标像素点的亮度至第一亮度,以获取所述第一人脸图像,包括:
根据所述目标像素点的第一RGB值、所述目标像素点的亮度,获取所述目标像素点在HSL颜色空间下的HS值;
根据所述第一亮度和所述HS值,确定所述目标像素点的第二RGB值,以获取所述第一人脸图像。
在一些实施例中,所述对所述A通道图像进行第一对比度增强处理,以获取第二A通道图像,包括:
对所述A通道图像进行直方图正规化,输出正规化图像;
如果所述正规化图像的灰度均值小于或等于所述第一预设灰度阈值,则对所述正规化图像进行图像均衡处理,以获取第二A通道图像;
如果所述正规化图像的灰度均值大于所述第一预设灰度阈值,则将所述正规化图像作为所述第二A通道图像。
在一些实施例中,在所述对所述A通道图像进行直方图正规化,输出正规化图像之后,还包括:
对所述正规化图像进行第二对比度增强处理。
在一些实施例中,所述对所述第二A通道图像进行第一颜色填充处理和第二颜色填充处理,以获取人脸皮肤敏感图,包括:
遍历所述第二A通道图像中的各像素点,获取所述第二A通道图像中各像素点的灰度值;
根据所述第二A通道图像中各像素点的灰度值,对所述第二A通道图像进行所述第一颜色填充处理和所述第二颜色填充处理,以获取人脸皮肤敏感图。
在一些实施例中,所述根据所述第二A通道图像中各像素点的灰度值,对所述第二A通道图像进行第一颜色填充处理和第二颜色填充处理,以获取人脸皮肤敏感图,包括:
根据所述第二A通道图像中各像素点的灰度值,分别获取所述第二A通道图像中各像素点的白色程度和非白色程度,其中,所述白色程度为所述第二A通道图像中像素点的灰度值与第二预设灰度阈值之间的比值,所述非白色程度为1减去所述白色程度;
将第一颜色的第一预设RGB值分别乘以所述第二A通道图像中各像素点的白色程度,以获取第一颜色填充图,其中,所述第一颜色为所述人脸皮肤中敏感区域的基础填充色;
将第二颜色的第二预设RGB值分别乘以所述第二A通道图像中各像素点的所述非白色程度,以获取第二颜色填充图,其中,所述第二颜色为所述人脸皮肤中非敏感区域的基础填充色;
将所述第一颜色填充图和所述第二颜色填充图进行色彩叠加,得到所述人脸皮肤敏感图。
在一些实施例中,所述方法还包括:
对所述人脸皮肤敏感图进行色彩增强处理,输出色彩增强处理后的人脸皮肤敏感图。
为解决上述技术问题,第二方面,本发明实施例中提供给了一种电子设备,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如上第一方面所述的方法。
为解决上述技术问题,第三方面,本发明实施例中提供给了一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使电子设备执行如上第一方面所述的方法。
本发明实施例的有益效果:区别于现有技术的情况,本发明实施例提供的生成人脸皮肤敏感图的方法,该方法通过对人脸图像进行亮度增强,然后,提取各像素点在LAB颜色空间中的A通道分量,获取A通道图像,并对所述A通道图像进行对比度增强,以获取亮度和对比度均满足要求的第二A通道图像,其中,所述第二A通道图像中各像素点对应的灰度值能反映所述人脸图像中各像素点的红度,即能反映对应的人脸皮肤处的敏感程度。因此,对所述第二A通道图像进行第一颜色填充处理和第二颜色填充处理,使得人脸皮肤中的敏感区域和人脸皮肤中的非敏感区域分别以不同方式显示于所述人脸皮肤敏感图中,从而,得到能区分敏感区域和非敏感区域的人脸皮肤敏感图,以方便用户清楚了解自身的脸部皮肤。
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,附图中具有相同参考数字标号的元件表示为类似的元件,除非有特别申明,附图中的图不构成比例限制。
图1为本发明其中一实施例提供的生成人脸皮肤敏感图的方法的应用环境示意图;
图2为本发明其中一实施例提供的电子设备的硬件结构示意图;
图3为本发明其中一实施例提供的生成人脸皮肤敏感图的方法的流程示意图;
图4为图3所示方法中人脸图像的示意图;
图5为图3所示方法中第二A通道图像的示意图;
图6为由图3所示方法生成的人脸皮肤敏感图的示意图;
图7为图3所示方法中步骤S22的一子流程示意图;
图8为图7所示方法中步骤S221的一子流程示意图;
图9为图3所示方法中步骤S24的一子流程示意图;
图10为图3所示方法中步骤S25的一子流程示意图;
图11为图10所示方法中步骤S252的一子流程示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进。这些都属于本发明的保护范围。
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
需要说明的是,如果不冲突,本发明实施例中的各个特征可以相互结合,均在本申请的保护范围之内。另外,虽然在装置示意图中进行了功能模块划分,在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于装置中的模块划分,或流程图中的顺序执行所示出或描述的步骤。此外,本文所采用的“第一”、“第二”、“第三”等字样并不对数据和执行次序进行限定,仅是对功能和作用基本相同的相同项或相似项进行区分。
除非另有定义,本说明书所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本说明书中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的,不是用于限制本发明。本说明书所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
图1是本发明实施例提供的生成人脸皮肤敏感图的方法的运行环境示意图。请参照图1,包括电子设备10和图像获取装置20,所述电子设备10和所述图像获取装置20通信连接。
所述通信连接可以是有线连接,例如:光纤电缆,也可以是无线通信连接,例如:WIFI连接、蓝牙连接、4G无线通信连接,5G无线通信连接等等。
所述图像获取装置20用于获取包括人脸图像,所述图像获取装置20可为能够拍摄图像的终端,例如:具有拍摄功能的手机、平板电脑、录像机或摄像头等。
所述电子设备10是能够按照程序运行,自动、高速处理海量数据的设备,其通常是由硬件系统和软件系统所组成,例如:计算机、智能手机等等。所述电子设备10可以是本地设备,其直接与所述图像获取装置20连接;也可以是云设备,例如:云服务器、云主机、云服务平台、云计算平台等,云设备通过网络与所述图像获取装置20连接,并且两者通过预定的通信协议通信连接,在一些实施例,该通信协议可以是TCP/IP、NETBEUI和IPX/SPX等协议。
可以理解的是:所述图像获取装置20和所述电子设备10也可以集成在一起,作为一体式的设备,例如,带有摄像头的计算机或智能手机等。
所述电子设备10接收所述图像获取装置20发送的人脸图像,对所述人脸图像进行处理,生成人脸皮肤敏感图,从而,可对人脸的敏感部位进行可视化,方便用户清楚了解自身的脸部皮肤。
在上述图1的基础上,本发明的其他实施例提供了一种电子设备10,请参阅图2,为本发明实施例提供的一种电子设备10的硬件结构图,具体的,如图2所示,所述电子设备10包括通信连接的至少一个处理器11和存储器12(图2中以总线连接、一个处理器为例)。
其中,所述处理器11用于提供计算和控制能力,以控制电子设备10执行相应任务,例如,控制所述电子设备10执行下述发明实施例提供的任意一种生成人脸皮肤敏感图的方法。
可以理解的是,所述处理器11可以是通用处理器,包括中央处理器(CentralProcessing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital Signal Processing,DSP)、专用集成电路(Application SpecificIntegrated 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。
所述存储器12作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态性计算机可执行程序以及模块,如本发明实施例中的训练皱纹检测模型的方法对应的程序指令/模块,或本发明实施例中生成人脸皮肤敏感图的方法对应的程序指令/模块。所述处理器11通过运行存储在存储器12中的非暂态软件程序、指令以及模块,可以实现下述任一方法实施例中的生成人脸皮肤敏感图的方法。具体地,所述存储器12可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器12还可以包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
以下,对本发明实施例提供的生成人脸皮肤敏感图的方法进行详细说明,请参阅图3,所述方法S20包括但不限制于以下步骤:
S21:获取人脸图像。
S22:对所述人脸图像进行亮度调整,以获取第一人脸图像,其中,所述第一人脸图像中各像素的亮度大于或等于预设亮度阈值。
S23:将所述第一人脸图像转换为LAB人脸图像,并提取所述LAB人脸图像的A通道分量,以获取A通道图像。
S24:对所述A通道图像进行第一对比度增强处理,以获取第二A通道图像,其中,所述第二A通道图像的灰度均值大于第一预设灰度阈值。
S25:对所述第二A通道图像进行第一颜色填充处理和第二颜色填充处理,以获取人脸皮肤敏感图,其中,所述第一颜色填充处理和所述第二颜色填充处理为使得所述人脸皮肤中的敏感区域和所述人脸皮肤中的非敏感区域分别以不同方式显示于所述人脸皮肤敏感图中的两种填充处理方式。
具体的,在所述步骤S21中,所述人脸图像为包括人脸面部的彩色数字图像,可由上述图像获取装置获取,例如,所述人脸图像可以为由所述图像获取装置采集到的证件照或自拍照等。在此,对所述人脸图像的来源不做限制,只要为包括人脸面部的彩色数字图像即可。
图4为所述人脸图像的举例,可知,人脸图像所反映的人脸皮肤中包括正常皮肤和敏感发红区域,在图4中,正常皮肤对应的像素均匀,敏感发红区域对应的像素较深,例如,脸颊上被圈出的深色像素。可以理解的是,图4中的人脸图像是经过去色处理后的图像,在实际应用中,所述人脸图像一般用RGB颜色空间模型表示。其中,RGB颜色空间模型是一种三基色混色原理产生的颜色模型,三基色为红、绿、蓝,分别由R、G、B表示,自然界中各种颜色都可以由三基色按不同比例相加混合而成。此外,皮肤敏感通常伴随毛细血管扩展显示血液的红色,从而,在人脸图像中敏感发红区域显示红色,也即,图4中,被圈出的像素较深的地方在RGB颜色空间下实际显示红色,并且,像素越深,显示的红色也越深。
在所述步骤S22中,对所述人脸图像进行亮度调整,以使获取的第一人脸图像中各像素的亮度大于或等于预设亮度阈值,从而,改善原所述人脸图像的亮度,以使得到的所述第一人脸图像更加清晰,提高视觉效果。
在一些实施例中,可通过现有pillow库中的ImageStat工具包对所述人脸图像进行亮度检测和判断,具体的,通过stat.rms函数分别获取所述人脸图像中各像素点的亮度,如果所述人脸图像中的某一像素点的亮度小于所述预设亮度阈值,则提高该像素点的亮度,以使该像素点的亮度大于或等于所述预设亮度阈值,从而,得到所述第一人脸图像,以使所述第一人脸图像中各像素点的亮度大于或等于预设亮度阈值,使得所述第一人脸图像更加清晰,呈现较好的视觉效果。
值得说明的是,所述预设亮度阈值为经验值,可根据实际情况而设置。在一些实施例中,所述预设亮度阈值为132,在此预设亮度阈值下,可以使得第一人脸图像的清晰度以及可视化效果较佳,又不会使得第一人脸图像过亮而影响人脸图像中的特征。
在所述步骤S23中,将所述第一人脸图像转换为LAB人脸图像,其中,LAB人脸图像为由LAB颜色空间模型来表征的图像。
彩色数字图像可由多种颜色空间模型表示,例如RGB、HSV和LAB等。其中,LAB颜色空间模型由三个要素组成,即L通道、A通道和B通道,所述L通道用于表示像素的亮度,所述A通道和所述B通道是两个颜色通道,所述A通道包括的颜色从深绿色(低亮度值)到灰色(中亮度值)再到亮红色(高亮度值),所述B通道包括的颜色从亮蓝色(低亮度值)到灰色(中亮度值)再到黄色(高亮度值)。
由此可知,所述A通道图像为单通道图像,其尺寸大小与所述第一人脸图像一致,A通道图像中各像素点对应的灰度值能反映所述第一人脸图像中各像素点的红度,所述红度即为红色的程度,例如,浅红、深红等。
在获取到所述A通道图像后,通常存在所述A通道图像整体偏暗的情况,若A通道图像偏暗,则会影响人脸暗部细节的识别,例如,较暗的红色区域无法显示等。
为了提高所述A通道图像的显示效果,在所述步骤S24中,对所述A通道图像进行第一对比度增强处理,以使获取得到的第二A通道图像的灰度均值大于第一预设灰度阈值。其中,所述第二A通道图像的灰度均值为所述第二A通道图像中各像素点对应的灰度值的平均值,能有效反映所述第二A通道图像的显示效果。所述第一预设灰度阈值为人为设置的经验值,可根据实际情况设置,也可以是大量试验后的结果,例如,所述第一预设灰度均值为119。当所述第二A通道图像中的灰度均值大于119时,能使所述第二A通道图像具有清晰的显示效果。
如图5所示,在所述第二A通道图像中,灰度值为白色的区域反映人脸皮肤中的红色区域,包括嘴唇和敏感区域,并且,灰度值为白色的程度越深,则说明红色区域越红,灰度值为非白色的区域反映人脸皮肤中的正常皮肤,并且,灰度值为非白色的程度越深,则说明皮肤越正常,无敏感发红。
最后,在所述步骤S25中,对所述第二A通道图像进行第一颜色填充处理和第二颜色填充处理后,从而,获取所述人脸皮肤敏感图。所述人脸皮肤敏感图为可以对面部敏感红区进行可视化的3通道图像,例如,如图6所示,将面部敏感红区展示出来。可以理解的是,图6也是经过去色处理后的图像,图6中的颜色较深的区域对应敏感红色,颜色越深,敏感越严重,颜色浅(白色)的区域对应正常皮肤,颜色越浅,皮肤越正常。
由于所述第二A通道图像为单通道图像,且,所述第二A通道图像中各像素点对应的灰度值能反映所述人脸图像中各像素点的红度,即能反映对应的人脸皮肤处的敏感程度。在对所述第二A通道图像进行第一颜色填充处理和第二颜色填充处理后,可将人脸皮肤中的敏感区域(发红区域)和非敏感区域分别以不同方式显示于所述人脸皮肤敏感图中。例如,对第二A通道图像中的各像素点根据其灰度值填充第一颜色和第二颜色,通过设置灰度值阈值,灰度值大于或等于灰度值阈值的像素点(敏感区域)填充第一颜色,灰度值小于或等于灰度值阈值的像素点(非敏感区域)填充第二颜色,第一颜色和第二颜色为两种不同的颜色,从而,得到的人脸皮肤敏感图中敏感区域和非敏感区域会以不同的颜色进行显示,从而,可以清楚区分人脸皮肤中的敏感区域和非敏感区域。
在本实施例中,该方法通过对人脸图像进行亮度增强,然后,提取各像素点在LAB颜色空间中的A通道分量,获取A通道图像,并对所述A通道图像进行对比度增强,以获取亮度和对比度均满足要求的第二A通道图像,其中,所述第二A通道图像中各像素点对应的灰度值能反映所述人脸图像中各像素点的红度,即能反映对应人脸皮肤处的敏感程度。因此,对所述第二A通道图像进行第一颜色填充处理和第二颜色填充处理,使得人脸皮肤中的敏感区域和人脸皮肤中的非敏感区域分别以不同方式显示于所述人脸皮肤敏感图中,从而,得到能区分敏感区域和非敏感区域的人脸皮肤敏感图,以方便用户清楚了解自身的脸部皮肤。
在一些实施例中,请参阅图7,所述步骤S22具体包括:
S221:如果所述人脸图像中的目标像素点的亮度小于所述预设亮度阈值,则增加所述目标像素点的亮度至第一亮度,以获取所述第一人脸图像,其中,所述目标像素点为所述人脸图像中的任一像素点,所述第一亮度度大于或等于所述预设亮度阈值。
在此实施例中,遍历所述人脸图像中的任一像素点,即目标像素点,通过将目标像素点的亮度与所述预设亮度阈值进行比较,若所述目标像素点的亮度小于所述预设亮度阈值,则增加所述目标像素点的亮度至第一亮度,其中,所述第一亮度大于或等于所述预设亮度阈值。可以理解的是,所述第一亮度为目标像素点进行增加亮度处理后的亮度,各目标像素点对应的第一亮度不完全相同,例如,若预设亮度阈值为128,对于目标像素点A,其亮度为100,则目标像素点A对应的第一亮度大于或等于128即可,可以为128或140等,对于目标像素点B,其亮度为90,则目标像素点B对应的第一亮度大于或等于128即可,可以为128或130等。
在一些实施例中,可对亮度小于所述预设亮度阈值的目标像素点增加相同的增量,以使各目标像素点的第一亮度大于或等于所述预设亮度阈值即可。
为了减小在增亮处理中造成的图像信息损失,在一些实施例中,请参阅图8,所述增加所述目标像素点的亮度至第一亮度,以获取所述第一人脸图像,包括:
S2211:根据所述目标像素点的第一RGB值、所述目标像素点的亮度,获取所述目标像素点在HSL颜色空间下的HS值。
S2212:根据所述第一亮度和所述HS值,确定所述目标像素点的第二RGB值,以获取所述第一人脸图像。
HSL颜色空间是一种符合人眼视觉特性的颜色模型,具有亮色分离的优点,其中,H代表色相、S代表饱和度、L代表亮度,其中亮度L一般用百分比表示,取值1-100%。对于图像的亮度增强,需要在不同的颜色空间下进行处理。例如,将所述人脸图像中各像素点的RGB值,转化为HSL颜色空间下的HSL值,在对L进行调整后,再将新的HSL'值转化为新的R'G'B'值。在此方式中,需要经过RGB-HSL-HSL'-R'G'B'的多次颜色空间转换,转换繁琐,而且,还涉及到大量的浮点数运算。
为了减少颜色空间的转换,在本实施例中,是基于HSV颜色空间的亮度(L)进行亮度增强,通过只对其L(亮度)部分进行调整,以减少RGB颜色模型与HSL颜色空间之间的转换,也即,能有效减少颜色空间转换,减少计算量。具体的,对于所述人脸图像中的目标像素点,通过其亮度与第一RGB值分别计算出所述目标像素点在HSL颜色空间下的HS值,然后,对所述亮度L进行调整,得到调整后的第一亮度newL,再根据所述第一亮度newL和所述HS值,即可构成一个新的HSL颜色空间(即第一人脸图像的HSL颜色空间),从而,将新的HSL颜色空间转换成新的RGB颜色模型,即可得到所述目标像素点的第二RGB值,所述第二RGB值是经亮度调整后的所述目标像素点的新的RGB值,从而,得到所述第一人脸图像。通过上述方式,只需一次颜色空间转换,即可实现亮度调整,减少了计算量,还能有效减小在增亮处理中造成的图像信息损失。
在一些实施了中,亮度L没有采用常用的百分比表示,而是取值1-255,以避免采用浮点数进行运算,可以简化运算。
在本实施例中,通过只对其L(亮度)部分进行调整,以减少RGB颜色模型与HSL颜色空间之间的转换,一方面,能有效减少计算量,另一方面,通过在不同的颜色空间下进行亮度增强,能有效减小在增亮处理中造成的图像信息损失。
在一些实施例中,请参阅图9,所述步骤S24具体包括:
S241:对所述A通道图像进行直方图正规化,输出正规化图像。
S242:如果所述正规化图像的灰度均值小于或等于所述第一预设灰度阈值,则对所述正规化图像进行图像均衡处理,以获取第二A通道图像。
S243:如果所述正规化图像的灰度均值大于所述第一预设灰度阈值,则将所述正规化图像作为所述第二A通道图像。
所述直方图正规化是一种自动选取斜率a和截距b的图像线性变化。例如,所述A通道图像用I表示,其宽为W,高为H,I(r,c)代表I的第r行第c列的灰度值,将I中出现的最小灰度级记为Imin,最大灰度级记为Imax,即I(r,c)∈[Imin,Imax],为使输出图像O的灰度级范围为[Omin,Omax],I(r,c)和O(r,c)做以下映射关系:
上述线性变换过程就是直方图正规化,其中,
在本方法中通过对所述A通道图像,采用opencv库的minMaxLoc工具包来获得Imin和Imax,Omin和Omax分别为0和255。
也即,正规化图像=a*所述A通道图+b,通过对所述A通道图像进行直方图正则化,输出正规化图像即为对所述A通道图像进行灰度拉伸后的图像,以避免灰度集中在一个或者几个灰度级区段,从而,可以消除图像采集时光照等因素的影响。
计算所述正规化图像中所有灰度值的平均值,即所述正规化图像的灰度均值,并将所述正规化图像的灰度均值与所述第一预设灰度阈值进行比较,如果所述正规化图像的灰度均值小于或等于所述第一预设灰度阈值,则对所述正规化图像进行图像均衡处理,以获取第二A通道图像;如果所述正规化图像的灰度均值大于所述第一预设灰度阈值,则将所述正规化图像作为所述第二A通道图像,从而,保证所述第二A通道图像的灰度均值能大于所述第一预设灰度阈值,使得所述第二A通道图像具有清晰较好的图像显示效果。
其中,所述图像均衡处理是一种将灰度级分布不均匀的图像变换成一个均匀分布的操作,例如可采用现有的直方图均衡化技术进行图像均衡处理,或者使用OpenCV库中的createCLAHE工具包进行直方图均衡化,以将所述正规化图像均衡,可以使得所述第二A通道图像的暗部细节更加清晰,凸显图像中的轮廓。
在本实施例中,通过对所述A通道图像进行上述直方图正规化以及图像均衡处理,获得对比度大的第二A通道图像,使得所述第二A通道图像清晰醒目,具有较好的显示效果。
在一些实施例中,在所述步骤S241之后还包括:
步骤S244:对所述正规化图像进行第二对比度增强处理。
例如,在进行所述正规化图像的灰度均值与所述第一预设灰度阈值进行比较之前,对所述正规化图像使用pillow库中的ImageEnhance.Contrast函数对所述正规化图像进行第二对比度增强处理,以增加所述正规化图像的对比度。其中,经过大量实验的基础上,增强参数contrast为1.3,可以获取较好的对比度增强效果。
在一些实施例中,请参阅图10,所述步骤S25具体包括:
S251:遍历所述第二A通道图像中的各像素点,获取所述第二A通道图像中各像素点的灰度值。
S252:根据所述第二A通道图像中各像素点的灰度值,对所述第二A通道图像进行所述第一颜色填充处理和所述第二颜色填充处理,以获取人脸皮肤敏感图。
由上述可知,所述A通道图像中各像素点对应的灰度值能反映所述第一人脸图像中各像素点的红度,从而,经对比度增强处理后得到的第二A通道图像能够更加清晰地反映人脸皮肤中的敏感红区,也即,所述第二A通道图像中的各像素点的灰度值能反映各像素点各自对应的敏感程度(红色程度)。从而,可以根据所述第二A通道图像中各像素点的灰度值,对所述第二A通道图像进行第一颜色填充处理和第二颜色填充处理,使得人脸皮肤中的敏感区域和人脸皮肤中的非敏感区域分别以不同方式显示于所述人脸皮肤敏感图中。
例如,对第二A通道图像中的各像素点根据其灰度值填充第一颜色和第二颜色,不同灰度值的像素点填充不同深浅的第一颜色和不同深浅的第二颜色,其中,第一颜色和第二颜色为两种不同的颜色。由于,敏感区域和非敏感区域在所述第二A通道图像中分别对应的像素点的灰度值不同,从而,通过第一颜色填充处理和第二颜色填充处理后,得到的人脸皮肤敏感图中敏感区域和非敏感区域会以不同的颜色进行显示,并且,敏感程度不同,对应的第一颜色深度不同,非敏感程度不同,对应的第二颜色深度不同,从而,在获取的人脸皮肤敏感图中,不仅可以清楚区分人脸皮肤中的敏感区域和非敏感区域,还能了解皮肤的敏感程度和非敏感程度(皮肤正常程度)。
在本实施例中,通过遍历所述第二A通道图像中的各像素点,获取所述第二A通道图像中各像素点的灰度值,对所述第二A通道图像中的各像素点进行第一颜色填充处理和第二颜色填充处理,获取各像素点对应的RGB值,从而,得到可以清楚区分人脸皮肤中的敏感区域和非敏感区域的所述人脸皮肤敏感图。
在一些实施例中,请参阅图11,所述步骤S252具体包括:
S2521:根据所述第二A通道图像中各像素点的灰度值,分别获取所述第二A通道图像中各像素点的白色程度和非白色程度,其中,所述白色程度为所述第二A通道图像中像素点的灰度值与第二预设灰度阈值之间的比值,所述非白色程度为1减去所述白色程度。
S2522:将第一颜色的第一预设RGB值分别乘以所述第二A通道图像中各像素点的白色程度,以获取第一颜色填充图,其中,所述第一颜色为所述人脸皮肤中敏感区域的基础填充色。
S2523:将第二颜色的第二预设RGB值分别乘以所述第二A通道图像中各像素点的所述非白色程度,以获取第二颜色填充图,其中,所述第二颜色为所述人脸皮肤中非敏感区域的基础填充色。
S2524:将所述第一颜色填充图和所述第二颜色填充图进行色彩叠加,得到所述人脸皮肤敏感图。
如图5中所述,所述第二A通道图像为单通道图像,其中,所述第二A通道图像中的白色像素点对应人脸皮肤中的敏感红色区域,像素点的白色程度越深,则对应的人脸皮肤中敏感红色越红,像素点的非白色程度越深,则对应的人脸皮肤越正常。
例如,对于所述第二A通道图像中的任一像素点ai,像素点ai的灰度值为x,第二预设灰度阈值为β,像素点ai的白色程度为x/β,反映了像素点ai对应的人脸皮肤中敏感红色的程度。像素点ai的非白色程度为1-x/β,反映了像素点ai对应的人脸皮肤中正常皮肤颜色的程度。在一些实施例中,所述第二预设灰度阈值β可以为255,即用100%白色用于对比计算白色程度,层次感更强。
将第一颜色的第一预设RGB值分别乘以所述第二A通道图像中各像素点的白色程度,从而,得到各像素点的第一新RGB值,组成所述第一颜色填充图。其中,所述第一颜色为所述人脸皮肤中敏感区域的基础填充色,例如,所述第一颜色的第一预设RGB值为[170,0,0],则以[170,0,0]红色作为敏感区域的基础填充色。对于所述第二A通道图像中的任意像素点ai,其白色程度x/β乘以所述基础色[170,0,0],则得到所述第一颜色填充图。
在此步骤中,将如图5所示的第二A通道图像中的白色区域,根据其各像素点的白色程度,对其进行第一颜色填充,得到能够反映人脸皮肤敏感区域的第一颜色填充图。
将第二颜色的第二预设RGB值分别乘以所述第二A通道图像中各像素点的非白色程度,从而,得到各像素点的第二新RGB值,组成所述第二颜色填充图。其中,所述第二颜色为所述人脸皮肤中非敏感区域的基础填充色,例如,所述第二颜色的第二预设RGB值为[255,255,255],则以[255,255,255]白色作为非敏感区域的基础填充色。对于所述第二A通道图像中的任意像素点ai,其非白色程度1-x/β乘以所述基础色[255,255,255],则得到所述第二颜色填充图。
在此步骤中,将如图5所示的第二A通道图像中的非白色区域,根据其各像素点的非白色程度,对其进行第二颜色填充,得到能够反映人脸皮肤非敏感区域的第二颜色填充图。
最后,将所述第一颜色填充图和所述第二颜色填充图进行色彩叠加,得到所述人脸皮肤敏感图。也即,所述人脸皮肤敏感图中各像素点的RGB值=所述第一颜色填充图中各像素点的RGB值+所述第二颜色填充图中各像素点的RGB值,可以理解的是,所述第一颜色填充图、所述第二颜色填充图和所述人脸图像中的像素点一一对应。值得说明的是,若两像素值在相加的过程中,相加的和大于255,则将对应的人脸皮肤敏感图中的像素点的像素值设置为255.
例如,对于人脸皮肤敏感图D中第r行第c列的像素点D(r,c),第一颜色填充图T1中第r行第c列的像素点T1(r,c),第二颜色填充图T2中第r行第c列的像素点T2(r,c),像素点D(r,c)的R值为像素点T1(r,c)的R值和像素点T2(r,c)的R值的和,若相加后的和大于255,则像素点D(r,c)的R值为255。同理,像素点D(r,c)的G值为像素点T1(r,c)的G值和像素点T2(r,c)的G值的和,若相加后的和大于255,则像素点D(r,c)的G值为255。同理,像素点D(r,c)的B值为像素点T1(r,c)的B值和像素点T2(r,c)的B值的和,若相加后的和大于255,则像素点D(r,c)的B值为255。
在本实施例中,通过根据所述第二通道图像中各像素点的灰度值,获取各像素点的白色程度和非白色程度,根据各像素点的白色程度,对各像素点进行第一颜色填充处理,根据各像素点的非白色程度,对各像素点进行第二颜色填充处理,从而,使得每个像素点的第一颜色填充处理和第二颜色填充处理均是依据对应的红色程度进行的,不仅能准确确定人脸皮肤中的敏感区域,减小敏感区域和正常皮肤之间的界线不准确问题,将敏感区域和非敏感区域以不同的颜色进行显示,还能反映人脸皮肤中敏感区域的敏感程度以及皮肤正常程度,敏感程度越大,则对应的第一颜色越深,皮肤越正常,则对应的第二颜色越深。
为了增强所述人脸皮肤敏感图的可视化效果,在一些实施例中,所述方法还包括:
S26:对所述人脸皮肤敏感图进行色彩增强处理,输出色彩增强处理后的人脸皮肤敏感图。
所述色彩增强处理可以使得人脸皮肤敏感图整体变得明亮,敏感区域颜色和非敏感区域颜色(正常皮肤对应的颜色)更加分明,例如,敏感红区更红,非敏感白区更白。在一些实施例中,可以通过OpenCV库中的addWeighted工具包实现色彩增强处理,例如,当所述第一预设RGB值为[170,0,0],所述第二预设RGB值为[255,255,255]时,可以定义一全黑图b1,通过OpenCV库中的addWeighted工具包将所述人脸皮肤敏感图与所述全黑图b1结合,输出的图像即为色彩增强处理后的人脸皮肤敏感图。
本发明其中一实施例还提供了一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使电子设备执行,例如,执行以上描述的图3-图11中的方法。
本发明实施例提供了一种计算机程序产品,包括存储在非易失性计算机可读存储介质上的计算程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,使所述计算机执行上述任意方法实施例中的检测皱纹的方法,例如,执行以上描述的图3-图11中方法步骤。
需要说明的是,以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
通过以上的实施方式的描述,本领域普通技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现,当然也可以通过硬件。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;在本发明的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本发明的不同方面的许多其它变化,为了简明,它们没有在细节中提供;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种生成人脸皮肤敏感图的方法,其特征在于,包括:
获取人脸图像;
对所述人脸图像进行亮度调整,以获取第一人脸图像,其中,所述第一人脸图像中各像素点的亮度大于或等于预设亮度阈值;
将所述第一人脸图像转换为LAB人脸图像,并提取所述LAB人脸图像的A通道分量,以获取A通道图像;
对所述A通道图像进行第一对比度增强处理,以获取第二A通道图像,其中,所述第二A通道图像的灰度均值大于第一预设灰度阈值;
对所述第二A通道图像进行第一颜色填充处理和第二颜色填充处理,以获取人脸皮肤敏感图,其中,所述第一颜色填充处理和所述第二颜色填充处理为使得所述人脸皮肤中的敏感区域和所述人脸皮肤中的非敏感区域分别以不同方式显示于所述人脸皮肤敏感图中的两种填充处理方式。
2.根据权利要求1所述的方法,其特征在于,所述对所述人脸图像进行亮度调整,以获取第一人脸图像,包括:
如果所述人脸图像中的目标像素点的亮度小于所述预设亮度阈值,则增加所述目标像素点的亮度至第一亮度,以获取所述第一人脸图像,其中,所述目标像素点为所述人脸图像中的任一像素点,所述第一亮度度大于或等于所述预设亮度阈值。
3.根据权利2所述的方法,其特征在于,所述增加所述目标像素点的亮度至第一亮度,以获取所述第一人脸图像,包括:
根据所述目标像素点的第一RGB值、所述目标像素点的亮度,获取所述目标像素点在HSL颜色空间下的HS值;
根据所述第一亮度和所述HS值,确定所述目标像素点的第二RGB值,以获取所述第一人脸图像。
4.根据权利要求1所述的方法,其特征在于,所述对所述A通道图像进行第一对比度增强处理,以获取第二A通道图像,包括:
对所述A通道图像进行直方图正规化,输出正规化图像;
如果所述正规化图像的灰度均值小于或等于所述第一预设灰度阈值,则对所述正规化图像进行图像均衡处理,以获取第二A通道图像;
如果所述正规化图像的灰度均值大于所述第一预设灰度阈值,则将所述正规化图像作为所述第二A通道图像。
5.根据权利要求4所述的方法,其特征在于,在所述对所述A通道图像进行直方图正规化,输出正规化图像之后,还包括:
对所述正规化图像进行第二对比度增强处理。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述对所述第二A通道图像进行第一颜色填充处理和第二颜色填充处理,以获取人脸皮肤敏感图,包括:
遍历所述第二A通道图像中的各像素点,获取所述第二A通道图像中各像素点的灰度值;
根据所述第二A通道图像中各像素点的灰度值,对所述第二A通道图像进行所述第一颜色填充处理和所述第二颜色填充处理,以获取人脸皮肤敏感图。
7.根据权利要求6所述的方法,其特征在于,所述根据所述第二A通道图像中各像素点的灰度值,对所述第二A通道图像进行第一颜色填充处理和第二颜色填充处理,以获取人脸皮肤敏感图,包括:
根据所述第二A通道图像中各像素点的灰度值,分别获取所述第二A通道图像中各像素点的白色程度和非白色程度,其中,所述白色程度为所述第二A通道图像中像素点的灰度值与第二预设灰度阈值之间的比值,所述非白色程度为1减去所述白色程度;
将第一颜色的第一预设RGB值分别乘以所述第二A通道图像中各像素点的白色程度,以获取第一颜色填充图,其中,所述第一颜色为所述人脸皮肤中敏感区域的基础填充色;
将第二颜色的第二预设RGB值分别乘以所述第二A通道图像中各像素点的所述非白色程度,以获取第二颜色填充图,其中,所述第二颜色为所述人脸皮肤中非敏感区域的基础填充色;
将所述第一颜色填充图和所述第二颜色填充图进行色彩叠加,得到所述人脸皮肤敏感图。
8.根据权利要求7所述的方法,其特征在于,所述方法还包括:
对所述人脸皮肤敏感图进行色彩增强处理,输出色彩增强处理后的人脸皮肤敏感图。
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权利要求1-8任一项所述的方法。
10.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使电子设备执行如权利要求1-8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011018858.2A CN112215808A (zh) | 2020-09-24 | 2020-09-24 | 一种生成人脸皮肤敏感图的方法及其相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011018858.2A CN112215808A (zh) | 2020-09-24 | 2020-09-24 | 一种生成人脸皮肤敏感图的方法及其相关装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112215808A true CN112215808A (zh) | 2021-01-12 |
Family
ID=74051072
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011018858.2A Pending CN112215808A (zh) | 2020-09-24 | 2020-09-24 | 一种生成人脸皮肤敏感图的方法及其相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112215808A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113255463A (zh) * | 2021-04-30 | 2021-08-13 | 深圳数联天下智能科技有限公司 | 一种显示黑头的方法及相关装置 |
CN113781586A (zh) * | 2021-09-08 | 2021-12-10 | 广州光锥元信息科技有限公司 | 对图像中人体皮肤区域进行肤色调整的方法及系统 |
-
2020
- 2020-09-24 CN CN202011018858.2A patent/CN112215808A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113255463A (zh) * | 2021-04-30 | 2021-08-13 | 深圳数联天下智能科技有限公司 | 一种显示黑头的方法及相关装置 |
CN113781586A (zh) * | 2021-09-08 | 2021-12-10 | 广州光锥元信息科技有限公司 | 对图像中人体皮肤区域进行肤色调整的方法及系统 |
CN113781586B (zh) * | 2021-09-08 | 2023-12-08 | 广州光锥元信息科技有限公司 | 对图像中人体皮肤区域进行肤色调整的方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190130169A1 (en) | Image processing method and device, readable storage medium and electronic device | |
US9750326B2 (en) | Transparency evaluation device, transparency evaluation method and transparency evaluation program | |
CN107730446B (zh) | 图像处理方法、装置、计算机设备及计算机可读存储介质 | |
US8525847B2 (en) | Enhancing images using known characteristics of image subjects | |
CN107563976B (zh) | 美颜参数获取方法、装置、可读存储介质和计算机设备 | |
US10682089B2 (en) | Information processing apparatus, information processing method, and program | |
KR102383182B1 (ko) | 정보 처리 장치, 정보 처리 방법 및 프로그램 | |
CN107862659B (zh) | 图像处理方法、装置、计算机设备及计算机可读存储介质 | |
CN109152535B (zh) | 皮肤诊断装置和皮肤诊断方法 | |
CN107507144B (zh) | 肤色增强的处理方法、装置及图像处理装置 | |
CN107451969A (zh) | 图像处理方法、装置、移动终端及计算机可读存储介质 | |
US20140079319A1 (en) | Methods for enhancing images and apparatuses using the same | |
CN107911625A (zh) | 测光方法、装置、可读存储介质和计算机设备 | |
KR20170017911A (ko) | 디지털 이미지들의 컬러 프로세싱을 위한 방법들 및 시스템들 | |
CN112215808A (zh) | 一种生成人脸皮肤敏感图的方法及其相关装置 | |
CN113344836B (zh) | 人脸图像处理方法及装置、计算机可读存储介质、终端 | |
CN101523169A (zh) | 用于使用L*a*b*色空间来分析皮肤的装置和方法 | |
CN115115554A (zh) | 基于增强图像的图像处理方法、装置和计算机设备 | |
CN107945106A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN111311500A (zh) | 一种对图像进行颜色还原的方法和装置 | |
CN113642358B (zh) | 肤色检测方法、装置、终端和存储介质 | |
CN112257501A (zh) | 人脸特征增强显示方法、装置、电子设备和介质 | |
US20180116582A1 (en) | Elasticity evaluation apparatus, elasticity evaluation method, and elasticity evaluation program | |
CN113781330A (zh) | 图像处理方法、装置及电子系统 | |
CN113610723A (zh) | 图像处理方法及相关装置 |
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 |