CN112257501A - 人脸特征增强显示方法、装置、电子设备和介质 - Google Patents
人脸特征增强显示方法、装置、电子设备和介质 Download PDFInfo
- Publication number
- CN112257501A CN112257501A CN202010974862.XA CN202010974862A CN112257501A CN 112257501 A CN112257501 A CN 112257501A CN 202010974862 A CN202010974862 A CN 202010974862A CN 112257501 A CN112257501 A CN 112257501A
- Authority
- CN
- China
- Prior art keywords
- image
- processed
- face
- value
- brightness
- 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 53
- 238000012545 processing Methods 0.000 claims abstract description 24
- 230000002708 enhancing effect Effects 0.000 claims description 18
- 238000001514 detection method Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 210000004709 eyebrow Anatomy 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 3
- 239000000049 pigment Substances 0.000 description 17
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 230000000694 effects Effects 0.000 description 8
- 239000003086 colorant Substances 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- XUMBMVFBXHLACL-UHFFFAOYSA-N Melanin Chemical compound O=C1C(=O)C(C2=CNC3=C(C(C(=O)C4=C32)=O)C)=C2C4=CNC2=C1C XUMBMVFBXHLACL-UHFFFAOYSA-N 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 208000003351 Melanosis Diseases 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008921 facial expression Effects 0.000 description 2
- 230000037311 normal skin Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000005808 skin problem Effects 0.000 description 2
- 206010008570 Chloasma Diseases 0.000 description 1
- 206010014970 Ephelides Diseases 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
-
- 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
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30088—Skin; Dermal
-
- 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)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Geometry (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本申请公开了一种人脸特征增强显示方法、装置、电子设备和介质。其中方法包括：获取待处理人脸图像；根据待处理人脸图像中的人脸关键点，获得待处理人脸图像对应的第一图像，所述第一图像不包括非皮肤区域；获取第一图像的亮度值，判断亮度值是否小于第一亮度阈值；若小于，对待处理人脸图像的亮度值进行调整，在第一图像的亮度值不小于第一亮度阈值的情况下，获取预设颜色参数，根据所述预设颜色参数对待处理人脸图像进行处理，获得处理图像，处理图像中的像素点依据所述预设颜色参数分类；根据预设颜色填充参数和处理图像中的像素点的分类，对处理图像进行填充，获得待处理人脸图像对应的人脸特征增强图像。
Description
技术领域
本发明涉及计算机视觉技术领域，尤其是涉及一种人脸特征增强显示方法、装置、电子设备和介质。
背景技术
人脸识别是指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。人脸识别目前主要的研究领域有，人脸身份识别，人脸表情识别，人脸性别识别，人脸表情识别等。
目前人脸识别技术已经比较成熟，在人脸识别中对人脸皮肤特征的检测也有广泛需求和应用，比如对人脸中色素斑分布情况的检测。色素斑是皮肤黑色素颗粒分布不均匀，导致局部出现比正常肤色深的斑点、斑片。但色素斑颜色与人脸肤色相近，只有色素斑累积严重的情况下，显示才会明显。目前的人脸识别方法对色素斑的检测显示不够清晰。
发明内容
本申请提供了一种人脸特征增强显示方法、装置、电子设备和介质。
第一方面，提供了一种人脸特征增强显示方法，包括：
获取待处理人脸图像；
根据所述待处理人脸图像中的人脸关键点，获得所述待处理人脸图像对应的第一图像，所述第一图像不包括非皮肤区域；
获取所述第一图像的亮度值，判断所述亮度值是否小于第一亮度阈值；
若所述第一图像的亮度值小于所述第一亮度阈值，对所述待处理人脸图像的亮度值进行调整，以使所述待处理人脸图像对应的所述第一图像的亮度值不小于所述第一亮度阈值；
在所述第一图像的亮度值不小于所述第一亮度阈值的情况下，获取预设颜色参数，根据所述预设颜色参数对所述待处理人脸图像进行处理，获得处理图像，所述处理图像中的像素点依据所述预设颜色参数分类；
根据预设颜色填充参数和所述处理图像中的像素点的分类，对所述处理图像进行填充，获得所述待处理人脸图像对应的人脸特征增强图像。
第二方面，提供了一种人脸特征增强显示装置，包括：
获取模块，用于获取待处理人脸图像；
检测模块，用于根据所述待处理人脸图像中的人脸关键点，获得所述待处理人脸图像对应的第一图像，所述第一图像不包括非皮肤区域；
亮度模块，用于获取所述第一图像的亮度值，判断所述亮度值是否小于第一亮度阈值；
若所述第一图像的亮度值小于所述第一亮度阈值，对所述待处理人脸图像的亮度值进行调整，以使所述待处理人脸图像对应的所述第一图像的亮度值不小于所述第一亮度阈值；
增强模块，用于在所述第一图像的亮度值不小于所述第一亮度阈值的情况下，获取预设颜色参数，根据所述预设颜色参数对所述第一图像进行处理，获得处理图像，所述处理图像中的像素点依据所述预设颜色参数分类；
所述增强模块还用于，根据预设颜色填充参数和所述处理图像中的像素点的分类，对所述处理图像进行填充，获得所述待处理人脸图像对应的人脸特征增强图像。
第三方面，提供了一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如第一方面及其任一种可能的实现方式的步骤。
第四方面，提供了一种计算机存储介质，所述计算机存储介质存储有一条或多条指令，所述一条或多条指令适于由处理器加载并执行如上述第一方面及其任一种可能的实现方式的步骤。
本申请通过获取待处理人脸图像；根据待处理人脸图像中的人脸关键点，获得待处理人脸图像对应的第一图像，所述第一图像不包括非皮肤区域；获取第一图像的亮度值，判断亮度值是否小于第一亮度阈值；若小于，对待处理人脸图像的亮度值进行调整，在第一图像的亮度值不小于第一亮度阈值的情况下，获取预设颜色参数，根据所述预设颜色参数对待处理人脸图像进行处理，获得处理图像，处理图像中的像素点依据所述预设颜色参数分类；根据预设颜色填充参数和处理图像中的像素点的分类，对处理图像进行填充，获得待处理人脸图像对应的人脸特征增强图像，通过选取与检测的皮肤特征如色素斑相近颜色的预设颜色参数，来增强人脸中的对应区域，可以更清楚、明显地显示人脸中的色素斑等皮肤特征，便于辅助用户直观了解人脸肤质情况。
附图说明
为了更清楚地说明本申请实施例或背景技术中的技术方案，下面将对本申请实施例或背景技术中所需要使用的附图进行说明。
图1为本申请实施例提供的一种人脸特征增强显示方法的流程示意图；
图2A为本申请实施例提供的一种人脸图像示意图；
图2B为本申请实施例提供的一种第一掩膜示意图；
图3为本申请实施例提供的一种第一图像示意图；
图4为本申请实施例提供的另一种人脸特征增强显示方法的流程示意图；
图5为本申请实施例提供的一种处理图像示意图；
图6为本申请实施例提供的一种人脸特征增强图像示意图；
图7为本申请实施例提供的另一种人脸特征增强图像示意图；
图8为本申请实施例提供的一种人脸特征增强显示装置的结构示意图；
图9为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，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清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本申请实施例中涉及的深度学习(DL,Deep Learning)是机器学习(MachineLearning，ML)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能(Artificial Intelligence，AI)。深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。
人工神经网络(Artificial Neural Networks，ANNs)也简称为神经网络(NNs)或称作连接模型(Connection Model)，它是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。本申请实施例中的人脸特征增强显示方法可以基于预先训练的神经网络实现。
下面结合本申请实施例中的附图对本申请实施例进行描述。
请参阅图1，图1是本申请实施例提供的一种人脸特征增强显示方法的流程示意图。该方法可包括：
101、获取待处理人脸图像。
本申请实施例的执行主体可以为一种人脸特征增强显示装置，可以为电子设备，具体实现中，上述电子设备可以为一种终端，也可称为终端设备，包括但不限于诸如台式计算机，可以具有触摸敏感表面(例如，触摸屏显示器和/或触摸板)。还应当理解的是，在某些实施例中，上述设备还可以是具有触摸敏感表面(例如，触摸屏显示器和/或触摸板)的移动电话、膝上型计算机或平板计算机之类的其它便携式设备。
其中，上述待处理人脸图像为人脸区域的图像，可以对包含人脸区域的图像进行关键点检测，定位人脸区域的多个关键点，截取图像中的人脸区域，获得上述待处理人脸图像，并作为本申请实施例中算法模型的输入进行处理。
上述人脸区域的图像可以是任意设备采集的图像比如通过手机摄像头拍摄的人脸照片。本申请实施例中可以使用任意人脸关键点检测模型或算法进行关键点检测，比如可以定位出人脸轮廓的68个关键点。上述过程去除了人脸之外的背景，可以使人脸图像的处理更准确，缩短处理时间。
102、根据上述待处理人脸图像中的人脸关键点，获得上述待处理人脸图像对应的第一图像，上述第一图像不包括非皮肤区域。
在对人脸皮肤情况进行检测的场景，可以首先排除对非皮肤区域的识别，即在待处理人脸图像中识别皮肤区域，以进一步处理。
在一种实施方式中，上述步骤102具体包括：
根据上述待处理人脸图像中的人脸关键点，确定上述待处理人脸图像中的上述非皮肤区域；
根据上述待处理人脸图像和上述非皮肤区域，获得第一掩膜，上述第一掩膜用于筛选上述待处理人脸图像中的皮肤区域；
将上述原待处理人脸图像和上述第一掩膜叠加获得上述第一图像。
通过人脸关键点检测算法，可以根据识别出的人脸关键点找到人脸中的非皮肤区域，在一种可选的实施方式中，上述非皮肤区域可包括眼睛区域、眉毛区域和嘴巴区域等。具体的处理方式是基于关键点确定的非皮肤区域生成对应的第一掩膜，该第一掩膜的作用是对待处理图像中的非皮肤区域进行遮挡，可以理解为在后续检测中忽略这些区域。再用第一掩膜和原始的待处理人脸图像进行叠加，可以理解为指的是将原始的待处理人脸图像中的像素点颜色值增加填充到上述第一掩膜中，但其中第一掩膜的非皮肤区域是不能填充的，仅皮肤区域与待处理人脸图像中的颜色值相同，获得上述第一图像，即只正常显示出皮肤区域而忽略非皮肤区域的人脸图像。
在一种实施方式中，上述根据上述待处理人脸图像和上述非皮肤区域，获得第一掩膜，包括：
将上述待处理人脸图像中上述非皮肤区域的像素值设置为第一阈值，将上述待处理人脸图像中其他区域的像素值设置为第二阈值，获得第一掩膜。
具体的，可以预先设置上述第一阈值和第二阈值，比如分别为255和0。可以理解为，通过类似二值化的形式选出上述其他区域。
图2A为本申请实施例提供的一种人脸图像示意图。本申请实施例中遮挡人脸眼睛部位的白色框为保护肖像隐私的马赛克，实际应用中可以为完整人脸图像。对该图2A所示的人脸图像进行关键点识别，获得人脸区域(即上述待处理人脸图像)，再执行步骤102，可以获得如图2B所示的一种第一掩膜示意图。具体的，对于待处理人脸图像，根据关键点获得其中人脸的眉毛、嘴唇、眼睛区域，可以将这些区域的像素值全部置为255，即为白色，其他区域像素值全部置为0，即为黑色，则可获得如图2B所示的Mask图像。
可以参考图3所示的一种第一图像示意图。在获得如图2B所示的一种第一掩膜之后，进一步地，可将该第一掩膜与原图2A所示的人脸区域进行叠加，将原始的待处理人脸图像中的像素点颜色值增加填充到上述第一掩膜中，但其中第一掩膜的非皮肤区域像素值为255，其他区域像素值为0，填充后黑色区域仍为黑色，其他区域与待处理人脸图像中的颜色值相同。获得该待处理人脸图像对应的第一图像，如图3所示。可见其中的眉毛、眼睛、嘴巴区域为黑色，其他区域保持原来的状态(人脸的面部可以是原图的颜色，可以是彩色，图3中为灰色未体现)，以忽略对眉毛、眼睛、嘴巴区域的处理，更好地识别皮肤区域特征。
103、获取上述第一图像的亮度值，判断上述亮度值是否小于第一亮度阈值。
若上述第一图像的亮度值小于上述第一亮度阈值，可以执行步骤103；若上述第一图像的亮度值小于上述第一亮度阈值，可以执行步骤105。
104、若上述第一图像的亮度值小于上述第一亮度阈值，对上述待处理人脸图像的亮度值进行调整，以使上述待处理人脸图像对应的上述第一图像的亮度值不小于上述第一亮度阈值。
在一种实施方式中，上述第一图像的亮度值为在Lab模式下通过Lab通道获取的亮度值；
上述对待处理人脸图像的亮度值进行调整，包括：
将待处理人脸图像的L通道的值拟合预设样条插值函数，来调整上述待处理人脸图像的亮度值。
本申请实施例涉及到的Lab模式是一种色彩模式。Lab颜色模型弥补了RGB和CMYK两种色彩模式的不足。它是一种设备无关的颜色模型，也是一种基于生理特征的颜色模型。Lab颜色模型由三个要素组成，一个要素是亮度(L)，a和b是两个颜色通道。a包括的颜色是从深绿色(低亮度值)到灰色(中亮度值)再到亮粉红色(高亮度值)；b是从亮蓝色(低亮度值)到灰色(中亮度值)再到黄色(高亮度值)。因此，这种颜色混合后将产生具有明亮效果的色彩，适用于显示人脸皮肤状况，本申请实施例可以基于Lab模式进行图像处理。
具体的，比如设定第一亮度阈值L＝220，当第一图像的亮度值小于这个阈值，可将原待处理人脸图像部分的L通道的值通过拟合预设样条插值函数，来调整待处理人脸图像亮度，这个值更贴近皮肤区域的亮度值，排除其他非皮肤区域影响。即可以衡量如图3获得的第一图像中皮肤区域的亮度，在不满足亮度需求的情况下对原待处理人脸图像的亮度进行调整。则在调整后该人脸图像对应的第一图像也满足需求(亮度值大于第一亮度阈值L)，以便继续后续处理。后续的颜色处理部分则针对全脸。
在实际问题中，经常要根据观测得到的一些数据，也就是平面上的一些离散点，绘制出一条近似曲线，这些离散点称为控制点。要求曲线不一定通过所有控制点，而是以某种方式逼近这些点，则问题称为拟合问题。在数学学科数值分析中，样条是一种特殊的函数，由多项式分段定义。本申请实施例通过预设的样条插值函数，将第一图像中原待处理人脸图像部分的L通道的值进行拟合，以获得对应的近似曲线，从而达到整体的亮度调整效果。
具体的，L通道的值表示像素点的亮度，可以根据原待处理人脸图像部分的L通道的值，生成一个拟合函数，该拟合函数对应这些值(即对应上述控制点)的近似曲线。该近似曲线不一定通过所有控制点，有一部分控制点远离该近似曲线，在获得上述拟合函数之后，再用该拟合函数重新计算远离该近似曲线的控制点的值，进而将这些控制点修改为计算获得的值，来调整像素点的亮度。
105、获取预设颜色参数，根据上述预设颜色参数对上述第一图像进行处理，获得处理图像，上述处理图像中的像素点依据上述预设颜色参数分类。
具体的，可以通过预设颜色参数来筛选特定颜色的像素点，以检测对应的皮肤特征。比如选取与色素斑相近颜色的预设颜色参数，以从上述待处理人脸图像中识别出与色素斑颜色相近的目标像素点进行增强。根据预设颜色参数，比较待处理人脸图像中像素点的像素值，分别筛选出目标像素点和其他像素点，获得像素点分类的图像即为上述处理图像，可以执行步骤104。
本申请实施例中涉及到的色素斑是皮肤黑色素颗粒分布不均匀，导致局部出现比正常肤色深的斑点、斑片。本申请实施例中的色素斑可以包括黄褐斑，雀斑，隐藏斑以及痣四大类。
104、根据预设颜色填充参数和上述处理图像中的像素点的分类，对上述处理图像进行填充，获得上述待处理人脸图像对应的人脸特征增强图像。
具体的，可以预先设置上述预设颜色填充参数，再使用该预设颜色填充参数、根据像素点的分类对处理图像中的像素点进行填充，即调整像素点的像素值，以对目标像素点的区域显示效果进行增强。
在一种实施方式中，在上述步骤104之后，该方法还包括：
调整上述人脸特征增强图像为预设对比度和第二亮度阈值。
通过最后调整对比度和亮度，可以提高图像的显示效果。可以根据样本图像实验处理后，得到显示效果较佳的亮度和对比度参数，用来调整上述人脸特征增强图像的亮度和对比度。
本申请实施例通过获取待处理人脸图像；根据待处理人脸图像中的人脸关键点，获得待处理人脸图像对应的第一图像，所述第一图像不包括非皮肤区域；获取第一图像的亮度值，判断亮度值是否小于第一亮度阈值；若小于，对待处理人脸图像的亮度值进行调整，在第一图像的亮度值不小于第一亮度阈值的情况下，获取预设颜色参数，根据所述预设颜色参数对待处理人脸图像进行处理，获得处理图像，处理图像中的像素点依据所述预设颜色参数分类；根据预设颜色填充参数和处理图像中的像素点的分类，对处理图像进行填充，获得待处理人脸图像对应的人脸特征增强图像，通过选取与检测的皮肤特征如色素斑相近颜色的预设颜色参数，来增强人脸中的对应区域，可以更清楚、明显地显示人脸中的色素斑等皮肤特征，使用户直观了解人脸肤质情况。
请参阅图4，图4是本申请实施例提供的一种人脸特征增强显示方法的流程示意图。如图4所示，该方法可具体包括：
401、获取待处理人脸图像。
402、根据上述待处理人脸图像中的人脸关键点，获得上述待处理人脸图像对应的第一图像，上述第一图像不包括非皮肤区域。
本申请实施例的执行主体可以为一种人脸特征增强显示装置，可以为电子设备，具体实现中，上述电子设备可以为一种终端，也可称为终端设备，包括但不限于诸如台式计算机，可以具有触摸敏感表面(例如，触摸屏显示器和/或触摸板)。还应当理解的是，在某些实施例中，上述设备还可以是具有触摸敏感表面(例如，触摸屏显示器和/或触摸板)的移动电话、膝上型计算机或平板计算机之类的其它便携式设备。
其中，上述步骤401和步骤402可以分别参考图1所示实施例中步骤101和步骤102中的具体描述，此处不再赘述。
403、获取上述第一图像的亮度值，判断上述亮度值是否小于第一亮度阈值。
具体的，在获得上述第一图像之后，可以检测亮度值是否达到预设的第一亮度阈值，若检测到第一图像的亮度值小于上述第一亮度阈值，可以先进行亮度调整，即可以执行步骤404；若不小于，可以执行步骤405。
404、若上述第一图像的亮度值小于上述第一亮度阈值，对上述待处理人脸图像的亮度值进行调整，以使上述待处理人脸图像对应的上述第一图像的亮度值不小于上述第一亮度阈值。
其中，上述步骤401-步骤404可以分别参考图1所示实施例中步骤101-步骤104的具体描述，此处不再赘述。
405、在上述第一图像的亮度值不小于上述第一亮度阈值的情况下，获取预设颜色值和预设容差值，获取上述第一图像中像素点的像素值与上述预设颜色值的差值。
406、分别获取上述差值不大于上述预设容差值的目标像素点，和上述差值大于上述预设容差值的其他像素点。
407、将上述第一图像中的上述目标像素点的像素值设置为调整颜色值，将上述其他像素点的像素值设置为0，获得上述处理图像。
具体的，为了对人脸的部分特殊区域进行增强，可以先通过设置颜色值筛选对应的像素点。上述预设颜色值可以为RGB值。本申请实施例中涉及的RGB色彩模式是工业界的一种颜色标准，是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的，RGB即是代表红、绿、蓝三个通道的颜色。图像由像素点组成，三通道图像每个像素点的像素值则表示上述RGB。
本申请实施例中涉及的容差值，是色差值的距离差值，指的是在选取颜色时所设置的选取范围，其数值可以在0-255之间。
本申请实施例中的预设颜色值和预设容差值可以根据需要设置，比如选择与色素斑相近颜色的颜色值，如设置为RGB(215，161，120)，并可以通过thresh参数设定容差值，比如thresh＝135，来获取颜色值处于所选色差值范围内的目标像素点。
对于待处理图像中的每个像素点，计算像素点的像素值与预设颜色值的差值。本申请实施例中涉及的颜色容差主要是针对样品和已知标准颜色测量值的比较，这样可判断样品与标准的接近程度。具体的，可以获取预设的颜色容差公式，使用该颜色容差公式，根据像素点的RGB值(R值、G值、B值)和预设颜色值，计算出该像素点的像素值与预设颜色值的差值。
进一步地，判断上述差值否超过thresh，未超过thresh的像素点确定为上述目标像素点，超过thresh的像素点则为其他像素点；进一步地，将图像中其他像素点的像素值设置为0，将目标像素点的像素值按照进行统一比例的调整，设置为调整颜色值。具体的，记目标像素点的像素值与预设颜色值的差值为m，对于上述任一目标像素点，可以设置的新像素值(调整颜色值)为：1-m/thresh*255。
通过上述步骤可以获得像素点被分类的处理图像，再执行步骤408。
408、根据预设颜色填充参数和上述处理图像中的像素点的分类，对上述处理图像进行填充，获得上述待处理人脸图像对应的人脸特征增强图像。
其中，上述步骤408还可以参考图1所示实施例中步骤104中的具体描述，此处不再赘述。
在一种可选的实施方式中，上述步骤408具体包括：
对上述处理图像进行归一化处理，获得上述处理图像对应的第一归一化图像和第二归一化图像，上述第一归一化图像中上述目标像素点的像素值为0，上述其他像素点的像素值为255；上述第二归一化图像中上述目标像素点的像素值为255，上述其他像素点的像素值为0；
使用预设颜色填充值对上述第一归一化图像进行填充，使用白色像素值对上述第二归一化图像进行填充，再将填充后的两个图像进行叠加，获得上述待处理人脸图像对应的人脸特征增强图像。
图像归一化是指对图像进行了一系列标准的处理变换，使之变换为一固定标准形式的过程，该标准图像称作归一化图像。具体的，可以根据像素点的分类对获得处理图像进行归一化，其处理方式可以分别表示为mask/255.0,以及1-mask/255.0，其中mask指的是该处理图像，可以理解为将处理图像中的像素值用255或0表示。
归一化得到的两个图像中，上述第一归一化图像中目标像素点的像素值为0，其他像素点的像素值为255；而上述第二归一化图像中目标像素点的像素值为255，其他像素点的像素值为0，可以理解为互补的图像。
进一步地，可以用分别对两个归一化图像进行填充。具体的，使用预设颜色填充值对第一归一化图像进行填充，使用白色像素值对第二归一化图像进行填充，最后将他们相加得到填充后的图像，即为人脸特征增强图像。
可以参见如图5所示的一种处理图像示意图，其中的白色框为保护肖像隐私的马赛克，实际应用中可以为完整人脸图像。图5所示的处理图像已经过如步骤407处理，人脸颜色区域不均匀。比如在色素斑增强显示的场景中，确定出的目标像素点的聚集区域即为色素斑区域，在图像中显示较浅的颜色，比如图5中的a、b处斑点；除去目标像素点剩下的为其他像素点对应的一般区域(非色素斑区域)。再对该处理图像执行上述步骤408，可以获得对色素斑增强显示的人脸图像。
比如图6所示的一种人脸特征增强图像示意图，是在图5所示的处理图像进行填充后获得的，图6的图像可以根据所选颜色值展现对应的颜色，此处仅作示意，未体现彩色。
在一种实施方式中，在上述步骤408之后，该方法还包括：
调整上述人脸特征增强图像为预设对比度和第二亮度阈值。
可以参见图7所示的另一种人脸特征增强图像，图7所示的图像是在图6所示的图像的基础上进行效果调整获得的，与图2A或者图6相比，图7的人脸中的色素斑显示更为明显。具体可以根据样本图像实验处理后，得到显示效果较佳的亮度和对比度参数，用来调整上述人脸特征增强图像的亮度和对比度。通过最后调整对比度和亮度，可以提高图像的显示效果，使特征显示更明显。
本申请实施例中的人脸特征增强显示方法，可以根据人脸上不同的皮肤问题，相应设置不同的颜色值和容错值来处理，以检测人脸上各类肤质问题并具有增强显示的效果，本申请实施例对此不做限制。
本申请实施例中的人脸特征增强显示方法，通过获取待处理人脸图像，根据上述待处理人脸图像中的人脸关键点，获得上述待处理人脸图像对应的第一图像，上述第一图像不包括非皮肤区域，获取上述第一图像的亮度值，判断上述亮度值是否小于第一亮度阈值，若小于，对所述待处理人脸图像的亮度值进行调整，以使所述待处理人脸图像对应的所述第一图像的亮度值不小于所述第一亮度阈值，再获取预设颜色值和预设容差值，根据上述预设颜色值和上述预设容差值确定色差值范围，获取上述待处理人脸图像中颜色值处于上述色差值范围内的上述目标像素点，获得上述处理图像，再根据预设颜色填充参数对上述处理图像中的目标像素点进行填充，获得上述待处理人脸图像对应的人脸特征增强图像，其中通过选取与检测的皮肤特征如色素斑相近的预设颜色值和预设容差值确定色差值范围，来筛选出特定像素点进行增强，可以更清楚、明显地显示人脸中的色素斑等皮肤特征，使用户直观了解人脸肤质情况。
基于上述人脸特征增强显示方法实施例的描述，本申请实施例还公开了一种人脸特征增强显示装置。请参见图8，人脸特征增强显示装置800包括：
获取模块810，用于获取待处理人脸图像；
检测模块820，用于根据所述待处理人脸图像中的人脸关键点，获得所述待处理人脸图像对应的第一图像，所述第一图像不包括非皮肤区域；
亮度模块830，用于：
获取所述第一图像的亮度值，判断所述亮度值是否小于第一亮度阈值；
若所述第一图像的亮度值小于所述第一亮度阈值，对所述待处理人脸图像的亮度值进行调整，以使所述待处理人脸图像对应的所述第一图像的亮度值不小于所述第一亮度阈值；
增强模块840，用于在所述第一图像的亮度值不小于所述第一亮度阈值的情况下，获取预设颜色参数，根据所述预设颜色参数获取所述第一图像中的目标像素点，获得处理图像，所述预设颜色参数用于筛选所述第一图像中的像素点颜色；
所述增强模块840还用于，根据预设颜色填充参数对所述处理图像中的目标像素点进行填充，获得所述待处理人脸图像对应的人脸特征增强图像。
根据本申请的一个实施例，图1和图4所示的方法所涉及的各个步骤均可以是由图8所示的人脸特征增强显示装置800中的各个模块执行的，此处不再赘述。
本申请实施例中的人脸特征增强显示装置800，可以获取待处理人脸图像；根据待处理人脸图像中的人脸关键点，获得待处理人脸图像对应的第一图像，所述第一图像不包括非皮肤区域；获取第一图像的亮度值，判断亮度值是否小于第一亮度阈值；若小于，对待处理人脸图像的亮度值进行调整，在第一图像的亮度值不小于第一亮度阈值的情况下，获取预设颜色参数，根据所述预设颜色参数对待处理人脸图像进行处理，获得处理图像，处理图像中的像素点依据所述预设颜色参数分类；根据预设颜色填充参数和处理图像中的像素点的分类，对处理图像进行填充，获得待处理人脸图像对应的人脸特征增强图像，通过选取与检测的皮肤特征如色素斑相近颜色的预设颜色参数，来增强人脸中的对应区域，可以更清楚、明显地显示人脸中的色素斑等皮肤特征，使用户直观了解人脸肤质情况。
基于上述方法实施例以及装置实施例的描述，本申请实施例还提供一种电子设备。请参见图9，该电子设备900至少包括处理器901、输入设备902、输出设备903以及计算机存储介质904。其中，电子设备内的处理器901、输入设备902、输出设备903以及计算机存储介质904可通过总线或其他方式连接。
计算机存储介质904可以存储在电子设备的存储器中，上述计算机存储介质904用于存储计算机程序，上述计算机程序包括程序指令，上述处理器901用于执行上述计算机存储介质904存储的程序指令。处理器901(或称CPU(Central Processing Unit，中央处理器))是电子设备的计算核心以及控制核心，其适于实现一条或多条指令，具体适于加载并执行一条或多条指令从而实现相应方法流程或相应功能；在一个实施例中，本申请实施例上述的处理器901可以用于进行一系列的处理，包括如图1和图4所示实施例中方法等等。
本申请实施例还提供了一种计算机存储介质(Memory)，上述计算机存储介质是电子设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机存储介质既可以包括电子设备中的内置存储介质，当然也可以包括电子设备所支持的扩展存储介质。计算机存储介质提供存储空间，该存储空间存储了电子设备的操作系统。并且，在该存储空间中还存放了适于被处理器901加载并执行的一条或多条的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机存储介质可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器；可选的还可以是至少一个位于远离前述处理器的计算机存储介质。
在一个实施例中，可由处理器901加载并执行计算机存储介质中存放的一条或多条指令，以实现上述实施例中的相应步骤；具体实现中，计算机存储介质中的一条或多条指令可以由处理器901加载并执行图1和/或图4中方法的任意步骤，此处不再赘述。
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，上述描述的装置和模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，该模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。所显示或讨论的相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。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。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时，全部或部分地产生按照本申请实施例的流程或功能。该计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中，或者通过该计算机可读存储介质进行传输。该计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line，DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是只读存储器(read-onlymemory，ROM)，或随机存储存储器(random access memory，RAM)，或磁性介质，例如，软盘、硬盘、磁带、磁碟、或光介质，例如，数字通用光盘(digital versatile disc，DVD)、或者半导体介质，例如，固态硬盘(solid state disk，SSD)等。
Claims (10)
1.一种人脸特征增强显示方法，其特征在于，包括：
获取待处理人脸图像；
根据所述待处理人脸图像中的人脸关键点，获得所述待处理人脸图像对应的第一图像，所述第一图像不包括非皮肤区域；
获取所述第一图像的亮度值，判断所述亮度值是否小于第一亮度阈值；
若所述第一图像的亮度值小于所述第一亮度阈值，对所述待处理人脸图像的亮度值进行调整，以使所述待处理人脸图像对应的所述第一图像的亮度值不小于所述第一亮度阈值；
在所述第一图像的亮度值不小于所述第一亮度阈值的情况下，获取预设颜色参数，根据所述预设颜色参数对所述待处理人脸图像进行处理，获得处理图像，所述处理图像中的像素点依据所述预设颜色参数分类；
根据预设颜色填充参数和所述处理图像中的像素点的分类，对所述处理图像进行填充，获得所述待处理人脸图像对应的人脸特征增强图像。
2.根据权利要求1所述的人脸特征增强显示方法，其特征在于，所述第一图像的亮度值为在Lab模式下通过Lab通道获取的所述第一图像的亮度值；
所述对所述待处理人脸图像的亮度值进行调整，包括：
将所述待处理人脸图像的L通道的值拟合预设样条插值函数，来调整所述待处理人脸图像的亮度值。
3.根据权利要求1或2所述的人脸特征增强显示方法，其特征在于，所述预设颜色参数包括预设颜色值和预设容差值；
所述根据所述预设颜色参数对所述待处理人脸图像进行处理，获得处理图像，包括：
获取所述待处理人脸图像中像素点的像素值与所述预设颜色值的差值；
分别获取所述差值不大于所述预设容差值的目标像素点，和所述差值大于所述预设容差值的其他像素点；
将所述待处理人脸图像中的所述目标像素点的像素值设置为调整颜色值，将所述其他像素点的像素值设置为0，获得所述处理图像。
4.根据权利要求3所述的人脸特征增强显示方法，其特征在于，所述根据预设颜色填充参数和所述处理图像中的像素点的分类，对所述处理图像进行填充，包括：
对所述处理图像进行归一化处理，获得所述处理图像对应的第一归一化图像和第二归一化图像，所述第一归一化图像中所述目标像素点的像素值为0，所述其他像素点的像素值为255；所述第二归一化图像中所述目标像素点的像素值为255，所述其他像素点的像素值为0；
使用预设颜色填充值对所述第一归一化图像进行填充，使用白色像素值对所述第二归一化图像进行填充，再将填充后的两个图像进行叠加，获得所述待处理人脸图像对应的人脸特征增强图像。
5.根据权利要求1所述的人脸特征增强显示方法，其特征在于，所述根据所述待处理人脸图像中的人脸关键点，获得所述待处理人脸图像对应的第一图像，包括：
根据所述待处理人脸图像中的人脸关键点，确定所述待处理人脸图像中的所述非皮肤区域；
根据所述待处理人脸图像和所述非皮肤区域，获得第一掩膜，所述第一掩膜用于筛选所述待处理人脸图像中的皮肤区域；
将所述待处理人脸图像和所述第一掩膜叠加获得所述第一图像。
6.根据权利要求5所述的人脸特征增强显示方法，其特征在于，所述非皮肤区域包括眼睛区域、眉毛区域和嘴巴区域；
所述根据所述待处理人脸图像和所述非皮肤区域，获得第一掩膜，包括：
将所述待处理人脸图像中所述非皮肤区域的像素值设置为第一阈值，将所述待处理人脸图像中其他区域的像素值设置为第二阈值，获得第一掩膜，所述第一阈值与所述第二阈值不同。
7.根据权利要求4-6任一项所述的人脸特征增强显示方法，其特征在于，在所述获得所述待处理人脸图像对应的人脸特征增强图像之后，所述方法还包括：
调整所述人脸特征增强图像为预设对比度和第二亮度阈值。
8.一种人脸特征增强显示装置，其特征在于，包括：
获取模块，用于获取待处理人脸图像；
检测模块，用于根据所述待处理人脸图像中的人脸关键点，获得所述待处理人脸图像对应的第一图像，所述第一图像不包括非皮肤区域；
亮度模块，用于：
获取所述第一图像的亮度值，判断所述亮度值是否小于第一亮度阈值；
若所述第一图像的亮度值小于所述第一亮度阈值，对所述待处理人脸图像的亮度值进行调整，以使所述待处理人脸图像对应的所述第一图像的亮度值不小于所述第一亮度阈值；
增强模块，用于在所述第一图像的亮度值不小于所述第一亮度阈值的情况下，获取预设颜色参数，根据所述预设颜色参数对所述第一图像进行处理，获得处理图像，所述处理图像中的像素点依据所述预设颜色参数分类；
所述增强模块还用于，根据预设颜色填充参数和所述处理图像中的像素点的分类，对所述处理图像进行填充，获得所述待处理人脸图像对应的人脸特征增强图像。
9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至7中任一项所述的人脸特征增强显示方法的步骤。
10.一种计算机可读存储介质，其特征在于，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1至7中任一项所述的人脸特征增强显示方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010974862.XA CN112257501A (zh) | 2020-09-16 | 2020-09-16 | 人脸特征增强显示方法、装置、电子设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010974862.XA CN112257501A (zh) | 2020-09-16 | 2020-09-16 | 人脸特征增强显示方法、装置、电子设备和介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112257501A true CN112257501A (zh) | 2021-01-22 |
Family
ID=74231720
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010974862.XA Pending CN112257501A (zh) | 2020-09-16 | 2020-09-16 | 人脸特征增强显示方法、装置、电子设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112257501A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113191189A (zh) * | 2021-03-22 | 2021-07-30 | 深圳市百富智能新技术有限公司 | 人脸活体检测方法、终端设备及计算机可读存储介质 |
| 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 |
| CN114095656A (zh) * | 2021-11-17 | 2022-02-25 | 维沃移动通信有限公司 | 图像处理方法、装置及电子设备 |
-
2020
- 2020-09-16 CN CN202010974862.XA patent/CN112257501A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113191189A (zh) * | 2021-03-22 | 2021-07-30 | 深圳市百富智能新技术有限公司 | 人脸活体检测方法、终端设备及计算机可读存储介质 |
| 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 |
| CN114095656A (zh) * | 2021-11-17 | 2022-02-25 | 维沃移动通信有限公司 | 图像处理方法、装置及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8861847B2 (en) | System and method for adaptive skin tone detection | |
| CN112257501A (zh) | 人脸特征增强显示方法、装置、电子设备和介质 | |
| CN108197546B (zh) | 人脸识别中光照处理方法、装置、计算机设备及存储介质 | |
| Ma et al. | Objective quality assessment for color-to-gray image conversion | |
| KR101554403B1 (ko) | 화상 처리 장치, 화상 처리 방법, 및 제어 프로그램이 기록된 기억 매체 | |
| US11138695B2 (en) | Method and device for video processing, electronic device, and storage medium | |
| JP6068384B2 (ja) | 収集された情報に基づいた映像処理方法及びその装置 | |
| Smolka et al. | Towards automatic redeye effect removal | |
| US10073602B2 (en) | System and method for displaying a suggested luminance adjustment for an image | |
| CN109639982A (zh) | 一种图像降噪方法、装置、存储介质及终端 | |
| CN110852160A (zh) | 以图像为基准的生物识别系统及计算机实施方法 | |
| CN111295664B (zh) | 一种发际线轮廓的定位方法、装置及计算机可读存储介质 | |
| EP2864931A1 (en) | Systems and method for facial verification | |
| US20170079599A1 (en) | Moisture feeling evaluation device, moisture feeling evaluation method, and moisture feeling evaluation program | |
| CN111062891A (zh) | 图像处理方法、装置、终端及计算机可读存储介质 | |
| CN109741281A (zh) | 图像处理方法、装置、存储介质及终端 | |
| Gritzman et al. | Comparison of colour transforms used in lip segmentation algorithms | |
| KR101875891B1 (ko) | 다중 검출 방식을 이용한 얼굴 검출 장치 및 방법 | |
| CN111626967A (zh) | 图像增强方法、装置、计算机装置及可读存储介质 | |
| CN113034354A (zh) | 一种图像处理方法、装置、电子设备和刻度存储介质 | |
| CN108615030A (zh) | 一种标题一致性检测方法、装置及电子设备 | |
| CN111444555B (zh) | 一种测温信息显示方法、装置及终端设备 | |
| US10909351B2 (en) | Method of improving image analysis | |
| CN108805883B (zh) | 一种图像分割方法、图像分割装置及电子设备 | |
| CN112215808A (zh) | 一种生成人脸皮肤敏感图的方法及其相关装置 |
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 |