CN112686800B - 图像处理方法、装置、电子设备及存储介质 - Google Patents
图像处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112686800B CN112686800B CN202011599325.8A CN202011599325A CN112686800B CN 112686800 B CN112686800 B CN 112686800B CN 202011599325 A CN202011599325 A CN 202011599325A CN 112686800 B CN112686800 B CN 112686800B
- Authority
- CN
- China
- Prior art keywords
- face image
- face
- image
- 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.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 48
- 238000012545 processing Methods 0.000 claims abstract description 116
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000002156 mixing Methods 0.000 claims abstract description 16
- 238000011282 treatment Methods 0.000 claims description 75
- 238000000605 extraction Methods 0.000 claims description 40
- 230000003796 beauty Effects 0.000 claims description 16
- 239000000463 material Substances 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 14
- 238000000227 grinding Methods 0.000 claims description 12
- 230000009467 reduction Effects 0.000 claims description 12
- 238000005282 brightening Methods 0.000 claims description 11
- 235000002673 Dioscorea communis Nutrition 0.000 claims description 8
- 241000544230 Dioscorea communis Species 0.000 claims description 8
- 208000035753 Periorbital contusion Diseases 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 17
- 230000001815 facial effect Effects 0.000 description 29
- 238000005516 engineering process Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000001965 increasing effect Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 210000000056 organ Anatomy 0.000 description 3
- 238000005498 polishing Methods 0.000 description 3
- 210000000697 sensory organ Anatomy 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000011946 reduction process Methods 0.000 description 2
- 208000002874 Acne Vulgaris Diseases 0.000 description 1
- 206010000496 acne Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
Images
Classifications
-
- 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
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
-
- 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
- G06V40/168—Feature extraction; Face representation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/40—Picture signal circuits
- H04N1/407—Control or modification of tonal gradation or of extreme levels, e.g. background level
- H04N1/4072—Control or modification of tonal gradation or of extreme levels, e.g. background level dependent on the contents of the original
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/46—Colour picture communication systems
- H04N1/56—Processing of colour picture signals
- H04N1/60—Colour correction or control
- H04N1/62—Retouching, i.e. modification of isolated colours only or in isolated picture areas only
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/70—Circuitry for compensating brightness variation in the scene
- H04N23/76—Circuitry for compensating brightness variation in the scene by influencing the image signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N9/00—Details of colour television systems
- H04N9/64—Circuits for processing colour signals
- H04N9/67—Circuits for processing colour signals for matrixing
-
- 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
- G06T2207/20004—Adaptive image processing
- G06T2207/20012—Locally adaptive
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Image Processing (AREA)
Abstract
本公开关于一种图像处理方法、装置、电子设备及存储介质,涉及计算机技术领域,其中,该方法包括获取待处理的人脸图像,人脸图像的格式为Lab颜色格式;提取人脸图像中的面部高光区域,其中,面部高光区域为人脸图像的面部中亮度值不低于预设亮度阈值的区域;按照预设的高光压暗参数,降低面部高光区域的亮度值,得到第一人脸图像;将第一人脸图像的格式转换为RGB颜色格式,并对第一人脸图像中像素点的各个颜色通道的强度进行降低处理,得到第二人脸图像;将第二人脸图像和待处理的人脸图像进行混合处理,得到目标人脸图像。由此,即可实时自动的实现对人脸图像的哑光雾面的美颜效果,节省了用户的时间及精力,且应用范围广。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种图像处理方法、装置、电子设备及存储介质。
背景技术
随着社会与科技的发展,由于美颜技术可以提升图像中人物的容颜,因此在图像处理领域得到了广泛的应用。
目前,人们在对图像进行美颜,例如实现具有质感的哑光雾面的美颜效果时,大多是结合Photoshop等修图软件,通过人工手动调整图像,以实现预期的美颜效果,这种图像处理方式,需要一定的修图技术,无法满足大众的需求,且会耗费用户较长的时间及较多的精力,用户体验差。
发明内容
本公开提供一种图像处理方法、装置、电子设备及存储介质,以至少解决相关技术中的图像处理方法存在的无法满足大众的需求,且会耗费用户较长的时间及较多的精力的问题。
本公开的技术方案如下:
根据本公开实施例的第一方面,提供一种图像处理方法,包括:
获取待处理的人脸图像,所述人脸图像的格式为Lab颜色格式;提取所述人脸图像中的面部高光区域,其中,所述面部高光区域为所述人脸图像的面部中亮度值不低于第一预设亮度阈值的区域;按照预设的高光压暗参数,降低所述面部高光区域的亮度值,得到第一人脸图像;将所述第一人脸图像的格式转换为RGB颜色格式,并对所述第一人脸图像中像素点的各个颜色通道的强度进行降低处理,得到第二人脸图像;将所述第二人脸图像和所述待处理的人脸图像进行混合处理,得到目标人脸图像
可选的,所述提取所述人脸图像中的面部高光区域,包括:对所述人脸图像中的各个像素点的亮度值,按照预设幂次进行指数幂处理,得到所述各个像素点的第一亮度值;根据所述人脸图像中对应的第一亮度值大于等于第一预设亮度阈值的像素点,提取所述人脸图像中的高光区域;根据所述人脸图像中的人脸关键点信息,提取所述高光区域中的面部高光区域。
可选的,所述根据所述人脸图像中对应的第一亮度值大于等于第一预设亮度阈值的像素点,提取所述人脸图像中的高光区域,包括:对大于第二预设亮度阈值的所述第一亮度值进行增强处理,以及对小于等于所述第二预设亮度阈值的所述第一亮度值进行降低处理,得到所述各个像素点的第二亮度值;根据所述人脸图像中对应的第二亮度值大于等于所述第一预设亮度阈值的像素点,提取所述人脸图像中的高光区域。
可选的,所述根据所述人脸图像中的人脸关键点信息,提取所述高光区域中的面部高光区域,包括:提取所述人脸图像中的人脸关键点信息;根据所述人脸关键点信息,确定所述人脸图像中的面部区域;获取所述面部区域与所述高光区域的重叠区域,并将所述重叠区域确定为所述面部高光区域。
可选的,在根据所述人脸关键点信息,确定所述人脸图像中的面部区域之后,还包括:对所述面部区域进行初始美颜处理,其中,所述初始美颜处理包括以下处理中的至少一项:匀肤处理、磨皮处理、去黑眼圈处理、去法令纹处理、牙齿调亮处理。
可选的,在将所述第二人脸图像和所述待处理的人脸图像进行混合处理,得到目标人脸图像之后,还包括:提取所述目标人脸图像中的皮肤区域;针对所述皮肤区域中的每个像素点,获取亮度满值与所述像素点的亮度值的差值,并结合所述差值以及预设的提亮素材,确定所述像素点的亮度增强幅度;根据所述人脸图像中各个像素点的亮度增强幅度,对所述各个像素点进行提亮处理。
根据本公开实施例的第二方面,提供一种图像处理装置,包括:获取模块,被配置为执行获取待处理的人脸图像,所述人脸图像的格式为Lab颜色格式;第一提取模块,被配置为执行提取所述人脸图像中的面部高光区域,其中,所述面部高光区域为所述人脸图像的面部中亮度值不低于第一预设亮度阈值的区域;第一处理模块,被配置为执行按照预设的高光压暗参数,降低所述面部高光区域的亮度值,得到第一人脸图像;第二处理模块,被配置为执行将所述第一人脸图像的格式转换为RGB颜色格式,并对所述第一人脸图像中像素点的各个颜色通道的强度进行降低处理,得到第二人脸图像;第三处理模块,被配置为执行将所述第二人脸图像和所述待处理的人脸图像进行混合处理,得到目标人脸图像。
可选的,所述第一提取模块,包括:第一处理单元,被配置为执行对所述人脸图像中的各个像素点的亮度值,按照预设幂次进行指数幂处理,得到所述各个像素点的第一亮度值;第一提取单元,被配置为执行根据所述人脸图像中对应的第一亮度值大于等于第一预设亮度阈值的像素点,提取所述人脸图像中的高光区域;第二提取单元,被配置为执行根据所述人脸图像中的人脸关键点信息,提取所述高光区域中的面部高光区域。
可选的,所述第一提取单元,具体被配置为执行:对大于第二预设亮度阈值的所述第一亮度值进行增强处理,以及对小于等于所述第二预设亮度阈值的所述第一亮度值进行降低处理,得到所述各个像素点的第二亮度值;根据所述人脸图像中对应的第二亮度值大于等于所述第一预设亮度阈值的像素点,提取所述人脸图像中的高光区域。
可选的,所述第二提取单元或所述第四提取单元,具体被配置为执行:提取所述人脸图像中的人脸关键点信息;根据所述人脸关键点信息,确定所述人脸图像中的面部区域;获取所述面部区域与所述高光区域的重叠区域,并将所述重叠区域确定为所述面部高光区域。
可选的,所述第二提取单元或所述第四提取单元,还被配置为执行:对所述面部区域进行初始美颜处理,其中,所述初始美颜处理包括以下处理中的至少一项:匀肤处理、磨皮处理、去黑眼圈处理、去法令纹处理、牙齿调亮处理。
可选的,所述装置,还包括:第二提取模块,被配置为执行提取所述目标人脸图像中的皮肤区域;确定模块,被配置为执行针对所述皮肤区域中的每个像素点,获取亮度满值与所述像素点的亮度值的差值,并结合所述差值以及预设的提亮素材,确定所述像素点的亮度增强幅度;第四处理模块,被配置为执行根据所述人脸图像中各个像素点的亮度增强幅度,对所述各个像素点进行提亮处理。
根据本公开实施例的第三方面,提供一种电子设备,包括:处理器;用于存储所述处理器可执行指令的存储器;其中,所述处理器被配置为执行所述指令,以实现本公开第一方面实施例提出的图像处理方法。
根据本公开实施例的第四方面,提供一种计算机可读存储介质,当所述计算机可读存储介质中的指令由所述电子设备的处理器执行时,使得电子设备能够执行本公开第一方面实施例提出的图像处理方法。
根据本公开实施例的第五方面,提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现本公开第一方面实施例提出的图像处理方法。
本公开的实施例提供的技术方案至少带来以下有益效果:
通过本公开实施例提供的图像处理方法,在获取Lab颜色格式的待处理的人脸图像后,提取人脸图像中的面部高光区域,其中,面部高光区域为人脸图像的面部中亮度值不低于第一预设亮度阈值的区域,再按照预设的高光压暗参数,降低高光区域的亮度值,得到第一人脸图像,再将第一人脸图像的颜色格式转换为RGB颜色格式,并对第一人脸图像中像素点的各个颜色通道的强度进行降低处理,得到第二人脸图像,进而将第二人脸图像和待处理的人脸图像进行混合处理,得到目标人脸图像,可以实时自动的实现对人脸图像的哑光雾面的美颜效果,节省了用户的时间及精力,且应用范围广。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理,并不构成对本公开的不当限定。
图1是根据一示例性实施例所示出的图像处理方法的流程图;
图2是根据一示例性实施例所示出的另一图像处理方法的流程图;
图3是根据一示例性实施例所示出的另一图像处理方法的流程图;
图4是根据一示例性实施例所示出的另一图像处理方法的流程图;
图5是根据一示例性实施例所示出的待处理的人脸图像的示意图;
图6是根据一示例性实施例所示出的人脸图像中的面部区域的蒙版示意图;
图7是根据一示例性实施例所示出的另一图像处理方法的流程图;
图8是根据一示例性实施例所示出的图像处理装置的框图;
图9是根据一示例性实施例所示出的另一图像处理装置的框图;
图10是根据一示例性实施例示出的一种用于图像处理的电子设备的框图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案,下面将结合附图,对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
随着社会与科技的发展,由于美颜技术可以提升图像中人物的容颜,因此在图像处理领域得到了广泛的应用。
目前,人们在对图像进行美颜,例如实现具有质感的哑光雾面的美颜效果时,大多是结合Photoshop等修图软件,通过人工手动调整图像,使图像中的妆容的色调更沉着、上妆效果含蓄自然,以实现预期的美颜效果,这种图像处理方式,需要一定的修图技术,无法满足大众的需求,且会耗费用户较长的时间及较多的精力,用户体验差。
本公开主要针对相关技术中的图像处理方式,需要一定的修图技术,无法满足大众的需求,且会耗费用户较长的时间及较多的精力,用户体验差的技术问题,提出一种图像处理方法。本公开实施例的图像处理方法,在获取Lab颜色格式的待处理的人脸图像后,可以提取人脸图像中的面部高光区域,其中,面部高光区域为人脸图像的面部中亮度值不低于第一预设亮度阈值的区域,再按照预设的高光压暗参数,降低高光区域的亮度值,得到第一人脸图像,再将第一人脸图像的颜色格式转换为RGB颜色格式,并对第一人脸图像中像素点的各个颜色通道的强度进行降低处理,得到第二人脸图像,进而将第二人脸图像和待处理的人脸图像进行混合处理,得到目标人脸图像,由此,即可实时自动的实现对人脸图像的哑光雾面的美颜效果,节省了用户的时间及精力,且应用范围广。
下面结合附图,对本公开实施例提供的图像处理方法进行详细说明。
图1是根据一示例性实施例所示出的图像处理方法的流程图。
需要说明的是,本公开实施例的图像处理方法的执行主体可以为图像处理装置,该图像处理装置,可以为电子设备,也可以配置在电子设备中,以实现实时自动的对待处理的人脸图像进行处理,节省用户的时间及精力,且扩大应用范围。
其中,电子设备,可以是任意具有图像处理功能的静止或移动计算设备,例如笔记本电脑、智能手机、可穿戴设备等移动计算设备,或者台式计算机等静止的计算设备,或者其它类型的计算设备。图像处理装置可以是安装在电子设备中的应用程序,也可以是软件产品的软件管理工具等,本公开实施例对此不作限定。本公开实施例以图像处理装置为安装在电子设备中的应用程序为例进行说明。
如图1所示,图像处理方法可以包括以下步骤:
在步骤101中,获取待处理的人脸图像,人脸图像的格式为Lab颜色格式。
其中,待处理的人脸图像,为其中包括人脸的图像,待处理的人脸图像可以是视频中的一帧图像,也可以是静态图像,本申请对此不作限制。
在示例性实施例中,图像处理装置所在的电子设备中,可以配置摄像头等图像采集装置,在图像采集装置采集到人脸图像后,可以将需要处理的人脸图像发送至图像处理装置,从而图像处理装置可以对获取的待处理的人脸图像进行处理;或者,图像处理装置也可以对其它电子设备获取的待处理的人脸图像进行处理。也就是说,图像处理装置获取的待处理的人脸图像,可以是图像处理装置所在的电子设备获取的,也可以是其它电子设备获取的,本公开对此不作限制。
在示例性实施例中,待处理的人脸图像的格式可以为Lab颜色格式,其中,Lab颜色格式由亮度L和有关色彩的a、b三个要素组成。其中,L表示亮度(Luminosity),a表示从洋红色至绿色的范围,b表示从黄色至蓝色的范围。
在步骤102中,提取人脸图像中的面部高光区域,其中,面部高光区域为人脸图像的面部中亮度值不低于第一预设亮度阈值的区域。
其中,第一预设亮度阈值可以根据需要任意设置,本公开对此不作限制。
亮度值,可以为归一化后的亮度值。
在示例性实施例中,可以先根据人脸图像中的人脸关键点信息,确定人脸图像中的面部区域,再将面部区域中的各像素点的亮度值与第一预设亮度阈值进行比较,从而将面部区域中亮度值不低于第一预设亮度阈值的像素点所在的区域确定为面部高光区域,以得到人脸图像中的面部高光区域。
或者,在示例性实施例中,也可以先将人脸图像中的各像素点的亮度值与第一预设亮度阈值进行比较,将人脸图像中的亮度值不低于第一预设亮度阈值的像素点所在的区域确定为人脸图像中的高光区域,再根据人脸图像中的人脸关键点信息,提取高光区域中的面部高光区域,以得到人脸图像中的面部高光区域。
需要说明的是,本公开实施例中,提取出的人脸图像中的面部高光区域,可能是一个,也可能是多个,本公开实施例对此不作限制。
在步骤103中,按照预设的高光压暗参数,降低面部高光区域的亮度值,得到第一人脸图像。
其中,高光压暗参数,用于对人脸图像中面部高光区域的亮度值进行调整,其可以根据需要设置,本公开实施例对此不作限制。
在示例性实施例中,可以通过以下公式(1)所示的方式,按照预设的高光压暗参数,降低面部高光区域的亮度值。
Lupd=L'*b (1)
其中,L’为待处理的人脸图像中面部高光区域当前即调整前的每个像素点的亮度值,Lupd为待处理的人脸图像中面部高光区域调整后的每个像素点的亮度值,也即第一人脸图像中面部高光区域的每个像素点的亮度值,b为高光压暗参数。在本公开实施例中,可以设置高光压暗参数b的取值范围为大于0且小于1,具体数值可以根据需要任意设置,以通过高光压暗参数b降低面部高光区域的每个像素点的亮度值。
具体的,通过公式(1)所示的方式,按照高光压暗参数,对待处理的人脸图像中面部高光区域当前的每个像素点的亮度值进行处理,可以实现降低待处理的人脸图像中面部高光区域当前的每个像素点的亮度值,从而得到第一人脸图像。
举例来说,假设预设的高光压暗参数b为0.9,待处理的人脸图像中面部高光区域的像素点X1的亮度值为0.9,像素点X2的亮度值为0.8,则通过公式(1)对待处理的人脸图像中面部高光区域当前的每个像素点的亮度值进行处理,可以将像素点X1的亮度值降低为0.81,像素点X2的亮度值降低为0.72。
需要说明的是,第一人脸图像中面部高光区域之外的其它区域的每个像素点的亮度值,仍为待处理的人脸图像中面部高光区域之外的其它区域的对应像素点的亮度值。
值得注意的是,在本公开实施例中,为了对人脸图像中面部高光区域的亮度值进行调整,可以在确定并提取人脸图像中的面部高光区域后,形成一个面部高光区域的蒙版,然后将面部高光区域的蒙版覆盖在待处理的人脸图像上,之后,再对覆盖有面部高光区域的蒙版的待处理的人脸图像的亮度值进行调整,由此即可实现对人脸图像中面部高光区域的亮度值的调整。
在步骤104中,将第一人脸图像的格式转换为RGB颜色格式,并对第一人脸图像中像素点的各个颜色通道的强度进行降低处理,得到第二人脸图像。
其中,RGB颜色格式通过对红、绿、蓝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,其中,R、G、B分别代表红、绿、蓝三个颜色通道。
在示例性实施例中,可以通过如下公式(2),对RGB颜色格式下的第一人脸图像中各像素点的各个颜色通道的强度进行降低处理,得到第二人脸图像。
C’=A’*B’/255 (2)
其中,A’为第一人脸图像中每个像素点的某个颜色通道的强度,B’为混合色的相同颜色通道的强度,C’为第二人脸图像中对应像素点的相同颜色通道的强度。其中,B1的强度值在0-255之间。
举例来说,假设第一人脸图像中像素点X1的R通道的强度为100,G通道的强度为200,B通道的强度为150,混合色的R通道的强度为102,G通道的强度为153,B通道的强度为102,则通过公式(2)对第一人脸图像中像素点的各颜色通道的强度进行降低处理,得到的第二人脸图像中,像素点X1的R通道的强度为100*102/255=40,G通道的强度为200*153/255=120,B通道的强度为150*102/255=60。
在步骤105中,将第二人脸图像和待处理的人脸图像进行混合处理,得到目标人脸图像。
可以理解的是,第二人脸图像是按照预设的高光压暗参数,降低面部高光区域的亮度值,得到第一人脸图像后,将第一人脸图像的格式转换为RGB颜色格式,并对第一人脸图像中像素点的各个颜色通道的强度进行降低处理得到的,与待处理的人脸图像相比,第二人脸图像中的人脸五官可能会变得比较死板、不太立体。那么,本申请实施例中,为了避免美颜处理后的人脸图像出现五官死板、不太立体的缺陷,可以将第二人脸图像和待处理的人脸图像进行混合处理,以得到脸五官立体、自然的目标人脸图像。
在示例性实施例中,由于第二人脸图像的格式为RGB颜色格式,待处理的人脸图像的格式为Lab颜色格式,为了将第二人脸图像和待处理的人脸图像进行混合处理,可以先将待处理的人脸图像的格式转换为RGB颜色格式,再对均为RGB颜色格式的第二人脸图像和待处理的人脸图像进行混合处理,得到目标人脸图像。
在示例性实施例中,针对第二人脸图像和待处理的人脸图像中的位置相同的像素点,可以通过将第二人脸图像中像素点的R、G、B三个颜色通道的强度,与待处理的人脸图像中像素点的R、G、B三个颜色通道的强度分别进行加权平均,将两个人脸图像中相同位置对应的像素点的R、G、B三个颜色通道的强度的加权平均值,分别作为目标人脸图像中对应像素点的R、G、B三个颜色通道的强度,以得到目标人脸图像。
举例来说,假设第二人脸图像中的各像素点中,像素点X1的R通道的强度为R1,G通道的强度为G1,B通道的强度为B1,像素点X2的R通道的强度为R2,G通道的强度为G2,B通道的强度为B2。待处理的人脸图像中的像素点X3在待处理的人脸图像中的位置,与像素点X1在第二人脸图像中的位置相同,待处理的人脸图像中的像素点X4在待处理的人脸图像中的位置,与像素点X2在第二人脸图像中的位置相同。像素点X3的R通道的强度为R3,G通道的强度为G3,B通道的强度为B3,像素点X4的R通道的强度为R4,G通道的强度为G4,B通道的强度为B4。则目标人脸图像中,与像素点X1在第二人脸图像中的位置相同的像素点的R、G、B三个颜色通道的强度分别为(R1+R3)/2、(G1+G3)/2、(B1+B3)/2,目标人脸图像中,与像素点X2在第二人脸图像中的位置相同的像素点的像素点的R、G、B三个颜色通道的强度分别为(R2+R4)/2、(G2+G4)/2、(B2+B4)/2。
需要说明的是,上述对第二人脸图像和待处理的人脸图像进行混合处理的方式,仅是示意性说明,在实际应用中,本领域技术人员可以通过任意图像混合方式,对第二人脸图像和待处理的人脸图像进行混合处理,本公开实施例对此不作限制。
可以理解的是,比如当用户的皮肤很油,同时又使用了闪光灯拍摄图像时,得到的图像中很容易在面部形成高光区域,而本公开实施例提供的图像处理方法,通过在获取待处理的人脸图像后,提取待处理的人脸图像中的面部高光区域,进而按照预设的高光压暗参数,降低面部高光区域的亮度值,得到第一人脸图像,再将第一人脸图像的格式转换为RGB颜色格式,并对第一人脸图像中像素点的各个颜色通道的强度进行降低处理,可以得到与待处理的人脸图像相比,图像中的面部高光区域的色调更沉着的第二人脸图像。并且,由于待处理的人脸图像中的人脸未经过处理,五官立体、自然,而目标人脸图像是将第二人脸图像和待处理的人脸图像进行混合处理后得到的,因此混合处理后得到的目标人脸图像的五官也是自然、立体的。由此,通过本申请提供的图像处理方法,可以得到面部高光区域的色调与待处理的人脸图像相比更沉着、且五官立体、自然的目标人脸图像,实现具有质感的哑光雾面的美颜效果,由于无需用户手动调整图像即可实时自动的实现对人脸图像的哑光雾面的美颜效果,从而节省了用户的时间及精力,且无需用户具有修图技术,能够满足大众的美颜需求,从而扩展了应用范围。
本公开实施例的图像处理方法,在获取Lab颜色格式的待处理的人脸图像后,可以提取人脸图像中的面部高光区域,其中,面部高光区域为人脸图像的面部中亮度值不低于第一预设亮度阈值的区域,再按照预设的高光压暗参数,降低高光区域的亮度值,得到第一人脸图像,再将第一人脸图像的颜色格式转换为RGB颜色格式,并对第一人脸图像中像素点的各个颜色通道的强度进行降低处理,得到第二人脸图像,进而将第二人脸图像和待处理的人脸图像进行混合处理,得到目标人脸图像,由此,即可实时自动的实现对人脸图像的哑光雾面的美颜效果,节省了用户的时间及精力,且应用范围广。
通过上述分析可知,可以利用人脸图像中的各像素点的归一化后的亮度值,将亮度值不低于第一预设亮度阈值的像素点所在区域,确定为人脸图像中的高光区域,然而,在实际应用中,利用人脸图像中的各像素点的归一化后的亮度值,确定人脸图像中的高光区域时,高光区域与非高光区域之间的亮度值的差值可能比较小,从而无法准确提取人脸图像中的高光区域。那么,本公开实施例中,可以对人脸图像中的各像素点的亮度值进行进一步处理,以拉大高光区域与非高光区域之间的亮度值的差异,从而利用处理后的人脸图像中的各像素点的亮度值,确定人脸图像中的高光区域,提高确定的人脸图像中的高光区域的准确性。下面结合图2,对本公开实施例提供的图像处理方法中,提取人脸图像中的面部高光区域的方法进行说明。
图2是根据一示例性实施例示出的另一种图像处理方法的流程图。
如图2所示,图1所示的图像处理方法中,步骤102具体可以包括以下步骤201-203。
在步骤201中,对人脸图像中的各个像素点的亮度值,按照预设幂次进行指数幂处理,得到各个像素点的第一亮度值。
其中,预设幂次,可以根据需要设置,比如可以设置预设幂次不低于预设幂次阈值,其中,预设幂次阈值例如可以为2。
在示例性实施例中,可以通过以下公式(3),对人脸图像中的各个像素点的亮度值,按照预设幂次进行指数幂处理,得到各个像素点的第一亮度值。
A=La (3)
其中,A为其中的每个像素点的亮度值经过指数幂处理后的整张人脸图像,L为人脸图像中每个像素点的亮度值,a为预设幂次。
具体的,通过公式(3),按照预设幂次,对人脸图像中每个像素点的亮度值进行指数幂处理,可以使得整张人脸图像中,每个像素点均以预设幂次a为指数,进行指数幂处理,从而得到每个像素点的亮度值经过指数幂处理后的第一亮度值。
举例来说,假设预设幂次a为2,人脸图像中的像素点X1的亮度值为0.9,像素点X2的亮度值为0.8,则通过公式(3)对人脸图像中每个像素点的亮度值进行指数幂处理,得到的整张人脸图像A中,像素点X1的第一亮度值为0.9的平方即0.81,像素点X2的第一亮度值为0.8的平方即0.64。
在步骤202中,根据人脸图像中对应的第一亮度值大于等于第一预设亮度阈值的像素点,提取人脸图像中的高光区域。
在步骤203中,根据人脸图像中的人脸关键点信息,提取高光区域中的面部高光区域。
在示例性实施例中,可以将人脸图像中对应的第一亮度值大于等于第一预设亮度阈值的像素点所在区域,确定为人脸图像中的高光区域,进而可以根据人脸图像中的人脸关键点信息,提取高光区域中的面部高光区域,以得到人脸图像中的面部高光区域。
本申请实施例中,通过针对人脸图像中的各个像素点的亮度值,按照预设幂次进行指数幂处理,得到各个像素点的第一亮度值,可以使得较大的亮度值可以小幅度减少,较小的亮度值可以大幅度减少,从而拉大高光区域与非高光区域之间的亮度值的差异,使高光区域与非高光区域之间的界限更明显,进而利用人脸图像中各个像素点的第一亮度值以及第一预设亮度阈值,可以更准确的确定人脸图像中的高光区域。
在示例性实施例中,为了更准确的确定人脸图像中的高光区域,还可以对各个像素点的第一亮度值进行进一步处理,以进一步拉大待处理的人脸图像中的高光区域与非高光区域之间的亮度值的差异,使高光区域与非高光区域之间的界限更明显。下面针对上述情况,结合图3,对本申请提供的图像处理方法中,提取人脸图像中的高光区域的方法进行进一步说明。
图3是根据一示例性实施例示出的另一种图像处理方法的流程图。
如图3所示,图2所示的图像处理方法中,步骤202具体可以包括以下步骤301-302。
在步骤301中,对大于第二预设亮度阈值的第一亮度值进行增强处理,以及对小于等于第二预设亮度阈值的第一亮度值进行降低处理,得到各个像素点的第二亮度值。
其中,第二预设亮度阈值,为对第一亮度值进行增强处理或降低处理的临界值,其可以根据需要设置。
在示例性实施例中,可以通过如下公式(4)所示的高反差增强算法,对人脸图像中的各像素点的第一亮度值进行处理,以实现对大于第二预设亮度阈值的第一亮度值进行增强处理,以及对小于等于第二预设亮度阈值的第一亮度值进行降低处理,得到各个像素点的第二亮度值。其中,公式(4)中以第二预设亮度阈值为0.5为例进行示意。
其中,l为人脸图像中的某个像素点的第一亮度值,l’为对该像素点的第一亮度值进行处理后得到的该像素点的第二亮度值。
具体的,对人脸图像A中的每个像素点的第一亮度值进行如公式(4)所示的处理,可以得到处理后的该像素点的第二亮度值。其中,若人脸图像A中的像素点的第一亮度值大于第二预设亮度阈值0.5,则可以按照公式(4)的上面的公式,对该像素点的第一亮度值进行增强处理,得到该像素点的第二亮度值;若人脸图像A中的像素点的第一亮度值小于第二预设亮度阈值0.5,则可以按照公式(4)的下面的公式,得到该像素点的第二亮度值。
举例来说,假设人脸图像A中的像素点X1的第一亮度值为0.81,像素点X2的第一亮度值为0.64,像素点X3的第一亮度值为0.2,则通过公式(4)对人脸图像A中的每个像素点的第一亮度值进行处理,可以得到像素点X1的增强处理后的第二亮度值为1-2*(1.0-0.81)*(1.0-0.81)即0.9278,像素点X2的增强处理后的第二亮度值为1-2*(1.0-0.64)*(1.0-0.64)即0.7408,像素点X3的降低处理后的第二亮度值为2*0.2*0.2即0.08。
在步骤302中,根据人脸图像中对应的第二亮度值大于等于第一预设亮度阈值的像素点,提取人脸图像中的高光区域。
在示例性实施例中,可以将人脸图像中对应的第二亮度值大于等于第一预设亮度阈值的像素点所在区域,确定为人脸图像中的高光区域,进而可以根据人脸图像中的人脸关键点信息,提取高光区域中的面部高光区域,以得到人脸图像中的面部高光区域。
本申请实施例中,通过针对人脸图像中的各个像素点的亮度值,按照预设幂次进行指数幂处理,得到各个像素点的第一亮度值,可以使得较大的亮度值可以小幅度减少,较小的亮度值可以大幅度减少,从而拉大高光区域与非高光区域之间的亮度值的差异,使高光区域与非高光区域之间的界限更明显。通过对大于第二预设亮度阈值的第一亮度值进行增强处理,以及对小于等于第二预设亮度阈值的第一亮度值进行降低处理,得到各个像素点的第二亮度值,可以使得较大的第一亮度值可以进一步增大,较小的第一亮度值可以进一步减小,从而进一步拉大高光区域与非高光区域之间的亮度值的差异,使高光区域与非高光区域之间的界限更明显,进而利用人脸图像中各个像素点的第二亮度值以及第一预设亮度阈值,可以更准确的确定人脸图像中的高光区域。
通过上述分析可知,本公开实施例中,可以先提取人脸图像中的高光区域,再根据人脸图像中的人脸关键点信息,提取高光区域中的面部高光区域,以提取人脸图像中的面部高光区域,下面结合图4,对本公开实施例中,根据人脸图像中的人脸关键点信息,提取高光区域中的面部高光区域的方法进行进一步说明。
图4是根据一示例性实施例示出的另一种图像处理方法的流程图。
如图4所示,图2所示的图像处理方法中,步骤203具体可以包括以下步骤401-403。
在步骤401中,提取人脸图像中的人脸关键点信息。
其中,人脸关键点,可以包括人脸上的任意位置的特征点,比如眼睛、嘴巴、鼻子、等五官的特征点,以及人脸轮廓上的特征点等。人脸关键点信息,可以包括人脸图像中的人脸关键点的位置、个数等信息。
在示例性实施例中,可以通过多种方式,提取人脸图像中的人脸关键点信息。
比如,可以预先通过深度学习的方式训练人脸关键点检测模型,从而将人脸图像输入预先训练的关键点检测模型,即可提取人脸图像中的人脸关键点信息。其中,人脸关键点检测模型,可以是任意深度神经网络模型,例如卷积神经网络模型、递归神经网络模型等,或者,也可以是其它类型的数据处理模型,本公开对此不作限制。
或者,也可以利用相关技术中的其它任意人脸关键点检测方法,提取人脸图像中的人脸关键点信息,本公开对提取人脸图像中的人脸关键点信息的方式不作限制。
在步骤402中,根据人脸关键点信息,确定人脸图像中的面部区域。
其中,面部区域,为人脸图像中人脸所在的区域。
在示例性实施例中,提取人脸图像中的人脸关键点信息后,可以根据人脸关键点信息确定人脸图像中人脸轮廓所在位置,从而将人脸轮廓包围的区域,确定为人脸图像中的面部区域。
需要说明的是,除上述利用人脸关键点信息确定人脸图像中的面部区域的方式之外,本公开实施例中,也可以通过其它方式,确定人脸图像中的面部区域。
比如,可以先利用harr特征检测算法识别人脸图像中是否存在人脸,若存在人脸,则对图像中的人脸图像进行特征提取,得到人脸特征值,再将人脸特征值输入adaboost分类算法,以识别出人脸图像中的面部区域;或者,可以预先确定人体的面部皮肤的颜色值范围,从而将人脸图像中,取值在预设的颜色值范围内的像素点所在的区域,确定为面部区域,本公开实施例对确定人脸图像中的面部区域的方式不作限制。
可以理解的是,将人脸图像中人脸轮廓包围的区域,确定为人脸图像中的面部区域,进而确定面部高光区域,再按照预设的高光压暗参数,降低面部高光区域的亮度值时,可能会因对面部区域中包括的人脸五官所在的区域即人脸五官区域的亮度值也进行了降低,而导致人脸的五官的色彩暗淡,影响美颜效果。那么,在本公开实施例一种可能的实现形式中,在确定人脸图像中的面部区域时,可以将人脸轮廓围成的区域中,除人脸五官区域之外的其它区域作为面部区域,从而可以对人脸五官区域进行保护,在降低面部高光区域的亮度值时,避免对人脸图像中的人脸五官区域的亮度值进行降低,以保证人脸五官区域的正常显示。
在示例性实施例中,将人脸轮廓围成的区域中,除人脸五官区域之外的其它区域作为面部区域时,可以在提取人脸图像中的人脸关键点信息后,根据人脸关键点信息,确定人脸五官所在的区域,并根据人脸关键点信息,确定人脸轮廓包围的区域,从而将人脸轮廓包围的区域中,人脸五官所在的区域之外的其它区域,确定为面部区域。
在步骤403中,获取面部区域与高光区域的重叠区域,并将重叠区域确定为面部高光区域。
在示例性实施例中,确定人脸图像中的面部区域与高光区域后,可以分别得到面部区的蒙版以及高光区域的蒙版,并将面部区域的蒙版中,面部区域设置为1,非面部区域设置为0,将高光区域的蒙版中,高光区域设置为1,非高光区域设置为0,然后将两个蒙版相乘,值为1的区域即为重叠区域,也就是本公开实施例中的面部高光区域。
或者,也可以通过相关技术中的其它方式,获取面部区域与高光区域的重叠区域,本公开实施例对获取面部区域与高光区域的重叠区域的方式不作限制。
通过上述方式,即可确定人脸图像中的面部高光区域,进而可以形成一个面部高光区域的蒙版,然后将面部高光区域的蒙版覆盖在待处理的人脸图像上,之后,再对覆盖有面部高光区域的蒙版的待处理的人脸图像按照预设的高光压暗参数进行亮度值调整,由此即可实现对人脸图像中面部高光区域的亮度值进行降低。
可以理解的是,待处理的人脸图像中,可能存在人脸上有痘印、个别区域肤色暗沉等缺陷,那么本公开实施例中,还可以在确定人脸图像的面部区域后,先对面部区域进行初始美颜处理,再根据高光区域以及初始美颜处理之后的面部区域,得到面部高光区域,进而再对面部高光区域的亮度值进行降低,从而提高人脸图像的美颜效果。
即,在步骤402之后,还可以包括以下步骤:对面部区域进行初始美颜处理,其中,初始美颜处理包括以下处理中的至少一项:匀肤处理、磨皮处理、去黑眼圈处理、去法令纹处理、牙齿调亮处理。
其中,磨皮处理,可以包括基础磨皮以及带质感的磨皮处理。
在示例性实施例中,确定人脸图像的面部区域后,可以形成面部区域的蒙版,进而将面部区域的蒙版覆盖在待处理的人脸图像上,再对待处理的人脸图像进行初始美颜处理,可以实现对人脸图像中的面部区域的初始美颜处理。
举例来说,假设图5为待处理的人脸图像,则通过提取人脸图像中的人脸关键点信息,根据人脸关键点信息,确定人脸图像中的面部区域后,可以形成如图6所示的面部区域的蒙版,进而将面部区域的蒙版覆盖在待处理的人脸图像上,再对待处理的人脸图像进行初始美颜处理,即可实现对人脸图像中的面部区域的初始美颜处理。
在示例性实施例中,可以通过调整像素值等方式,实现对面部区域的匀肤处理、去黑眼圈处理、去法令纹等处理;通过降噪、轮廓锐化等方式,实现对面部区域的基础磨皮处理,通过在磨皮的过程中加入部分纹理,实现对面部区域的带质感的磨皮处理;通过调整像素点的亮度值,实现牙齿调亮处理。具体的实现过程,可以参考相关技术中的详细描述,此处不再赘述。
需要说明的是,本公开实施例中,可以仅对面部区域进行初始美颜处理中的一项处理,比如仅进行磨皮处理,或者,也可以对面部区域进行初始美颜处理中的多项处理,比如进行匀肤处理、磨皮处理、去黑眼圈处理等,本公开对此不作限制。
需要注意的是,若按照预设的高光压暗参数,对面部高光区域的亮度值进行降低处理后,再对面部区域进行匀肤处理、磨皮处理等初始美颜处理,可能会影响人脸图像的哑光雾面效果,因此,对面部区域进行初始美颜处理时,可以先对面部区域进行匀肤处理、磨皮处理等初始美颜处理,再根据高光区域以及初始美颜处理后的面部区域得到面部高光区域,再对面部高光区域的亮度值进行降低,以避免对面部区域进行的匀肤处理、磨皮处理等初始美颜处理,影响最终得到的目标人脸图像中的人脸区域的哑光雾面的显示效果。
通过在确定人脸图像的面部区域后,先对面部区域进行初始美颜处理,再根据高光区域和初始美颜处理后的面部区域确定面部高光区域,进而对面部高光区域的亮度值进行降低,可以进一步提高对人脸图像的美颜效果。
可以理解的是,在一种可能的实现形式中,目标人脸图像可能会因经过了面部高光区域的亮度值降低处理、像素点的各颜色通道的强度的降低处理而导致目标人脸图像中的皮肤区域的亮度值较低。那么,为了进一步提高对待处理的人脸图像的美颜效果,在示例性实施例中,还可以对目标人脸图像中的皮肤区域进行提亮处理,下面针对上述情况,结合图7,对本公开实施例中,对目标人脸图像中的皮肤区域进行提亮处理的方法进行进一步说明。
图7是根据一示例性实施例示出的另一种图像处理方法的流程图。
如图7所示,在图1所示的图像处理方法所示的步骤105之后,该图像处理方法还可以包括以下步骤701-703。
在步骤701中,提取目标人脸图像中的皮肤区域。
其中,皮肤区域,为人脸图像中,人体的皮肤所在的区域。
在示例性实施例中,可以预先确定人体的肤色对应的三原色取值范围,从而将目标人脸图像中,取值在预设的三原色取值范围内的像素点所在的区域,确定为皮肤区域,进而可以从目标人脸图像中提取皮肤区域。
在步骤702中,针对皮肤区域中的每个像素点,获取亮度满值与像素点的亮度值的差值,并结合差值以及预设的提亮素材,确定像素点的亮度增强幅度。
在步骤703中,根据人脸图像中各个像素点的亮度增强幅度,对各个像素点进行提亮处理。
其中,提亮素材,可以包括亮度变换、滤波等任意能够提高像素点的亮度的素材。在示例性实施例中,提亮素材可以存储在电子设备中,也可以在线获取,本公开实施例对此不作限制。
在示例性实施例中,步骤702和703可以通过以下公式(5)所示的方式实现。
Iupd=I1+(1.0-B1)*L1 (5)
其中,Iupd为目标人脸图像中的皮肤区域的像素点进行提亮处理后的像素值,I1为目标人脸图像中的皮肤区域的像素点的当前像素值,B1为目标人脸图像中的皮肤区域中的像素点的亮度值,L1为用于对皮肤区域中的各个像素点进行提亮处理的提亮素材,1.0为亮度满值。
可以理解的是,在通过公式(5)所示的方式对目标人脸图像的皮肤区域进行处理时,若皮肤区域的像素点的亮度值较高,则亮度满值与像素点的亮度值的差值1.0-B较小,从而可以结合差值以及预设的提亮素材,确定一个较小的亮度增强幅度,以对目标人脸图像的皮肤区域的像素点进行较小程度的提亮处理;若皮肤区域的像素点的亮度值较低,则亮度满值与像素点的亮度值的差值1.0-B较大,从而可以结合差值以及预设的提亮素材,确定一个较大的亮度增强幅度,以对目标人脸图像的皮肤区域的像素点进行较大程度的提亮处理。由此,对于目标人脸图像的皮肤区域中亮度值不同的像素点,由于亮度满值与像素点的亮度值的差值不同,从而可以对目标人脸图像的皮肤区域中亮度值不同的像素点,在当前像素值的基础上,利用预设的提亮素材,进行不同程度的提亮处理,从而得到提亮处理后的人脸图像。
由于高光区域的像素点的亮度值较高,非高光区域的像素点的亮度值较低,而本公开实施例中,可以对高光区域进行较低程度的提亮,对非高光区域进行较高程度的提亮,从而在提亮皮肤区域的亮度的同时,避免了高光区域出现高光的情况。
需要说明的是,对皮肤区域中的各个像素点进行提亮处理时,提亮程度可以根据需要设置,本公开实施例中,为了避免对皮肤区域中的各个像素点提亮过多,而影响人脸图像的哑光雾面的美颜效果,可以设置对皮肤区域中的各个像素点进行较低程度的提亮,从而在进行提亮处理的同时,保证哑光雾面的美颜效果。
本公开实施例提供的图像处理方法,通过提取目标人脸图像中的皮肤区域,并针对皮肤区域中的每个像素点,获取亮度满值与像素点的亮度值的差值,并结合差值以及预设的提亮素材,确定像素点的亮度增强幅度,进而根据人脸图像中各个像素点的亮度增强幅度,对各个像素点进行提亮处理,可以实现提亮目标人脸图像中的皮肤区域的肤色,从而进一步提高图像的美颜效果。
为了实现上述实施例,本公开实施例提出了一种图像处理装置。
图8是根据一示例性实施例所示出的图像处理装置的框图。
参照图8,该图像处理装置100,可以包括:获取模块110、第一提取模块120、第一处理模块130、第二处理模块140,以及第三处理模块150。
其中,获取模块110,被配置为执行获取待处理的人脸图像,人脸图像的格式为Lab颜色格式;
第一提取模块120,被配置为执行提取人脸图像中的面部高光区域,其中,面部高光区域为人脸图像的面部中亮度值不低于第一预设亮度阈值的区域;
第一处理模块130,被配置为执行按照预设的高光压暗参数,降低面部高光区域的亮度值,得到第一人脸图像;
第二处理模块140,被配置为执行将第一人脸图像的格式转换为RGB颜色格式,并对第一人脸图像中像素点的各个颜色通道的强度进行降低处理,得到第二人脸图像;
第三处理模块150,被配置为执行将第二人脸图像和待处理的人脸图像进行混合处理,得到目标人脸图像。
具体的,本公开实施例提供的图像处理装置,可以执行前述实施例提供的图像处理方法,其中,图像处理装置可以配置在电子设备中,以实现实时自动的对待处理的人脸图像进行处理,节省用户的时间及精力,且扩大应用范围。
其中,电子设备,可以是任意具有图像处理功能的静止或移动计算设备,例如笔记本电脑、智能手机、可穿戴设备等移动计算设备,或者台式计算机等静止的计算设备,或者其它类型的计算设备。图像处理装置可以是安装在电子设备中的应用程序,也可以是软件产品的软件管理工具等,本公开实施例对此不作限定。
需要说明的是,关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
本公开实施例的图像处理装置,在获取Lab颜色格式的待处理的人脸图像后,可以提取人脸图像中的面部高光区域,其中,面部高光区域为人脸图像的面部中亮度值不低于第一预设亮度阈值的区域,再按照预设的高光压暗参数,降低高光区域的亮度值,得到第一人脸图像,再将第一人脸图像的颜色格式转换为RGB颜色格式,并对第一人脸图像中像素点的各个颜色通道的强度进行降低处理,得到第二人脸图像,进而将第二人脸图像和待处理的人脸图像进行混合处理,得到目标人脸图像,由此,即可实时自动的实现对人脸图像的哑光雾面的美颜效果,节省了用户的时间及精力,且应用范围广。
图9是根据一示例性实施例示出的一种图像处理装置框图。参照图9,在图8所示的基础上,该图像处理装置,还可以包括:
第二提取模块160,被配置为执行提取目标人脸图像中的皮肤区域;
确定模块170,被配置为执行针对皮肤区域中的每个像素点,获取亮度满值与像素点的亮度值的差值,并结合差值以及预设的提亮素材,确定像素点的亮度增强幅度;
第四处理模块180,被配置为执行根据人脸图像中各个像素点的亮度增强幅度,对各个像素点进行提亮处理。
在示例性实施例中,上述第一提取模块120,包括:
处理单元,被配置为执行对人脸图像中的各个像素点的亮度值,按照预设幂次进行指数幂处理,得到各个像素点的第一亮度值;
第一提取单元,被配置为执行根据人脸图像中对应的第一亮度值大于等于第一预设亮度阈值的像素点,提取人脸图像中的高光区域;
第二提取单元,被配置为执行根据人脸图像中的人脸关键点信息,提取高光区域中的面部高光区域。
在示例性实施例中,上述第一提取单元,具体被配置为执行:
对大于第二预设亮度阈值的第一亮度值进行增强处理,以及对小于等于第二预设亮度阈值的第一亮度值进行降低处理,得到各个像素点的第二亮度值;
根据人脸图像中对应的第二亮度值大于等于第一预设亮度阈值的像素点,提取人脸图像中的高光区域。
在示例性实施例中,上述第二提取单元,具体被配置为执行:
提取人脸图像中的人脸关键点信息;
根据人脸关键点信息,确定人脸图像中的面部区域;
获取面部区域与高光区域的重叠区域,并将重叠区域确定为面部高光区域。
在示例性实施例中,上述第二提取单元,还被配置为执行:
对面部区域进行初始美颜处理,其中,初始美颜处理包括以下处理中的至少一项:匀肤处理、磨皮处理、去黑眼圈处理、去法令纹处理、牙齿调亮处理。
需要说明的是,关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
本公开实施例的图像处理装置,在获取Lab颜色格式的待处理的人脸图像后,可以提取人脸图像中的面部高光区域,其中,面部高光区域为人脸图像的面部中亮度值不低于第一预设亮度阈值的区域,再按照预设的高光压暗参数,降低高光区域的亮度值,得到第一人脸图像,再将第一人脸图像的颜色格式转换为RGB颜色格式,并对第一人脸图像中像素点的各个颜色通道的强度进行降低处理,得到第二人脸图像,进而将第二人脸图像和待处理的人脸图像进行混合处理,得到目标人脸图像,由此,即可实时自动的实现对人脸图像的哑光雾面的美颜效果,节省了用户的时间及精力,且应用范围广。
图10是根据一示例性实施例示出的一种用于图像处理的电子设备200的框图。
如图10所示,上述电子设备200包括:
处理器220、用于存储处理器220可执行指令的存储器210;
其中,处理器220被配置为执行所述指令,以实现本公开实施例所述的图像处理方法。
在一种可能的实现形式中,电子设备还可以包括连接不同组件(包括存储器210和处理器220)的总线230。
总线230表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备200典型地包括多种电子设备可读介质。这些介质可以是任何能够被电子设备200访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储器210还可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)240和/或高速缓存存储器250。电子设备200可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统260可以用于读写不可移动的、非易失性磁介质(图10未显示,通常称为“硬盘驱动器”)。尽管图10中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线230相连。存储器210可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本公开各实施例的功能。
具有一组(至少一个)程序模块270的程序/实用工具280,可以存储在例如存储器210中,这样的程序模块270包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块270通常执行本公开所描述的实施例中的功能和/或方法。
电子设备200也可以与一个或多个外部设备290(例如键盘、指向设备、显示器291等)通信,还可与一个或者多个使得用户能与该电子设备200交互的设备通信,和/或与使得该电子设备200能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口292进行。并且,电子设备200还可以通过网络适配器293与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图10所示,网络适配器293通过总线230与电子设备200的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备200使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理器220通过运行存储在存储器210中的程序,从而执行各种功能应用以及数据处理。
需要说明的是,本实施例的电子设备的实施过程和技术原理参见前述对本公开实施例的图像处理方法的解释说明,此处不再赘述。
本公开实施例提供的电子设备,可以实时自动的对待处理的人脸图像进行处理,实现对人脸图像的哑光雾面的美颜效果,节省了用户的时间及精力,且应用范围广。
在示例性实施例中,还提供了一种包括指令的计算机可读存储介质,例如包括指令的存储器804,上述指令可由装置800的处理器820执行以完成上述方法。可选地,计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在示例性实施例中,还提供一种计算机程序产品,包括计算机程序,所述计算机程序/指令被处理器执行时实现如前述实施例所述的图像处理方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (14)
1.一种图像处理方法,其特征在于,包括:
获取待处理的人脸图像,所述人脸图像的格式为Lab颜色格式;
提取所述人脸图像中的面部高光区域,其中,所述面部高光区域为所述人脸图像的面部中亮度值不低于第一预设亮度阈值的区域;
按照预设的高光压暗参数,降低所述面部高光区域的亮度值,得到第一人脸图像;
将所述第一人脸图像的格式转换为RGB颜色格式,并对所述第一人脸图像中像素点的各个颜色通道的强度进行降低处理,得到第二人脸图像;
将所述第二人脸图像和所述待处理的人脸图像进行混合处理,得到目标人脸图像;
其中,所述将所述第二人脸图像和所述待处理的人脸图像进行混合处理,得到目标人脸图像,包括:
将所述待处理的人脸图像转换为RGB颜色格式,得到第三人脸图像;
将所述第二人脸图像和所述第三人脸图像进行混合处理,得到所述目标人脸图像。
2.如权利要求1所述的图像处理方法,其特征在于,所述提取所述人脸图像中的面部高光区域,包括:
对所述人脸图像中的各个像素点的亮度值,按照预设幂次进行指数幂处理,得到所述各个像素点的第一亮度值;
根据所述人脸图像中对应的第一亮度值大于等于第一预设亮度阈值的像素点,提取所述人脸图像中的高光区域;
根据所述人脸图像中的人脸关键点信息,提取所述高光区域中的面部高光区域。
3.如权利要求2所述的图像处理方法,其特征在于,所述根据所述人脸图像中对应的第一亮度值大于等于第一预设亮度阈值的像素点,提取所述人脸图像中的高光区域,包括:
对大于第二预设亮度阈值的所述第一亮度值进行增强处理,以及对小于等于所述第二预设亮度阈值的所述第一亮度值进行降低处理,得到所述各个像素点的第二亮度值;
根据所述人脸图像中对应的第二亮度值大于等于所述第一预设亮度阈值的像素点,提取所述人脸图像中的高光区域。
4.如权利要求2所述的图像处理方法,其特征在于,所述根据所述人脸图像中的人脸关键点信息,提取所述高光区域中的面部高光区域,包括:
提取所述人脸图像中的人脸关键点信息;
根据所述人脸关键点信息,确定所述人脸图像中的面部区域;
获取所述面部区域与所述高光区域的重叠区域,并将所述重叠区域确定为所述面部高光区域。
5.如权利要求4所述的图像处理方法,其特征在于,在根据所述人脸关键点信息,确定所述人脸图像中的面部区域之后,还包括:
对所述面部区域进行初始美颜处理,其中,所述初始美颜处理包括以下处理中的至少一项:匀肤处理、磨皮处理、去黑眼圈处理、去法令纹处理、牙齿调亮处理。
6.如权利要求1所述的图像处理方法,其特征在于,在将所述第二人脸图像和所述待处理的人脸图像进行混合处理,得到目标人脸图像之后,还包括:
提取所述目标人脸图像中的皮肤区域;
针对所述皮肤区域中的每个像素点,获取亮度满值与所述像素点的亮度值的差值,并结合所述差值以及预设的提亮素材,确定所述像素点的亮度增强幅度;
根据所述人脸图像中各个像素点的亮度增强幅度,对所述各个像素点进行提亮处理。
7.一种图像处理装置,其特征在于,包括:
获取模块,被配置为执行获取待处理的人脸图像,所述人脸图像的格式为Lab颜色格式;
第一提取模块,被配置为执行提取所述人脸图像中的面部高光区域,其中,所述面部高光区域为所述人脸图像的面部中亮度值不低于第一预设亮度阈值的区域;
第一处理模块,被配置为执行按照预设的高光压暗参数,降低所述面部高光区域的亮度值,得到第一人脸图像;
第二处理模块,被配置为执行将所述第一人脸图像的格式转换为RGB颜色格式,并对所述第一人脸图像中像素点的各个颜色通道的强度进行降低处理,得到第二人脸图像;
第三处理模块,被配置为执行将所述第二人脸图像和所述待处理的人脸图像进行混合处理,得到目标人脸图像;
其中,所述第三处理模块,具体被配置为执行:
将所述待处理的人脸图像转换为RGB颜色格式,得到第三人脸图像;
将所述第二人脸图像和所述第三人脸图像进行混合处理,得到所述目标人脸图像。
8.如权利要求7所述的图像处理装置,其特征在于,所述第一提取模块,包括:
处理单元,被配置为执行对所述人脸图像中的各个像素点的亮度值,按照预设幂次进行指数幂处理,得到所述各个像素点的第一亮度值;
第一提取单元,被配置为执行根据所述人脸图像中对应的第一亮度值大于等于第一预设亮度阈值的像素点,提取所述人脸图像中的高光区域;
第二提取单元,被配置为执行根据所述人脸图像中的人脸关键点信息,提取所述高光区域中的面部高光区域。
9.如权利要求8所述的图像处理装置,其特征在于,所述第一提取单元,具体被配置为执行:
对大于第二预设亮度阈值的所述第一亮度值进行增强处理,以及对小于等于所述第二预设亮度阈值的所述第一亮度值进行降低处理,得到所述各个像素点的第二亮度值;
根据所述人脸图像中对应的第二亮度值大于等于所述第一预设亮度阈值的像素点,提取所述人脸图像中的高光区域。
10.如权利要求8所述的图像处理装置,其特征在于,所述第二提取单元,具体被配置为执行:
提取所述人脸图像中的人脸关键点信息;
根据所述人脸关键点信息,确定所述人脸图像中的面部区域;
获取所述面部区域与所述高光区域的重叠区域,并将所述重叠区域确定为所述面部高光区域。
11.如权利要求10所述的图像处理装置,其特征在于,所述第二提取单元,还被配置为执行:
对所述面部区域进行初始美颜处理,其中,所述初始美颜处理包括以下处理中的至少一项:匀肤处理、磨皮处理、去黑眼圈处理、去法令纹处理、牙齿调亮处理。
12.如权利要求7所述的图像处理装置,其特征在于,还包括:
第二提取模块,被配置为执行提取所述目标人脸图像中的皮肤区域;
确定模块,被配置为执行针对所述皮肤区域中的每个像素点,获取亮度满值与所述像素点的亮度值的差值,并结合所述差值以及预设的提亮素材,确定所述像素点的亮度增强幅度;
第四处理模块,被配置为执行根据所述人脸图像中各个像素点的亮度增强幅度,对所述各个像素点进行提亮处理。
13.一种电子设备,其特征在于,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如权利要求1-6中任一项所述的图像处理方法。
14.一种计算机可读存储介质,当所述计算机可读存储介质中的指令由电子设备的处理器执行时,使得所述电子设备能够执行如权利要求1-6中任一项所述的图像处理方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011599325.8A CN112686800B (zh) | 2020-12-29 | 2020-12-29 | 图像处理方法、装置、电子设备及存储介质 |
EP21187943.2A EP4024326A1 (en) | 2020-12-29 | 2021-07-27 | Method and apparatus for image processing |
US17/388,933 US11410285B2 (en) | 2020-12-29 | 2021-07-29 | Method and apparatus for image processing |
MX2021010051A MX2021010051A (es) | 2020-12-29 | 2021-08-19 | Metodo y aparato para el procesamiento de imagenes. |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011599325.8A CN112686800B (zh) | 2020-12-29 | 2020-12-29 | 图像处理方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112686800A CN112686800A (zh) | 2021-04-20 |
CN112686800B true CN112686800B (zh) | 2023-07-07 |
Family
ID=75454282
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011599325.8A Active CN112686800B (zh) | 2020-12-29 | 2020-12-29 | 图像处理方法、装置、电子设备及存储介质 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11410285B2 (zh) |
EP (1) | EP4024326A1 (zh) |
CN (1) | CN112686800B (zh) |
MX (1) | MX2021010051A (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113781330A (zh) * | 2021-08-23 | 2021-12-10 | 北京旷视科技有限公司 | 图像处理方法、装置及电子系统 |
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 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110602403A (zh) * | 2019-09-23 | 2019-12-20 | 华为技术有限公司 | 一种暗光下拍照的方法及电子设备 |
CN111064942A (zh) * | 2019-10-18 | 2020-04-24 | 青岛海信电器股份有限公司 | 图像处理方法和设备 |
WO2020140986A1 (zh) * | 2019-01-04 | 2020-07-09 | Oppo广东移动通信有限公司 | 图像降噪方法、装置、存储介质及终端 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI299471B (en) * | 2001-08-24 | 2008-08-01 | Toshiba Kk | Person recognition apparatus |
US7039222B2 (en) * | 2003-02-28 | 2006-05-02 | Eastman Kodak Company | Method and system for enhancing portrait images that are processed in a batch mode |
US7593603B1 (en) * | 2004-11-30 | 2009-09-22 | Adobe Systems Incorporated | Multi-behavior image correction tool |
JP4405942B2 (ja) * | 2005-06-14 | 2010-01-27 | キヤノン株式会社 | 画像処理装置およびその方法 |
-
2020
- 2020-12-29 CN CN202011599325.8A patent/CN112686800B/zh active Active
-
2021
- 2021-07-27 EP EP21187943.2A patent/EP4024326A1/en not_active Withdrawn
- 2021-07-29 US US17/388,933 patent/US11410285B2/en active Active
- 2021-08-19 MX MX2021010051A patent/MX2021010051A/es unknown
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020140986A1 (zh) * | 2019-01-04 | 2020-07-09 | Oppo广东移动通信有限公司 | 图像降噪方法、装置、存储介质及终端 |
CN110602403A (zh) * | 2019-09-23 | 2019-12-20 | 华为技术有限公司 | 一种暗光下拍照的方法及电子设备 |
CN111064942A (zh) * | 2019-10-18 | 2020-04-24 | 青岛海信电器股份有限公司 | 图像处理方法和设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112686800A (zh) | 2021-04-20 |
MX2021010051A (es) | 2022-06-30 |
US11410285B2 (en) | 2022-08-09 |
EP4024326A1 (en) | 2022-07-06 |
US20220207677A1 (en) | 2022-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108229278B (zh) | 人脸图像处理方法、装置和电子设备 | |
CN104282002B (zh) | 一种数字图像的快速美容方法 | |
US8902326B2 (en) | Automatic face and skin beautification using face detection | |
CN112784773B (zh) | 图像处理方法及装置、存储介质、终端 | |
US20110002506A1 (en) | Eye Beautification | |
CN112686800B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN107633485A (zh) | 脸部亮度调整方法、装置、设备及存储介质 | |
CN106326823B (zh) | 一种获取图片中头像的方法和系统 | |
CN111476849B (zh) | 对象颜色识别方法、装置、电子设备以及存储介质 | |
CN113344836B (zh) | 人脸图像处理方法及装置、计算机可读存储介质、终端 | |
CN113822830A (zh) | 基于深度感知增强的多曝光图像融合方法 | |
CN108564558A (zh) | 宽动态图像处理方法、装置、设备和存储介质 | |
CN112102348A (zh) | 图像处理设备 | |
Lei et al. | A novel intelligent underwater image enhancement method via color correction and contrast stretching✰ | |
Choi et al. | Deep learning-based computational color constancy with convoluted mixture of deep experts (CMoDE) fusion technique | |
CN113344837B (zh) | 人脸图像处理方法及装置、计算机可读存储介质、终端 | |
CN110730303B (zh) | 图像染发处理方法、装置、终端和存储介质 | |
CN114359030A (zh) | 一种人脸逆光图片的合成方法 | |
Prinosil et al. | Automatic hair color de-identification | |
CN113781330A (zh) | 图像处理方法、装置及电子系统 | |
CN113240760A (zh) | 一种图像处理方法、装置、计算机设备和存储介质 | |
Naji | Human face detection from colour images based on multi-skin models, rule-based geometrical knowledge, and artificial neural network | |
CN112102349A (zh) | 肤色识别的方法、装置及计算机可读存储介质 | |
CN114565506B (zh) | 图像颜色迁移方法、装置、设备及存储介质 | |
Males et al. | Colour balancing using sclera colour |
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 |