CN113255463A - 一种显示黑头的方法及相关装置 - Google Patents
一种显示黑头的方法及相关装置 Download PDFInfo
- Publication number
- CN113255463A CN113255463A CN202110481733.1A CN202110481733A CN113255463A CN 113255463 A CN113255463 A CN 113255463A CN 202110481733 A CN202110481733 A CN 202110481733A CN 113255463 A CN113255463 A CN 113255463A
- Authority
- CN
- China
- Prior art keywords
- image
- face
- gray
- generate
- blackhead
- 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
- 206010000496 acne Diseases 0.000 title claims abstract description 116
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000012545 processing Methods 0.000 claims abstract description 41
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 5
- 210000004709 eyebrow Anatomy 0.000 claims description 4
- 210000003128 head Anatomy 0.000 description 14
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000002474 experimental method Methods 0.000 description 6
- 210000001331 nose Anatomy 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 210000001061 forehead Anatomy 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation 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
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical 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
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- 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)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Image Processing (AREA)
Abstract
本发明实施例涉及图像处理技术领域,公开了一种显示黑头的方法,获取人脸图像,从该人脸图像中截取得到特定区域图像,然后,基于该特定区域图像对原人脸图像进行亮度增强和对比度增强处理,生成黑头显示图像。其中,该特定区域图像包括人脸图像中出现黑头的概率大于或等于预设概率阈值的区域,使得由特定区域图像生成的特定区域灰度图像更能反映黑头所在区域的灰度值情况,使得特定区域灰度图像中灰度值的均值不受黑头出现概率较小的区域的干扰(例如人脸图像中背景区域的干扰),进而,根据该均值分别对人脸图像进行亮度增强和对比度增强,能够使得黑头显示图像中的黑头更加明显,清楚显示。
Description
技术领域
本发明实施例涉及图像处理技术领域,尤其涉及一种显示黑头的方法及相关装置。
背景技术
随着移动通信技术的快速发展以及人民生活水平的提升,各种智能终端已广泛应用于人民的日常工作和生活中,使得人们越来越习惯于使用APP等软件,使得美颜自拍、拍照测肤此类功能的APP需求也变得越来越多。因此,人们迫切需求能精准确定及显示皮肤状态,比如清楚显示黑头,以方便用户了解自身黑头情况。
目前,已有技术能够检测出人脸的黑头分布情况,但黑头相对于脸部区域来说,属于极小物体,只有在黑头累积严重的情况下,近距离观察才能显示,导致用户无法准确获取脸部黑头情况。
发明内容
本发明实施例主要解决的技术问题是提供一种显示黑头的方法,能够使得黑头显示明显,以供用户获取黑头情况。
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显示黑头的方法,包括:
获取人脸图像;
从所述人脸图像中,截取得到特定区域图像,所述特定区域图像包括所述人脸图像中出现黑头的概率大于或等于预设概率阈值的区域;
对所述特定区域图像进行灰度处理,生成特定区域灰度图像,以及,对所述人脸图像进行灰度处理,生成第一人脸灰度图像;
获取所述特定区域灰度图像中灰度值的均值,并根据所述均值,调节所述第一人脸灰度图像的亮度,以生成第二人脸灰度图像;
对所述第二人脸灰度图像进行对比度增强处理,生成黑头显示图像。
在一些实施例中,所述根据所述均值,调节所述第一人脸灰度图像的亮度,生成第二人脸灰度图像,包括:
若所述均值大于或等于所述第一预设阈值,则将所述第一人脸灰度图像作为所述第二人脸灰度图像;
若所述均值大于或等于第二预设阈值且小于所述第一预设阈值,则将所述第一人脸灰度图像与第一预设图像进行灰度值叠加,以生成所述第二人脸灰度图像;
若所述均值小于所述第二预设阈值,则将所述第一人脸灰度图像与第二预设图像进行灰度值叠加,以生成所述第二人脸灰度图像,其中,所述第二预设图像的灰度值均值大于所述第一预设图像的灰度值均值。
在一些实施例中,所述第一预设图像中各灰度值相同,和/或,所述第二预设图像中各灰度值相同。
在一些实施例中,所述对所述第二人脸灰度图像进行对比度增强处理,生成黑头显示图像,包括:
对所述第二人脸灰度图像进行第一对比度增强处理,生成第三人脸灰度图像;
若所述第三人脸灰度图像中灰度值的均值大于第三预设阈值,则将所述第三人脸灰度图像作为所述黑头显示图像;
若所述第三人脸灰度图像中灰度值的均值小于或等于所述第三预设阈值,则对所述第三人脸灰度图像进行第二对比度增强处理,以生成所述黑头显示图像。
在一些实施例中,所述对所述第二人脸灰度图像进行第一对比度增强处理,生成第三人脸灰度图像,包括:
根据预设对比度调整曲线,提升所述第二人脸灰度图像的对比度,以生成第三人脸灰度图像。
在一些实施例中,所述对所述第三人脸灰度图像进行第二对比度增强处理,以生成所述黑头显示图像,包括:
采用直方图正规化算法,提升所述第三人脸图像的对比度,以生成所述黑头显示图像。
在一些实施例中,所述从所述人脸图像中,截取得到特定区域图像,包括:
根据人脸关键点算法,将所述人脸图像划分成至少两个局部区域;
根据预设黑头出现在人脸各区域的概率,确定所述特定区域图像包括黑头出现的概率大于或等于所述预设概率阈值的局部区域。
在一些实施例中,所述特定区域图像包括所述人脸图像中眉毛至下巴的区域,或,所述特定区域图像包括脸颊区域、鼻子区域和下巴区域。
为解决上述技术问题,第二方面,本发明实施例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显示黑头的方法及相关装置,首先,获取人脸图像,从该人脸图像中截取得到特定区域图像,然后,对该特定区域图像进行灰度处理,生成特定区域灰度图像,对该人脸图像进行灰度处理,生成第一人脸灰度图像,获取该特定区域灰度图像中灰度值的均值,并根据该均值,调节第一人脸灰度图像的亮度,生成第二人脸灰度图像,最后,该第二人脸灰度图像进行对比度增强处理,生成黑头显示图像。其中,该特定区域图像包括人脸图像中出现黑头的概率大于预设概率阈值的区域,使得由特定区域图像生成的特定区域灰度图像更能反映黑头所在区域的灰度值情况,使得特定区域灰度图像中灰度值的均值不受黑头出现概率较小的区域的干扰(例如人脸图像中背景区域的干扰),进而,根据该均值调节第一人脸灰度图像的亮度生成的第二人脸灰度图像不受干扰,更加准确;此外,该方法中根据该均值分别对第一人脸灰度图像进行亮度增强以及对比度增强,能够使得黑头显示图像中的黑头更加明显,清楚显示。
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显示黑头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显示黑头的方法的流程示意图;
图4为图3所示方法中步骤S22的一子流程示意图;
图5为本发明一实施例提供的特定区域灰度图像的示意图;
图6为图3所示方法中步骤S24的一子流程示意图;
图7为图3所示方法中步骤S25的一子流程示意图;
图8(a)为本发明一实施例提供的第一人脸灰度图像的示意图;
图8(b)为本发明一实施例提供的第二人脸灰度图像的示意图;
图8(c)为本发明一实施例提供的第三人脸灰度图像的示意图。
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显示黑头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,生成黑头显示图像,在此黑头显示图像中,黑头能够显示明显,可视化,方便用户清楚了解黑头情况。
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显示黑头的方法。
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,如本发明实施例中显示黑头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显示黑头的方法。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显示黑头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:从所述人脸图像中,截取得到特定区域图像,所述特定区域图像包括所述人脸图像中出现黑头的概率大于或等于预设概率阈值的区域。
S23:对所述特定区域图像进行灰度处理,生成特定区域灰度图像,以及,对所述人脸图像进行灰度处理,生成第一人脸灰度图像。
S24:获取所述特定区域灰度图像中灰度值的均值,并根据所述均值,调节所述第一人脸灰度图像的亮度,以生成第二人脸灰度图像。
S25:对所述第二人脸灰度图像进行对比度增强处理,生成黑头显示图像。
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。
可以理解的是,该人脸图像中除了包括人脸还包括背景等。基于黑头通常出现在某些特定区域(例如脸颊和鼻头),不会出现在背景中,也不会出现在眼睛、嘴巴等区域,可能会少量出现在额头区域,为了减少后续根据黑头容易出现的区域的灰度值均值分层次调节亮度和对比度的过程中黑头不容易出现的区域(即干扰区域)的灰度值对亮度调节和对比度增强策略形成的干扰,在步骤S22中,可以从该人脸图像中,截取得到特定区域图像。其中,特定区域图像包括该人脸图像中出现黑头的概率大于或等于预设概率阈值的区域,也即,该特定区域图像仅为黑头容易出现的区域(例如脸颊和鼻头等)。从而,在后续基于该特定区域图像调整亮度和对比度时能减少干扰区域的干扰,使得黑头显示图像的对比度和亮度更加合理,黑头更加明显。可以理解的是,该预设概率阈值是人为设置的经验值,本领域技术人员可以根据实际需求而设置。
在一些实施例中,请参阅图4,该步骤S22具体包括:
S221:根据人脸关键点算法,将所述人脸图像划分成至少两个局部区域。
S222:根据预设黑头出现在人脸各区域的概率,确定所述特定区域图像包括黑头出现的概率大于或等于所述预设概率阈值的局部区域。
根据所述人脸关键点算法可以定位出人脸面部的若干个关键点,包括眉毛、眼睛、鼻子、嘴巴、脸部轮廓等区域的点。从而,根据这些关键点,可以将人脸图像划分成至少两个局部区域,例如额头区域、脸颊区域、眼睛区域、鼻子区域、嘴巴区域和下巴区域等。其中,该人脸关键点算法可以为active appearance models(AAMs)、constrained local models(CLMs)、explicit shape regression(ESR)或supervised descent method(SDM)等。
可以理解的是,可以事先从若干个人脸图像中分析统计出黑头出现在人脸各区域的概率,例如黑头出现在鼻子区域的概率为90%、黑头出现在脸颊区域的概率为80%、黑头出现在下巴区域的概率为70%、黑头出现在额头区域的概率为20%、黑头出现在眼睛区域的概率近似于0以及黑头出现在嘴巴区域的概率也近似于0等。可以理解的是,该预设黑头出现在人脸各区域的概率可以是本领域技术人员分析统计得到,也可以由电子设备中的处理器分析统计得到,无论由哪种方式获取,该预设黑头出现在人脸各区域的概率是事先存储于电子设备中,当需要截取特定区域图像时,直接调取参与计算。
具体的,可以设置预设概率阈值,结合该预设黑头出现在人脸各区域的概率,筛选出黑头出现的概率大于该预设概率阈值的局部区域作为特定区域,例如,若预设概率阈值为30%,则特定区域图像可以包括脸颊区域、鼻子区域和下巴区域。
在一些实施例中,如图5所示,当预设概率阈值为0时,该特定区域图像也可以包括人脸图像中眉毛至下巴的区域,即除去了概率较小且面积较大的额头区域,以免大面积的额头区域的像素对特定区域灰度图像中灰度值的均值造成干扰。
可以理解的是,该人脸图像为彩色数字图像,从而,该特定区域图像也是彩色数字图像,在步骤S23中,对该特定区域图像进行灰度处理,以生成特定区域灰度图像,对该人脸图像也进行灰度处理,以生成第一人脸灰度图像。可以理解的是,上述步骤S23中的灰度处理可由OpenCV软件库中的灰度处理函数实现。
然后,获取该特定区域图像中灰度值的均值,并根据该均值,调节第一人脸灰度图像的亮度,以进行亮度增强,得到第二人脸灰度图像,再对该第二人脸灰度图像进行对比度增强处理,生成黑头显示图像。也即,根据均值对第一人脸灰度图像进行亮度增强和对比度增强,得到能够使黑头明显显示的黑头显示图像。
其中,特定区域灰度图像能够反映黑头所在区域的灰度值情况,灰度值反映颜色亮度,从而,特定区域灰度图像中灰度值的均值能够反映原人脸图像中黑头所在区域的亮度。可以理解的是,图像亮度会影响图像中黑头的显示效果,适当的亮度能够帮助黑头显示明显。基于此,根据特定区域灰度图像中灰度值的均值对第一人脸灰度图像进行亮度增强和对比度增强,即针对原人脸图像中黑头所在区域的亮度特点进行亮度增强和对比度增强,能够使得增强结果与原人脸图像中黑头所在区域的亮度相适应,不会发生过度增强或增强不足,从而,得到的黑头显示图像中黑头能够更加明显和清楚显示。
在此实施例中,首先,获取人脸图像,从该人脸图像中截取得到特定区域图像,然后,对该特定区域图像进行灰度处理,生成特定区域灰度图像,对该人脸图像进行灰度处理,生成第一人脸灰度图像,获取该特定区域灰度图像中灰度值的均值,并根据该均值,调节第一人脸灰度图像的亮度,生成第二人脸灰度图像,最后,该第二人脸灰度图像进行对比度增强处理,生成黑头显示图像。其中,该特定区域图像包括人脸图像中出现黑头的概率大于预设概率阈值的区域,使得由特定区域图像生成的特定区域灰度图像更能反映黑头所在区域的灰度值情况,使得特定区域灰度图像中灰度值的均值不受黑头出现概率较小的区域的干扰(例如人脸图像中背景区域的干扰),进而,根据该均值调节第一人脸灰度图像的亮度生成的第二人脸灰度图像不受干扰,更加准确;此外,该方法中根据该均值分别对第一人脸灰度图像进行亮度增强以及对比度增强,能够使得黑头显示图像中的黑头更加明显,清楚显示。
在一些实施例中,请参阅图6,所述步骤S24具体包括:
S241:若所述均值大于或等于所述第一预设阈值,则将所述第一人脸灰度图像作为所述第二人脸灰度图像。
S242:若所述均值大于或等于第二预设阈值且小于所述第一预设阈值,则将所述第一人脸灰度图像与第一预设图像进行灰度值叠加,以生成所述第二人脸灰度图像。
S243:若所述均值小于所述第二预设阈值,则将所述第一人脸灰度图像与第二预设图像进行灰度值叠加,以生成所述第二人脸灰度图像。
在此实施例中,将反映原人脸图像中黑头所在区域的亮度的均值按范围进行划分,若该均值大于或等于第一预设阈值,则说明原人脸图像中黑头所在区域的亮度足够,从而,将第一人脸灰度图像直接作为第二人脸灰度图像。可以理解的是,该第一预设阈值为反映图像亮度足够时对应的灰度均值的临界值,其可以是大量实验后确定得到的,本领域技术人员可以根据实验确定。例如,在一些实施例中,该第一预设阈值可以为110,即若均值大于或等于110,则不用进行亮度增强,直接将第一人脸灰度图像作为第二人脸灰度图像,以进行后续的对比度增强处理。
若该均值小于第一预设阈值,则说明原人脸图像中黑头所在区域的亮度不足,在此情况下,本实施例对亮度不足的情况进行了细分,即通过设置第二预设阈值,将亮度不足的情况细分为两部分,一部分A是均值大于或等于第二预设阈值且小于第一预设阈值,另一部分B是均值小于第二预设阈值,分情况对亮度进行增强,以避免亮度过度增强或增强不足。
具体的,若均值大于或等于第二预设阈值且小于第一预设阈值(A情况),则将第一人脸灰度图像与第一预设图像进行灰度值叠加,以生成第二人脸灰度图像。可以理解的是,第一预设图像的尺寸与第一人脸灰度图像相同,在进行灰度值叠加时,第一人脸灰度图像中(行i,列j)处的灰度值与第一预设图像中(行i,列j)处的灰度值相加,得到第二人脸灰度图像中(行i,列j)处的灰度值,以使得第二人脸灰度图像具有合适的亮度。
若均值小于第二预设阈值(B情况),则将第一人脸灰度图像与第二预设图像进行灰度值叠加,以生成第二人脸灰度图像。可以理解的是,第二预设图像的尺寸与第一人脸灰度图像相同,在进行灰度值叠加时,第一人脸灰度图像中(行i,列j)处的灰度值与第二预设图像中(行i,列j)处的灰度值相加,得到第二人脸灰度图像中(行i,列j)处的灰度值,以使得第二人脸灰度图像具有合适的亮度。可以理解的是,该第二预设阈值也可以是大量实验后确定得到的,本领域技术人员可以根据实验确定。例如,第二预设阈值可以为100,即若均值大于或等于100且小于110,则采用第一预设图像进行增强处理,若均值小于100,则采用第二预设图像进行增强处理。
可以理解的是,B情况下原人脸图像中黑头所在区域的亮度小于A情况下原人脸图像中黑头所在区域的亮度,为了使得这两种情况下的亮度得到合理增加,设置第二预设图像的灰度值均值大于第一预设图像的灰度值均值,以适应这两种情况,使得亮度增加合理,即对于不同的人脸图像采用不用的策略进行亮度增加,从而,对于A情况下的人脸图像不会过度增加亮度,对于B情况下的人脸图像不会导致亮度增加不足。
为了使得人脸图像整体亮度得到均匀增加,在一些实施例中,第一预设图像中各灰度值相同,例如,第一预设图像中各灰度值均为30,使得人脸图像的各灰度值均增加30,从而,第二人脸灰度图像中不会因亮度增加不均而带来显示干扰。在一些实施例中,第二预设图像中各灰度值相同,例如,第二预设图像中各灰度值均为55,使得人脸图像的各灰度值均增加55,从而,第二人脸灰度图像中不会因亮度增加不均而带来显示干扰。
在此实施例中,将反映原人脸图像中黑头所在区域的亮度的均值按范围进行划分,若该均值大于或等于第一预设阈值,则说明原人脸图像中黑头所在区域的亮度足够,从而,将第一人脸灰度图像直接作为第二人脸灰度图像;若该均值小于第一预设阈值,则说明原人脸图像中黑头所在区域的亮度不足,在此情况下,本实施例对亮度不足的情况进行了细分,即通过设置第二预设阈值,将亮度不足的情况细分为两部分,然后,分情况对亮度进行增强,以避免亮度过度增强或增强不足,从而,使得第二人脸灰度图像更加合理准确。
在一些实施例中,请参阅图7,所述步骤S25具体包括:
S251:对所述第二人脸灰度图像进行第一对比度增强处理,生成第三人脸灰度图像。
S252:若所述第三人脸灰度图像中灰度值的均值大于所述第三预设阈值,则将所述第三人脸灰度图像作为所述黑头显示图像。
S253:若所述第三人脸灰度图像中灰度值的均值小于或等于所述第三预设阈值,则对所述第三人脸灰度图像进行第二对比度增强处理,以生成所述黑头显示图像。
在此实施例中,分两步进行对比度增强处理,首先,对第二人脸图像进行第一对比度增强处理,生成第三人脸灰度图像。然后,再对第三人脸灰度图像的对比度进行评估,若第三人脸灰度图像的对比度满足要求,则直接将第三人脸灰度图像作为黑头显示图像,若第三人脸灰度图像的对比度不满足要求,则对第三人脸灰度图像进行第二对比度增强处理,生成黑头显示图像,从而,能够保证黑头显示图像的对比度满足要求,黑头得以明显显示。
具体的,在一些实施例中,所述步骤S251具体包括:
S2511:根据预设对比度调整曲线,提升所述第二人脸灰度图像的对比度,以生成第三人脸灰度图像。
在此实施例中,将第二人脸灰度图像中(行i,列j)处的灰度值带入该预设对比度调整曲线,则输出新的灰度值即为第三人脸灰度图像中(行i,列j)处的灰度值,对第二人脸灰度图像中的每个灰度值根据预设对比度调整曲线进行调整,从而,达到调整亮度的效果。
其中,预设对比度调整曲线是预先拟合得到的,例如,对于若干张灰度图像S以及对应的调整亮度后的灰度图像S’,将灰度图像S中(行i,列j)处的灰度值作为自变量x,则对应的灰度图像S’中(行i,列j)处的灰度值作为因变量y,则得到一组(x,y),若灰度图像S中有m*n个像素点,则可以得到m*n个(x,y),从而,可以对若干组m*n个(x,y)进行曲线拟合,寻找y和x之间的关系,即可得到预设对比度调整曲线。可以理解的是,该预设对比度调整曲线可以为二元一次方程ax+by+c=0,也可以为三元二次方程或一元一次方程等,在此不做限定。
在此实施例中,采用预设对比度调整曲线初步调节提高第二人脸灰度图像的对比度,得到对比度增强后的第三人脸灰度图像,从而,在第三人脸灰度图像中黑头能够相对明显显示,此外,采用预设对比度调整曲线的方式调节对比度的方式简单快速。
如图8(a)所示为第一人脸灰度图像的示意图,如图8(b)所示为第二人脸灰度图像的示意图,如图8(c)所示为第三人脸灰度图像的示意图,可以看出,第二人脸灰度图像的亮度相比于第一人脸灰度图像的亮度有所提高,第三人脸灰度图像的对比度相比于第二人脸灰度图像的对比度有所提高。
为了进一步确定黑头能够明显显示,对第三人脸灰度图像进行评估,具体的,在步骤S252中,若第三人脸灰度图像中灰度值的均值大于第三预设阈值,则说明第三人脸灰度图像中最大的灰度值(最亮的白)和最小的灰度值(最暗的黑)之间的差异较大,对比度也较大,从而,将该第三人脸灰度图像作为最终的黑头显示图像。可以理解的是,该第三预设阈值可以是大量实验后确定得到的,本领域技术人员可以根据实验确定。例如,第三预设阈值可以为40,即若第三人脸灰度图像中灰度值的均值大于40,则该第三人脸灰度图像的对比度满足显示要求,直接将第三人脸灰度图像作为最终的黑头显示图像。
在步骤S253中,若第三人脸灰度图像中灰度值的均值小于或等于第三预设阈值,则说明第三人脸灰度图像中最大的灰度值(最亮的白)和最小的灰度值(最暗的黑)之间的差异较小,对比度也较小,从而,需要对该第三人脸灰度图像进一步进行第二对比度增强处理,生成对比度满足显示要求的黑头显示图像。
在一些实施例中,所述步骤S253具体包括:
S253:采用直方图正规化算法,提升所述第三人脸图像的对比度,以生成所述黑头显示图像。
直方图正规化算法是一种自动选取斜率a和截距b的图像线性变化。例如,第三人脸灰度图像用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],为使输出的黑头显示图像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,
在本方法中通过对第三人脸灰度图像,采用opencv库的minMaxLoc工具包来获得Imin和Imax,设置Omin和Omax分别为0和255。
也即,黑头显示图像=a*第三人脸灰度图像+b,通过对第三人脸灰度图像进行直方图正则化,输出的黑头显示图像即为对该第三人脸灰度图像进行灰度拉伸后的图像,可以避免黑头显示图像中灰度集中在一个或者几个灰度级区段,从而,使得黑头显示图像的对比度得以增强。
在本实施例中,分两步进行对比度增强处理,一方面,能够保证黑头显示图像的对比度满足要求,黑头得以明显显示,另一方面,相比于一步调节,分两步调节并结合第三预设阈值进行对比度评估,能够使得对比度增强更加细致合理。
综上所述,本发明实施例提供的显示黑头的方法,首先,获取人脸图像,从该人脸图像中截取得到特定区域图像,然后,对该特定区域图像进行灰度处理,生成特定区域灰度图像,对该人脸图像进行灰度处理,生成第一人脸灰度图像,获取该特定区域灰度图像中灰度值的均值,并根据该均值,调节第一人脸灰度图像的亮度,生成第二人脸灰度图像,最后,该第二人脸灰度图像进行对比度增强处理,生成黑头显示图像。其中,该特定区域图像包括人脸图像中出现黑头的概率大于预设概率阈值的区域,使得由特定区域图像生成的特定区域灰度图像更能反映黑头所在区域的灰度值情况,使得特定区域灰度图像中灰度值的均值不受黑头出现概率较小的区域的干扰(例如人脸图像中背景区域的干扰),进而,根据该均值调节第一人脸灰度图像的亮度生成的第二人脸灰度图像不受干扰,更加准确;此外,该方法中根据该均值分别对第一人脸灰度图像进行亮度增强以及对比度增强,能够使得黑头显示图像中的黑头更加明显,清楚显示。
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上述任意方法实施例中的显示黑头的方法。
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显示黑头的方法。
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)
1.一种显示黑头的方法,其特征在于,包括:
获取人脸图像;
从所述人脸图像中,截取得到特定区域图像,所述特定区域图像包括所述人脸图像中出现黑头的概率大于或等于预设概率阈值的区域;
对所述特定区域图像进行灰度处理,生成特定区域灰度图像,以及,对所述人脸图像进行灰度处理,生成第一人脸灰度图像;
获取所述特定区域灰度图像中灰度值的均值,并根据所述均值,调节所述第一人脸灰度图像的亮度,以生成第二人脸灰度图像;
对所述第二人脸灰度图像进行对比度增强处理,生成黑头显示图像。
2.根据权利要求1所述的方法,其特征在于,所述根据所述均值,调节所述第一人脸灰度图像的亮度,生成第二人脸灰度图像,包括:
若所述均值大于或等于所述第一预设阈值,则将所述第一人脸灰度图像作为所述第二人脸灰度图像;
若所述均值大于或等于第二预设阈值且小于所述第一预设阈值,则将所述第一人脸灰度图像与第一预设图像进行灰度值叠加,以生成所述第二人脸灰度图像;
若所述均值小于所述第二预设阈值,则将所述第一人脸灰度图像与第二预设图像进行灰度值叠加,以生成所述第二人脸灰度图像,其中,所述第二预设图像的灰度值均值大于所述第一预设图像的灰度值均值。
3.根据权利要求2所述的方法,其特征在于,所述第一预设图像中各灰度值相同,和/或,所述第二预设图像中各灰度值相同。
4.根据权利要求1所述的方法,其特征在于,所述对所述第二人脸灰度图像进行对比度增强处理,生成黑头显示图像,包括:
对所述第二人脸灰度图像进行第一对比度增强处理,生成第三人脸灰度图像;
若所述第三人脸灰度图像中灰度值的均值大于第三预设阈值,则将所述第三人脸灰度图像作为所述黑头显示图像;
若所述第三人脸灰度图像中灰度值的均值小于或等于所述第三预设阈值,则对所述第三人脸灰度图像进行第二对比度增强处理,以生成所述黑头显示图像。
5.根据权利要求4所述的方法,其特征在于,所述对所述第二人脸灰度图像进行第一对比度增强处理,生成第三人脸灰度图像,包括:
根据预设对比度调整曲线,提升所述第二人脸灰度图像的对比度,以生成第三人脸灰度图像。
6.根据权利要求4所述的方法,其特征在于,所述对所述第三人脸灰度图像进行第二对比度增强处理,以生成所述黑头显示图像,包括:
采用直方图正规化算法,提升所述第三人脸图像的对比度,以生成所述黑头显示图像。
7.根据权利要求1所述的方法,其特征在于,所述从所述人脸图像中,截取得到特定区域图像,包括:
根据人脸关键点算法,将所述人脸图像划分成至少两个局部区域;
根据预设黑头出现在人脸各区域的概率,确定所述特定区域图像包括黑头出现的概率大于或等于所述预设概率阈值的局部区域。
8.根据权利要求7所述的方法,其特征在于,所述特定区域图像包括所述人脸图像中眉毛至下巴的区域,或,所述特定区域图像包括脸颊区域、鼻子区域和下巴区域。
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 |
---|---|---|---|
CN202110481733.1A CN113255463A (zh) | 2021-04-30 | 2021-04-30 | 一种显示黑头的方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110481733.1A CN113255463A (zh) | 2021-04-30 | 2021-04-30 | 一种显示黑头的方法及相关装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113255463A true CN113255463A (zh) | 2021-08-13 |
Family
ID=77223791
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110481733.1A Pending CN113255463A (zh) | 2021-04-30 | 2021-04-30 | 一种显示黑头的方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113255463A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109766832A (zh) * | 2019-01-09 | 2019-05-17 | 深圳市三宝创新智能有限公司 | 一种图像预处理方法、装置、系统、设备和存储介质 |
CN110969046A (zh) * | 2018-09-28 | 2020-04-07 | 深圳云天励飞技术有限公司 | 人脸识别方法、设备及计算机可读存储介质 |
CN112069977A (zh) * | 2020-09-02 | 2020-12-11 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、电子设备及计算机可读介质 |
CN112215808A (zh) * | 2020-09-24 | 2021-01-12 | 深圳数联天下智能科技有限公司 | 一种生成人脸皮肤敏感图的方法及其相关装置 |
CN112257501A (zh) * | 2020-09-16 | 2021-01-22 | 深圳数联天下智能科技有限公司 | 人脸特征增强显示方法、装置、电子设备和介质 |
WO2021031459A1 (zh) * | 2019-08-16 | 2021-02-25 | 域鑫科技(惠州)有限公司 | 适用于内窥镜的图像增强方法、装置和存储介质 |
-
2021
- 2021-04-30 CN CN202110481733.1A patent/CN113255463A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110969046A (zh) * | 2018-09-28 | 2020-04-07 | 深圳云天励飞技术有限公司 | 人脸识别方法、设备及计算机可读存储介质 |
CN109766832A (zh) * | 2019-01-09 | 2019-05-17 | 深圳市三宝创新智能有限公司 | 一种图像预处理方法、装置、系统、设备和存储介质 |
WO2021031459A1 (zh) * | 2019-08-16 | 2021-02-25 | 域鑫科技(惠州)有限公司 | 适用于内窥镜的图像增强方法、装置和存储介质 |
CN112069977A (zh) * | 2020-09-02 | 2020-12-11 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、电子设备及计算机可读介质 |
CN112257501A (zh) * | 2020-09-16 | 2021-01-22 | 深圳数联天下智能科技有限公司 | 人脸特征增强显示方法、装置、电子设备和介质 |
CN112215808A (zh) * | 2020-09-24 | 2021-01-12 | 深圳数联天下智能科技有限公司 | 一种生成人脸皮肤敏感图的方法及其相关装置 |
Non-Patent Citations (1)
Title |
---|
杨英;赵广耀;周巍;: "一种适合于昏暗光线下的驾驶员脸部定位方法", 东北大学学报(自然科学版), no. 03 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107886484B (zh) | 美颜方法、装置、计算机可读存储介质和电子设备 | |
CN107358241B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
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 | |
CN108961175B (zh) | 人脸亮度调整方法、装置、计算机设备及存储介质 | |
CN107491755B (zh) | 用于手势识别的方法及装置 | |
US20200380285A1 (en) | Systems and methods for enhancing real-time image recognition | |
CN111008935B (zh) | 一种人脸图像增强方法、装置、系统及存储介质 | |
CN109919866B (zh) | 图像处理方法、装置、介质及电子设备 | |
CN112819702A (zh) | 图像增强方法、装置、电子设备及计算机可读存储介质 | |
CN106210522B (zh) | 一种图像处理方法、装置、移动终端及可读存储介质 | |
CN109447031B (zh) | 图像处理方法、装置、设备及存储介质 | |
CN112686965A (zh) | 一种肤色检测方法、装置、移动终端和存储介质 | |
CN113536965B (zh) | 一种训练脸部遮挡识别模型的方法及相关装置 | |
CN112055961B (zh) | 拍摄方法、拍摄装置及终端设备 | |
CN111612732B (zh) | 图像质量评估方法、装置、计算机设备及存储介质 | |
CN113411507A (zh) | 测肤图像的获取方法、装置、设备及存储介质 | |
CN112215808A (zh) | 一种生成人脸皮肤敏感图的方法及其相关装置 | |
CN113255463A (zh) | 一种显示黑头的方法及相关装置 | |
CN111368596B (zh) | 人脸识别逆光补偿方法、装置、可读存储介质及设备 | |
CN109218623B (zh) | 一种补光方法及装置、计算机装置和可读存储介质 | |
US10354125B2 (en) | Photograph processing method and system | |
CN115482198A (zh) | 视力参数的检测方法、装置、计算机设备和存储介质 | |
CN107316281B (zh) | 图像处理方法、装置和终端设备 | |
CN113379623B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN113610723B (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 |