CN113808027A - 一种人体图像处理方法、装置、电子设备及存储介质 - Google Patents

一种人体图像处理方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN113808027A
CN113808027A CN202010547139.3A CN202010547139A CN113808027A CN 113808027 A CN113808027 A CN 113808027A CN 202010547139 A CN202010547139 A CN 202010547139A CN 113808027 A CN113808027 A CN 113808027A
Authority
CN
China
Prior art keywords
image
processed
human body
region
body image
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.)
Granted
Application number
CN202010547139.3A
Other languages
English (en)
Other versions
CN113808027B (zh
Inventor
刘晓坤
秦文煜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Dajia Internet Information Technology Co Ltd
Original Assignee
Beijing Dajia Internet Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Dajia Internet Information Technology Co Ltd filed Critical Beijing Dajia Internet Information Technology Co Ltd
Priority to CN202010547139.3A priority Critical patent/CN113808027B/zh
Priority to PCT/CN2020/129901 priority patent/WO2021253723A1/zh
Priority to JP2022562359A priority patent/JP7420971B2/ja
Publication of CN113808027A publication Critical patent/CN113808027A/zh
Priority to US18/047,603 priority patent/US20230063309A1/en
Application granted granted Critical
Publication of CN113808027B publication Critical patent/CN113808027B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/77—Retouching; Inpainting; Scratch removal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • 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
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)
  • Processing Or Creating Images (AREA)
  • Image Analysis (AREA)

Abstract

本公开关于一种人体图像处理方法、装置、电子设备及存储介质，涉及图像处理领域。方法包括：确定待处理人体图像中的初始候选区域，经过第一滤波处理后确定对应的第一滤波图像中的第一滤波候选区域，基于所述初始候选区域与第一滤波候选区域内对应的像素点之间的灰度值差，确定初始候选区域中的瑕疵皮肤区域和非瑕疵皮肤区域，并与所述第一滤波候选区域进行线性融合处理后，经过线性光叠加处理得到所述待处理人体图像中的目标候选区域。这样，通过基于第一滤波图像对瑕疵皮肤区域和非瑕疵皮肤区域，进行线性融合和线性光叠加处理，实现对相应区域内像素点的灰度值的适当调整，在进行直播或短视频拍摄时可以实时去除瑕疵，使得美颜效果美观真实。

Description

一种人体图像处理方法、装置、电子设备及存储介质
技术领域
本公开涉及图像处理领域，尤其涉及一种人体图像处理方法、装置、电子设备及存储介质。
背景技术
随着技术的发展，终端设备能够对在直播或拍摄过程中采集到的图像数据进行美颜处理，实现对诸如痘印、痣、色斑等面部瑕疵的消除处理。对于面部疵瑕的处理，有如下几种方式，第一种方式下，可采用特定的祛痘算法，实现对诸如痘印的面部瑕疵的消除，第二种方式下，可以采用磨皮的方式，通过调节磨皮操作的处理等级，实现对面部瑕疵的消除，第三种方式下，可以采用PS技术，基于双曲线磨皮方法，将待处理的图像转换成灰度图，则相比较来说，面部瑕疵部分在灰度图中显示为灰度值较小的暗区，正常的皮肤区域显示为灰度值较大的亮区，通过双曲线磨皮方式，使暗区与亮区的对比更加明显，进一步手动对暗区对应的面部瑕疵进行消除处理。
然而，对于第一种方式，由于现有的祛痘算法计算的复杂性，需要一定的处理时间，目前只在拍照中使用，而无法应用于实时进行的直播或视频中；对于第二种方式，参阅图1和图2所示，在进行实时直播或视频的过程中，采集到如图1所示的原始图像，在不对图像的磨皮等级进行调整的情况下，只会对面部瑕疵进行轻微的淡化处理，要实现消除面部瑕疵则需要调高磨皮等级，这样，在消除面部瑕疵的基础上会消除皮肤纹理，产生如图2所示的处理效果，使处理后的图像的面部皮肤变得光溜溜的近乎纯色，存在严重的涂抹感，致使图像明显失真；而采用第三种方式，则依赖于人工的处理，处理一张图片需要耗费大量时间，无法在实时进行的直播或视频过程中实现对面部瑕疵的消除。
发明内容
本公开实施例提供一种人体图像处理方法、装置、电子设备及存储介质，用以解决现有技术中存在无法实时对图像中的面部瑕疵进行处理的问题。
本公开实施例提供的具体技术方案如下：
第一方面，提出一种人体图像处理方法，包括：
确定待处理人体图像中的初始候选区域，并对所述待处理人体图像进行第一滤波处理得到第一滤波图像，以及确定所述第一滤波图像中与所述初始候选区域对应的第一滤波候选区域，其中，所述初始候选区域为不包含指定区域的皮肤区域，所述指定区域为预先设置的不需要处理的区域；
基于所述初始候选区域与第一滤波候选区域内，各个对应的像素点之间的灰度值差，将所述待处理人体图像中的初始候选区域划分为瑕疵皮肤区域与非瑕疵皮肤区域；
确定所述瑕疵皮肤区域与所述非瑕疵皮肤区域内各个像素点的第一融合系数，并基于所述第一融合系数分别将所述瑕疵区域和所述非瑕疵区域，与所述第一滤波候选区域内对应的区域进行线性融合处理，以及将处理后的所述瑕疵区域和所述非瑕疵区域合并后作为所述待处理人体图像中的中间候选区域；
基于所述初始候选区域和所述中间候选区域中，各个对应的像素点之间的灰度值差，对所述中间候选区域进行线性光叠加处理，获得目标候选区域，并将包含所述目标候选区域的所述待处理人体图像作为目标图像输出。
可选的，所述确定待处理人体图像中的初始候选区域，包括：
采用肤色检测技术，获得待处理人体图像对应的第一掩码图像，以及将预先配置的标准掩码图像进行扭曲映射，得到所述待处理人体图像对应的第二掩码图像，其中，所述标准掩码图像中不同区域的像素点被配置为不同的灰度值，不同灰度值表征预设的不同处理系数；
筛选出所述第一掩码图像中灰度值低于预设的第一灰度门限值的像素点，作为第一类像素点，以及筛选出所述第二掩码图像中灰度值高于预设的第二灰度门限值的像素点，作为第二类像素点；
将所述第一类像素点在所述待处理人体图像中对应的区域作为第一指定区域，以及将所述第二类像素点在所述待处理人体图像中对应的区域作为第二指定区域；
设置所述待处理人体图像中不包含所述第一指定区域和所述第二指定区域的其他区域为初始候选区域。
可选的，所述将预先配置的标准掩码图像进行扭曲映射，得到所述待处理人体图像对应的第二掩码图像，包括：
采用预设的人脸特征点识别模型，识别出待处理人体图像中的候选人脸特征点；
获取预先配置的标准人脸特征点图像以及标准掩码图像，并基于所述候选人脸特征点与所述标准人脸特征点的对应关系，对所述标准掩码图像进行扭曲映射，得到所述待处理人体图像对应的第二掩码图像。
可选的，所述对所述待处理人体图像进行第一滤波处理得到第一滤波图像之前，包括：
将所述待处理人体图像按照指定的倍数进行下采样处理；
所述对所述待处理人体图像进行第一滤波处理得到第一滤波图像之后，基于为所述瑕疵皮肤区域与所述瑕疵皮肤区域内各个像素点设置的第一融合系数，分别将所述瑕疵区域和所述非瑕疵区域，与所述第一滤波候选区域内对应的区域进行线性融合处理之前，进一步包括：
将得到的第一滤波图像按照所述指定的倍数进行上采样处理。
可选的，所述确定所述瑕疵皮肤区域与所述非瑕疵皮肤区域内各个像素点的第一融合系数，包括：
基于对应所述初始候选区域内各个像素点预设的处理系数，分别确定所述瑕疵皮肤区域与所述非瑕疵区域内各个像素点的第一融合系数。
可选的，所述基于所述第一融合系数分别将所述瑕疵区域和所述非瑕疵区域，与所述第一滤波候选区域内对应的区域进行线性融合处理，包括：
将所述瑕疵皮肤区域和所述非瑕疵皮肤区域内，与所述第一滤波候选区域内相对位置相同的两个像素点作为一组像素点，其中，所述第一滤波候选区域内与所述瑕疵皮肤区域内相对位置相同的一组像素点对应的配置参数，不同于所述第一滤波区域内与所述非瑕疵皮肤区域内相对位置相同的一组像素点对应的配置参数，所述配置参数表征对瑕疵皮肤区域以及非瑕疵皮肤区域的处理程度；
针对各组像素点，分别执行以下操作：
计算一组像素点之间的欧式距离，并基于所述欧式距离，所述一组像素点在所述第一掩码图像中对应的像素点的灰度值、所述一组像素点在所述第二掩码图像中对应的处理系数，以及预设的配置参数，确定所述一组像素点对应的第一融合系数；
基于所述第一融合系数，将所述一组像素点融合为一个像素点。
可选的，所述获得目标候选区域之后，进一步包括：
基于所述第一掩码图像中，与包含所述目标候选区域的所述待处理人体图像对应的各个像素点的灰度值，确定相应的第二融合系数，并基于所述第二融合系数将所述第二滤波图像与所述包含所述目标候选区域的所述待处理人体图像进行线性融合处理，获得处理后的所述待处理人体图像作为目标图像输出。
第二方面，提出一种人体图像处理装置，包括：
确定单元，确定待处理人体图像中的初始候选区域，并对所述待处理人体图像进行第一滤波处理得到第一滤波图像，以及确定所述第一滤波图像中与所述初始候选区域对应的第一滤波候选区域，其中，所述初始候选区域为不包含指定区域的皮肤区域，所述指定区域为预先设置的不需要处理的区域；
划分单元，基于所述初始候选区域与第一滤波候选区域内，各个对应的像素点之间的灰度值差，将所述待处理人体图像中的初始候选区域划分为瑕疵皮肤区域与非瑕疵皮肤区域；
处理单元，基于为所述瑕疵皮肤区域与所述非瑕疵皮肤区域内各个像素点设置的第一融合系数，分别将所述瑕疵区域和所述非瑕疵区域，与所述第一滤波候选区域内对应的区域进行线性融合处理，并将处理后的所述瑕疵区域和所述非瑕疵区域合并后作为所述待处理人体图像中的中间候选区域；
输出单元，基于所述初始候选区域和所述中间候选区域中，各个对应的像素点之间的灰度值差，对所述中间候选区域进行线性光叠加处理，获得目标候选区域，并将包含所述目标候选区域的所述待处理人体图像作为目标图像输出。
可选的，所述确定待处理人体图像中的初始候选区域时，所述确定单元用于：
采用肤色检测技术，获得待处理人体图像对应的第一掩码图像，以及将预先配置的标准掩码图像进行扭曲映射，得到所述待处理人体图像对应的第二掩码图像，其中，所述标准掩码图像中不同区域的像素点被配置为不同的灰度值，不同灰度值表征预设的不同处理系数；
筛选出所述第一掩码图像中灰度值低于预设的第一灰度门限值的像素点，作为第一类像素点，以及筛选出所述第二掩码图像中灰度值高于预设的第二灰度门限值的像素点，作为第二类像素点；
将所述第一类像素点在所述待处理人体图像中对应的区域作为第一指定区域，以及将所述第二类像素点在所述待处理人体图像中对应的区域作为第二指定区域；
设置所述待处理人体图像中不包含所述第一指定区域和所述第二指定区域的其他区域为初始候选区域。
可选的，所述将预先配置的标准掩码图像进行扭曲映射，得到所述待处理人体图像对应的第二掩码图像时，所述确定单元用于：
采用预设的人脸特征点识别模型，识别出待处理人体图像中的候选人脸特征点；
获取预先配置的标准人脸特征点图像以及标准掩码图像，并基于所述候选人脸特征点与所述标准人脸特征点的对应关系，对所述标准掩码图像进行扭曲映射，得到所述待处理人体图像对应的第二掩码图像。
可选的，所述对所述待处理人体图像进行第一滤波处理得到第一滤波图像之前，所述处理单元用于：
将所述待处理人体图像按照指定的倍数进行下采样处理；
所述对所述待处理人体图像进行第一滤波处理得到第一滤波图像之后，基于为所述瑕疵皮肤区域与所述瑕疵皮肤区域内各个像素点设置的第一融合系数，分别将所述瑕疵区域和所述非瑕疵区域，与所述第一滤波候选区域内对应的区域进行线性融合处理之前，进一步包括：
将得到的第一滤波图像按照所述指定的倍数进行上采样处理。
可选的，所述确定所述瑕疵皮肤区域与所述非瑕疵皮肤区域内各个像素点的第一融合系数时，所述处理单元用于：
基于对应所述初始候选区域内各个像素点预设的处理系数，分别确定所述瑕疵皮肤区域与所述非瑕疵区域内各个像素点的第一融合系数。
可选的，所述基于所述第一融合系数分别将所述瑕疵区域和所述非瑕疵区域，与所述第一滤波候选区域内对应的区域进行线性融合处理时，所述处理单元用于：
将所述瑕疵皮肤区域和所述非瑕疵皮肤区域内，与所述第一滤波候选区域内相对位置相同的两个像素点作为一组像素点，其中，所述第一滤波候选区域内与所述瑕疵皮肤区域内相对位置相同的一组像素点对应的配置参数，不同于所述第一滤波区域内与所述非瑕疵皮肤区域内相对位置相同的一组像素点对应的配置参数，所述配置参数表征对瑕疵皮肤区域以及非瑕疵皮肤区域的处理程度；
针对各组像素点，分别执行以下操作：
计算一组像素点之间的欧式距离，并基于所述欧式距离，所述一组像素点在所述第一掩码图像中对应的像素点的灰度值、所述一组像素点在所述第二掩码图像中对应的处理系数，以及预设的配置参数，确定所述一组像素点对应的第一融合系数；
基于所述第一融合系数，将所述一组像素点融合为一个像素点。
可选的，所述获得目标候选区域之后，所述输出单元进一步用于：
基于所述第一掩码图像中，与包含所述目标候选区域的所述待处理人体图像对应的各个像素点的灰度值，确定相应的第二融合系数，并基于所述第二融合系数将所述第二滤波图像与所述包含所述目标候选区域的所述待处理人体图像进行线性融合处理，获得处理后的所述待处理人体图像作为目标图像输出。
第三方面，提出一种电子设备，包括：
存储器，用于存储可执行指令；
处理器，用于读取并执行存储器中存储的可执行指令，以实现上述任一项所述的人体图像处理方法。
第四方面，提出一种存储介质，当所述存储介质中的指令由电子设备执行时，使得所述电子设备能够执行如上述任一项所述的人体图像处理方法。
本公开有益效果如下：
本公开提供一种人体图像处理方法、装置、电子设备及存储介质。确定待处理人体图像中的初始候选区域，并对所述待处理人体图像进行第一滤波处理得到第一滤波图像，以及确定所述第一滤波图像中与所述初始候选区域对应的第一滤波候选区域，其中，所述初始候选区域为不包含指定区域的皮肤区域，所述指定区域为预先设置的不需要处理的区域，再基于所述初始候选区域与第一滤波候选区域内，各个对应的像素点之间的灰度值差，将所述待处理人体图像中的初始候选区域划分为瑕疵皮肤区域与非瑕疵皮肤区域，然后，确定所述瑕疵皮肤区域与所述非瑕疵皮肤区域内各个像素点的第一融合系数，并基于所述第一融合系数分别将所述瑕疵区域和所述非瑕疵区域，与所述第一滤波候选区域内对应的区域进行线性融合处理，以及将处理后的所述瑕疵区域和所述非瑕疵区域合并后作为所述待处理人体图像中的中间候选区域，再基于所述初始候选区域和所述中间候选区域中，各个对应的像素点之间的灰度值差，对所述中间候选区域进行线性光叠加处理，获得目标候选区域，并将包含所述目标候选区域的所述待处理人体图像作为目标图像输出。这样，基于皮肤瑕疵通常在图像的灰度图中表现为灰度值较小的区域，通过对待处理人体图像中像素点灰度值的调整，实现了实时去除皮肤瑕疵，保证了图像处理结果的质感真实，提高了图像的处理质量，极大提升了图像处理效果，在进行直播或视频拍摄，实现对图像的实时处理，保证用户的使用体验。
附图说明
图1为本公开实施例中接收的待处理人体图像示意图；
图2为本公开实施例中现有技术下对待处理人体图像处理完成后得到的图像示意图；
图3为本公开实施例中进行图像优化的流程示意图；
图4为本公开实施例中确定标准人脸特征点图像示意图；
图5为本公开实施例中对应建立的标准掩码图像示意图；
图6为本公开实施例中第一掩码图像示意图；
图7为本公开实施例中进行优化后的待处理人体图像示意图；
图8为本公开实施例中执行图像优化的电子设备的逻辑结构示意图；
图9为本公开实施例中执行图像优化的电子设备的实体结构示意图。
具体实施方式
为了解决现有技术中存在的无法实时去除面部瑕疵的问题，本公开实施例中，确定待处理人体图像中的初始候选区域，并对所述待处理人体图像进行第一滤波处理得到第一滤波图像，以及确定所述第一滤波图像中与所述初始候选区域对应的第一滤波候选区域，然后，基于所述初始候选区域与第一滤波候选区域内，各个对应的像素点之间的灰度值差，将所述待处理人体图像中的初始候选区域划分为瑕疵皮肤区域与非瑕疵皮肤区域，再基于确定的第一融合系数将所述瑕疵区域和所述非瑕疵区域，与所述第一滤波候选区域内对应的区域进行线性融合处理，以及将处理后的所述瑕疵区域和所述非瑕疵区域合并后作为所述待处理人体图像中的中间候选区域，再基于所述初始候选区域和所述中间候选区域中，各个对应的像素点之间的灰度值差，对所述中间候选区域进行线性光叠加处理，获得目标候选区域，并将包含所述目标候选区域的所述待处理人体图像作为目标图像输出。
本公开中，能够执行本公开涉及到的方法的处理设备可以是服务器或者是其他具有处理能力的终端设备，所述终端设备包括但不限于手机、电脑、有处理能力的拍摄设备等等。
本公开中，首先确定待处理人体图像中需要进行处理的初始图像区域，并对所述待处理人体图像中希望不做处理的部分，或者稍作处理的部分分别进行掩码处理，获得相应的掩码图像，如，若仅需要处理人脸的面部瑕疵，则可预先针对不做处理的人脸器官区域以及稍作处理的面部器官边沿区域，制作标准掩码图像，并针对性的对所述掩码图像中不同区域的像素点设置不同的灰度值，其中，对于不同区域内的像素点设置的灰度值的大小表征对不同区域像素点的处理程度的强弱。
进一步的，获取待处理人体图像后，基于预先制作的基础掩码图像，以及肤色检测技术，确定出所述待处理人体图像对应的第一掩码图像和第二掩码图像，进而通过对所述第一掩码图像和所述第二掩码图像内像素点的筛选，将筛选出的像素点所组成的区域确定为所述待处理人体图像中需要进行处理的初始候选区域。同时，对得到的所述待处理人体图像分别进行第一滤波处理、以及第二滤波处理，得到第一滤波图像和第二滤波图像，并确定所述第一滤波图像中与所述初始候选区域对应的第一滤波候选区域，以及所述第二滤波图像中与所述初始候选区域对应的第二滤波候选区域，进而将所述第一滤波化图像中的第一滤波候选区域以及所述待处理人体图像中的初始候选区域进行线性融合处理，得到所述待处理人体图像中的中间候选区域。
再基于所述待处理人体图像中的初始候选区域与所述待处理人体图像中的中间候选区域中各个对应的像素点的灰度差值，对所述待处理人体图像中的中间候选区域进行线性光叠加处理，获得目标候选区域，进一步的，为保证输出图像的真实性，可选择的，可以将包含目标候选区域的所述待处理人体图像与所述第二滤波图像进行线性融合处理，得到质感真实的目标图像。
下面结合附图3，对本公开优选的实施例进行详细说明：
步骤301：确定待处理人体图像中的初始候选区域。
获取采集的待处理人体图像后，将所述待处理人体图像记为InputImage，进一步的，确定所述待处理人体图像中的初始候选区域，所述初始候选区域的确定过程如下：
S1：确定待处理人体图像对应的第一掩码图像和第二掩码图像。
采用肤色检测技术，获得待处理人体图像对应的第一掩码图像，以及将预先配置的标准掩码图像进行扭曲映射，得到所述待处理人体图像对应的第二掩码图像，其中，所述标准掩码图像中不同区域的像素点被配置为不同的灰度值，不同灰度值表征预设的不同处理系数。
具体的，首先采用肤色检测技术对所述待处理人体图像进行检测，识别出所述待处理人体图像中的皮肤区域和非皮肤区域，获得相应的第一掩码图像，其中，所述第一掩码图像中每一个像素点的灰度值表征识别出的所述待处理人体图像中与该像素点相对位置相同处为皮肤的概率值。
进一步的，将预先配置的标准掩码图像进行扭曲映射，得到所述待处理人体图像对应的第二掩码图像，其中，所述标准掩码图像中不同区域的像素点被配置为不同的灰度值，不同灰度值表征预设的不同处理系数。
具体的，在获得第二掩码图像之前，采用预设的人脸特征点识别模型，识别出所述待处理人体图像中的候选人脸特征点预先采用人脸特征点识别模型对标准人体图像进行识别，得到标准人体特征点图像，然后，基于实际的处理需要，确定不做处理的图像区域，如，可以选择性的将由标准人体特征点确定出的面部特征，诸如眉毛、眼睛、嘴巴、卧蚕、鼻孔、鼻翼、下颌线、眼袋、法令纹等特征所在的区域设置为不做处理的图像区域。并根据处理需要设置所述不做处理的图像区域内的像素点的灰度值，建立标准掩码图像。
需要说明的是，本公开实施例中，为避免后续待处理人体图像在处理完成时，不做处理的图像区域存在明显的割裂感，同时保证需要处理的图像区域与不做处理的图像区域之间的自然过渡，可以在所述需要处理的图像区域与不做处理的图像区域的边缘配置递增的灰度值，实现对所述边缘的适当处理。
需要说明的是，在配置标准掩码图像时，通常设置灰度值为1的图像区域为不做处理的区域，灰度值设置为0的区域则进行最高程度的处理，灰度值越小，对应的处理程度越高，进而建立标准掩码图像，其中，所述处理程度的高低体现为进行线性融合处理时的线性融合系数的大小，基于线性融合系数进行图像间线性融合处理的具体内容将在后续的流程中进行说明，在此不再赘述。
例如，参阅图4和图5所示，预先基于人脸特征点识别模型，可以建立如图4所示的标准人脸特征点图像，假设以不做处理的区域为眉毛、眼睛、鼻孔、嘴唇、眼角为例，设置所述眉毛、眼睛、鼻孔、嘴唇、眼角所在的区域像素点的灰度值为1，即显示为图5中白色区域，并适应性的将所述眉毛、眼睛、鼻孔、嘴唇、眼角的边缘区域的设置为灰度值由1渐变为0的区域，如逐渐由0.8、0.7、0.65渐变为0，进而得到如图5所示的标准掩码图像。
进一步的，采用预设的人脸特征点识别模型，识别出待处理人体图像中的候选人脸特征点，然后，获取预先配置的标准人脸特征点图像以及标准掩码图像，并基于所述候选人脸特征点与所述标准人脸特征点的对应关系，对所述标准掩码图像进行扭曲映射，得到所述待处理人体图像对应的第二掩码图像。
具体的，识别出所述待处理人体图像中的候选人脸特征点后，将所述候选人脸特征点，与预先配置的所述标准人脸特征点图像进行对比，建立所述候选人脸特征点与所述标准人脸特征点的对应关系，然后，采用Warp扭曲映射方式，基于所述标准掩码图像，得到与所述分布区域对应的第一掩码图像。
需要说明的是，本公开实施例中，标准掩码图像是在标准人脸特征点图像上进行掩码覆盖后得到的。其中，所述第二掩码图像是基于所述标准掩码图像掩码映射得到的，所述第二掩码图像用于指示待处理人体图像中不同图像区域的处理程度，所述第一掩码图像中对应的区域像素点的灰度值记为OrganMask，所述第一掩码图像是基于肤色检测技术对所述待处理人体图像进行检测后生成的，所述肤色检测技术能够通过对图像的识别，输出判断是否是皮肤的概率值，本公开实施例中将所述肤色检测技术针对所述待处理人体图像中的各个像素点或各个区域的概率值作为该像素点或该区域内像素点的灰度值，建立第一掩码图像，所述第二掩码图像中对应区域的像素点的灰度值被记为SkinMask，所述第二掩码图像中每一个像素点的灰度值介于0-1之间。
S2：基于第一掩码图像和第二掩码图像筛选出所述待处理人体图像中的初始候选区域。
首先，确定第一掩码图像和第二掩码图像后，筛选出所述第一掩码图像中灰度值低于预设的第一灰度门限值的像素点，作为第一类像素点，以及筛选出所述第二掩码图像中灰度值高于预设的第二灰度门限值的像素点，作为第二类像素点。
然后，将所述第一类像素点在所述待处理人体图像中对应的区域作为第一指定区域，以及将所述第二类像素点在所述待处理人体图像中对应的区域作为第二指定区域，再设置所述待处理人体图像中不包含所述第一指定区域和所述第二指定区域的其他区域为初始候选区域。
例如，结合图4-图6所示，在对待处理人体图像进行人脸特征点识别后，基于图5所示的标准掩码图像，得到与待处理人体图像对应的第一掩码图像，假设设置第一掩码图像中的像素点灰度门限值为1，则第一掩码图像中灰度值低于1的像素点被筛选出来，可对应图6中除虚线框以外的脸部区域(包括脸部器官的边缘区域)，再结合肤色检测技术，得到第二掩码图像，筛选出灰度值高于预设的灰度值门限值的像素点，如设置灰度值门限值为0，对应的将筛选出图6中包括脸部皮肤、颈部皮肤在内的所有皮肤区域，进而将第一掩码图像中筛选出的所述脸部区域像素点以及从所述第二掩码图像中筛选出的皮肤区域像素点对应的分布区域进行合并，得到需要进行处理的待处理人体图像中的初始候选区域。
这样，能够基于实际的处理需要，通过对第一掩码图像和第二掩码图像中像素点的筛选，进而确定待处理人体图像中需要处理的初始候选区域，实现了对待处理人体图像中不同区域图像的针对性处理，基于第一掩码图像和第二掩码图像进行像素点的筛选则对应将除脸部器官之外的全部皮肤区域作为初始候选区域，保证了图像处理的有效性与可控性。
步骤302：对待处理人体图像进行第一滤波化处理得到第一滤波图像，以及确定所述第一滤波图像中与所述初始候选区域对应的第一滤波候选区域，其中，所述初始候选区域为不包含指定区域的皮肤区域，所述指定区域为预先设置的不需要处理的区域。
获取采集的待处理人体图像，以及对待处理人体图像进行第一滤波处理，得到与所述待处理人体图像对应的第一滤波图像，其中，所述第一滤波方式包括但不限于均值滤波处理、高斯滤波处理、导向滤波处理以及表面模糊化处理。本公开对此不进行限定，在此不再赘述。
需要说明的是，本公开实施例中，在对待处理人体图像进行第一滤波处理之前，可选择的，将所述待处理人体图像按照指定的倍数进行下采样处理，进而基于下采样处理后的待处理人体图像进行第一滤波处理，得到第一滤波图像，并在对待处理人体图像与第一滤波图像进行处理之前，将得到的第一滤波图像按照所述指定的倍数进行上采样处理，以得到与所述待处理人体图像大小相同的图像。
进一步的，基于所述待处理人体图像中初始候选区域在所述待处理人体图像中的位置，确定所述第一滤波图像中与所述初始候选区域对应的第一滤波候选区域。
例如，假设所述待处理人体图像的大小为168×1024，设置预设的倍数为4倍，则所述对所述待处理人体图像进行4倍下采样处理后，所述待处理人体图像被压缩成大小为42×256的图像，进行对所述42×256的图像进行第一滤波化处理，得到第一滤波图像，然后将得到的大小为42×256的第一滤波图像进行4倍的上采样，恢复成大小为168×1024的图像，并根据所述待处理人体图像中初始候选区域的位置，对应得到大小为168×1024的第一滤波图像中的与所述初始候选区域对应的第一滤波候选区域。
这样，一方面，不对待处理人体图像的大小进行修改，直接针对待处理人体图像的待处理人体图像中的全部的像素点进行的第一滤波化处理，能够保证图像处理的细致性。另一方面，通过对图像进行下采样和上采样处理，提高了处理时间，为实时进行图像处理提供了保证，能够实现对待处理人体图像的快速处理，保证了图像处理的效率。
步骤303：基于初始候选区域与第一滤波候选区域内，各个对应的像素点之间的灰度值差，将所述待处理人体图像中的初始候选区域划分为瑕疵皮肤区域与非瑕疵皮肤区域。
确定待处理人体图像中的初始候选区域以及第一滤波图像中的第一滤波候选区域后，基于所述初始候选区域与第一滤波候选区域内，各个对应的像素点之间的灰度值差，将所述待处理人体图像中的初始候选区域划分为瑕疵皮肤区域与非瑕疵皮肤区域。
具体的，将所述初始候选区域以及所述第一滤波候选区域内相对位置相同的两个像素点作为一组像素点，基于各组像素点的灰度值差划分所述初始候选区域内的瑕疵皮肤区域和非瑕疵皮肤区域。
下面以存在于所述待处理人体图像的初始候选区域中的像素点X和存在于第一滤波图像中的第一滤波候选区域中的像素点X1为例进行说明，其中像素点X和像素点X1在图像中位置相对应。
计算所述像素点X和像素点X1之间的灰度差，记为DiffImage1，当确定所述DiffImage1的值小于0时，则将所述像素点X和像素点X1标记为一组瑕疵像素点，对应设置瑕疵掩码图像，记为DarkMask，并设置所述一组瑕疵像素点：瑕疵像素点X和瑕疵像素点X1在所述瑕疵掩码图像中对应位置的像素点的灰度值为1，其他位置的像素点灰度值设置为0。反之，当确定所述DiffImage1的值大于0时，则将所述像素点X和像素点X1标记为一组非瑕疵像素点，对应设置非瑕疵掩码图像，记为，BrightMask，并设置所述一组非瑕疵像素点：非瑕疵像素点X和非瑕疵像素点X1在所述非瑕疵掩码图像中对应位置的像素点的灰度值为1，其他位置的像素点的灰度值为0。
进一步的，将所述待处理人体图像的初始候选区域内，瑕疵像素点所确定的区域设置为瑕疵皮肤区域，非瑕疵像素点所确定的区域设置为非瑕疵皮肤区域。
需要说明的是，对于待处理人体图像来说，对于待处理人体图像中诸如面部的痘、斑、痣等面部瑕疵，在待处理人体图像的灰度图中通常表现为灰度值较低的像素点，而第一滤波图像通常被处理为高度模糊的图像，即，第一滤波图像中各个像素点的灰度值可近似相同且小于正常皮肤的灰度值，进而，通过比较待处理人体图像的初始候选区域内各个像素点的灰度值，与第一滤波图像的第一候选区域内的像素点的灰度值的大小关系，可以将所述待处理人体图像的初始候选区域划分为瑕疵皮肤区域和非瑕疵皮肤区域。
步骤304：确定瑕疵皮肤区域与非瑕疵皮肤区域内各个像素点的第一融合系数，并基于所述第一融合系数分别将所述瑕疵区域和所述非瑕疵区域，与所述第一滤波候选区域内对应的区域进行线性融合处理，以及将处理后的所述瑕疵区域和所述非瑕疵区域合并后作为所述待处理人体图像中的中间候选区域。
确定待处理人体图像的初始候选区域中的瑕疵皮肤区域和非瑕疵皮肤区域后，基于对应所述初始候选区域内各个像素点预设的处理系数，分别确定所述瑕疵皮肤区域与所述非瑕疵区域内各个像素点的第一融合系数，进而基于所述第一融合系数实现所述初始候选区域中的瑕疵皮肤区域与非瑕疵皮肤区域和所述第一滤波图像中的第一滤波候选区域的线性融合。
具体的，通过以下两种实现方式，对本公开实施中，将所述瑕疵区域和所述非瑕疵区域，与所述第一滤波候选区域内对应的区域进行线性融合处理的过程进行说明：
方式一、直接对获取的图像进行处理操作
获取待处理人体图像后，不对所述待处理人体图像的大小进行调整，直接针对所述待处理人体图像进行第一滤波处理，得到第一滤波图像，并确定与所述待处理人体图像中的初始候选区域对应的，所述第一滤波图像中的第一滤波候选区域，并基于所述初始候选区域与所述第一滤波候选区域内各个像素点的灰度值，将所述初始候选区域划分为瑕疵皮肤区域和非瑕疵皮肤区域，进而确定相应的瑕疵掩码图像和非瑕疵掩码图像。
需要说明的是，本公开实施例中，由于所述第一滤波图像是对所述待处理人体图像进行第一滤波处理后得到的，所述第一滤波图像与所述待处理人体图像中各个像素点必然是对应的，而且所述待处理人体图像对应设置有第一掩码图像和第二掩码图像，以及由于所述待处理人体图像中的瑕疵皮肤区域和非瑕疵皮肤区域分别对应有瑕疵皮肤掩码图像和非瑕疵皮肤掩码图像，所以本公开实施例中，大小相同的第一滤波图像、待处理人体图像、第一掩码图像、第二掩码图像、瑕疵掩码图像以及非瑕疵掩码图像之间，相对位置相同的像素点之间存在关联，所述相对位置相同可以描述为朝向相同的不同图像放置于同一位置时，相对于某一固定参考物位置相同的像素点。
本公开实施例中，将所述瑕疵皮肤区域和所述非瑕疵皮肤区域内，与所述第一滤波候选区域内相对位置相同的两个像素点作为一组像素点，其中，所述第一滤波候选区域内与所述瑕疵皮肤区域内相对位置相同的一组像素点对应的配置参数，不同于所述第一滤波区域内与所述非瑕疵皮肤区域内相对位置相同的一组像素点对应的配置参数，所述配置参数表征对瑕疵皮肤区域以及非瑕疵皮肤区域的处理程度。进一步的，针对各组像素点，分别执行以下操作：计算一组像素点之间的欧式距离，并基于所述欧式距离，所述一组像素点在所述第一掩码图像中对应的像素点的灰度值、所述一组像素点在所述第二掩码图像中对应的处理系数，以及预设的配置参数，确定所述一组像素点对应的第一融合系数，再基于所述第一融合系数，将所述一组像素点融合为一个像素点。
下面以位于所述初始候选区域中的瑕疵皮肤区域内的任意像素点Y和位于所述第一滤波区域内与所述像素点Y对应位置相同的像素点Y1为例，对瑕疵皮肤区域内像素点和第一滤波候选区域的像素点进行线性融合的过程进行说明：
FlawImage1＝mix(InputImage,BlurImage,min(MixAlpha*DarkMask*a,b))
FlawImage1表示将像素点Y和像素点Y1进行线性融合处理后，得到的待处理人体图像中中间候选区域内对应像素点的灰度值；InputImage表示存在于待处理人体图像的瑕疵皮肤区域内的像素点Y的灰度值，BlurImage表示位于第一滤波图像的第一滤波候选区域内的像素点Y1的灰度值；min(MixAlpha*DarkMask*a,b)为第一融合系数，其中，DarkMask表示像素点Y在瑕疵掩码图像中对应的像素点的灰度值，即为1，a和b为针对瑕疵皮肤区域的像素点预设的处理系数，可以根据实际的处理需要调整，本公开实施例中，a取4、b取0.5，MixAlpha为中间处理系数，MixAlpha的计算过程如下：
MixAlpha＝distance(BlurImage,InputImage)*(1.0-OrganMask)*(SkinMask)；
其中，MixAlpha为第一融合系数，BlurImage表示第一滤波图像中像素点Y1的灰度值，InputImage表示待处理人体图像中与所述像素点Y1对应的像素点Y的灰度值，distance(BlurImage，InputImage)，表示像素点Y和Y1之间的欧式距离，OrganMask表示第二掩码图像中，与像素点Y和Y1对应的像素点的灰度值，SkinMask表示第一掩码图像中，与像素点Y和Y1对应的像素点的灰度值。
进一步的，完成所述待处理人体图像的初始候选区域中的瑕疵皮肤区域的像素点与第一滤波图像的线性融合后，针对所述初始候选区域中的非瑕疵皮肤区域进行线性融合操作。
下面以位于所述初始候选区域中的非瑕疵皮肤区域内的任意像素点Z和位于所述第一滤波区域内与所述像素点Z对应位置相同的像素点Z1为例，对非瑕疵皮肤区域内像素点和第一滤波候选区域的像素点进行线性融合的过程进行说明：
FlawImage1′＝mix(FlawImage1,BlurImage,min(MixAlpha*BrightMask,0.1))
其中，FlawImage1表示完成瑕疵皮肤区域线性融合处理的待处理人体图像中对应的像素点Z的灰度值，BlurImage表示第一滤波图像中对应的像素点Z1的灰度值；，FlawImage1’表示在完成瑕疵区域线性融合处理的待处理人体图像中的非瑕疵皮肤区域内的像素点进行线性融合后的灰度值；min(MixAlpha*BrightMask,c)为第一融合系数，DarkMask表示所述非瑕疵像素点Z在非瑕疵掩码图像中对应的像素点的灰度值，即为1，c为针对瑕疵皮肤区域内的像素点预设的处理系数，可根据实际处理需要进行调整，本公开中取值为0.1，MixAlpha的计算方式与上述瑕疵皮肤区域中的计算方式相同，在此不再赘述。
方式二、采用下采样和上采样配合处理的方式图像进行处理
获取待处理人体图像后，将所述待处理人体图像按照指定倍数进行下采样处理后得到下采样待处理人体图像，并对所述下采样待处理人体图像进行第一滤波处理，得到第一滤波图像，确定与所述下采样待处理人体图像中的初始候选区域对应的，所述第一滤波图像中的第一滤波候选区域。进而基于所述第一滤波图像和下采样待处理人体图像各个对应的像素点间的灰度值，确定所述下采样待处理人体图像中的瑕疵皮肤区域和非瑕疵皮肤区域，同时确定对应的瑕疵掩码图像和非瑕疵掩码图像。
进一步的，将得到的瑕疵掩码图像、非瑕疵掩码图像、第一滤波图像按照所述指定倍数进行上采样处理，得到与所述待处理人体图像大小相同的图像。
需要说明的是，本公开实施例中，由于所述第一滤波图像是对所述待处理人体图像进行第一滤波处理后得到的，所述第一滤波图像与所述待处理人体图像中各个像素点必然是对应的，而且所述待处理人体图像对应设置有第一掩码图像和第二掩码图像，以及由于所述待处理人体图像中的瑕疵皮肤区域和非瑕疵皮肤区域分别对应有瑕疵皮肤掩码图像和非瑕疵皮肤掩码图像，所以本公开实施例中，大小相同的第一滤波图像、待处理人体图像、第一掩码图像、第二掩码图像、瑕疵掩码图像以及非瑕疵掩码图像之间，相对位置相同的像素点之间存在关联，所述相对位置相同可以描述为朝向相同的不同图像放置于同一位置时，相对于某一固定参考物位置相同的像素点。
本公开实施例中，将所述瑕疵皮肤区域和所述非瑕疵皮肤区域内，与所述第一滤波候选区域内相对位置相同的两个像素点作为一组像素点，其中，所述第一滤波候选区域内与所述瑕疵皮肤区域内相对位置相同的一组像素点对应的配置参数，不同于所述第一滤波区域内与所述非瑕疵皮肤区域内相对位置相同的一组像素点对应的配置参数，所述配置参数表征对瑕疵皮肤区域以及非瑕疵皮肤区域的处理程度。进一步的，针对各组像素点，分别执行以下操作：计算一组像素点之间的欧式距离，并基于所述欧式距离，所述一组像素点在所述第一掩码图像中对应的像素点的灰度值、所述一组像素点在所述第二掩码图像中对应的处理系数，以及预设的配置参数，确定所述一组像素点对应的第一融合系数，再基于所述第一融合系数，将所述一组像素点融合为一个像素点。
进一步的，基于与方式一中的相同的处理方式，基于计算得到的第一融合系数，实现将所述初始候选区域中的瑕疵皮肤区域和非瑕疵皮肤区域，与第一滤波图像中的第一滤波候选区域进行线性融合处理，在此不再赘述。
这样，实现了将所述第一滤波图像中的第一滤波区域与待处理人体图像中瑕疵皮肤区域和非瑕疵皮肤区域的线性融合处理，而且由于本公开实施例中，针对瑕疵皮肤区域和非瑕疵皮肤区域配置的处理系数不同，能够实现对瑕疵皮肤区域和非瑕疵皮肤区域的像素点进行适当调整，实现为所述待处理人体图像的初始候选区域中灰度值较低的像素点增加灰度值，具体呈现为对瑕疵皮肤区域内的像素点进行增亮处理，对所述待处理人体图像中上原本比较亮的非瑕疵皮肤区域进行适当处理，这是由于皮肤的瑕疵部分通常表现为明显较暗的区域，故通过线性融合的处理方式能够实现对皮肤瑕疵部分的初步遮盖处理，同时，采用方式一的处理方式，基于原始大小的待处理人体图像进行操作，能够实现对待处理人体图像的细致处理，而采用方式二的处理方式，能够在对待处理人体图像进行处理的过程中，借助于下采样和上采样方式的配合，能够实现了对待处理人体图像的快速处理。
步骤305:基于所述初始候选区域和所述中间候选区域中，各个对应的像素点之间的灰度值差，对所述中间候选区域进行线性光叠加处理，获得目标候选区域，并将包含所述目标候选区域的所述待处理人体图像作为目标图像输出。
将待处理人体图像中初始候选区域与第一滤波图像中的第一滤波候选区域进行线性融合处理后，对应得到所述待处理人体图像中的中间候选区域，进一步的，分别确定所述待处理人体图像中的初始候选区域以及所述待处理人体图像中的中间候选区域内，各个对应的像素点的灰度值，并将在所述待处理人体图像中初始候选区域以及所述待处理人体图像中的中间候选区域内对应的像素点作为一组像素点，并针对各组像素点，分别执行以下操作：确定一组像素点之间的灰度差，并基于所述灰度差对所述待处理人体图像中的中间候选区域进行线性光叠加处理。进而基于所述中间候选区域内经过线性光叠加处理后的像素点，得到所述待处理人体图像中的目标候选区域。
下面以一组像素点：位于所述待处理人体图像中的初始候选区域的像素点M和位于所述待处理人体图像中的中间候选区域的像素点Mc为例，进行说明。
根据所述待处理人体图像中的初始候选区域内的像素点M的灰度值，以及根据步骤303涉及的线性融合结果，确定所述待处理人体图像中的中间候选区域内的像素点Mc的灰度值，计算像素点M和像素点Mc之间的灰度差，记为DiffImage2，并基于得到的DiffImage2对所述中间候选区域内的像素点Mc进行线性光叠加处理，具体实现的公式如下：
DiffImage2＝FlawImage1'–InputImage+d；
其中，所述FlawImage1’表示待处理人体图像的中间候选区域内的像素点Mc的灰度值，InputImage表示待处理人体图像的初始候选区域内像素点M的灰度值；d为配置的调节参数，可根据实际处理需要进行调整，本公开适应性取值为0.5，DiffImage2为进行线性光叠加处理的基础参数。
FlawImage2＝2.0*DiffImage2+FlawImage1'–1.0；
其中，FlawImage2表示对像素点Mc进行线性光叠加处理后，得到的所述待处理人体图像中的目标候选区域内对应的像素点的灰度值。
这样，基于所述待处理人体图像中的中间候选区域内像素点与所述待处理人体图像中的初始候选区域中对应像素点之间的灰度值差，采用线性光叠加处理的方式，对所述待处理人体图像的中间候选区域内像素点的灰度值进行进一步调整，得到去除瑕疵的待处理人体图像。
需要说明的是，本公开实施例中，确定所述待处理人体图像中的初始候选区域之后，得到所述待处理人体图像中的目标候选区域之前，可以对所述待处理人体图像进行按照设定的倍数进行下采样处理，进而进行第二滤波处理，得到与所述待处理人体图像对应的第二滤波图像，以及确定所述第二滤波图像中与所述待处理人体图像中初始候选区域对应的第二滤波候选区域，或者，直接对所述待处理人体图像进行第二滤波处理，得到第二滤波图像，并确定所述第二滤波图像中与所述待处理人体图像中初始候选区域对应的第二滤波候选区域。进一步的，将所述第二滤波图像中的第二滤波候选区域与所述待处理人体图像中得目标候选区域进行线性融合处理，获得完成对所述待处理图像的处理后得到的可输出的目标图像。
再者，对于按照设定的倍数进行下采样处理的待处理人体图像，在进行第二滤波处理得到第二滤波图像后，需要适应性的对得到的第二滤波图像按照所述设定的倍数进行上采样处理，使所述第二滤波图像与所述待处理人体图像的大小相同，其中，所述第二滤波化处理的方式包括但不限于进行导向滤波处理、高斯滤波处理等等。
需要说明的是，本公开实施例中，采用导向滤波的处理方式，基于待处理人体图像得到第二滤波图像时，将待处理人体图像作为导向图和输出图进行处理，使得得到第二滤波图像具有保边平滑的特性。
由于所述第二滤波图像中的第二滤波候选区域以及所述待处理人体图像中的目标候选区域都是基于同一待处理人体图像得到的，故所述第二滤波图像、所述待处理人体图像中的目标候选区域，与先前基于所述待处理人体图像得到的所述第二掩码图像同样相对应。
进一步的，采用如下公式，将所述第二滤波图像中第二滤波候选区域内的像素点与对应的所述待处理人体图像中目标候选区域内的像素点进行线性融合处理：
OutputImage＝mix(flawImage2,GFImage,SkinMask*BlurAlpha)；
其中，OutputImage表示处理后的所述待处理人体图像中目标候选区域对应像素点的灰度值，flawImage2表示所述待处理人体图像中目标候选区域内某一像素点的灰度值，GFImage表示与所述某一像素点对应的所述第二滤波图像中像素点的灰度值，SkinMask表示第二掩码图像中与所述某一像素点对应的像素点的灰度值，BlurAlpha为预先设置的可调整参数，可根据实际需要进行适应性调节。
需要说明的是，本公开实施例实际的配置中，在视频或直播的应用场景中，对于获取的待处理人体图像是主播或视频交互用户的图像时，可以将人物的皮肤区域以及设置的器官边缘区域作为初始候选区域，设置可调整参数BlurAlpha进行图像的调整，BlurAlpha的取值越大，对应得到的输出图像中人物的皮肤均匀性越好，BlurAlpha的取值越小，对应得到的输出图像中人物的皮肤纹理保留的越多，图像越真实，一般可以将BlurAlpha取值为0.3，以保证兼顾皮肤的均匀性以及真实性。
这样，能够得到如图7所示的处理结果，对比图2和图7可知，本公开提出的方案中在去除皮肤区域瑕疵的同时，保证了皮肤的纹理性，使得到的图像更加真实，由于采用导向滤波能够得到保边的滤波图像，通过与保边的滤波图像进行线性融合，能够避免处理后的目标图像中出现不真实的涂抹感，保证处理后的目标图像美观自然，极大提升了用户的使用体验。
基于同一发明构思，参阅图8所示，本公开实施例中，人体图像处理装置800至少包括：确定单元801，划分单元802，处理单元803，输出单元804，其中，
确定单元801，确定待处理人体图像中的初始候选区域，并对所述待处理人体图像进行第一滤波处理得到第一滤波图像，以及确定所述第一滤波图像中与所述初始候选区域对应的第一滤波候选区域，其中，所述初始候选区域为不包含指定区域的皮肤区域，所述指定区域为预先设置的不需要处理的区域；
划分单元802，基于所述初始候选区域与第一滤波候选区域内，各个对应的像素点之间的灰度值差，将所述待处理人体图像中的初始候选区域划分为瑕疵皮肤区域与非瑕疵皮肤区域；
处理单元803，确定所述瑕疵皮肤区域与所述非瑕疵皮肤区域内各个像素点的第一融合系数，并基于所述第一融合系数分别将所述瑕疵区域和所述非瑕疵区域，与所述第一滤波候选区域内对应的区域进行线性融合处理，以及将处理后的所述瑕疵区域和所述非瑕疵区域合并后作为所述待处理人体图像中的中间候选区域；
输出单元804，基于所述初始候选区域和所述中间候选区域中，各个对应的像素点之间的灰度值差，对所述中间候选区域进行线性光叠加处理，获得目标候选区域，并将包含所述目标候选区域的所述待处理人体图像作为目标图像输出。
可选的，所述确定待处理人体图像中的初始候选区域时，所述确定单元801用于：
采用肤色检测技术，获得待处理人体图像对应的第一掩码图像，以及将预先配置的标准掩码图像进行扭曲映射，得到所述待处理人体图像对应的第二掩码图像，其中，所述标准掩码图像中不同区域的像素点被配置为不同的灰度值，不同灰度值表征预设的不同处理系数；
筛选出所述第一掩码图像中灰度值低于预设的第一灰度门限值的像素点，作为第一类像素点，以及筛选出所述第二掩码图像中灰度值高于预设的第二灰度门限值的像素点，作为第二类像素点；
将所述第一类像素点在所述待处理人体图像中对应的区域作为第一指定区域，以及将所述第二类像素点在所述待处理人体图像中对应的区域作为第二指定区域；
设置所述待处理人体图像中不包含所述第一指定区域和所述第二指定区域的其他区域为初始候选区域。
可选的，所述将预先配置的标准掩码图像进行扭曲映射，得到所述待处理人体图像对应的第二掩码图像时，所述确定单元801用于：
采用预设的人脸特征点识别模型，识别出待处理人体图像中的候选人脸特征点；
获取预先配置的标准人脸特征点图像以及标准掩码图像，并基于所述候选人脸特征点与所述标准人脸特征点的对应关系，对所述标准掩码图像进行扭曲映射，得到所述待处理人体图像对应的第二掩码图像。
可选的，所述对所述待处理人体图像进行第一滤波处理得到第一滤波图像之前，所述处理单元803用于：
将所述待处理人体图像按照指定的倍数进行下采样处理；
所述对所述待处理人体图像进行第一滤波处理得到第一滤波图像之后，基于为所述瑕疵皮肤区域与所述瑕疵皮肤区域内各个像素点设置的第一融合系数，分别将所述瑕疵区域和所述非瑕疵区域，与所述第一滤波候选区域内对应的区域进行线性融合处理之前，进一步包括：
将得到的第一滤波图像按照所述指定的倍数进行上采样处理。
可选的，所述确定所述瑕疵皮肤区域与所述非瑕疵皮肤区域内各个像素点的第一融合系数时，所述处理单元803用于：
基于对应所述初始候选区域内各个像素点预设的处理系数，分别确定所述瑕疵皮肤区域与所述非瑕疵区域内各个像素点的第一融合系数。
可选的，所述基于所述第一融合系数分别将所述瑕疵区域和所述非瑕疵区域，与所述第一滤波候选区域内对应的区域进行线性融合处理时，所述处理单元803用于：
将所述瑕疵皮肤区域和所述非瑕疵皮肤区域内，与所述第一滤波候选区域内相对位置相同的两个像素点作为一组像素点，其中，所述第一滤波候选区域内与所述瑕疵皮肤区域内相对位置相同的一组像素点对应的配置参数，不同于所述第一滤波区域内与所述非瑕疵皮肤区域内相对位置相同的一组像素点对应的配置参数，所述配置参数表征对瑕疵皮肤区域以及非瑕疵皮肤区域的处理程度；
针对各组像素点，分别执行以下操作：
计算一组像素点之间的欧式距离，并基于所述欧式距离，所述一组像素点在所述第一掩码图像中对应的像素点的灰度值、所述一组像素点在所述第二掩码图像中对应的处理系数，以及预设的配置参数，确定所述一组像素点对应的第一融合系数；
基于所述第一融合系数，将所述一组像素点融合为一个像素点。
可选的，所述获得目标候选区域之后，所述输出单元804进一步用于：
基于所述第一掩码图像中，与包含所述目标候选区域的所述待处理人体图像对应的各个像素点的灰度值，确定相应的第二融合系数，并基于所述第二融合系数将所述第二滤波图像与所述包含所述目标候选区域的所述待处理人体图像进行线性融合处理，获得处理后的所述待处理人体图像作为目标图像输出。
基于同一发明构思，参阅图9所示，人体图像处理装置900可以为服务器或具有处理功能的终端设备。参照图9，装置900包括处理组件922，其进一步包括一个或多个处理器，以及由存储器932所代表的存储器资源，用于存储可由处理组件922的执行的指令，例如应用程序。存储器932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件922被配置为执行指令，以执行上述方法。
装置900还可以包括一个电源组件926被配置为执行装置900的电源管理，一个有线或无线网络接口950被配置为将装置900连接到网络，和一个输入输出(I/O)接口958。装置900可以操作基于存储在存储器932的操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似系统。
基于同一发明构思，本公开实施例中基于人体图像处理的实施例中提供一种电子设备，包括：存储器，用于存储可执行指令；处理器，用于读取并执行存储器中存储的可执行指令，以实现上述任一种方法。
基于同一发明构思，本公开实施例中基于人体图像处理的实施例中提供一种存储介质，当所述存储介质中的指令由电子设备执行时，使得所述电子设备能够执行上述任一种方法。
综上，本公开实施例中，本公开提供一种人体图像处理方法、装置、电子设备及存储介质。确定待处理人体图像中的初始候选区域，并对所述待处理人体图像进行第一滤波处理得到第一滤波图像，以及确定所述第一滤波图像中与所述初始候选区域对应的第一滤波候选区域，其中，所述初始候选区域为不包含指定区域的皮肤区域，所述指定区域为预先设置的不需要处理的区域，再基于所述初始候选区域与第一滤波候选区域内，各个对应的像素点之间的灰度值差，将所述待处理人体图像中的初始候选区域划分为瑕疵皮肤区域与非瑕疵皮肤区域，然后，确定所述瑕疵皮肤区域与所述非瑕疵皮肤区域内各个像素点的第一融合系数，并基于所述第一融合系数分别将所述瑕疵区域和所述非瑕疵区域，与所述第一滤波候选区域内对应的区域进行线性融合处理，以及将处理后的所述瑕疵区域和所述非瑕疵区域合并后作为所述待处理人体图像中的中间候选区域，再基于所述初始候选区域和所述中间候选区域中，各个对应的像素点之间的灰度值差，对所述中间候选区域进行线性光叠加处理，获得目标候选区域，并将包含所述目标候选区域的所述待处理人体图像作为目标图像输出。这样，基于皮肤瑕疵通常在图像的灰度图中表现为灰度值较小的区域，通过对待处理人体图像中像素点灰度值的调整，实现了实时去除皮肤瑕疵，保证了图像处理结果的质感真实，提高了图像的处理质量，极大提升了图像处理效果，在进行直播或视频拍摄，实现对图像的实时处理，保证用户的使用体验。
本领域内的技术人员应明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本公开的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本公开范围的所有变更和修改。
显然，本领域的技术人员可以对本公开实施例进行各种改动和变型而不脱离本公开实施例的精神和范围。这样，倘若本公开实施例的这些修改和变型属于本公开权利要求及其等同技术的范围之内，则本公开也意图包含这些改动和变型在内。

Claims (10)

1.一种人体图像处理方法，其特征在于，包括：
确定待处理人体图像中的初始候选区域，并对所述待处理人体图像进行第一滤波处理得到第一滤波图像，以及确定所述第一滤波图像中与所述初始候选区域对应的第一滤波候选区域，其中，所述初始候选区域为不包含指定区域的皮肤区域，所述指定区域为预先设置的不需要处理的区域；
基于所述初始候选区域与第一滤波候选区域内，各个对应的像素点之间的灰度值差，将所述待处理人体图像中的初始候选区域划分为瑕疵皮肤区域与非瑕疵皮肤区域；
确定所述瑕疵皮肤区域与所述非瑕疵皮肤区域内各个像素点的第一融合系数，并基于所述第一融合系数分别将所述瑕疵区域和所述非瑕疵区域，与所述第一滤波候选区域内对应的区域进行线性融合处理，以及将处理后的所述瑕疵区域和所述非瑕疵区域合并后作为所述待处理人体图像中的中间候选区域；
基于所述初始候选区域和所述中间候选区域中，各个对应的像素点之间的灰度值差，对所述中间候选区域进行线性光叠加处理，获得目标候选区域，并将包含所述目标候选区域的所述待处理人体图像作为目标图像输出。
2.如权利要求1所述的方法，其特征在于，所述确定待处理人体图像中的初始候选区域，包括：
采用肤色检测技术，获得待处理人体图像对应的第一掩码图像，以及将预先配置的标准掩码图像进行扭曲映射，得到所述待处理人体图像对应的第二掩码图像，其中，所述标准掩码图像中不同区域的像素点被配置为不同的灰度值，不同灰度值表征预设的不同处理系数；
筛选出所述第一掩码图像中灰度值低于预设的第一灰度门限值的像素点，作为第一类像素点，以及筛选出所述第二掩码图像中灰度值高于预设的第二灰度门限值的像素点，作为第二类像素点；
将所述第一类像素点在所述待处理人体图像中对应的区域作为第一指定区域，以及将所述第二类像素点在所述待处理人体图像中对应的区域作为第二指定区域；
设置所述待处理人体图像中不包含所述第一指定区域和所述第二指定区域的其他区域为初始候选区域。
3.如权利要求2所述的方法，其特征在于，所述将预先配置的标准掩码图像进行扭曲映射，得到所述待处理人体图像对应的第二掩码图像，包括：
采用预设的人脸特征点识别模型，识别出待处理人体图像中的候选人脸特征点；
获取预先配置的标准人脸特征点图像以及标准掩码图像，并基于所述候选人脸特征点与所述标准人脸特征点的对应关系，对所述标准掩码图像进行扭曲映射，得到所述待处理人体图像对应的第二掩码图像。
4.如权利要求1-3任一项所述的方法，其特征在于，所述对所述待处理人体图像进行第一滤波处理得到第一滤波图像之前，包括：
将所述待处理人体图像按照指定的倍数进行下采样处理；
所述对所述待处理人体图像进行第一滤波处理得到第一滤波图像之后，基于为所述瑕疵皮肤区域与所述瑕疵皮肤区域内各个像素点设置的第一融合系数，分别将所述瑕疵区域和所述非瑕疵区域，与所述第一滤波候选区域内对应的区域进行线性融合处理之前，进一步包括：
将得到的第一滤波图像按照所述指定的倍数进行上采样处理。
5.如权利要求1-3任一项所述的方法，其特征在于，所述确定所述瑕疵皮肤区域与所述非瑕疵皮肤区域内各个像素点的第一融合系数，包括：
基于对应所述初始候选区域内各个像素点预设的处理系数，分别确定所述瑕疵皮肤区域与所述非瑕疵区域内各个像素点的第一融合系数。
6.如权利要求1-3任一项所述的方法，其特征在于，所述基于所述第一融合系数分别将所述瑕疵区域和所述非瑕疵区域，与所述第一滤波候选区域内对应的区域进行线性融合处理，包括：
将所述瑕疵皮肤区域和所述非瑕疵皮肤区域内，与所述第一滤波候选区域内相对位置相同的两个像素点作为一组像素点，其中，所述第一滤波候选区域内与所述瑕疵皮肤区域内相对位置相同的一组像素点对应的配置参数，不同于所述第一滤波区域内与所述非瑕疵皮肤区域内相对位置相同的一组像素点对应的配置参数，所述配置参数表征对瑕疵皮肤区域以及非瑕疵皮肤区域的处理程度；
针对各组像素点，分别执行以下操作：
计算一组像素点之间的欧式距离，并基于所述欧式距离，所述一组像素点在所述第一掩码图像中对应的像素点的灰度值、所述一组像素点在所述第二掩码图像中对应的处理系数，以及预设的配置参数，确定所述一组像素点对应的第一融合系数；
基于所述第一融合系数，将所述一组像素点融合为一个像素点。
7.如权利要求6所述的方法，其特征在于，所述获得目标候选区域之后，进一步包括：
基于所述第一掩码图像中，与包含所述目标候选区域的所述待处理人体图像对应的各个像素点的灰度值，确定相应的第二融合系数，并基于所述第二融合系数将所述第二滤波图像与所述包含所述目标候选区域的所述待处理人体图像进行线性融合处理，获得处理后的所述待处理人体图像作为目标图像输出。
8.一种人体图像处理装置，其特征在于，包括：
确定单元，确定待处理人体图像中的初始候选区域，并对所述待处理人体图像进行第一滤波处理得到第一滤波图像，以及确定所述第一滤波图像中与所述初始候选区域对应的第一滤波候选区域，其中，所述初始候选区域为不包含指定区域的皮肤区域，所述指定区域为预先设置的不需要处理的区域；
划分单元，基于所述初始候选区域与第一滤波候选区域内，各个对应的像素点之间的灰度值差，将所述待处理人体图像中的初始候选区域划分为瑕疵皮肤区域与非瑕疵皮肤区域；
处理单元，基于为所述瑕疵皮肤区域与所述非瑕疵皮肤区域内各个像素点设置的第一融合系数，分别将所述瑕疵区域和所述非瑕疵区域，与所述第一滤波候选区域内对应的区域进行线性融合处理，并将处理后的所述瑕疵区域和所述非瑕疵区域合并后作为所述待处理人体图像中的中间候选区域；
输出单元，基于所述初始候选区域和所述中间候选区域中，各个对应的像素点之间的灰度值差，对所述中间候选区域进行线性光叠加处理，获得目标候选区域，并将包含所述目标候选区域的所述待处理人体图像作为目标图像输出。
9.一种电子设备，其特征在于，包括：
存储器，用于存储可执行指令；
处理器，用于读取并执行存储器中存储的可执行指令，以实现如权利要求1至7中任一项所述的人体图像处理方法。
10.一种存储介质，其特征在于，当所述存储介质中的指令由电子设备执行时，使得所述电子设备能够执行如权利要求1至7中任一项所述的人体图像处理方法。
CN202010547139.3A 2020-06-16 2020-06-16 一种人体图像处理方法、装置、电子设备及存储介质 Active CN113808027B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202010547139.3A CN113808027B (zh) 2020-06-16 2020-06-16 一种人体图像处理方法、装置、电子设备及存储介质
PCT/CN2020/129901 WO2021253723A1 (zh) 2020-06-16 2020-11-18 一种人体图像处理方法、装置、电子设备及存储介质
JP2022562359A JP7420971B2 (ja) 2020-06-16 2020-11-18 人体画像処理方法および電子機器
US18/047,603 US20230063309A1 (en) 2020-06-16 2022-10-18 Method for processing human body image and electronic device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010547139.3A CN113808027B (zh) 2020-06-16 2020-06-16 一种人体图像处理方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN113808027A true CN113808027A (zh) 2021-12-17
CN113808027B CN113808027B (zh) 2023-10-17

Family

ID=78892518

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010547139.3A Active CN113808027B (zh) 2020-06-16 2020-06-16 一种人体图像处理方法、装置、电子设备及存储介质

Country Status (4)

Country Link
US (1) US20230063309A1 (zh)
JP (1) JP7420971B2 (zh)
CN (1) CN113808027B (zh)
WO (1) WO2021253723A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023143229A1 (zh) * 2022-01-28 2023-08-03 北京字跳网络技术有限公司 图像处理方法、装置、设备及存储介质
CN117152099A (zh) * 2023-09-05 2023-12-01 深圳伯德睿捷健康科技有限公司 皮肤毛孔或黑头检测方法、系统及计算机可读存储介质
WO2024125328A1 (zh) * 2022-09-06 2024-06-20 北京字跳网络技术有限公司 直播图像帧处理方法、装置、设备、可读存储介质及产品

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114913588B (zh) * 2022-06-20 2023-04-25 电子科技大学 一种应用于复杂场景下的人脸图像修复及识别方法
CN116630309B (zh) * 2023-07-21 2023-09-26 微山县天阔纺织有限公司 一种布匹断纬瑕疵检测方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100177981A1 (en) * 2009-01-12 2010-07-15 Arcsoft Hangzhou Co., Ltd. Face image processing method
CN103927719A (zh) * 2014-04-04 2014-07-16 北京金山网络科技有限公司 图片处理方法及装置
CN104978578A (zh) * 2015-04-21 2015-10-14 深圳市前海点通数据有限公司 手机拍照文本图像质量评估方法
CN108053377A (zh) * 2017-12-11 2018-05-18 北京小米移动软件有限公司 图像处理方法及设备
CN110443747A (zh) * 2019-07-30 2019-11-12 Oppo广东移动通信有限公司 图像处理方法、装置、终端及计算机可读存储介质
CN110689500A (zh) * 2019-09-29 2020-01-14 北京达佳互联信息技术有限公司 一种人脸图像的处理方法、装置、电子设备及存储介质

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4461789B2 (ja) 2003-03-20 2010-05-12 オムロン株式会社 画像処理装置
JP4347615B2 (ja) 2003-06-11 2009-10-21 株式会社コーセー 画像のシミュレーション方法
JP4251635B2 (ja) 2004-06-30 2009-04-08 キヤノン株式会社 画像処理装置及び方法
US8290257B2 (en) 2007-03-02 2012-10-16 The Procter & Gamble Company Method and apparatus for simulation of facial skin aging and de-aging
US8031961B2 (en) * 2007-05-29 2011-10-04 Hewlett-Packard Development Company, L.P. Face and skin sensitive image enhancement
JP2009111947A (ja) 2007-11-01 2009-05-21 Sharp Corp 画像補正装置
US8265410B1 (en) 2009-07-11 2012-09-11 Luxand, Inc. Automatic correction and enhancement of facial images
KR101590868B1 (ko) 2009-07-17 2016-02-02 삼성전자주식회사 피부색을 보정하는 영상 처리 방법, 장치, 디지털 촬영 장치, 및 컴퓨터 판독가능 저장매체
CN105869159A (zh) * 2016-03-28 2016-08-17 联想(北京)有限公司 一种图像分割方法及装置
JP6872742B2 (ja) 2016-06-30 2021-05-19 学校法人明治大学 顔画像処理システム、顔画像処理方法及び顔画像処理プログラム
JP7003558B2 (ja) 2017-10-12 2022-01-20 カシオ計算機株式会社 画像処理装置、画像処理方法、及びプログラム
JP2019106045A (ja) 2017-12-13 2019-06-27 キヤノン株式会社 画像処理装置、方法及びプログラム
CN109377454A (zh) * 2018-09-25 2019-02-22 广州华多网络科技有限公司 一种图像处理方法、装置、设备、存储介质及直播方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100177981A1 (en) * 2009-01-12 2010-07-15 Arcsoft Hangzhou Co., Ltd. Face image processing method
CN103927719A (zh) * 2014-04-04 2014-07-16 北京金山网络科技有限公司 图片处理方法及装置
CN104978578A (zh) * 2015-04-21 2015-10-14 深圳市前海点通数据有限公司 手机拍照文本图像质量评估方法
CN108053377A (zh) * 2017-12-11 2018-05-18 北京小米移动软件有限公司 图像处理方法及设备
CN110443747A (zh) * 2019-07-30 2019-11-12 Oppo广东移动通信有限公司 图像处理方法、装置、终端及计算机可读存储介质
CN110689500A (zh) * 2019-09-29 2020-01-14 北京达佳互联信息技术有限公司 一种人脸图像的处理方法、装置、电子设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王志强;苗翔宇;: "基于保边滤波和肤色模型的人脸美颜技术研究与实现", 无线互联科技, no. 17 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023143229A1 (zh) * 2022-01-28 2023-08-03 北京字跳网络技术有限公司 图像处理方法、装置、设备及存储介质
WO2024125328A1 (zh) * 2022-09-06 2024-06-20 北京字跳网络技术有限公司 直播图像帧处理方法、装置、设备、可读存储介质及产品
CN117152099A (zh) * 2023-09-05 2023-12-01 深圳伯德睿捷健康科技有限公司 皮肤毛孔或黑头检测方法、系统及计算机可读存储介质

Also Published As

Publication number Publication date
CN113808027B (zh) 2023-10-17
US20230063309A1 (en) 2023-03-02
WO2021253723A1 (zh) 2021-12-23
JP2023521208A (ja) 2023-05-23
JP7420971B2 (ja) 2024-01-23

Similar Documents

Publication Publication Date Title
CN113808027A (zh) 一种人体图像处理方法、装置、电子设备及存储介质
CN109952594B (zh) 图像处理方法、装置、终端及存储介质
CN108229278B (zh) 人脸图像处理方法、装置和电子设备
US20140079319A1 (en) Methods for enhancing images and apparatuses using the same
US20130188073A1 (en) Automatic Face and Skin Beautification Using Face Detection
CN107369133B (zh) 一种人脸图像美化方法和装置
JP2008234342A (ja) 画像処理装置及び画像処理方法
KR20140142381A (ko) 단일영상 내의 안개 제거 방법 및 장치
WO2008153702A1 (en) Face and skin sensitive image enhancement
US10297055B2 (en) Image processing apparatus and method for modifying a display texture of an image
US20230281764A1 (en) Systems and methods for selective enhancement of skin features in images
CN114862729A (zh) 图像处理方法、装置、计算机设备和存储介质
CN114155569B (zh) 一种化妆进度检测方法、装置、设备及存储介质
CN113379623B (zh) 图像处理方法、装置、电子设备及存储介质
CN108346128B (zh) 一种美颜磨皮的方法和装置
CN116612263B (zh) 一种感知潜视觉合成一致性动态拟合的方法及装置
CN112597911B (zh) 一种磨皮处理方法、装置、移动终端和存储介质
CN114049262A (zh) 一种图像处理方法、图像处理装置及存储介质
CN111815729A (zh) 一种实时美肤方法、装置、设备和计算机存储介质
CN115690130A (zh) 一种图像处理方法和装置
Florea et al. Facial enhancement and beautification for HD video cameras
CN115908106A (zh) 图像处理方法、装置、设备及存储介质
CN114187340A (zh) 应用于图像视频人脸皮肤纹理质感增强的方法及装置
US11182634B2 (en) Systems and methods for modifying labeled content
Akai et al. Low-Artifact and Fast Backlit Image Enhancement Method Based on Suppression of Lightness Order Error

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