CN114331892A

CN114331892A - 肤色调节的方法和装置

Info

Publication number: CN114331892A
Application number: CN202111644672.2A
Authority: CN
Inventors: 沈颀立; 杨明羽; 刘经纬; 麻会阳; 袁吕凡; 唐文栩; 沈靓艳; 武庆斌
Original assignee: Shanghai Fuhuan Technology Co ltd
Current assignee: Shanghai Fuhuan Technology Co ltd
Priority date: 2021-12-29
Filing date: 2021-12-29
Publication date: 2022-04-12

Abstract

本发明涉及一种肤色调节的方法和装置，其中，方法包括：对待处理图像进行检测，获取所述待处理图像中的系统预选区域图像；获取所述系统预选区域图像中的主要皮肤颜色的原始值，以所述主要皮肤颜色的原始值作为待校准原始皮肤颜色的数据C_i；获取所述待校准原始皮肤颜色的数据C_i与目标皮肤颜色的数据G_i之间的相差比例数据Scale_i；根据所述相差比例数据Scale_i，将所述待处理图像中人脸皮肤区域中的各个像素点的实际原始皮肤颜色的数据F_ji分别调节为调色后的皮肤颜色的数据F_ji'，以实现肤色调节。采用本发明的肤色调节的方法和装置可有效兼顾调色的精准性及调色的效率，更好地满足肤色调整需求。

Description

肤色调节的方法和装置

技术领域

本发明涉及图像处理技术领域，尤其涉及一种肤色调节的方法和装置。

背景技术

肤色调节方法是一种常用的皮肤图像处理方式之一，能够广泛地应用于不同场景。比如，可以使用肤色调节方法对拍摄出来的用户图片进行色彩的调整，实现美白、晒黑、红润等不同效果。传统的肤色调节方法通常包括两种：

一种是通过人工的方式框选皮肤区域，然后根据人工框选的皮肤区域的皮肤颜色通过插值法来对整体的图片的颜色亮度进行调整，这种方式的调节效果较好，计算简单，但是操作复杂，难以实现高效的肤色调节；

另一种是通过算法来识别图像中人脸的区域，然后利用对数曲线映射方式调节肤色，这种方式无需人工操作，效率高，但是计算复杂，且肤色调节效果的好坏受原图的光照和颜色变化影响较大。例如，若原图中人脸处于光影交界处或人脸面部存在红血丝、痘印及痣等情况时，就会使得算法识别出的原始图像中人脸肤色与实际皮肤肤色相差较大，从而使得实际调色效果与目标调色效果区别较大。

综上所述，现有技术中的肤色调节技术无法兼顾调色的效率及调色的效果。

发明内容

有鉴于现有技术的上述缺陷，本发明提供了一种处理效果好、处理效率高、操作方便、适应性好的肤色调节的方法和装置。

为了实现上述的目的，本发明的肤色调节的方法和装置如下：

该肤色调节的方法，其主要特点是，所述方法包括：

对待处理图像进行检测，获取所述待处理图像中的系统预选区域图像，其中，所述系统预选区域图像为所述待处理图像中系统预选的人脸皮肤区域中有效参考肤色区域的图像；

获取所述系统预选区域图像中的主要皮肤颜色的原始值，以所述主要皮肤颜色的原始值作为待校准原始皮肤颜色的数据C_i；

获取所述待校准原始皮肤颜色的数据C_i与目标皮肤颜色的数据G_i之间的相差比例数据Scale_i，其中，i为所述待处理图像中各像素点的特征要素；

根据所述相差比例数据Scale_i，将所述待处理图像中人脸皮肤区域中的各个像素点的实际原始皮肤颜色的数据F_ji分别调节为调色后的皮肤颜色的数据F_ji'，以实现肤色调节，其中，j为所述待处理图像中人脸皮肤区域中的各个像素点。

上述的一种肤色调节的方法，其中，所述系统预选的人脸皮肤区域中有效参考肤色区域包括额头区域和脸颊区域。

上述的一种肤色调节的方法，其中，所述对待处理图像进行检测，获取所述待处理图像中的系统预选区域图像，包括：

识别所述待处理图像中的人脸关键点；

从全部所述人脸关键点中获取所述系统预选的人脸皮肤区域中有效参考肤色区域的关键点；

根据所述系统预选的人脸皮肤区域中有效参考肤色区域边缘的各个关键点的坐标，拟合出所述系统预选的人脸皮肤区域中有效参考肤色区域，以得到所述系统预选区域图像。

上述的一种肤色调节的方法，其中，所述根据所述系统预选的人脸皮肤区域中有效参考肤色区域边缘的各个关键点的坐标，拟合出所述系统预选的人脸皮肤区域中有效参考肤色区域，包括：

获取所述有效参考肤色区域边缘的各个关键点的坐标；

根据所述有效参考肤色区域边缘的各个关键点的坐标，对所述有效参考肤色区域边缘中相邻的各个关键点进行连接，以拟合出所述系统预选的人脸皮肤区域中有效参考肤色区域。

上述的一种肤色调节的方法，其中，获取所述系统预选区域图像中的主要皮肤颜色的原始值，包括：

对所述系统预选区域图像进行分析；

筛除所述系统预选区域图像中像素点亮度低于系统预设亮度的区域，得到筛选后区域图像；

对所述筛选后区域图像进行聚类分析，得到所述筛选后区域图像的像素中心的值，其中，所述筛选后区域图像的像素中心的值为所述系统预选区域图像中的主要皮肤颜色的原始值。

上述的一种肤色调节的方法，其中，在Lab颜色模型下对所述待处理图像中的人脸皮肤区域进行调节，所述待处理图像中各像素点的特征要素i包括亮度L、a色彩通道A及b色彩通道B，其中，a色彩通道包括的颜色是从低亮度值的深绿色到中亮度值的灰色再到高亮度值的粉红色；b色彩通道包括的颜色是从低亮度值的亮蓝色到中亮度值的灰色再到高亮度值的黄色。

上述的一种肤色调节的方法，其中，所述待校准原始皮肤颜色的数据C_i包括待校准原始皮肤颜色的亮度值C_L、待校准原始皮肤颜色的a色彩通道值C_A及待校准原始皮肤颜色的b色彩通道值C_B；所述目标皮肤颜色的数据G_i包括目标皮肤颜色的亮度值G_L、目标皮肤颜色的a色彩通道值G_A及目标皮肤颜色的b色彩通道值G_B；所述相差比例数据Scale_i包括亮度相差比例值Scale_L、a色彩通道相差比例值Scale_A及b色彩通道相差比例值Scale_B；

所述获取所述待校准原始皮肤颜色的数据C_i与目标皮肤颜色的数据G_i之间的相差比例数据Scale_i，包括：

根据下述式1获得亮度相差比例值Scale_L：

根据下述式2获得a色彩通道相差比例值Scale_A：

根据下述式3获得b色彩通道相差比例值Scale_B：

上述的一种肤色调节的方法，其中，各个像素点的所述实际原始皮肤颜色的数据F_ji包括实际原始皮肤颜色的数据的亮度值F_jL、实际原始皮肤颜色的a色彩通道值F_jA及实际原始皮肤颜色的b色彩通道值F_jB；

各个像素点的调色后的皮肤颜色的数据F_ji'包括调色后的皮肤颜色的亮度值F_jL'、调色后的皮肤颜色的a色彩通道值F_jA'及调色后的皮肤颜色的b色彩通道值F_jB'；

所述根据所述相差比例数据Scale_i，将所述待处理图像中人脸皮肤区域中的各个像素点的实际原始皮肤颜色的数据F_ji分别调节为调色后的皮肤颜色的数据F_ji'，包括：

根据下式4获得所述调色后的皮肤颜色的亮度值F_jL'：

F_jL'＝Scale_L×F_jL 式4；

根据下式5获得所述调色后的皮肤颜色的a色彩通道值F_jA'：

F_jA'＝Scale_A×F_jA 式5；

根据下式6获得所述调色后的皮肤颜色的b色彩通道值F_jB'：

F_jB'＝Scale_B×F_jB式6。

一种计算机可读存储介质，其主要特点是，所述计算机可读存储介质上存储有计算机程序，所述计算机程序可被一个或者多个处理器执行，以实现上述的肤色调节的方法。

一种计算机程序产品，其主要特点是，当所述计算机程序产品在计算机上运行时，使得所述计算机执行上述的肤色调节的方法。

本发明的肤色调节的方法和装置的有益效果：

由于选择了系统预选区域图像的主要皮肤颜色的原始值作为待校准原始皮肤颜色的数据C_i，故可有效避免因待处理图像中面部光影效果、瑕疵、毛发边缘等因素导致的对原始肤色选取的偏差，同时，该方法中采用了原始皮肤上的颜色作为待校准数据，故可精准的获得原始皮肤颜色与目标皮肤颜色的相差比例，以使得调色后的肤色可更接近目标皮肤颜色，获得良好的调色效果。采用本发明的肤色调节的方法和装置对待处理图像中的人脸肤色进行调色，可有效兼顾调色的精准性及调色的效率，更好地满足肤色调整需求。

附图说明

以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。

图1是一实施例中本发明的肤色调节的方法的流程图。

图2A是一实施例中待处理面部肤色示意图。

图2B是一实施例中的人脸皮肤区域中有效参考肤色区域的图像示意图。

图2C是一实施例中处理后面部肤色示意图。

图3为目标肤色色卡图。

具体实施方式

为了使发明实现的技术手段、创造特征、达成目的和功效易于明白了解，下结合具体图示，进一步阐述本发明。但本发明不仅限于以下实施的案例。

须知，本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。

在该实施例中，本发明的肤色调节的方法包括：

在Lab颜色模型下对所述待处理图像中的人脸皮肤区域进行调节，所述待处理图像中各像素点的特征要素i包括亮度L、a色彩通道A及b色彩通道B，其中，a色彩通道包括的颜色是从低亮度值的深绿色到中亮度值的灰色再到高亮度值的粉红色；b色彩通道包括的颜色是从低亮度值的亮蓝色到中亮度值的灰色再到高亮度值的黄色；该方法包括以下步骤：

(1)对待处理图像进行检测，获取所述待处理图像中的系统预选区域图像，其中，所述系统预选区域图像为所述待处理图像中系统预选的人脸皮肤区域中有效参考肤色区域的图像，具体包括以下步骤：

(11)识别所述待处理图像中的人脸关键点；

优选的，可采用Dlib工具识别出所述待处理图像中个人脸关键点；

(12)从全部所述人脸关键点中获取所述系统预选的人脸皮肤区域中有效参考肤色区域的关键点；

其中，所述系统预选的人脸皮肤区域中有效参考肤色区域包括额头区域和脸颊区域；由于额头区域和脸颊区域平整度更高，不易产生明暗变化，故更容易体现出面部的整体肤色情况；

(13)根据所述系统预选的人脸皮肤区域中有效参考肤色区域边缘的各个关键点的坐标，拟合出所述系统预选的人脸皮肤区域中有效参考肤色区域，以得到所述系统预选区域图像，具体包括以下步骤：

(131)获取所述有效参考肤色区域边缘的各个关键点的坐标；

(132)根据所述有效参考肤色区域边缘的各个关键点的坐标，对所述有效参考肤色区域边缘中相邻的各个关键点进行连接，以拟合出所述系统预选的人脸皮肤区域中有效参考肤色区域；

即在该实施例中，根据所述标准额头区域、左侧脸颊区域、右侧脸颊区域的上边缘和下边缘的关键点位置，分别对三个区域关键点进行常规多项式拟合得出所需检测的区域，得到所述有效肤色参考区域图像，其中，常规多项式为：

其中，W_n为多项式系数，X为关键点的横坐标的矩阵，Y为关键点的纵坐标的矩阵，n为关键点的数量；

优选的，可采用cv2工具包的np.polyfit和np.polyval函数基于计算所得到的横纵坐标，通过直线连接相邻坐标的点，所连直线和点作为区域的边和顶点围成的标准额头区域、左侧脸颊区域、右侧脸颊多边形区域。

在其他实施例中，也可使用其他第三方库的函数来进行多项式的计算和拟合，本发明对多项式的计算拟合的方式不做限定。

(2)获取所述系统预选区域图像中的主要皮肤颜色的原始值，以所述主要皮肤颜色的原始值作为待校准原始皮肤颜色的数据C_i，其中，所述获取所述系统预选区域图像中的主要皮肤颜色的原始值，具体包括：

(21)对所述系统预选区域图像进行分析；

(22)筛除所述系统预选区域图像中像素点亮度低于系统预设亮度的区域，得到筛选后区域图像；通过该步骤可筛除图像中处于光线较差位置的图像区域，如脸颊边缘位于阴暗处的区域；在实际操作中，在Lab颜色模型下，可筛除亮度L_i小于系统预设亮度阈值的区域，其中，亮度阈值范围在10到30之间，优选的可筛除L_i小于20的像素，其中，L_i代表各像素点亮度。

(23)对所述筛选后区域图像进行聚类分析，得到所述筛选后区域图像的像素中心的值，其中，所述筛选后区域图像的像素中心的值为所述系统预选区域图像中的主要皮肤颜色的原始值；

该实施例中通过对筛选后区域图像进行聚类分析，得到所述筛选后区域图像的像素中心的值，可有效筛除眉毛边缘、头发边缘、色斑、痣及痘印等无效区域的像素点，去除干扰量；

(3)获取所述待校准原始皮肤颜色的数据C_i与目标皮肤颜色的数据G_i之间的相差比例数据Scale_i，其中，i为所述待处理图像中各像素点的特征要素；

其中，所述待校准原始皮肤颜色的数据C_i包括待校准原始皮肤颜色的亮度值C_L、待校准原始皮肤颜色的a色彩通道值C_A及待校准原始皮肤颜色的b色彩通道值C_B；所述目标皮肤颜色的数据G_i包括目标皮肤颜色的亮度值G_L、目标皮肤颜色的a色彩通道值G_A及目标皮肤颜色的b色彩通道值G_B；所述相差比例数据Scale_i包括亮度相差比例值Scale_L、a色彩通道相差比例值Scale_A及b色彩通道相差比例值Scale_B；该步骤(3)包括：

根据下述式1获得亮度相差比例值Scale_L：

根据下述式2获得a色彩通道相差比例值Scale_A：

根据下述式3获得b色彩通道相差比例值Scale_B：

即由所述亮度相差比例值Scale_L、a色彩通道相差比例值Scale_A及b色彩通道相差比例值Scale_B构成所述Lab颜色模型下的所述相差比例数据Scale_i；

(4)根据所述相差比例数据Scale_i，将所述待处理图像中人脸皮肤区域中的各个像素点的实际原始皮肤颜色的数据F_ji分别调节为调色后的皮肤颜色的数据F_ji'，以实现肤色调节，其中，j为所述待处理图像中人脸皮肤区域中的各个像素点；

其中，各个像素点的所述实际原始皮肤颜色的数据F_ji包括实际原始皮肤颜色的数据的亮度值F_jL、实际原始皮肤颜色的a色彩通道值F_jA及实际原始皮肤颜色的b色彩通道值F_jB；

各个像素点的调色后的皮肤颜色的数据F_ji'包括调色后的皮肤颜色的亮度值F_jL'、调色后的皮肤颜色的a色彩通道值F_jA'及调色后的皮肤颜色的b色彩通道值F_jB'；该步骤(4)包括：

根据下式4获得所述调色后的皮肤颜色的亮度值F_jL'：

F_jL'＝Scale_L×F_jL 式4；

根据下式5获得所述调色后的皮肤颜色的a色彩通道值F_jA'：

F_jA'＝Scale_A×F_jA 式5；

根据下式6获得所述调色后的皮肤颜色的b色彩通道值F_jB'：

F_jB'＝Scale_B×F_jB 式6；

即由所述调色后的皮肤颜色的亮度值F_jL'、调色后的皮肤颜色的a色彩通道值F_jA'及调色后的皮肤颜色的b色彩通道值F_jB'构成调色后的皮肤颜色的数据F_ji'。

图1是一实施例中本发明的肤色调节的方法的流程图，图2A是一实施例中待处理面部肤色示意图。图2B是一实施例中的人脸皮肤区域中有效参考肤色区域的图像示意图。图2C是一实施例中处理后面部肤色示意图。图3为目标肤色色卡图。用于可通过目标肤色色卡图选出想要将照相中的肤色调节为什么颜色，实际情况中，目标肤色色卡图为彩色的图片，其包含了各种不同的可选皮肤颜色，需注意的是，具体实施时并不以图3中提供的目标肤色色卡图中的颜色数量及肤色排布形式为限，实际实施时，可按需设计色卡的形式。

采用上述方法肤色调节的方法可根据用户的选择，将待处理图像中人脸皮肤区域的颜色调节为所需的目标皮肤颜色，例如，可将图2A的面部肤色调节为图2C中的肤色，其实施流程可参阅图1所示，其包括以下步骤：

对待处理图像进行检测；

采用Dlib工具对待处理图像中的人脸区域进行人脸关键点识别；

根据识别到的人脸关键点，提取出人脸皮肤区域中有效参考肤色区域边缘的关键点；

根据所述有效参考肤色区域边缘的各个关键点的坐标，对所述有效参考肤色区域边缘中相邻的各个关键点进行连接，以拟合出有效参考肤色区域，得到系统预选区域图像，即如图2B所示的额头区域及脸颊区域的图像；

由于在实际图像处理过程中，人脸区域还会存在光影、瑕疵、毛发等因素的影响，故本方案还需进行下述去噪处理；

对所述系统预选区域图像进行分析；

对筛选后区域图像进行聚类分析，得到所述筛选后区域图像的像素中心的值，以筛选后区域图像的像素中心的值作为主要皮肤颜色的原始值；

获取所述待校准原始皮肤颜色的数据C_i与目标皮肤颜色的数据G_i之间的相差比例数据Scale_i；

根据所述相差比例数据Scale_i，将所述待处理图像中人脸皮肤区域中的各个像素点的实际原始皮肤颜色的数据分别调节为调色后的皮肤颜色的数据；

完成肤色调节，将图2A中的肤色调整为图2C中的肤色。

从图中可以看出，采用上述实施例中的方法进行调节，可在实现肤色调整后，保留面部光影效果，与原图对应，使得调整后的面部肤色十分自然，调节效果好。

上述实施方式通过增加了人工智能算法辅助的人脸识别技术，在用户传入拍摄皮肤图像后，可以快速精准地识别有效人脸区域，从而得到有效目标肤色参考区域，无需额外的人工操作，效率高；

同时，使用基于目标肤色参考区域Lab色彩空间计算值的优化插值映射方法，实现计算简单，不受光照和原图颜色变化影响的高质量肤色调节效果，让使用者能够轻松快速地实现不同皮肤图像肤色的精准调节。

有效满足了肤色调节的快速性及精准性，解决了现有技术中肤色调节中无法兼顾调节效果和计算简单效率高的问题。

为了使得本领域技术人员可更好地理解上述方案，下面举一具体实施例，对上述方法进行进一步地描述：

该肤色调节的方法包括：

(1)对图像进行深度学习算法辅助的高效人脸识别，从识别出的人脸图像中选取有效肤色参考区域图像，包括以下操作：

所述对图像基于工具——dlib_81人脸识模型的深度学习算法进行人脸识别，从识别出的人脸图像中选取有效肤色参考区域图像，具体包括：

从所述人脸图像中识别出眉毛、眼睛、鼻子、嘴唇及面部轮廓相关的81个关键点(即人脸关键点)；

根据所述81个关键点的位置，计算额头和脸颊区域位置关键点，并将对应额头和脸颊区域关键点连接成额头和脸颊目标区域，将该目标区域作为所述有效肤色参考区域图像，具体包括：

根据所述81个关键点中额头所在区域的23个关键点的位置，计算连接围成标准额头上边缘和下边缘的点位置；

根据所述81个关键点左侧脸颊所在区域的15个关键点位置，计算围成标准左侧脸颊上边缘和下边缘的点位置；

根据所述81个关键点右侧脸颊所在区域的15个关键点位置，计算围成右侧标准脸颊上边缘和下边缘的点位置；

根据所述标准额头区域、左侧脸颊区域、右侧脸颊上边缘和下边缘的点位置，分别对三个区域关键点进行常规多项式拟合得出所需检测的区域，得到所述有效肤色参考区域图像；

其中，所述根据所述81个关键点的位置，计算连接围成标准额头上边缘和下边缘的点位置，包括：

采用常规多项式拟合81个关键点中额头上边缘所在区域的11个关键点的位置和下边缘所在区域的10个关键点的位置横坐标和纵坐标的关系：

Y_i＝a_i5X_i ⁵+a_i4X_i ⁴+a_i3X₃ ³+a_i2X₂ ²+a_i1X₁+a_i0，(i＝0，1)；

其中，a_i0～a_i5为常规多项式拟合计算得到的横坐标和纵坐标的关系的多项式系数，Y₀＝[y_u0 … y_u10]，Y₁＝[y_d0 … y_d10]为关键点纵坐标的矩阵，y_ui(i＝0，…，10)为上边缘所在区域的11个关键点的纵坐标，y_di(i＝0，…，9)为下边缘所在区域的10个关键点的纵坐标，X₀＝[x_u0 … x_u10]，X₁＝[x_d0 … x_d10]为关键点纵坐标的矩阵，x_ui(i＝0，…，10)为上边缘所在区域的11个关键点的横坐标，x_di(i＝0，…，9)为下边缘所在区域的10个关键点的横坐标；

采用常规多项式计算标准额头区域、左侧脸颊区域、右侧脸颊上边缘和下边缘的点位置：

Y_i′＝a_i5X_i′⁵+a_i4X_i′⁴+a_i3X₃′³+a_i2X₂′²+a_i1X₁′+a₀，(i＝0，1)：

其中，a_i0～a_i5为常规多项式拟合计算得到的横坐标和纵坐标的关系的多项式系数，X₀′＝[x_u0′ … x_u29′]，X₁′＝[x_d0′ … x_d29′]为关键点纵坐标的矩阵，x_ui′(i＝0，…，29)为标准额头上边缘所在区域的30个点的横坐标，x_di′(i＝0，…，29)为标准额头下边缘所在区域的30个点的均匀分隔的横坐标标准值，Y₀′＝[y_u0′ … y_u29′]，Y′₁＝[y_d0′ … y_d29′]为标准额头边缘纵坐标的矩阵，y_ui′(i＝0，…，29)为计算得到的标准额头上边缘所在区域的30个点的纵坐标，y_di′(i＝0，…，29)为计算得到的标准额头下边缘所在区域的30个点的纵坐标。

在对额头区域、左侧脸颊区域、右侧脸颊上边缘和下边缘的关键点位置进行拟合，得到所述有效肤色参考区域图像的过程中，可采用cv2工具包的fillpoly函数基于计算所得到的横纵坐标，通过直线连接相邻坐标的点，所连直线和点作为区域的边和顶点围成的标准额头区域、左侧脸颊区域、右侧脸颊多边形区域。

或者，可使用其他第三方库的函数来进行多项式的计算和拟合，本实例对多项式的计算拟合的方式不做限定。

(2)根据所述有效肤色参考区域图像，通过聚类算法辅助得到肤色图像像素中心的值，包括：

通过阈值筛选所有图像像素点，通过数值截断筛选去除L_i值较小的值、眉毛边缘等无效区域的像素点；

其中，i＝1，…，n为像素点的个数，L_i，A_i，B_i为特定像素点LAB色彩空间的值，L_i代表像素点亮度，0-100，越大越亮。根据实验测试，通过筛选去除L_i小于20的像素点，可有效提高肤色调节效果。

采用sklearn.cluster工具包中Kmeans聚类算法(在具体实施时，也可采用其他软件实现聚类处理)，设置聚类中心数量为3，以有效地区分毛发，色斑，普通皮肤三种类别，使用进程数量为2加速聚类过程(其中，进程数量为可选值，进程数量仅对处理速度产生影响，而不对处理效果产生影响)；

根据筛选过后的像素点列表[L_i]，[A_i]，[B_i]进行聚类，A_i代表从绿色到红色的分量，B_i代表从蓝色到黄色分量。得到LAB色彩空间三个分量的对应三个聚类中心的值：(centerL₀，centerL₁，centerL₂)，(centerA₀，centerA₁，centerA₂)及(centerB₀，centerB₁，centerB₂)；

通过取最大值center＝max(center₀，center₁，center₂)，得到肤色图像像素中心的值：(centerL，centerA，centerB)(即待校准原始皮肤颜色的亮度值C_L、待校准原始皮肤颜色的a色彩通道值C_A及待校准原始皮肤颜色的b色彩通道值C_B)；

(3)根据所述像素中心的值和目标肤色颜色的值，通过基于lab色彩空间的线性映射方式对所述识别出的人脸图像进行肤色调节，得到肤色调节后的目标图像，包括：

根据用户选择的目标肤色图像，得到目标肤色像素LAB色彩空间的值(goalL，goalA，goalB)(即目标皮肤颜色的亮度值G_L、目标皮肤颜色的a色彩通道值G_A及目标皮肤颜色的b色彩通道值G_B，该值由用户的选择的目标肤色决定)；根据所述肤色图像像素中心的值和目标肤色像素LAB色彩空间的值，计算得到LAB色彩空间各空间向量快速线性变换的比例：

其中，i＝(L，A，B)，其中，Scale_i为计算所得各空间向量的比例(即相差比例数据Scale_i)，故：

根据

获得亮度相差比例值Scale_L：

根据

获得a色彩通道相差比例值Scale_A：

根据

获得b色彩通道相差比例值Scale_B：

根据识别出的人脸图像原图的像素LAB色彩空间的值和计算所得各空间向量的比例通过线性变化得到肤色调节后的图像：

[L’]＝Scale_L×[L]，[A’]＝Scale_A×[A]，[B’]＝Scale_B×[B]；

其中，[L]＝[L₀...L_n]，[A]＝[A₀...A_n]，[B]＝[B₀...B_n]为识别出的人脸图像原图的像LAB色彩空间的值的矩阵(即实际原始皮肤颜色的数据F_ji)；而[L']＝[L'₀...L'_n]，[A']＝[A'₀...A'_n]，[B']＝[B'₀...B'_n]为肤色调节后的人脸图像的LAB色彩空间的值的矩阵(即调色后的皮肤颜色的数据F_ji')，其中，n等于像素点的总数。

在执行上述方法时，可为用户提供不同的目标肤色供用户选择，以满足不同用户的肤色调节需求。

上述实施方式具备以下有益效果：

1.使用Dlib工具包中基于81个人脸关键点的人脸识别深度学习算法进行人脸识别，无需人工框选有效肤色参考区域，使得肤色调节方法更加智能化，操作更加简易，无需额外的人工操作，同时也避免了框选无效区域导致肤色调节过程中干扰区域颜色对于肤色调节效果的影响，为肤色像素值的定量分析和变化高效精准地确定了合适范围；

2.对肤色有效区域图像进行数值截断去噪处理，再使用Kmeans聚类算法得到用户图像肤色像素聚类中心，可以快速精准地得到用户肤色的定量分析的数值，从而为基于LAB色彩空间快速线性变化的肤色调节方法提供了可靠依据，保证了肤色调节的效果；

3.基于LAB色彩空间线性变化的像素值调整方法实现了更加快速的计算过程，同时基于LAB色彩空间的调色方式，相较于RGB空间、HSV空间能够更精确实现肤色像素值的调整。

在一实施例中，一种计算机可读存储介质，其中，存储有计算机程序，所述计算机程序可被一个或者多个处理器执行，以实现上述的肤色调节的方法。

在一实施例中，一种计算机程序产品，其中，当所述计算机程序产品在计算机上运行时，使得所述计算机执行如上述的肤色调节的方法。

可以理解的是，本申请的实施例中的处理器可以是中央处理器(CentralProcessing Unit，CPU)等，或者是图像处理器(Graphic Processing Unit,GPU)存储器可以存储可执行指令等装置；

处理器可以执行在存储器中存储的执行指令，从而实现本文描述的各个过程。

其中，操作系统，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务；

计算机程序，包含各种应用程序，用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序中。

本领域技术人员可以明白的是，结合本文中所公开的实施例描述的各示例的单元及算法步骤能够以电子硬件、或者软件和电子硬件的结合来实现；

这些功能是以硬件还是软件方式来实现，取决于技术方案的特定应用和设计约束条件；

本领域技术人员可以针对每个特定的应用，使用不同的方式来实现所描述的功能，但是这种实现并不应认为超出本申请的范围。

在本申请实施例中，所公开的系统、装置和方法可以通过其它方式来实现；

例如，单元的划分仅仅为一种逻辑功能划分，在实际实现时还可以有另外的划分方式；

例如，多个单元或组件可以进行组合或者可以集成到另一个系统中；

另外，在本申请实施例中的各功能单元可以集成在一个处理单元中，也可以是单独的物理存在等等。

应理解，在本申请的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请的实施例的实施过程构成任何限定。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在机器可读存储介质中；

因此，本申请的技术方案可以以软件产品的形式来体现，该软件产品可以存储在机器可读存储介质中，其可以包括若干指令用以使得电子设备执行本申请实施例所描述的技术方案的全部或部分过程；

上述存储介质可以包括ROM、RAM、可移动盘、硬盘、磁盘或者光盘等各种可以存储程序代码的介质。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims

1.一种肤色调节的方法，其特征在于，包括：

2.根据权利要求1所述的肤色调节的方法，其特征在于，所述系统预选的人脸皮肤区域中有效参考肤色区域包括额头区域和脸颊区域。

3.根据权利要求1所述的肤色调节的方法，其特征在于，所述对待处理图像进行检测，获取所述待处理图像中的系统预选区域图像，包括：

识别所述待处理图像中的人脸关键点；

4.根据权利要求3所述的肤色调节的方法，其特征在于，所述根据所述系统预选的人脸皮肤区域中有效参考肤色区域边缘的各个关键点的坐标，拟合出所述系统预选的人脸皮肤区域中有效参考肤色区域，包括：

获取所述有效参考肤色区域边缘的各个关键点的坐标；

5.根据权利要求1所述的肤色调节的方法，其特征在于，获取所述系统预选区域图像中的主要皮肤颜色的原始值，包括：

对所述系统预选区域图像进行分析；

6.根据权利要求1所述的肤色调节的方法，其特征在于，在Lab颜色模型下对所述待处理图像中的人脸皮肤区域进行调节，所述待处理图像中各像素点的特征要素i包括亮度L、a色彩通道A及b色彩通道B，其中，a色彩通道包括的颜色是从低亮度值的深绿色到中亮度值的灰色再到高亮度值的粉红色；b色彩通道包括的颜色是从低亮度值的亮蓝色到中亮度值的灰色再到高亮度值的黄色。

7.根据权利要求6所述的肤色调节的方法，其特征在于，

所述待校准原始皮肤颜色的数据C_i包括待校准原始皮肤颜色的亮度值C_L、待校准原始皮肤颜色的a色彩通道值C_A及待校准原始皮肤颜色的b色彩通道值C_B；所述目标皮肤颜色的数据G_i包括目标皮肤颜色的亮度值G_L、目标皮肤颜色的a色彩通道值G_A及目标皮肤颜色的b色彩通道值G_B；所述相差比例数据Scale_i包括亮度相差比例值Scale_L、a色彩通道相差比例值Scale_A及b色彩通道相差比例值Scale_B；

根据下述式1获得亮度相差比例值Scale_L：

根据下述式2获得a色彩通道相差比例值Scale_A：

根据下述式3获得b色彩通道相差比例值Scale_B：

8.根据权利要求7所述的肤色调节的方法，其特征在于，各个像素点的所述实际原始皮肤颜色的数据F_ji包括实际原始皮肤颜色的数据的亮度值F_jL、实际原始皮肤颜色的a色彩通道值F_jA及实际原始皮肤颜色的b色彩通道值F_jB；

根据下式4获得所述调色后的皮肤颜色的亮度值F_jL'：

F_jL'＝Scale_L×F_jL 式4；

根据下式5获得所述调色后的皮肤颜色的a色彩通道值F_jA'：

F_jA'＝Scale_A×F_jA 式5；

根据下式6获得所述调色后的皮肤颜色的b色彩通道值F_jB'：

F_jB'＝Scale_B×F_jB 式6。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序可被一个或者多个处理器执行，以实现如权利要求1-8中任一项所述的肤色调节的方法。

10.一种计算机程序产品，其特征在于，当所述计算机程序产品在计算机上运行时，使得所述计算机执行如权利要求1至8中任一项所述的肤色调节的方法。