CN114511580A - 图像处理方法、装置、设备及存储介质 - Google Patents
图像处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114511580A CN114511580A CN202210107876.0A CN202210107876A CN114511580A CN 114511580 A CN114511580 A CN 114511580A CN 202210107876 A CN202210107876 A CN 202210107876A CN 114511580 A CN114511580 A CN 114511580A
- Authority
- CN
- China
- Prior art keywords
- image
- skin
- area
- type
- original 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 17
- 230000007547 defect Effects 0.000 claims abstract description 73
- 230000011218 segmentation Effects 0.000 claims abstract description 52
- 230000002950 deficient Effects 0.000 claims abstract description 51
- 230000001815 facial effect Effects 0.000 claims abstract description 28
- 238000000034 method Methods 0.000 claims description 32
- 238000001914 filtration Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000004321 preservation Methods 0.000 claims description 4
- 230000036548 skin texture Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 25
- 210000000697 sensory organ Anatomy 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 210000001508 eye Anatomy 0.000 description 5
- 230000002146 bilateral effect Effects 0.000 description 4
- 210000004709 eyebrow Anatomy 0.000 description 4
- 208000002874 Acne Vulgaris Diseases 0.000 description 3
- 206010000496 acne Diseases 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 210000004209 hair Anatomy 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000037311 normal skin Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 210000000088 lip Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000008961 swelling Effects 0.000 description 1
Images
Classifications
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
-
- G06T5/77—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- 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
Abstract
本公开实施例公开了一种图像处理方法、装置、设备及存储介质。对原始图像进行皮肤分割,获得分割结果图;对所述分割结果图和标准五官掩膜图进行融合,获得第一皮肤区域图;根据所述第一皮肤区域图和所述原始图像确定瑕疵区域;对所述原始图像中所述瑕疵区域中的像素进行调整,获得目标图像。本公开实施例提供的图像处理方法,基于由分割结果图和标准五官掩膜图融合获得的第一皮肤区域图与原始图像确定瑕疵区域,以实现对原始图像中瑕疵区域的去除,可以避免五官与皮肤纹理的细节缺失,从而提高去瑕疵后面部图像的真实性。
Description
技术领域
本公开实施例涉及图像处理技术领域,尤其涉及一种图像处理方法、装置、设备及存储介质。
背景技术
传统的面部去瑕疵方法通过滤波核的大小来实现面部的瑕疵祛除和肤质光滑,但是由于该方法是对面部的全局处理,会导致五官与皮肤纹理细节缺失,从而形成明显的假脸效果。
发明内容
本公开实施例提供一种图像处理方法、装置、设备及存储介质,可以实现对面部图像的去瑕疵处理,避免五官与皮肤纹理的细节缺失,从而提高去瑕疵后面部图像的真实性。
第一方面,本公开实施例提供了一种图像处理方法,包括:
对原始图像进行皮肤分割,获得分割结果图;
对所述分割结果图和标准五官掩膜图进行融合,获得第一皮肤区域图;
根据所述第一皮肤区域图和所述原始图像确定瑕疵区域;
对所述原始图像中所述瑕疵区域中的像素进行调整,获得目标图像。
第二方面,本公开实施例还提供了一种图像处理装置,包括:
分割结果图获取模块,用于对原始图像进行皮肤分割,获得分割结果图;
第一皮肤区域图获取模块,用于对所述分割结果图和标准五官掩膜图进行融合,获得第一皮肤区域图;
瑕疵区域确定模块,用于根据所述第一皮肤区域图和所述原始图像确定瑕疵区域;
像素调整模块,用于对所述原始图像中所述瑕疵区域中的像素进行调整,获得目标图像。
第三方面,本公开实施例还提供了一种电子设备,所述电子设备包括:
一个或多个处理装置;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理装置执行,使得所述一个或多个处理装置实现如本公开实施例所述的图像处理方法。
第四方面,本公开实施例还提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理装置执行时实现如本公开实施例所述的图像处理方法。
本公开实施例公开了一种图像处理方法、装置、设备及存储介质。对原始图像进行皮肤分割,获得分割结果图;对分割结果图和标准五官掩膜图进行融合,获得第一皮肤区域图;根据第一皮肤区域图和原始图像确定瑕疵区域;对原始图像中瑕疵区域中的像素进行调整,获得目标图像。本公开实施例提供的图像处理方法,基于由分割结果图和标准五官掩膜图融合获得的第一皮肤区域图与原始图像确定瑕疵区域,以实现对原始图像中瑕疵区域的去除,可以避免五官与皮肤纹理的细节缺失,从而提高去瑕疵后面部图像的真实性。
附图说明
图1是本公开实施例中的一种图像处理方法的流程图;
图2是本公开实施例中的标准五官掩膜图的示例图;
图3是本公开实施例中的第一皮肤区域图的示例图;
图4是本公开实施例中的第一处理结果图的示例图;
图5是本公开实施例中的第二处理结果图的示例图;
图6是本公开实施例中的一种图像处理装置的结构示意图;
图7是本公开实施例中的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
图1为本公开实施例提供的一种图像处理方法的流程图,本实施例可适用于对皮肤中的瑕疵进行去除的情况,该方法可以由图像处理装置来执行,该装置可由硬件和/或软件组成,并一般可集成在具有图像处理功能的设备中,该设备可以是服务器、移动终端或服务器集群等电子设备。如图1所示,该方法具体包括如下步骤:
S110,对原始图像进行皮肤分割,获得分割结果图。
其中,原始图像可以是包括人体皮肤的区域,例如:包含人像面部、人体四肢等。本实施例中,原始图像为包含人像面部的图像,即主要是对面部中的皮肤进行去瑕疵。
具体的,对原始图像进行皮肤分割的过程可以理解为:将不属于皮肤区域(如背景)以及遮挡皮肤的区域(如衣服、头发等)分割出去的过程。对于包含面部的原始图像,分割结果图为一张包含整个面部(五官+脸部+脖子)的图像。
本实施例中,可以采用现有任意的皮肤分割方式对原始图像进行皮肤分割,此处不做限定。例如:可以采用:基于颜色空间的皮肤检测+自适应阈值分割的方式、基于椭圆空间的皮肤检测+自适应阈值法+人像背景去除的方式、基于椭圆空间的图像分割+基于HSV(色调、饱和度、亮度)空间的图像分割的方式或者采用机器学习(ArtificialIntelligence,AI)模型的方式等。本实施例中,对原始图像进行皮肤分割,可以防止原始图像中的衣服区域及头发区域被处理。
S120,对分割结果图和标准五官掩膜图进行融合,获得第一皮肤区域图。
其中,标准五官掩膜图可以理解为一张将五官(眉毛、眼睛、鼻孔及嘴唇)遮挡住的掩膜图,本实施例的五官不是传统意义上的五官,而是包括眉毛、眼睛、鼻孔及嘴唇,即没有将整个鼻子掩膜,而是对鼻孔进行了掩膜,这是因为鼻梁上也存在皮肤区域,这样保证了鼻梁上的皮肤区域也进行了去瑕疵处理。示例性的,图2是本实施例中标准五官掩膜图的示例图,如图2所示,该掩膜图中,五官区域被遮挡,其他区域未被遮挡。
本实施例中,对分割结果图和标准五官掩膜图进行融合的方式可以是:对分割结果图和标准五官掩膜图取交集,获得第一皮肤区域图。
其中,第一皮肤区域图可以是将分割结果图中只剩下皮肤区域的图,确保在执行后续操作的时候眉毛、头发、眼睛、嘴唇、鼻孔等非面部皮肤区域不受影响。具体的,对分割结果图和标准五官掩膜图取交集的方式可以是:将分割结果图对应的矩阵与标准五官掩膜图对应的矩阵进行相乘,从而获得第一皮肤区域图。示例性的,图3是本实施例中第一皮肤区域图的示例图。如图3所示,第一皮肤区域图为分割结果图中遮挡了眉毛、眼睛、鼻孔、鼻梁边缘及嘴唇等五官的图像。
可选的,在获得第一皮肤区域图之后,还包括如下步骤:对第一皮肤区域图进行设定滤波处理。
其中,设定滤波处理可以是双边滤波。双边滤波的原理可以是采用一卷积核对第一皮肤区域图进行滑窗卷积计算。在进行双边滤波时,为了保留图像的边缘,需要根据当前被卷积像素的邻域进行检测,以确定当前被卷积像素是否是边缘点和接近边缘的点,若是边缘点和接近边缘的点,则改变卷积核中的元素。若当前被卷积像素不是边缘点和接近边缘的点,则采用原卷积核进行卷积计算。本实施例中,采用双边滤波对第一皮肤区域图处理,可以对第一皮肤区域图高斯模糊的同时保证五官的轮廓(鼻子的轮廓、眼睛的轮廓及嘴唇的轮廓)更加清晰。
S130,根据第一皮肤区域图和原始图像确定瑕疵区域。
其中,瑕疵区域可以包括皮肤中的斑点区域、痘印区域及痘痘区域等。本实施例中,可以根据瑕疵的颜色对瑕疵进行分类,以对不同类别的瑕疵分别进行识别。
具体的,根据第一皮肤区域图和原始图像确定瑕疵区域的方式可以是:提取原始图像的皮肤区域,获得第二皮肤区域图;根据第一皮肤区域图和第二皮肤区域图确定第一类瑕疵区域和/或第二类瑕疵区域;对原始图像中瑕疵区域中的像素进行调整,获得目标图像的方式可以是:对原始图像中第一类瑕疵区域和/或第二类瑕疵区域中的像素进行调整,获得目标图像。
其中,第一类瑕疵区域可以是颜色偏红的瑕疵,例如:红肿痘痘等;第二类瑕疵区域可以是颜色暗沉的区域,例如:暗沉斑点等。
本实施例中,原始图像与第一皮肤区域图尺寸相同,且原始图像中的像素点与第一皮肤区域图中的像素点一一对应,即两图的像素对齐。提取原始图像的皮肤区域方式可以是:遍历第一皮肤区域图中的像素点,若遍历到的像素点的像素值大于设定阈值,则该像素点在原始图像中对应的像素点为皮肤像素点,若遍历到的像素点的像素值小于或等于设定阈值,则该像素点在原始图像中对应的像素点为非皮肤像素点,将原始图像中的皮肤像素点提取出来,从而获得第二皮肤区域图。可选的,提取原始图像的皮肤区域方式还可以是:将原始图像与标准五官掩膜图取交集,获得第二皮肤区域图。
本实施例中,可以按照如下步骤去除原始图像中的瑕疵:首先根据第一皮肤区域图和第二皮肤区域图确定第一类瑕疵区域,然后对原始图像中第一类瑕疵区域的像素进行调整;再接着根据去除第一类瑕疵的第二皮肤区域图和第一皮肤区域图确定第二类瑕疵区域,然后对去除第一类瑕疵的原始图像中第二类瑕疵区域的像素进行调整,从而获得目标图像。或者,首先根据第一皮肤区域图和第二皮肤区域图确定第二类瑕疵区域,然后对原始图像中第二类瑕疵区域的像素进行调整;再接着根据去除第二类瑕疵的第二皮肤区域图和第一皮肤区域图确定第一类瑕疵区域,然后对去除第二类瑕疵的原始图像中第一类瑕疵区域的像素进行调整,从而获得目标图像。本实施例中,对原始图像按照第一类瑕疵和第二类瑕疵分别进行去除,可以保证去瑕的精度。
可选的,根据第一皮肤区域图和原始图像确定第一类瑕疵区域的方式可以是:将第一皮肤区域图转换为第一皮肤色彩空间Lab图;将第二皮肤区域图转换为第二皮肤Lab图;对第一皮肤Lab图和第二皮肤Lab图的设定空间通道执行高反差保留操作,获得第一中间结果图;对第一中间结果图执行至少一次强光操作,获得第一处理结果图;将第一处理结果图中设定空间通道值大于第一设定阈值的像素点确定为第一类瑕疵点,第一类瑕疵点围成的区域为第一类瑕疵区域。
其中,第一皮肤区域图和第二皮肤区域图均为RGB图,将RGB图转换为Lab图可以采用现有任意的方式,此处不做限定。设定空间通道可以是a通道,由于a通道表征绿色-红色轴,因此通过对a通道处理可以识别出图像中颜色偏红的瑕疵,如:红肿痘痘。本实施例中,Lab图中的三个空间通道值均进行了归一化处理,即三个通道的值均为0-1之间的值。
具体的,对第一皮肤Lab图和第二皮肤Lab图的设定空间通道执行高反差保留操作的方式可以是:将第二皮肤Lab图的a通道值与第一皮肤Lab图的a通道作差,将差值作为第一中间结果图的a通道值。
对第一中间结果图执行至少一次强光操作可以理解为:对第一中间结果图的a通道执行至少一次强光操作。其中,执行强光操作的方式可以是理解为按照设定规则调整a通道值。可选的,该设定规则可以是:若a通道值大于设定值(例如0.5),则按照下述公式调整a通道值:2.0*a*a;若a通道值小于或者等设定值(例如0.5),则按照下述公式调整a通道值:1-2*(1-a)*(1-a)。本实施例中,对第一中间结果图执行了3-5次强光操作。
具体的,在获得第一处理结果图后,将第一处理结果图中设定空间通道值大于第一设定阈值的像素点确定为第一类瑕疵点,第一类瑕疵点围成的区域为第一类瑕疵区域。其中,第一设定阈值可以设置为0.8。示例性的,图4是本实施例中的第一处理结果图的示例图。如图4所示,对于第一类瑕疵区域,颜色偏白,即a通道值大于第一设定阈值。本实施例中,采用Lab图中a通道检测第一类瑕疵区域,可以快速的检测到第一类瑕疵区域。
可选的,根据第一皮肤区域图和原始图像确定第二类瑕疵区域的方式可以是:将第一皮肤区域图和第二皮肤区域图中的设定颜色通道执行高反差保留操作,获得第二中间结果图;对第二中间结果图执行至少一次强光操作,获得第二处理结果图;将第二处理结果图中设定颜色通道值小于第二设定阈值的像素点确定为第二类瑕疵点,第二类瑕疵点围成的区域为第二类瑕疵区域。
其中,第一皮肤区域图和第二皮肤区域图均为RGB图。第二皮肤区域可以是从原始图像中提取的皮肤区域图,或者去除第一类瑕疵后的第二皮肤区域图。设定颜色通道可以是蓝色(B)通道,通过对B通道处理可以识别出颜色暗沉的瑕疵,如暗沉斑点。本实施例中,RGB图中的三个颜色通道值均进行了归一化处理,即三个通道的值均为0-1之间的值。
具体的,将第一皮肤区域图和第二皮肤区域图中的设定颜色通道执行高反差保留操作的方式可以是:将第二皮肤区域图的B通道值与第一皮肤区域图中的B通道值作差,将差值作为第二中间结果图的B通道值。
对第二中间结果图执行至少一次强光操作可以理解为:对第二中间结果图的B通道执行至少一次强光操作。其中,执行强光操作的方式可以是理解为按照设定规则调整B通道值。可选的,该设定规则可以是:若B通道值大于设定值(例如0.5),则按照下述公式调整B通道值:2.0*b*b;若B通道值小于或者等设定值(例如0.5),则按照下述公式调整B通道值:1-2*(1-b)*(1-b)。本实施例中,对第一中间结果图执行了一次强光操作。
具体的,在获得第二处理结果图后,将第二处理结果图中设定颜色通道值小于第二设定阈值的像素点确定为第二类瑕疵点,第二类瑕疵点围成的区域为第二类瑕疵区域。其中,第二设定阈值可以设置为0.45。示例性的,图5是本实施例中的第二处理结果图的示例图。如图5所示,对于第一类瑕疵区域,颜色偏案,即B通道值小于第二设定阈值。本实施例中,采用RGB图中B通道检测第二类瑕疵区域,可以快速的检测到第二类瑕疵区域。
S140,对原始图像中瑕疵区域中的像素进行调整,获得目标图像。
本实施例中,由于第一皮肤区域图和原始图像像素对齐,在第一皮肤区域图中获得瑕疵区域后,就可以确定出该瑕疵区域在原始图像中的位置。同理,由于第一处理结果图和原始图像像素对齐,在第一处理结果图中确定出第一类瑕疵区域后,就可以确定出第一类瑕疵区域在原始图像中的位置;由于第二处理结果图和原始图像像素对齐,在第二处理结果图中确定出第二类瑕疵区域后,就可以确定出第二类瑕疵区域在原始图像中的位置。
具体的,对于第一类瑕疵区域,对原始图像中第一类瑕疵区域的像素进行调整的方式可以是:对原始图像中第一类瑕疵区域的色相、亮度及饱和度中的至少一项进行调整。
本实施例中,可以计算原始图像中非瑕疵区域中各像素点色相、亮度和饱和度的平均值,然后将第一类瑕疵区域的色相、亮度及饱和度调整为对应的平均值。或者,将第一类瑕疵区域的色相、亮度及饱和度中的至少一项调整为一设定值。其中,该设定值可以是由非瑕疵皮肤确定的值。本实施例中,对原始图像中第一类瑕疵区域的色相、亮度及饱和度中的至少一项进行调整,将第一类瑕疵区域调整为正常肤色,从而达到美化皮肤的效果。
具体的,对于第二类瑕疵区域,对原始图像中第二类瑕疵区域的像素进行调整的方式可以是:对原始图像中第二类瑕疵区域的颜色值进行调整。
本实施例中,可以计算原始图像中非瑕疵区域中各像素点颜色的平均值,然后将第二类瑕疵区域的颜色值调整为该平均值。或者,采用查找表的方式进行颜色调整。对原始图像中第二类瑕疵区域的颜色值进行调整,将第二类第而类瑕疵区域恢复为正常肤色,从而达到美化皮肤的效果。
图6是本公开实施例提供的一种图像处理装置的结构示意图。如图6所示,该装置包括:
分割结果图获取模块210,用于对原始图像进行皮肤分割,获得分割结果图;
第一皮肤区域图获取模块220,用于对分割结果图和标准五官掩膜图进行融合,获得第一皮肤区域图;
瑕疵区域确定模块230,用于根据第一皮肤区域图和原始图像确定瑕疵区域;
像素调整模块240,用于对原始图像中瑕疵区域中的像素进行调整,获得目标图像。
可选的,第一皮肤区域图获取模块220,还用于:
对分割结果图和标准五官掩膜图取交集,获得第一皮肤区域图。
可选的,瑕疵区域确定模块230,还用于:
提取原始图像的皮肤区域,获得第二皮肤区域图;
根据第一皮肤区域图和第二皮肤区域图确定第一类瑕疵区域和/或第二类瑕疵区域;
可选的,像素调整模块240,还用于:
对原始图像中第一类瑕疵区域和/或第二类瑕疵区域中的像素进行调整,获得目标图像。
可选的,瑕疵区域确定模块230:
将第一皮肤区域图转换为第一皮肤色彩空间Lab图;
将第二皮肤区域图转换为第二皮肤Lab图;
对第一皮肤Lab图和第二皮肤Lab图的设定空间通道执行高反差保留操作,获得第一中间结果图;
对第一中间结果图执行至少一次强光操作,获得第一处理结果图;
将第一处理结果图中设定空间通道值大于第一设定阈值的像素点确定为第一类瑕疵点,第一类瑕疵点围成的区域为第一类瑕疵区域。
可选的,像素调整模块240,还用于:
对原始图像中第一类瑕疵区域的色相、亮度及饱和度中的至少一项进行调整。
可选的,瑕疵区域确定模块230,还用于:
将第一皮肤区域图和第二皮肤区域图中的设定颜色通道执行高反差保留操作,获得第二中间结果图;
对第二中间结果图执行至少一次强光操作,获得第二处理结果图;
将第二处理结果图中设定颜色通道值小于第二设定阈值的像素点确定为第二类瑕疵点,第二类瑕疵点围成的区域为第二类瑕疵区域。
可选的,像素调整模块240,还用于:
对原始图像中第二类瑕疵区域的颜色值进行调整。
可选的,还包括:滤波模块,用于:
对第一皮肤区域图进行设定滤波处理。
上述装置可执行本公开前述所有实施例所提供的方法,具备执行上述方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本公开前述所有实施例所提供的方法。
下面参考图7,其示出了适于用来实现本公开实施例的电子设备300的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端,或者各种形式的服务器,如独立服务器或者服务器集群。图7示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图7所示,电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301,其可以根据存储在只读存储装置(ROM)302中的程序或者从存储装置305加载到随机访问存储装置(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中,还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常,以下装置可以连接至I/O接口305:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307;包括例如磁带、硬盘等的存储装置308;以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备300,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行词语的推荐方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置309从网络上被下载和安装,或者从存储装置305被安装,或者从ROM 302被安装。在该计算机程序被处理装置301执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:对原始图像进行皮肤分割,获得分割结果图;对所述分割结果图和标准五官掩膜图进行融合,获得第一皮肤区域图;根据所述第一皮肤区域图和所述原始图像确定瑕疵区域;对所述原始图像中所述瑕疵区域中的像素进行调整,获得目标图像。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开实施例的一个或多个实施例,本公开实施例公开了一种图像处理方法,包括:
对原始图像进行皮肤分割,获得分割结果图;
对所述分割结果图和标准五官掩膜图进行融合,获得第一皮肤区域图;
根据所述第一皮肤区域图和所述原始图像确定瑕疵区域;
对所述原始图像中所述瑕疵区域中的像素进行调整,获得目标图像。
进一步地,对所述分割结果图和标准五官掩膜图进行融合,获得第一皮肤区域图,包括:
对所述分割结果图和标准五官掩膜图取交集,获得第一皮肤区域图。
进一步地,根据所述第一皮肤区域图和所述原始图像确定瑕疵区域,包括:
提取所述原始图像的皮肤区域,获得第二皮肤区域图;
根据所述第一皮肤区域图和所述第二皮肤区域图确定第一类瑕疵区域和/或第二类瑕疵区域;
对所述原始图像中所述瑕疵区域中的像素进行调整,获得目标图像,包括:
对所述原始图像中所述第一类瑕疵区域和/或第二类瑕疵区域中的像素进行调整,获得目标图像。
进一步地,根据所述第一皮肤区域图和所述原始图像确定第一类瑕疵区域,包括:
将所述第一皮肤区域图转换为第一皮肤色彩空间Lab图;
将第二皮肤区域图转换为第二皮肤Lab图;
对所述第一皮肤Lab图和所述第二皮肤Lab图的设定空间通道执行高反差保留操作,获得第一中间结果图;
对所述第一中间结果图执行至少一次强光操作,获得第一处理结果图;
将所述第一处理结果图中所述设定空间通道值大于第一设定阈值的像素点确定为第一类瑕疵点,所述第一类瑕疵点围成的区域为第一类瑕疵区域。
进一步地,对所述原始图像中所述第一类瑕疵区域的像素进行调整,包括:
对所述原始图像中所述第一类瑕疵区域的色相、亮度及饱和度中的至少一项进行调整。
进一步地,根据所述第一皮肤区域图和所述原始图像确定第二类瑕疵区域,包括:
将所述第一皮肤区域图和所述第二皮肤区域图中的设定颜色通道执行高反差保留操作,获得第二中间结果图;
对所述第二中间结果图执行至少一次强光操作,获得第二处理结果图;
将所述第二处理结果图中所述设定颜色通道值小于第二设定阈值的像素点确定为第二类瑕疵点,所述第二类瑕疵点围成的区域为第二类瑕疵区域。
进一步地,对所述原始图像中所述第二类瑕疵区域的像素进行调整,包括:
对所述原始图像中所述第二类瑕疵区域的颜色值进行调整。
进一步地,在获得第一皮肤区域图之后,还包括:
对所述第一皮肤区域图进行设定滤波处理。
注意,上述仅为本公开的较佳实施例及所运用技术原理。本领域技术人员会理解,本公开不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本公开的保护范围。因此,虽然通过以上实施例对本公开进行了较为详细的说明,但是本公开不仅仅限于以上实施例,在不脱离本公开构思的情况下,还可以包括更多其他等效实施例,而本公开的范围由所附的权利要求范围决定。
Claims (11)
1.一种图像处理方法,其特征在于,包括:
对原始图像进行皮肤分割,获得分割结果图;
对所述分割结果图和标准五官掩膜图进行融合,获得第一皮肤区域图;
根据所述第一皮肤区域图和所述原始图像确定瑕疵区域;
对所述原始图像中所述瑕疵区域中的像素进行调整,获得目标图像。
2.根据权利要求1所述的方法,其特征在于,对所述分割结果图和标准五官掩膜图进行融合,获得第一皮肤区域图,包括:
对所述分割结果图和标准五官掩膜图取交集,获得第一皮肤区域图。
3.根据权利要求1所述的方法,其特征在于,根据所述第一皮肤区域图和所述原始图像确定瑕疵区域,包括:
提取所述原始图像的皮肤区域,获得第二皮肤区域图;
根据所述第一皮肤区域图和所述第二皮肤区域图确定第一类瑕疵区域和/或第二类瑕疵区域;
对所述原始图像中所述瑕疵区域中的像素进行调整,获得目标图像,包括:
对所述原始图像中所述第一类瑕疵区域和/或第二类瑕疵区域中的像素进行调整,获得目标图像。
4.根据权利要求3所述的方法,其特征在于,根据所述第一皮肤区域图和所述原始图像确定第一类瑕疵区域,包括:
将所述第一皮肤区域图转换为第一皮肤色彩空间Lab图;
将第二皮肤区域图转换为第二皮肤Lab图;
对所述第一皮肤Lab图和所述第二皮肤Lab图的设定空间通道执行高反差保留操作,获得第一中间结果图;
对所述第一中间结果图执行至少一次强光操作,获得第一处理结果图;
将所述第一处理结果图中所述设定空间通道值大于第一设定阈值的像素点确定为第一类瑕疵点,所述第一类瑕疵点围成的区域为第一类瑕疵区域。
5.根据权利要求4所述的方法,其特征在于,对所述原始图像中所述第一类瑕疵区域的像素进行调整,包括:
对所述原始图像中所述第一类瑕疵区域的色相、亮度及饱和度中的至少一项进行调整。
6.根据权利要求3或4所述的方法,其特征在于,根据所述第一皮肤区域图和所述原始图像确定第二类瑕疵区域,包括:
将所述第一皮肤区域图和所述第二皮肤区域图中的设定颜色通道执行高反差保留操作,获得第二中间结果图;
对所述第二中间结果图执行至少一次强光操作,获得第二处理结果图;
将所述第二处理结果图中所述设定颜色通道值小于第二设定阈值的像素点确定为第二类瑕疵点,所述第二类瑕疵点围成的区域为第二类瑕疵区域。
7.根据权利要求6所述的方法,其特征在于,对所述原始图像中所述第二类瑕疵区域的像素进行调整,包括:
对所述原始图像中所述第二类瑕疵区域的颜色值进行调整。
8.根据权利要求1所述的方法,其特征在于,在获得第一皮肤区域图之后,还包括:
对所述第一皮肤区域图进行设定滤波处理。
9.一种图像处理装置,其特征在于,包括:
分割结果图获取模块,用于对原始图像进行皮肤分割,获得分割结果图;
第一皮肤区域图获取模块,用于对所述分割结果图和标准五官掩膜图进行融合,获得第一皮肤区域图;
瑕疵区域确定模块,用于根据所述第一皮肤区域图和所述原始图像确定瑕疵区域;
像素调整模块,用于对所述原始图像中所述瑕疵区域中的像素进行调整,获得目标图像。
10.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理装置;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理装置执行,使得所述一个或多个处理装置实现如权利要求1-8中任一所述的图像处理方法。
11.一种计算机可读介质,其上存储有计算机程序,其特征在于,该程序被处理装置执行时实现如权利要求1-8中任一所述的图像处理方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210107876.0A CN114511580A (zh) | 2022-01-28 | 2022-01-28 | 图像处理方法、装置、设备及存储介质 |
PCT/CN2023/072536 WO2023143229A1 (zh) | 2022-01-28 | 2023-01-17 | 图像处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210107876.0A CN114511580A (zh) | 2022-01-28 | 2022-01-28 | 图像处理方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114511580A true CN114511580A (zh) | 2022-05-17 |
Family
ID=81552723
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210107876.0A Pending CN114511580A (zh) | 2022-01-28 | 2022-01-28 | 图像处理方法、装置、设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114511580A (zh) |
WO (1) | WO2023143229A1 (zh) |
Cited By (1)
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 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100158357A1 (en) * | 2008-12-19 | 2010-06-24 | Qualcomm Incorporated | Image processing method and system of skin color enhancement |
CN107862663A (zh) * | 2017-11-09 | 2018-03-30 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、可读存储介质和计算机设备 |
US10652434B2 (en) * | 2018-01-09 | 2020-05-12 | Shenzhen China Star Optoelectronics Semiconductor Display Technology Co., Ltd. | Image optimization method and related device |
CN110443747B (zh) * | 2019-07-30 | 2023-04-18 | 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 |
CN113808027B (zh) * | 2020-06-16 | 2023-10-17 | 北京达佳互联信息技术有限公司 | 一种人体图像处理方法、装置、电子设备及存储介质 |
CN111815729B (zh) * | 2020-07-09 | 2023-11-03 | 厦门真景科技有限公司 | 一种实时美肤方法、装置、设备和计算机存储介质 |
CN114511580A (zh) * | 2022-01-28 | 2022-05-17 | 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 |
-
2022
- 2022-01-28 CN CN202210107876.0A patent/CN114511580A/zh active Pending
-
2023
- 2023-01-17 WO PCT/CN2023/072536 patent/WO2023143229A1/zh unknown
Cited By (1)
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 |
Also Published As
Publication number | Publication date |
---|---|
WO2023143229A1 (zh) | 2023-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112989904B (zh) | 风格图像生成方法、模型训练方法、装置、设备和介质 | |
CN110378846B (zh) | 一种处理图像磨皮的方法、装置、介质和电子设备 | |
US11127117B2 (en) | Information processing method, information processing apparatus, and recording medium | |
Peng et al. | Image haze removal using airlight white correction, local light filter, and aerial perspective prior | |
US20130071043A1 (en) | Image defogging method and system | |
CN111353948A (zh) | 一种图像降噪方法、装置及设备 | |
Hou et al. | Underwater image dehazing and denoising via curvature variation regularization | |
CN113034509A (zh) | 图像处理方法及装置 | |
CN112419179A (zh) | 修复图像的方法、装置、设备和计算机可读介质 | |
CN115619683A (zh) | 图像处理方法、装置、设备、存储介质和计算机程序产品 | |
CN115311178A (zh) | 图像拼接方法、装置、设备及介质 | |
US20240046537A1 (en) | Image processing method and apparatus, device and readable storage medium | |
CN111757100A (zh) | 相机运动变化量的确定方法、装置、电子设备和介质 | |
WO2023143229A1 (zh) | 图像处理方法、装置、设备及存储介质 | |
CN111583103A (zh) | 人脸图像处理方法、装置、电子设备及计算机存储介质 | |
CN114782659A (zh) | 图像处理方法、装置、设备及存储介质 | |
CN114494071A (zh) | 图像处理方法、装置、设备及存储介质 | |
CN112822413B (zh) | 拍摄预览方法、装置、终端和计算机可读存储介质 | |
CN108335275B (zh) | 图像增强方法、装置、计算设备及存储介质 | |
CN115526796A (zh) | 图像处理方法、装置、设备及存储介质 | |
Shi et al. | Sand-dust image enhancement based on light attenuation and transmission compensation | |
CN110555799A (zh) | 用于处理视频的方法和装置 | |
CN110689478A (zh) | 图像风格化处理方法、装置、电子设备及可读介质 | |
CN115953597B (zh) | 图像处理方法、装置、设备及介质 | |
CN113591838B (zh) | 目标检测方法、装置、电子设备和存储介质 |
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 |