CN114742697B - 一种人脸肤色单值风格化的方法 - Google Patents

一种人脸肤色单值风格化的方法 Download PDF

Info

Publication number
CN114742697B
CN114742697B CN202210336724.8A CN202210336724A CN114742697B CN 114742697 B CN114742697 B CN 114742697B CN 202210336724 A CN202210336724 A CN 202210336724A CN 114742697 B CN114742697 B CN 114742697B
Authority
CN
China
Prior art keywords
image
adjusting
value
face
adjustment
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210336724.8A
Other languages
English (en)
Other versions
CN114742697A (zh
Inventor
卢海峰
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.)
Hangzhou Haima Photography Co ltd
Original Assignee
Hangzhou Haima Photography 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 Hangzhou Haima Photography Co ltd filed Critical Hangzhou Haima Photography Co ltd
Priority to CN202210336724.8A priority Critical patent/CN114742697B/zh
Publication of CN114742697A publication Critical patent/CN114742697A/zh
Application granted granted Critical
Publication of CN114742697B publication Critical patent/CN114742697B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06T3/04—Context-preserving transformations, e.g. by using an importance map
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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
    • G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • 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
    • G06T2207/10—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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种人脸肤色单值风格化的方法，包括以下步骤：S1、转换得到HSV图像，转换得到参考HSV值；S2、统计H值并取中位数，与参考HSV值中H值相减，得到H调整点；S3、获取S、V调整点；S4、设定H、S、V调整线；S5、应用H、S、V调整线进行调整，得到HSV调整图像；S6、转换成RGB图像，设定RGB调整线；S7、应用RGB调整线调色，再对调整后图像I进行修正，从而完成人脸肤色单值风格化。通过以上步骤，在调色过程中只需要根据设定的参考RGB值这个单值就能够实现对人脸肤色的调节，且即使对高分辨率图片进行人脸肤色的调节，也不会损坏图像质量，能够更好地适应目前人们对人脸肤色调节的需要。

Description

一种人脸肤色单值风格化的方法
技术领域
本发明涉及图像处理技术，尤其涉及一种人脸肤色单值风格化的方法。
背景技术
在图像处理领域，经常需要对人脸的肤色进行调节，以适应不同场景下人脸调节的需要。而目前的人脸肤色调节方法中，一种是基于配对的深度学习算法，这种方法需要提供配对的图片，让模型拟合图到图的转换，但是配对的图片一般获取较为困难，无形中提升了调节的难度；另一种是基于非配对的深度学习算法，这种方法在源域和目标域之间，无须建立训练数据间一对一的映射，但是这种方法在处理高分辨率(例如1080P、2K、4K)图片时依旧会损坏图像质量，且耗时、耗计算机资源，因此需要进一步进行改进。
发明内容
本发明针对现有方法在处理人像图片时需要有配对的图片进行训练，即使采用无需配对图片的方法进行处理，其在处理高分辨率(例如1080P、2K、4K)图片时也会损坏图像质量，耗时、耗计算机资源等缺陷，提供了新的一种人脸肤色单值风格化的方法。
为了解决上述技术问题，本发明通过以下技术方案实现：
一种人脸肤色单值风格化的方法，包括以下步骤：
S1、获取原始图像O，然后设定参考RGB值，将所述原始图像O从RGB颜色模型转换成HSV颜色模型，从而得到HSV图像，将所述参考RGB值转换到HSV颜色模型从而得到参考HSV值；
S2、统计HSV图像中对应人脸皮肤区域G的所有H值并取其中位数，与参考HSV值中的H值相减，得到H调整线调整的幅度即H调整点；
S3、重复步骤S2并将步骤S2中的H值分别替换为S值、V值从而获取S调整点、V调整点；
S4、根据H调整点、S调整点、V调整点分别设定H调整线、S调整线、V调整线，其中H调整线通过一阶插值的方式确定，S调整线、V调整线通过二阶插值的方式确定；
S5、对HSV图像中的H通道、S通道、V通道分别应用H调整线、S调整线、V调整线进行调整，得到HSV调整图像；
S6、将HSV调整图像转换成RGB图像，为所述RGB图像设定RGB调整线，所述RGB调整线通过对预设的调整点Pn进行二阶插值的方式确定；
S7、对RGB图像的R通道、G通道、B通道统一应用所述RGB调整线进行调色，得到调整后图像I，再对调整后图像I进行修正，得到最终图像，从而完成人脸肤色单值风格化。
步骤S1通过将原始图像O转换到HSV颜色模型，可以从RGB颜色模型中分离色调、饱和度、明度，这些特征对于人眼可解释性较强，调整起来针对性强，能够一步到位，提升调整效率。
步骤S2-S3中，取中位数的好处是不容易受极值影响，因为在获取人脸皮肤区域G时必然存在误差，如果人脸皮肤区域G中包含头发区域或眼睛区域的像素，则通过选择中位数能够将头发区域或眼睛区域的像素进行过滤，从而准确地取到皮肤的色彩值。
步骤S4中，因人脸皮肤区域与非皮肤区域的色调存在差距，而且人脸皮肤在H值上的范围大约在0到20之间，不适合使用高阶插值的方式，如果使用二阶插值的方式，插值后的曲线会出现较大的波动，导致人脸皮肤失去真实的颜色。而S调整线、V调整线的横纵坐标范围均在0到255之间，范围较大，使用二阶插值的方式获得的调整线比较平滑，不会出现棱角。
步骤S5-S6中，因得到的HSV调整图像是肉眼不可见的，所以需要将HSV调整图像转换回RGB图像；为RGB图像设定调整点时，其坐标范围在0-255范围内，因此同样可以采用二阶插值的方式进行处理，这样得到的RGB调整线比较平滑，不会出现棱角。
步骤S7中，对RGB图像应用RGB调整线进行调色后，能够得到大体效果接近预期效果的图像，但是在调色后还有可能出现非皮肤的高光区域过曝的问题，因此进一步修正后，能够解决这类问题，从而得到最终调色后的图片。
通过以上步骤，在调色过程中只需要根据设定的参考RGB值这个单值就能够实现对人脸肤色的调节，且调节过程中无需配对的图片，节省了时间，且即使对高分辨率(例如1080P、2K、4K)图片进行人脸肤色的调节，也不会损坏图像质量，能够更好地适应目前人们对人脸肤色调节的需要。
作为优选，上述所述的一种人脸肤色单值风格化的方法，所述预设的调整点Pn通过以下方法得到：
A1、获取参考图像，并获取参考图像的参考皮肤区域，获取步骤S6得到的RGB图像中对应人脸皮肤区域G的像素值并与参考皮肤区域进行差值处理从而得到差值集合；
A2、对RGB图像中对应人脸皮肤区域G的像素值进行聚类从而得到n个类簇；
A3、统计每一个类簇对应差值集合中的值的平均值，从而得到n平均值，所述平均值作为预设的调整点Pn的位移量，所述位移量经修正后得到最终位移量；
A4、预设的调整点Pn的横坐标为类簇的聚类中心值，预设的调整点Pn的纵坐标为对应的聚类中心值+最终位移量，所述2≤n≤4。
其中步骤A1中进行差值处理是为了得到人脸皮肤区域G与参考皮肤区域的误差，便于后续根据误差得到调整线；步骤A2中，每个调整线只需要n个调整点，如果n太大，二阶插值后的调整线会出现较大的波动，这是不希望出现的，所以预设一个n值，然后将人脸皮肤区域G的像素值聚类成n个类簇，就可以得到n个调整点的横坐标，其他不属于这n个调整点上的像素需要选择距离最近的一个调整点，贡献其差值到该调整点上；步骤A3通过计算属于该类簇的差值平均值得到该调整点的位移量；步骤A4将类簇的聚类中心值作为调整点的横坐标，不但可以调整该值，而且不属于该类簇的值也可以通过二阶插值的方式得到平滑地调整。
作为优选，上述所述的一种人脸肤色单值风格化的方法，步骤S7中，在统一应用所述RGB调整线进行调色后，若RGB图像与参考图像存在偏差，则微调参数。
由于人脸结构的复杂性，经过两次调整之后，依旧可能存在达不到预期效果的问题，而对偏差进行微调，能够进一步提升调色效果。
作为优选，上述所述的一种人脸肤色单值风格化的方法，步骤S7中，所述偏差的获取方法以及参数微调方法为：
B1、分别统计RGB图像和参考图像在A2步骤得到的n个类簇对应像素值的平均值并一一进行差值处理，得到n个差值；
B2、将n个差值加到步骤A4得到的预设的调整点Pn的纵坐标上，得到微调调整点集Q；
B3、对微调调整点集Q采用二阶插值的方式确定微调调整线，对RGB图像的R通道、G通道、B通道统一应用所述微调调整线进行调色；
B4、重复步骤B1、B2、B3直至RGB图像和参考图像的差值的绝对值小于设定阈值时停止。
步骤B1-B4通过多步微调调整线的调整，可以得到比较精确的微调调整点集Q，从而进一步提升调色效果。
作为优选，上述所述的一种人脸肤色单值风格化的方法，步骤S7中，所述偏差的获取方法以及参数微调方法为：
C1、使用x张RGB图像和y张参考图像随机组合t次来形成t个图像对；
C2、针对每个图像对，分别统计图像对中RGB图像和参考图像在A2步骤得到的n个类簇对应像素值的平均值并一一进行差值处理，得到n个差值，将n个差值加到步骤A4得到的预设的调整点Pn的纵坐标上，最终得到t个微调调整点集Q；
C3、对每个微调调整点集Q中的点取中位数，得到最终微调调整点集F；
C4、对最终微调调整点集F采用二阶插值的方式确定最终微调调整线，对RGB图像的R通道、G通道、B通道统一应用所述最终微调调整线进行调色。
步骤C1-C4中，通过多次从RGB图像和参考图像中采样图片对，以获得较为准确的最终微调调整点集F，从而进一步提升调色效果。其中步骤C3中取中位数能有效避免采样的图像对偏离数据分布的情况。
作为优选，上述所述的一种人脸肤色单值风格化的方法，步骤S4中，H调整线的确定方法为：
D1、统计HSV图像中H通道的最大值Vmax和最小值Vmin；
D2、所述H调整线的起点坐标为(Vmin，Vmin)，H调整线的终点坐标为(Vmax，Vmax)；
D3、根据起点坐标、终点坐标以及H调整点进行一阶插值，得到一条中间调整折线段；
D4、对于横坐标在0到最小值Vmin之间的点，其纵坐标设置成与横坐标相等，得到一条左调整线段；
D5、对于横坐标在最大值Vmax到255之间的点，其纵坐标设置成与横坐标相等，得到一条右调整线段；
D6、将所述左调整线段、中间调整折线段、右调整线段依次首尾相连，从而得到所述H调整线。
步骤D1中，因不同人脸肤色的H通道的数值范围是不一样的，因此需要进行统计，以达到自适应的目的。步骤D2-D6中，因为只有中间调整折线段才能有效调整人脸肤色，且在调整过程中务必要保证非皮肤区域不受影响，所以经以上步骤能够使左调整线段和右调整线段保持y＝x的趋势，进一步提升了调色效果。
作为优选，上述所述的一种人脸肤色单值风格化的方法，原始图像O的人脸皮肤区域G以及参考图像的参考皮肤区域的获取方法为：
E1、将原始图像O、参考图像作为输入图像；
E2、用dlib人脸检测库对输入图像进行一次人脸检测，然后根据得到的检测框随机裁剪输入图像，得到裁剪后图像集；
E3、对裁剪后图像集中的每个图像再次使用dlib人脸检测库进行人脸检测，得到P个人脸框；
E4、对P个人脸框的中心坐标进行聚类，再对P个人脸框的长和宽求中位数，然后删除距离聚类中心超过中位数的人脸框，对剩下的人脸框求交集，得到最终人脸框；
E5、然后从输入图像中根据最终人脸框裁剪出人脸图像块并缩放至256*256像素大小，从而得到最终皮肤区域并输出。
其中步骤E1-E2用于确定人脸在图像中的非精确位置；步骤E3-E4通过在裁剪后图像集上多次应用人脸检测，并通过多个维度的聚类方式删除异常检测框，可以有效保证人脸框以合适的尺寸准确定位在图像的人脸上。步骤E5将裁剪出的人脸图像块缩放至256*256像素大小，可以加快处理速度，而且保证最终皮肤区域尺寸一致性，一定程度上减少可变的因素。
作为优选，上述所述的一种人脸肤色单值风格化的方法，所述步骤E4中，在得到最终人脸框后，用deepface库对最终人脸框进行年龄A和性别B的判断，所述最终位移量通过以下公式得到：
最终位移量＝(|位移量|-(|A-30|÷30+B)*α)*位移量÷|位移量|，
其中B为0或1，1≤A≤100且A为整数，0.5≤α≤2.0。
其中B为0时表示女生，为1时表示男生，即在性别层面上，只对男生的最终位移量进行修正。因为男生需要尽可能的保留原本的特征，其人脸皮肤不能过多调整，而女生通常是可以的。在年龄层面上，如果预测年龄等于30岁，则保持最大的最终位移量，否则最终位移量以30为中心向年龄两端衰减。
作为优选，上述所述的一种人脸肤色单值风格化的方法，所述步骤S7中，对调整后图像I进行修正的方法为：
F1、对人脸皮肤区域G对应的mask做一次高斯模糊，其中高斯模糊的核半径为7，其中mask在人脸皮肤区域的像素值为255，mask在非人脸皮肤区域的像素值为0；
F2、通过以下公式对调整后图像I进行调整：
Skin_weight＝(mask÷255.0+body_weight)÷(1+body_weight)，
最终图像＝Skin_weight*I+(1-Skin_weight*O)，
其中body_weight≥0。
以上步骤中，在步骤F2融合之前，对mask采用高斯模糊有利于无缝衔接，不会产生突兀的修改痕迹。而在调整过程中，当body_weight为0时，则只应用人脸区域的调整，而随着body_weight逐渐增大，非人脸区域的调整也逐渐生效。
作为优选，上述所述的一种人脸肤色单值风格化的方法，所述body_weight为0.5。
当body_weight为0.5时，能够得到相对均衡的调整效果。
具体实施方式
下面结合具体实施方式对本发明作进一步详细描述，但它们不是对本发明的限制：
实施例1
一种人脸肤色单值风格化的方法，包括以下步骤：
S1、获取原始图像O，然后设定参考RGB值，将所述原始图像O从RGB颜色模型转换成HSV颜色模型，从而得到HSV图像，将所述参考RGB值转换到HSV颜色模型从而得到参考HSV值；
S2、统计HSV图像中对应人脸皮肤区域G的所有H值并取其中位数，与参考HSV值中的H值相减，得到H调整线调整的幅度即H调整点；
S3、重复步骤S2并将步骤S2中的H值分别替换为S值、V值从而获取S调整点、V调整点；
S4、根据H调整点、S调整点、V调整点分别设定H调整线、S调整线、V调整线，其中H调整线通过一阶插值的方式确定，S调整线、V调整线通过二阶插值的方式确定；
S5、对HSV图像中的H通道、S通道、V通道分别应用H调整线、S调整线、V调整线进行调整，得到HSV调整图像；
S6、将HSV调整图像转换成RGB图像，为所述RGB图像设定RGB调整线，所述RGB调整线通过对预设的调整点Pn进行二阶插值的方式确定；
S7、对RGB图像的R通道、G通道、B通道统一应用所述RGB调整线进行调色，得到调整后图像I，再对调整后图像I进行修正，得到最终图像，从而完成人脸肤色单值风格化。
作为优选，所述预设的调整点Pn通过以下方法得到：
A1、获取参考图像，并获取参考图像的参考皮肤区域，获取步骤S6得到的RGB图像中对应人脸皮肤区域G的像素值并与参考皮肤区域进行差值处理从而得到差值集合；
A2、对RGB图像中对应人脸皮肤区域G的像素值进行聚类从而得到n个类簇；
A3、统计每一个类簇对应差值集合中的值的平均值，从而得到n平均值，所述平均值作为预设的调整点Pn的位移量，所述位移量经修正后得到最终位移量；
A4、预设的调整点Pn的横坐标为类簇的聚类中心值，预设的调整点Pn的纵坐标为对应的聚类中心值+最终位移量，所述n＝2。
作为优选，步骤S7中，在统一应用所述RGB调整线进行调色后，若RGB图像与参考图像存在偏差，则微调参数。
作为优选，步骤S7中，所述偏差的获取方法以及参数微调方法为：
B1、分别统计RGB图像和参考图像在A2步骤得到的n个类簇对应像素值的平均值并一一进行差值处理，得到n个差值；
B2、将n个差值加到步骤A4得到的预设的调整点Pn的纵坐标上，得到微调调整点集Q；
B3、对微调调整点集Q采用二阶插值的方式确定微调调整线，对RGB图像的R通道、G通道、B通道统一应用所述微调调整线进行调色；
B4、重复步骤B1、B2、B3直至RGB图像和参考图像的差值的绝对值小于设定阈值时停止。
作为优选，步骤S7中，所述偏差的获取方法以及参数微调方法为：
C1、使用x张RGB图像和y张参考图像随机组合t次来形成t个图像对；
C2、针对每个图像对，分别统计图像对中RGB图像和参考图像在A2步骤得到的n个类簇对应像素值的平均值并一一进行差值处理，得到n个差值，将n个差值加到步骤A4得到的预设的调整点Pn的纵坐标上，最终得到t个微调调整点集Q；
C3、对每个微调调整点集Q中的点取中位数，得到最终微调调整点集F；
C4、对最终微调调整点集F采用二阶插值的方式确定最终微调调整线，对RGB图像的R通道、G通道、B通道统一应用所述最终微调调整线进行调色。
作为优选，步骤S4中，H调整线的确定方法为：
D1、统计HSV图像中H通道的最大值Vmax和最小值Vmin；
D2、所述H调整线的起点坐标为(Vmin，Vmin)，H调整线的终点坐标为(Vmax，Vmax)；
D3、根据起点坐标、终点坐标以及H调整点进行一阶插值，得到一条中间调整折线段；
D4、对于横坐标在0到最小值Vmin之间的点，其纵坐标设置成与横坐标相等，得到一条左调整线段；
D5、对于横坐标在最大值Vmax到255之间的点，其纵坐标设置成与横坐标相等，得到一条右调整线段；
D6、将所述左调整线段、中间调整折线段、右调整线段依次首尾相连，从而得到所述H调整线。
作为优选，原始图像O的人脸皮肤区域G以及参考图像的参考皮肤区域的获取方法为：
E1、将原始图像O、参考图像作为输入图像；
E2、用dlib人脸检测库对输入图像进行一次人脸检测，然后根据得到的检测框随机裁剪输入图像，得到裁剪后图像集；
E3、对裁剪后图像集中的每个图像再次使用dlib人脸检测库进行人脸检测，得到P个人脸框；
E4、对P个人脸框的中心坐标进行聚类，再对P个人脸框的长和宽求中位数，然后删除距离聚类中心超过中位数的人脸框，对剩下的人脸框求交集，得到最终人脸框；
E5、然后从输入图像中根据最终人脸框裁剪出人脸图像块并缩放至256*256像素大小，从而得到最终皮肤区域并输出。
作为优选，所述步骤E4中，在得到最终人脸框后，用deepface库对最终人脸框进行年龄A和性别B的判断，所述最终位移量通过以下公式得到：
最终位移量＝(|位移量|-(|A-30|÷30+B)*α)*位移量÷|位移量|，
其中B为0或1，1≤A≤100且A为整数，α＝0.5。
作为优选，所述步骤S7中，对调整后图像I进行修正的方法为：
F1、对人脸皮肤区域G对应的mask做一次高斯模糊，其中高斯模糊的核半径为7，其中mask在人脸皮肤区域的像素值为255，mask在非人脸皮肤区域的像素值为0；
F2、通过以下公式对调整后图像I进行调整：
Skin_weight＝(mask÷255.0+body_weight)÷(1+body_weight)，
最终图像＝Skin_weight*I+(1-Skin_weight*O)，
其中body_weight≥0。
作为优选，所述body_weight为0.5。
实施例2
其中，n＝4，α＝2.0，其它实施方式同实施例1。
实施例3
其中，n＝3，α＝1.2，其它实施方式同实施例1。
总之，以上所述仅为本发明的较佳实施例，凡依本发明申请专利的范围所作的均等变化与修饰，皆应属本发明的涵盖范围。

Claims (8)

1.一种人脸肤色单值风格化的方法，其特征在于：包括以下步骤：
S1、获取原始图像O，然后设定参考RGB值，将所述原始图像O从RGB颜色模型转换成HSV颜色模型，从而得到HSV图像，将所述参考RGB值转换到HSV颜色模型从而得到参考HSV值；
S2、统计HSV图像中对应人脸皮肤区域G的所有H值并取其中位数，与参考HSV值中的H值相减，得到H调整线调整的幅度即H调整点；
S3、重复步骤S2并将步骤S2中的H值分别替换为S值、V值从而获取S调整点、V调整点；
S4、根据H调整点、S调整点、V调整点分别设定H调整线、S调整线、V调整线，其中H调整线通过一阶插值的方式确定，S调整线、V调整线通过二阶插值的方式确定；
S5、对HSV图像中的H通道、S通道、V通道分别应用H调整线、S调整线、V调整线进行调整，得到HSV调整图像；
S6、将HSV调整图像转换成RGB图像，为所述RGB图像设定RGB调整线，所述RGB调整线通过对预设的调整点Pn进行二阶插值的方式确定；
S7、对RGB图像的R通道、G通道、B通道统一应用所述RGB调整线进行调色，得到调整后图像I，再对调整后图像I进行修正，得到最终图像，从而完成人脸肤色单值风格化；
所述预设的调整点Pn通过以下方法得到：
A1、获取参考图像，并获取参考图像的参考皮肤区域，获取步骤S6得到的RGB图像中对应人脸皮肤区域G的像素值并与参考皮肤区域进行差值处理从而得到差值集合；
A2、对RGB图像中对应人脸皮肤区域G的像素值进行聚类从而得到n个类簇；
A3、统计每一个类簇对应差值集合中的值的平均值，从而得到n平均值，所述平均值作为预设的调整点Pn的位移量，所述位移量经修正后得到最终位移量；
A4、预设的调整点Pn的横坐标为类簇的聚类中心值，预设的调整点Pn的纵坐标为对应的聚类中心值+最终位移量，2≤n≤4；
所述步骤S7中，对调整后图像I进行修正的方法为：
F1、对人脸皮肤区域G对应的mask做一次高斯模糊，其中高斯模糊的核半径为7，其中mask在人脸皮肤区域的像素值为255，mask在非人脸皮肤区域的像素值为0；
F2、通过以下公式对调整后图像I进行调整：
Skin_weight＝(mask÷255.0+body_weight)÷(1+body_weight)，
最终图像＝Skin_weight*I+(1-Skin_weight*O)，
其中body_weight≥0。
2.根据权利要求1所述的一种人脸肤色单值风格化的方法，其特征在于：步骤S7中，在统一应用所述RGB调整线进行调色后，若RGB图像与参考图像存在偏差，则微调参数。
3.根据权利要求2所述的一种人脸肤色单值风格化的方法，其特征在于：步骤S7中，所述偏差的获取方法以及参数微调方法为：
B1、分别统计RGB图像和参考图像在A2步骤得到的n个类簇对应像素值的平均值并一一进行差值处理，得到n个差值；
B2、将n个差值加到步骤A4得到的预设的调整点Pn的纵坐标上，得到微调调整点集Q；
B3、对微调调整点集Q采用二阶插值的方式确定微调调整线，对RGB图像的R通道、G通道、B通道统一应用所述微调调整线进行调色；
B4、重复步骤B1、B2、B3直至RGB图像和参考图像的差值的绝对值小于设定阈值时停止。
4.根据权利要求2所述的一种人脸肤色单值风格化的方法，其特征在于：步骤S7中，所述偏差的获取方法以及参数微调方法为：
C1、使用x张RGB图像和y张参考图像随机组合t次来形成t个图像对；
C2、针对每个图像对，分别统计图像对中RGB图像和参考图像在A2步骤得到的n个类簇对应像素值的平均值并一一进行差值处理，得到n个差值，将n个差值加到步骤A4得到的预设的调整点Pn的纵坐标上，最终得到t个微调调整点集Q；
C3、对每个微调调整点集Q中的点取中位数，得到最终微调调整点集F；
C4、对最终微调调整点集F采用二阶插值的方式确定最终微调调整线，对RGB图像的R通道、G通道、B通道统一应用所述最终微调调整线进行调色。
5.根据权利要求1所述的一种人脸肤色单值风格化的方法，其特征在于：步骤S4中，H调整线的确定方法为：
D1、统计HSV图像中H通道的最大值Vmax和最小值Vmin；
D2、所述H调整线的起点坐标为(Vmin，Vmin)，H调整线的终点坐标为(Vmax，Vmax)；
D3、根据起点坐标、终点坐标以及H调整点进行一阶插值，得到一条中间调整折线段；
D4、对于横坐标在0到最小值Vmin之间的点，其纵坐标设置成与横坐标相等，得到一条左调整线段；
D5、对于横坐标在最大值Vmax到255之间的点，其纵坐标设置成与横坐标相等，得到一条右调整线段；
D6、将所述左调整线段、中间调整折线段、右调整线段依次首尾相连，从而得到所述H调整线。
6.根据权利要求1所述的一种人脸肤色单值风格化的方法，其特征在于：原始图像O的人脸皮肤区域G以及参考图像的参考皮肤区域的获取方法为：
E1、将原始图像O、参考图像作为输入图像；
E2、用dlib人脸检测库对输入图像进行一次人脸检测，然后根据得到的检测框随机裁剪输入图像，得到裁剪后图像集；
E3、对裁剪后图像集中的每个图像再次使用dlib人脸检测库进行人脸检测，得到P个人脸框；
E4、对P个人脸框的中心坐标进行聚类，再对P个人脸框的长和宽求中位数，然后删除距离聚类中心超过中位数的人脸框，对剩下的人脸框求交集，得到最终人脸框；
E5、然后从输入图像中根据最终人脸框裁剪出人脸图像块并缩放至256*256像素大小，从而得到最终皮肤区域并输出。
7.根据权利要求6所述的一种人脸肤色单值风格化的方法，其特征在于：所述步骤E4中，在得到最终人脸框后，用deepface库对最终人脸框进行年龄A和性别B的判断，所述最终位移量通过以下公式得到：
最终位移量＝(|位移量|-(|A-30|÷30+B)*α)*位移量÷|位移量|，
其中B为0或1，1≤A≤100且A为整数，0.5≤α≤2.0。
8.根据权利要求1所述的一种人脸肤色单值风格化的方法，其特征在于：所述body_weight为0.5。
CN202210336724.8A 2022-03-31 2022-03-31 一种人脸肤色单值风格化的方法 Active CN114742697B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210336724.8A CN114742697B (zh) 2022-03-31 2022-03-31 一种人脸肤色单值风格化的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210336724.8A CN114742697B (zh) 2022-03-31 2022-03-31 一种人脸肤色单值风格化的方法

Publications (2)

Publication Number Publication Date
CN114742697A CN114742697A (zh) 2022-07-12
CN114742697B true CN114742697B (zh) 2024-05-03

Family

ID=82280169

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210336724.8A Active CN114742697B (zh) 2022-03-31 2022-03-31 一种人脸肤色单值风格化的方法

Country Status (1)

Country Link
CN (1) CN114742697B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005269126A (ja) * 2004-03-18 2005-09-29 Tecmo Ltd 画像合成システム
CN104952036A (zh) * 2015-06-18 2015-09-30 福州瑞芯微电子有限公司 一种即时视频中的人脸美化方法和电子设备
CN112102154A (zh) * 2020-08-20 2020-12-18 北京百度网讯科技有限公司 图像处理方法、装置、电子设备和存储介质
CN113658280A (zh) * 2021-08-20 2021-11-16 平安科技（深圳）有限公司 基于人工智能的数据增广方法、装置、设备和存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5068281B2 (ja) * 2009-05-29 2012-11-07 京セラドキュメントソリューションズ株式会社 色変換テーブル調整装置及び色変換テーブル調整プログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005269126A (ja) * 2004-03-18 2005-09-29 Tecmo Ltd 画像合成システム
CN104952036A (zh) * 2015-06-18 2015-09-30 福州瑞芯微电子有限公司 一种即时视频中的人脸美化方法和电子设备
CN112102154A (zh) * 2020-08-20 2020-12-18 北京百度网讯科技有限公司 图像处理方法、装置、电子设备和存储介质
CN113658280A (zh) * 2021-08-20 2021-11-16 平安科技（深圳）有限公司 基于人工智能的数据增广方法、装置、设备和存储介质

Also Published As

Publication number Publication date
CN114742697A (zh) 2022-07-12

Similar Documents

Publication Publication Date Title
CN107016647B (zh) 全景图像色调一致性纠正方法及系统
Zhang et al. Skin color enhancement based on favorite skin color in HSV color space
CN105744118B (zh) 一种基于视频帧自适应的视频增强方法及视频增强系统
CN101540832B (zh) 图像信号的动态范围匹配方法
CN108932493A (zh) 一种面部皮肤质量评价方法
CN110060222A (zh) 一种图像校正方法、装置及内窥镜系统
CN116228604B (zh) 一种适用于极地区域的卫星遥感光学影像匀色方法
CN113596573A (zh) 图像处理方法、装置、电子设备和计算机可读存储介质
CN114742697B (zh) 一种人脸肤色单值风格化的方法
Hsin et al. Color to grayscale transform preserving natural order of hues
WO2023241339A1 (zh) 色偏校正方法、装置、设备、存储介质及程序产品
CN106599185B (zh) 基于hsv的图像相似度识别方法
CN108230271A (zh) 一种基于人脸检测和五官定位的数字图像中人脸粉底上妆方法
TWI707307B (zh) 影像調整方法
WO2023103813A1 (zh) 图像处理方法、装置、设备、存储介质及程序产品
Chiang et al. Saturation adjustment method based on human vision with YCbCr color model characteristics and luminance changes
CN105208362A (zh) 基于灰度平衡原理的图像色偏自动校正方法
CN115345788A (zh) 提高色觉异常者视觉下图像颜色对比度的方法与装置
CN109102473A (zh) 一种改善彩色数字图像质量的方法
US10997749B2 (en) Information processing apparatus
Arora et al. Enhancement of overexposed color images
CN113781586B (zh) 对图像中人体皮肤区域进行肤色调整的方法及系统
Kang et al. Preferred skin color reproduction based on y-dependent gaussian modeling of skin color
CN104794690A (zh) 基于sift匹配的立体图像彩色转灰度校正方法
CN116824586B (zh) 图像处理方法及应用该方法的黑蒜生产质量在线检测系统

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: No. 1001, 10th floor, No. 65, kejiyuan Road, Hangzhou Economic and Technological Development Zone, Zhejiang Province, 310018

Applicant after: Hangzhou Haima Photography Co.,Ltd.

Address before: No. 1001, 10th floor, No. 65, kejiyuan Road, Hangzhou Economic and Technological Development Zone, Zhejiang Province, 310018

Applicant before: Hangzhou manto photography Co.,Ltd.

GR01 Patent grant
GR01 Patent grant