JP6942825B2 - 顔画像を強化する方法及び装置、電子機器 - Google Patents

Description

本発明は、画像処理分野に関し、特に顔画像を強化する（ｅｎｈａｎｃｅｍｅｎｔ）方法及び装置、電子機器に関する。

現在、ユーザは電子機器で写真を撮るとき、高解像度の画像を追求しており、特に顔画像を撮るとき、照明の効果、顔輪郭の鮮明さ、顔に不純物が入らない効果が期待される。しかしながら、カメラモジュールにより収集された画像に対して画像処理を行うとき、通常、顔画像全体が直接強化されるため、顔の元々平滑な領域の不純物も強化されることが多く、画質が低下される。そして、ユーザごとに顔の肌の状態や不純物も異なるため、同じ強化方法を使用して強化すると、明らかに各ユーザの自身の顔特徴に適応できず、ユーザの需要を満たしていない。

本発明は、関連技術における欠点を解決するための、顔画像を強化する方法及び装置、電子機器を提供する。

本発明の実施例の第１の態様によれば、顔画像を強化する方法が提供され、前記方法は、
顔画像の特徴点に従って、前記顔画像上の複数の特徴領域を決定するステップと、
各特徴領域の初期強化重み係数を補正して、顔の離散強化重みマップが得られるステップと、
前記顔の離散強化重みマップに従って、前記顔画像に対応する顔の連続強化重みマップを取得するステップと、
前記顔の連続強化重みマップに従って、前記顔画像を強化して、顔強化画像が得られるステップと、を含む。

選択的に、前記各特徴領域の初期強化重み係数を補正して顔の離散強化重みマップが得られるステップは、
各特徴領域に対応する初期強化重み係数を取得するステップと、
各特徴領域の平滑係数及び前記顔画像に対応する生理学的特徴係数を決定するステップと、
各特徴領域の前記平滑係数及び前記生理学的特徴係数に従って、前記初期強化重み係数を補正して、前記顔の離散強化重みマップが得られるステップと、を含む。

選択的に、前記生理学的特徴係数には、性別係数及び年齢係数のうちの少なくとも１つが含まれる。

選択的に、前記各特徴領域の平滑係数を決定するステップは、
各特徴領域内の複数の画素の画素値の分散及び平均値を取得するステップと、
前記分散及び前記平均値に基づき、前記平滑係数を決定するステップと、を含む。

選択的に、前記顔の離散強化重みマップに従って前記顔画像に対応する顔の連続強化重みマップを取得するステップは、
ガイデッドイメージフィルタアルゴリズムに従って、前記顔の連続強化重みマップを決定するステップを含み、ここで、前記顔画像に対応する元のグレースケール画像は、前記ガイデッドイメージフィルタアルゴリズムにおけるガイデッドイメージとして使用され、前記顔の離散強化重みマップは、前記ガイデッドイメージフィルタアルゴリズムにおける入力画像として使用される。

選択的に、前記顔の連続強化重みマップに従って前記顔画像を強化して、顔強化画像が得られるステップは、
画像強化アルゴリズムにより前記顔画像に対応する元のグレースケール画像を強化して、強化グレースケール画像が得られるステップと、
前記顔の連続強化重みマップ、前記元のグレースケール画像及び前記強化グレースケール画像に従って、融合グレースケール画像が得られるステップと、
前記融合グレースケール画像に従って、前記顔強化画像を取得するステップと、を含む。

選択的に、前記画像強化アルゴリズムにより前記顔画像に対応する元のグレースケール画像を強化して、強化グレースケール画像が得られるステップは、
高コントラスト維持アルゴリズム及び前記元のグレースケール画像に基づき、前記強化グレースケール画像が得られるステップを含む。

選択的に、前記顔の連続強化重みマップ、前記元のグレースケール画像及び前記強化グレースケール画像に従って融合グレースケール画像が得られるステップは、
次のアルゴリズムに基づいて前記融合グレースケール画像が得られるステップを含み、
Ｙ＿Ｃ_{（ｉ，ｊ）}＝Ｍ_{（ｉ，ｊ）}＊Ｙ＿Ｂ_{（ｉ，ｊ）}＋（１−Ｍ_{（ｉ，ｊ）}）＊Ｙ＿Ａ_{（ｉ，ｊ）}
であり、
ここで、Ｙ＿Ｃ_{（ｉ，ｊ）}は（ｉ，ｊ）に位置する画素の融合グレースケール画像であり、Ｍ_{（ｉ，ｊ）}は前記顔の連続強化重みマップに従って取得された、（ｉ，ｊ）に位置する画素の焦点外れ重みであり、Ｙ＿Ｂ_{（ｉ，ｊ）}は（ｉ，ｊ）に位置する画素の強化グレースケール画像であり、Ｙ＿Ａ_{（ｉ，ｊ）}は（ｉ，ｊ）に位置する画素の元のグレースケール画像である。

本発明の実施例の第２の態様によれば、顔画像を強化する装置が提供され、前記装置は、
顔画像の特徴点に従って、前記顔画像上の複数の特徴領域を決定する決定モジュールと、
各特徴領域の初期強化重み係数を補正して、顔の離散強化重みマップが得られる補正モジュールと、
前記顔の離散強化重みマップに従って、前記顔画像に対応する顔の連続強化重みマップを取得する第１の取得モジュールと、
前記顔の連続強化重みマップに従って、前記顔画像を強化して、顔強化画像が得られる第２の取得モジュールと、を備える。

選択的に、前記補正モジュールは、
各特徴領域に対応する初期強化重み係数を取得する第１の取得ユニットと、
各特徴領域の平滑係数及び前記顔画像に対応する生理学的特徴係数を決定する決定ユニットと、
各特徴領域の前記平滑係数及び前記生理学的特徴係数に従って、前記初期強化重み係数を補正して、前記顔の離散強化重みマップが得られる補正ユニットと、を備える。
選択的に、前記生理学的特徴係数には、性別係数及び年齢係数のうちの少なくとも１つが含まれる。

選択的に、前記決定ユニットは、
各特徴領域内の複数の画素の画素値の分散及び平均値を取得する取得サブユニットと、
前記分散及び前記平均値に基づき、前記平滑係数を決定する決定サブユニットと、を備える。

選択的に、前記第１の取得モジュールは、
ガイデッドイメージフィルタアルゴリズムに従って、前記顔の連続強化重みマップを決定する計算ユニットを備え、ここで、前記顔画像に対応する元のグレースケール画像は、前記ガイデッドイメージフィルタアルゴリズムにおけるガイデッドイメージとして使用され、前記顔の離散強化重みマップは、前記ガイデッドイメージフィルタアルゴリズムにおける入力画像として使用される。

選択的に、前記第２の取得モジュールは、
画像強化アルゴリズムにより前記顔画像に対応する元のグレースケール画像を強化して、強化グレースケール画像が得られる第２の取得ユニットと、
前記顔の連続強化重みマップ、前記元のグレースケール画像及び前記強化グレースケール画像に従って融合グレースケール画像が得られる第３の取得ユニットと、
前記融合グレースケール画像に従って、前記顔強化画像を取得する第４の取得ユニットと、を備える。

選択的に、前記第２の取得ユニットは、
高コントラスト維持アルゴリズム及び前記元のグレースケール画像に基づき、前記強化グレースケール画像が得られる取得サブユニットを備える。

選択的に、前記第３の取得ユニットは、
次のアルゴリズムに基づいて前記融合グレースケール画像が得られる計算サブユニットを備え、
Ｙ＿Ｃ_{（ｉ，ｊ）}＝Ｍ_{（ｉ，ｊ）}＊Ｙ＿Ｂ_{（ｉ，ｊ）}＋（１−Ｍ_{（ｉ，ｊ）}）＊Ｙ＿Ａ_{（ｉ，ｊ）}
であり、
ここで、Ｙ＿Ｃ_{（ｉ，ｊ）}は（ｉ，ｊ）に位置する画素の融合グレースケール画像であり、Ｍ_{（ｉ，ｊ）}は前記顔の連続強化重みマップに従って取得された、（ｉ，ｊ）に位置する画素の焦点外れ重みであり、Ｙ＿Ｂ_{（ｉ，ｊ）}は（ｉ，ｊ）に位置する画素の強化グレースケール画像であり、Ｙ＿Ａ_{（ｉ，ｊ）}は（ｉ，ｊ）に位置する画素の元のグレースケール画像である。

本発明の実施例の第３の態様によれば、コンピュータ命令が記憶されたコンピュータ読み取り可能な記録媒体が提供され、この命令がプロセッサーにより実行されるとき、上記のいずれかの実施例に記載の方法のステップを実現する。

本発明の実施例の第４の態様によれば、電子機器が提供され、前記電子機器は、
プロセッサーと、
プロセッサーで実行可能な命令を記憶するためのメモリと、を備え、
ここで、前記プロセッサーは、実行されると、上記のいずれかの実施例に記載の方法のステップを実現するように構成される。

本発明に提供された技術案によれば、以下のような技術効果が奏される。
上記の実施例から分かるように、本発明では、顔画像の特徴領域ごとに異なる重みを構成することができるため、顔の異なる領域に対して異なる程度の強化を行うことができ、これにより、不純物が比較的多い領域を平滑化するとともに、元々平滑な領域が過度に強化されることを回避することができ、顔画像の画質の向上に有利である。

なお、前記一般的な記載及び後述の詳細な記載は、単なる例示的で解釈的な記載であり、本発明を限定しない。

ここの図面は、明細書に組み入れて本明細書の一部分を構成し、本発明に該当する実施例を例示するとともに、明細書とともに本発明の原理を解釈する。
一例示的な実施例に係る顔画像を強化する方法を示すフローチャートである。 一例示的な実施例に係る別の顔画像を強化する方法を示すフローチャートである。 一例示的な実施例に係る顔初期強化重みマップである。 一例示的な実施例に係る顔の離散強化重みマップである。 一例示的な実施例に係る顔の連続強化重みマップである。 一例示的な実施例に係る顔画像の強化効果を示す比較図である。 一例示的な実施例に係る顔画像を強化する装置を示す第１のブロック図である。 一例示的な実施例に係る顔画像を強化する装置を示す第２のブロック図である。 一例示的な実施例に係る顔画像を強化する装置を示す第３のブロック図である。 一例示的な実施例に係る顔画像を強化する装置を示す第４のブロック図である。 一例示的な実施例に係る顔画像を強化する装置を示す第５のブロック図である。 一例示的な実施例に係る顔画像を強化する装置を示す第６のブロック図である。 一例示的な実施例に係る顔画像を強化する装置を示す第７のブロック図である。 一例示的な実施例に係る顔画像を強化する装置に適用されるブロック図である。

以下、例示的な実施例を詳しく説明し、その例示を図面に示す。以下の記載が図面に関わる場合、特に別の説明がない限り、異なる図面における同一符号は、同じ又は類似する要素を示す。以下の例示的な実施形態に記載の実施例は、本発明と一致する全ての実施例を代表するものではない。即ち、それらは、特許請求の範囲に記載の本発明のある側面に一致する装置及び方法の例に過ぎない。

本発明に記載の用語は、特定の実施例を説明する目的で使用されるも的に過ぎず、本発明を限定するものではない。本発明及び添付された特許請求の範囲に記載の単数形式の「１種類」、「前記」及び「当該」は、前後の文章においてそれぞれ他の意味を含有すると明確に記載される以外には、複数の形式も含む。なお、本発明に記載の「及び／又は」は、挙げられる事項の１つ又は複数の何れ又は全ての組み合わせを意味する。

また、本発明は、第１、第２、第３等の用語を使って各種の情報を説明するが、それらの情報は上記用語に限定されない。それらの用語は、同一種類の情報同士を区分するためのも的に過ぎない。例えば、本発明の範囲から逸脱しない状況で、第１の情報を第２の情報と称しても良い。同じように、第２の情報を第１の情報と称してもよい。ここで使っている用語「……場合」は、上下文の意味によって、「……時」或は「……と」又は「確定に応じる」に解釈されてもよい。

図１は、一例示的な実施例に係る顔画像を強化する方法を示すフローチャートであり、図１に示すように、この方法は、端末に適用され、下記のステップを含んでもよい。
ステップ１０１において、顔画像の特徴点に従って、前記顔画像上の複数の特徴領域を決定する。

本実施例では、端末に構成されたカメラにより収集された顔画像を取得し、その後、ＣＮＮ（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋｓ、畳み込みニューラルネットワーク）に基づいて顔アライメントを行って顔の主要な特徴点を得ることができ、例えば、目、鼻、眉毛、口、顔等の複数の輪郭点を主要な特徴点として決定することができ、取得された複数の主要な特徴点に従って対応する複数の特徴領域を得ることができ、この特徴領域には、眉毛領域、口領域、鼻領域、頬領域、目領域及び顔輪郭等の特徴領域が含まれてもよい。ここで、この顔アライメントアルゴリズムには、顔の幾何学的構造としてエッジを使用して顔特徴点の位置特定を行うエッジ感知顔アライメントアルゴリズムが含まれてもよく、もちろん、エッジ感知顔アライメントアルゴリズムに加えて、他の顔アライメントアルゴリズムを採用して上記の複数の特徴領域を取得することもできる。例えば、３Ｄ顔アルゴリズム又は３Ｄ密顔アライメントアルゴリズムが採用されてもよく、本発明はこれを制限しない。

ステップ１０２において、各特徴領域の初期強化重み係数を補正して、顔の離散強化重みマップが得られる。

本実施例では、この初期強化重み係数は、機械学習の結果に従って各特徴領域に対して得られた固定重み係数であってもよい。ただし、ユーザによって顔の状態が異なるため、例えば、額が比較的滑らかなユーザもいれば、額領域にニキビが比較的多いユーザもいるため、この２つの異なる種類のユーザに対して額領域を強化する場合は、それに応じて強化強度も変更する必要があり、これにより、額の元々滑らかな領域が過度に強化されることを回避する。したがって、本発明では、初期強化重み係数を補正して、各特徴領域に適した異なる強化重みを得ることができ、各領域の強化重みを統合して、顔画像全体に対する顔の離散強化重みマップを得ることができることを提案する。

ここで、初期強化重み係数の補正は、次の方法を採用することができ、まず、各特徴領域を取得した後、各特徴領域に対応する初期強化重み係数を取得し、その後、各特徴領域の平滑係数及び顔画像に対応する生理学的特徴係数を決定してから、各特徴領域の平滑係数及び生理学的特徴係数に従って初期強化重み係数を補正し、補正された強化重みに基づいて顔の離散強化重みマップが得られる。

年齢が比較的高いユーザと年齢が比較的若いユーザとの間は、顔不純物状態に違いがあるため、この生理学的特徴係数には年齢係数が含まれてもよく、性別が異なっても顔不純物状態に違いがあるため、この生理学的特徴係数には性別係数が含まれてもよく、もちろん、また幾つかの実施例では、この生理学的特徴係数には年齢係数及び性別係数が含まれてもよい。平滑係数は、顔の各特徴領域の不純物状態を特徴付けるために使用されることができ、具体的に、次の方式によりこの平滑係数を取得することができ、各特徴領域内の複数の画素の画素値の分散及び平均値を取得し、その後、分散又は平均値に基づいてこの平滑係数を決定するか、又は分散及び平均値に基づいて平滑係数を決定してもよく、本発明はこれを制限しない。

ステップ１０３において、前記顔の離散強化重みマップに従って、前記顔画像に対応する顔の連続強化重みマップを取得する。

本実施例では、まず、ＲＧＢ色空間内の元の画像に基づいてこの元の画像に対応する元のグレースケール画像が得られ、その後、ガイデッドイメージフィルタアルゴリズムに従って、顔の連続強化重みマップを決定することができ、ここで、顔画像に対応する元のグレースケール画像は、前記ガイデッドイメージフィルタアルゴリズムにおけるガイデッドイメージとして使用され、顔の離散強化重みマップは、前記ガイデッドイメージフィルタアルゴリズムにおける入力画像として使用される。

ステップ１０４において、前記顔の連続強化重みマップに従って前記顔画像を強化して、顔強化画像が得られる。

本実施例では、画像強化アルゴリズムにより元のグレースケール画像を強化して、強化グレースケール画像を得ることができ、連続ぼけ量マップ、元のグレースケール画像及び強化グレースケール画像に従って融合グレースケール画像を得ることができ、さらに、この融合グレースケール画像をＲＧＢの色空間内に変換して、強化処理された顔強化画像を得ることができる。ここで、各画素の重みに従って強化グレースケール画像及び元のグレースケール画像を融合するため、元の画像内の平滑領域を過度に強化させることを回避し、平滑領域の不純物が過度に拡大されることを回避することができる。

ここで、この画像強化アルゴリズムには、高コントラスト維持アルゴリズム、対数画像強化アルゴリズム、指数画像強化アルゴリズム、ラプラス演算子画像強化アルゴリズム及びガンマ変換アルゴリズムのうちの１つ以上が含まれてもよく、本発明はこれを制限しない。次のアルゴリズムにより連続ぼけ量マップ、元のグレースケール画像及び前記強化グレースケール画像に基づいて融合グレースケール画像を得ることができ、
Ｙ＿Ｃ_{（ｉ，ｊ）}＝Ｍ_{（ｉ，ｊ）}＊Ｙ＿Ｂ_{（ｉ，ｊ）}＋（１−Ｍ_{（ｉ，ｊ）}）＊Ｙ＿Ａ_{（ｉ，ｊ）}
であり、
ここで、Ｙ＿Ｃ_{（ｉ，ｊ）}は（ｉ，ｊ）に位置する画素の融合グレースケール画像であり、Ｍ_{（ｉ，ｊ）}は前記顔の連続強化重みマップに従って取得された（ｉ，ｊ）に位置する画素の焦点外れ重みであり、Ｙ＿Ｂ_{（ｉ，ｊ）}は（ｉ，ｊ）に位置する画素の強化グレースケール画像であり、Ｙ＿Ａ_{（ｉ，ｊ）}は（ｉ，ｊ）に位置する画素の元のグレースケール画像である。

上記の実施例から分かるように、本発明では、顔画像の特徴領域ごとに異なる重みを構成することができるため、顔の異なる領域に対して異なる程度の強化を行うことができ、これにより、不純物が比較的多い領域を平滑化するとともに、元々平滑な領域が過度に強化されることを回避することができ、顔画像の画質の向上に有利である。

上記の実施例で説明された画像処理方法を詳細に説明するために、以下に、一具体的な実施例に基づいて説明する。図２に示すように、この画像処理方法は、下記のステップを含んでもよい。

ステップ２０１において、顔画像を取得する。
本実施例では、ユーザが端末に構成されたカメラモジュールをトリガすると、端末で撮像することができる。例えば、ユーザが端末に構成されたフロントカメラモジュールをトリガすると、この顔画像を得ることができ、この顔画像は処理前の画像である。もちろん、ユーザが端末に構成されたリアカメラモジュールをトリガするときにも、上記の顔画像を得ることができ、本発明はこれを制限しない。

ステップ２０２において、顔画像上の複数の特徴領域を決定する。
本実施例では、ＣＮＮに基づいて顔アライメントを行って顔の主要な特徴点が得られ、例えば、目、鼻、眉毛、口、顔等の複数の輪郭点を主要な特徴点として決定することができ、取得された複数の主要な特徴点に従って対応する複数の特徴領域を得ることができ、この特徴領域には、眉毛領域、口領域、鼻領域、頬領域、目領域及び顔輪郭等の特徴領域が含まれてもよい。

ステップ２０３において、各特徴領域に対応する初期強化重み係数を取得する。
本実施例では、この初期強化重み係数は電子機器内に事前に記憶された所定の係数であり、この所定の係数は経験から得てもよいし、機械学習によって得てもよく、本発明はこれを制限しない。例えば、機械学習により得られた初期強化重み係数及び対応する各特徴領域に基づき、図３に示す顔の各領域の重みマップを得ることができる。

ステップ２０４において、各特徴領域の平滑係数を取得する。
本実施例では、各特徴領域内の複数の画素の画素値の平均値及び分散（ｖａｒｉａｎｃｅ）に基づいてこの特徴領域の平滑係数を決定することができる。
具体的に、次の式を使用して各特徴領域の画素値の平均値を得ることができ、

ここで、ｘは各特徴領域の画素値であり、ｕは各特徴領域の平均画素値である。
次の式により各特徴領域の画素値の分散を得ることができ、

ここで、ｘは各特徴領域の画素値であり、ｕは各特徴領域の平均画素値であり、Ｄは各特徴領域の画素分散である。
ここで、画素値の分散が小さいほど、この特徴領域が平滑であるため、平滑係数は比較的小さくてもよく、これにより、後で補正された初期重み強化係数を比較的小さくすることができる。ここで、この分散及び平均値に基づいて計算して平滑係数を得ることができる。

ステップ２０５において、顔画像の生理学的特徴係数を取得する。
本実施例では、年齢が比較的高いユーザと年齢が比較的若いユーザとの間は、顔不純物状態に違いがあるため、この生理学的特徴係数には年齢係数が含まれてもよく、性別が異なっても顔不純物状態に違いがあるため、この生理学的特徴係数には性別係数が含まれてもよく、もちろん、また幾つかの実施例では、この生理学的特徴係数には年齢係数及び性別係数が含まれてもよい。

ステップ２０６において、初期強化重み係数、平滑係数及び生理学的特徴係数に基づいて顔の離散強化重みマップが得られる。

本実施例では、初期強化重み係数がＣ_ｉであり、平滑係数がＤ_ｉであり、性別係数がＡであり、年齢係数がＢであると仮定すると、次の方式で計算して補正された強化重みＥ_ｉを得ることができ、

ここで、ｉは各特徴領域の番号である。
これに基づいて各特徴領域の強化重みＥ_ｉが得られて、図４に示す顔の離散強化重みマップＭを得ることができる。

ステップ２０７において、顔の離散強化重みマップに従って顔の連続強化重みマップが得られる。
本実施例では、ガイデッドフィルタアルゴリズムにより顔の離散強化重みマップを顔の連続強化重みマップに拡散することができる。ここで、顔画像の元のグレースケール画像Ｙ＿Ａをガイデッドイメージとし、顔の離散強化重みマップを入力画像として計算して、基本的に顔の離散強化重みマップと同様であって、テクスチャが元のグレースケール画像Ｙ＿Ａに相当な図５に示す顔の連続強化重みマップＭを得ることができる。

ステップ２０８において、顔画像に対応する元のグレースケール画像に基づいて強化グレースケール画像が得られる。
本実施例では、画像強化アルゴリズムにより元のグレースケール画像Ｙ＿Ａを強化して、強化グレースケール画像Ｙ＿Ｂを得ることができ、画像強化アルゴリズムには、高コントラスト維持アルゴリズム、対数画像強化アルゴリズム、指数画像強化アルゴリズム、ラプラス演算子画像強化アルゴリズム及びガンマ変換アルゴリズムのうちの１つ以上が含まれてもよく、本発明はこれを制限しない。高コントラスト維持アルゴリズムを例として、任意のガウスカーネルを使用して元のグレースケール画像Ｙ＿Ａをぼかしてぼけ画像Ｙ＿Ａ_１を得ることができ、その後、元のグレースケール画像Ｙ＿Ａ及びぼけ画像Ｙ＿Ａ_１に基づいて高周波詳細画像Ｙ＿Ａ_２が得られ、この高周波詳細画像Ｙ＿Ａ_２を所定のスケーリング量に従ってスケーリングしてから元のグレースケール画像Ｙ＿Ａ内に蓄積して、強化グレースケール画像Ｙ＿Ｂを得ることができる。ここで、この所定のスケーリング量は１．５、２又は２．５等であってもよく、本発明はこれを制限しない。

ステップ２０９において、顔の連続強化重みマップ及び強化グレースケール画像に従って融合グレースケール画像が得られる。
本実施例では、次のアルゴリズムにより連続ぼけ量マップ、元のグレースケール画像及び前記強化グレースケール画像に基づいて融合グレースケール画像を得ることができ、
Ｙ＿Ｃ_{（ｉ，ｊ）}＝Ｍ_{（ｉ，ｊ）}＊Ｙ＿Ｂ_{（ｉ，ｊ）}＋（１−Ｍ_{（ｉ，ｊ）}）＊Ｙ＿Ａ_{（ｉ，ｊ）}
であり、
ここで、Ｙ＿Ｃ_{（ｉ，ｊ）}は（ｉ，ｊ）に位置する画素の融合グレースケール画像であり、Ｍ_{（ｉ，ｊ）}は前記顔の連続強化重みマップに従って取得された（ｉ，ｊ）に位置する画素の焦点外れ重みであり、Ｙ＿Ｂ_{（ｉ，ｊ）}は（ｉ，ｊ）に位置する画素の強化グレースケール画像であり、Ｙ＿Ａ_{（ｉ，ｊ）}は（ｉ，ｊ）に位置する画素の元のグレースケール画像であり、ｉ、ｊはいずれも正の整数であってもよく、具体的には、座標系を確立することによって決定することができる。

ステップ２１０において、融合グレースケール画像に従って、顔強化画像が得られる。
本実施例では、図６に示すように、左側は元の顔画像であり、右側は強化された顔強化画像である。明らかに、元の顔画像と比較して、顔強化画像がより鮮明であり、且つ顔のキズが過度に拡大されることはなく、画質が向上された。

前述した顔画像を強化する方法の実施例に対応して、本発明は、顔画像を強化する装置の実施例をさらに提供する。

図７は、一例示的な実施例に係る顔画像を強化する装置を示す第１のブロック図である。図７を参照すると、この装置は、決定モジュール７１、補正モジュール７２、第１の取得モジュール７３及び第２の取得モジュール７４を備え、ここで、
決定モジュール７１は、顔画像の特徴点に従って、前記顔画像上の複数の特徴領域を決定する。

補正モジュール７２は、各特徴領域の初期強化重み係数を補正して、顔の離散強化重みマップが得られる。

第１の取得モジュール７３は、前記顔の離散強化重みマップに従って、前記顔画像に対応する顔の連続強化重みマップを取得する。

第２の取得モジュール７４は、前記顔の連続強化重みマップに従って、前記顔画像を強化して、顔強化画像が得られる。

図８に示すように、図８は、一例示的な実施例に係る顔画像を強化する装置を示す第２のブロック図であり、この実施例は、前述した図７に示す実施例に基づいており、前記補正モジュール７２は、第１の取得ユニット７２１、決定ユニット７２２及び補正ユニット７２３を備え、ここで、
第１の取得ユニット７２１は、各特徴領域に対応する初期強化重み係数を取得する。

決定ユニット７２２は、各特徴領域の平滑係数及び前記顔画像に対応する生理学的特徴係数を決定する。

補正ユニット７２３は、各特徴領域の前記平滑係数及び前記生理学的特徴係数に従って前記初期強化重み係数を補正して、前記顔の離散強化重みマップが得られる。

選択的に、前記生理学的特徴係数には、性別係数及び年齢係数のうちの少なくとも１つが含まれる。

図９に示すように、図９は、一例示的な実施例に係る顔画像を強化する装置を示す第３のブロック図であり、この実施例は、前述した図８に示す実施例に基づいており、前記決定ユニット７２２は、取得サブユニット７２２１及び決定サブユニット７２２２を備え、ここで、取得サブユニット７２２１は、各特徴領域内の複数の画素の画素値の分散及び平均値を取得する。

決定サブユニット７２２２は、前記分散及び前記平均値に基づき、前記平滑係数を決定する。

図１０に示すように、図１０は、一例示的な実施例に係る顔画像を強化する装置を示す第４のブロック図であり、この実施例は、前述した図７に示す実施例に基づいており、前記第１の取得モジュール７３は、計算ユニット７３１を備え、
計算ユニット７３１は、ガイデッドイメージフィルタに従って、前記顔の連続強化重みマップを決定し、ここで、前記顔画像に対応する元のグレースケール画像は、前記ガイデッドイメージフィルタアルゴリズムにおけるガイデッドイメージとして使用され、前記顔の離散強化重みマップは、前記ガイデッドイメージフィルタアルゴリズムにおける入力画像として使用される。

なお、上記の図１０に示す装置の実施例における計算ユニット７３１の構造は前述した図８又は図９の装置の実施例に含まれてもよく、本発明はこれを制限しない。

図１１に示すように、図１１は、一例示的な実施例に係る顔画像を強化する装置を示す第５のブロック図であり、この実施例は、前述した図７に示す実施例に基づいており、前記第２の取得モジュール７４は、第２の取得ユニット７４１、第３の取得ユニット７４２及び第４の取得ユニット７４３を備え、ここで、
第２の取得ユニット７４１は、画像強化アルゴリズムにより前記顔画像に対応する元のグレースケール画像を強化して、強化グレースケール画像が得られる。

第３の取得ユニット７４２は、前記顔の連続強化重みマップ、前記元のグレースケール画像及び前記強化グレースケール画像に従って融合グレースケール画像が得られる。

第４の取得ユニット７４３は、前記融合グレースケール画像に従って、前記顔強化画像を取得する。

なお、上記の図１１に示す装置の実施例における第２の取得ユニット７４１、第３の取得ユニット７４２及び第４の取得ユニット７４３の構造は前述した図８〜図１０のいずれかの装置の実施例に含まれてもよく、本発明はこれを制限しない。

図１２に示すように、図１２は、一例示的な実施例に係る顔画像を強化する装置を示す第６のブロック図であり、この実施例は、前述した図１１に示す実施例に基づいており、前記第２の取得ユニット７４１は、取得サブユニット７４１１を備え、
取得サブユニット７４１１は、高コントラスト維持アルゴリズム及び前記元のグレースケール画像に基づいて前記強化グレースケール画像が得られる。

図１３に示すように、図１３は、一例示的な実施例に係る顔画像を強化する装置を示す第７のブロック図であり、この実施例は、前述した図１１に示す実施例に基づいており、前記第３の取得ユニット７４２は、計算サブユニット７４２１を備え、
計算サブユニット７４２１は、次のアルゴリズムに基づいて前記融合グレースケール画像が得られ、
Ｙ＿Ｃ_{（ｉ，ｊ）}＝Ｍ_{（ｉ，ｊ）}＊Ｙ＿Ｂ_{（ｉ，ｊ）}＋（１−Ｍ_{（ｉ，ｊ）}）＊Ｙ＿Ａ_{（ｉ，ｊ）}
であり、
ここで、Ｙ＿Ｃ_{（ｉ，ｊ）}は（ｉ，ｊ）に位置する画素の融合グレースケール画像であり、Ｍ_{（ｉ，ｊ）}は前記顔の連続強化重みマップに従って取得された（ｉ，ｊ）に位置する画素の焦点外れ重みであり、Ｙ＿Ｂ_{（ｉ，ｊ）}は（ｉ，ｊ）に位置する画素の強化グレースケール画像であり、Ｙ＿Ａ_{（ｉ，ｊ）}は（ｉ，ｊ）に位置する画素の元のグレースケール画像である。

なお、上記の図１３に示す装置の実施例における計算サブユニット７４２１の構造はまた、前述した図１２の装置の実施例に含まれてもよく、本発明はこれを制限しない。

上記の実施例における装置に関して、各モジュールが操作を実行する具体的な方法は、この方法に係る実施例で詳細に説明されており、ここでは詳細な説明を省略する。

装置の実施例に関して、それは基本的に方法の実施例に対応するため、関連する部分は方法の実施例の部分の説明を参照すればよい。上記の装置の実施例は単なる例示的なものであり、ここで、上記の分離部材として説明されるユニットは物理的に分離されていてもよいし、分離されなくてもよく、ユニットとして表示される部材は、物理ユニットであってもよいし、物理ユニットでなくてもよく、即ち、１つの箇所に位置されてもよいし、複数のネットワークユニット上に分散されてもよい。実際の需要に応じて、これらのモジュールの一部又は全部を選択して本発明の解決策の目的を実現することができる。当業者は、創造的な努力なしに理解及び実施することができる。

相応に、本発明は、顔画像を強化する装置をさらに提供し、前記装置は、プロセッサーと、プロセッサーで実行可能な命令を記憶するためのメモリと、を備え、ここで、前記プロセッサーは、顔画像の特徴点に従って前記顔画像上の複数の特徴領域を決定し、各特徴領域の初期強化重み係数を補正して顔の離散強化重みマップが得られ、前記顔の離散強化重みマップに従って前記顔画像に対応する顔の連続強化重みマップを取得し、前記顔の連続強化重みマップに従って前記顔画像を強化して、顔強化画像が得られるように構成される。

相応に、本発明は、端末をさらに提供し、前記端末は、メモリと、１つ以上のプログラムと、を備え、ここで、１つ以上のプログラムはメモリ内に記憶され、且つ１つ以上のプロセッサーにより実行されるように構成され、前記１つ以上のプログラムには、以下の操作を実行するための命令が含まれ、顔画像の特徴点に従って前記顔画像上の複数の特徴領域を決定し、各特徴領域の初期強化重み係数を補正して顔の離散強化重みマップが得られ、前記顔の離散強化重みマップに従って前記顔画像に対応する顔の連続強化重みマップを取得し、前記顔の連続強化重みマップに従って前記顔画像を強化して、顔強化画像が得られる。

図１４は、一例示的な実施例に係る顔画像を強化する装置１４００に適用されるブロック図である。例えば、装置１４００は、携帯電話、コンピュータ、デジタルブロードキャスト端末、メッセージ送受信機、ゲームコンソール、タブレットデバイス、医療機器、フィットネス機器、ＰＤＡ等のものであってもよい。

図１４を参照すると、装置１４００は、処理ユニット１４０２、メモリ１４０４、電源ユニット１４０６、マルチメディアユニット１４０８、オーディオユニット１４１０、入力／出力（Ｉ／Ｏ）インタフェース１４１２、センサーユニット１４１４、及び通信ユニット１４１６からなる群から選ばれる少なくとも１つを備えてもよい。

処理ユニット１４０２は、一般的には、装置１４００の全体の操作、例えば、表示、電話呼び出し、データ通信、カメラ操作及び記録操作に関連する操作を制御する。処理ユニット１４０２は、上述した方法におけるステップの一部又は全部を実現できるように、命令を実行する少なくとも１つのプロセッサー１４２０を備えてもよい。また、処理ユニット１４０２は、他のユニットとのインタラクションを便利にさせるように、少なくとも１つのモジュールを備えてもよい。例えば、処理ユニット１４０２は、マルチメディアユニット１４０８とのインタラクションを便利にさせるように、マルチメディアモジュールを備えてもよい。

メモリ１４０４は、装置１４００での操作をサポートするように、各種のデータを記憶するように配置される。これらのデータは、例えば、装置１４００で何れのアプリケーション又は方法を操作するための命令、連絡先データ、電話帳データ、メッセージ、画像、ビデオ等を含む。メモリ１４０４は、何れの種類の揮発性又は不揮発性メモリ、例えば、ＳＲＡＭ（Ｓｔａｔｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ−Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＥＰＲＯＭ（Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＰＲＯＭ（Ｐｒｏｇｒａｍｍａｂｌｅ ＲＯＭ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｂｅｒ）、磁気メモリ、フラッシュメモリ、磁気ディスク、或いは光ディスクにより、或いはそれらの組み合わせにより実現することができる。

電源ユニット１４０６は、装置１４００の各種ユニットに電力を供給するためのものであり、電源管理システム、１つ又は複数の電源、及び装置１４００のために電力を生成、管理及び分配することに関連する他のユニットを備えてもよい。

マルチメディアユニット１４０８は、装置１４００とユーザとの間に出力インタフェースを提供するスクリーンを備えてもよい。スクリーンは、例えば、液晶ディスプレイ（ＬＣＤ）やタッチパネル（ＴＰ）を備えてもよい。スクリーンは、タッチパネルを備える場合、ユーザからの入力信号を受信するように、タッチスクリーンになることができる。また、タッチパネルは、タッチや、スライドや、タッチパネル上の手振りを感知するように、少なくとも１つのタッチセンサーを有する。タッチセンサーは、タッチやスライド動作の境界を感知できるだけではなく、タッチやスライド操作と関連する持続時間や圧力も感知できる。一実施例では、マルチメディアユニット１４０８は、フロントカメラ及び／又はバックカメラを有してもよい。装置１４００が、例えば、撮影モードやビデオモードのような操作モードにある時、フロントカメラ及び／又はバックカメラが外部のマルチメディアデータを受信できる。フロントカメラ及びバックカメラのそれぞれは、固定の光学レンズ系であってもよいし、焦点距離及び光学ズーム能力を有するものであってもよい。

オーディオユニット１４１０は、オーディオ信号を出力及び／又は入力するように配置される。例えば、オーディオユニット１４１０は、マイクロフォン（ＭｉＣ）を有してもよい。装置１４００が、例えば、呼び出しモード、記録モード、又は音声認識モードのような操作モードにあるとき、マイクロフォンは、外部のオーディオ信号を受信するように配置される。受信したオーディオ信号は、メモリ１４０４にさらに記憶されてもよいし、通信ユニット１４１６を介して送信されてもよい。一実施例では、オーディオユニット１４１０は、オーディオ信号を出力するためのスピーカをさらに備えてもよい。

Ｉ／Ｏインタフェース１４１２は、処理ユニット１４０２と外部のインタフェースモジュールとの間にインタフェースを提供するためのものである。上記外部のインタフェースモジュールは、キーボードや、クリックホイールや、ボタン等であってもよい。これらのボタンは、ホームボタンや、音量ボタンや、スタートボタンや、ロックボタンであってもよいが、それらに限らない。

センサーユニット１４１４は、装置１４００のために各方面の状態を評価する少なくとも１つのセンサーを備えてもよい。例えば、センサーユニット１４１４は、装置１４００のオン／オフ状態や、ユニットの相対的な位置を検出することができる。例えば、前記ユニットは、装置１４００のディスプレイ及びキーパッドである。センサーユニット１４１４は、装置１４００又は装置１４００の１つのユニットの位置の変化、ユーザによる装置１４００への接触の有無、装置１４００の方向又は加速／減速、装置１４００の温度変化などを検出することができる。センサーユニット１４１４は、何れの物理的な接触もない場合に付近の物体を検出するように配置される近接センサーを有してもよい。センサーユニット１４１４は、イメージングアプリケーションに用いるための光センサー、例えば、ＣＭＯＳ又はＣＣＤ画像センサーを有してもよい。一実施例では、当該センサーユニット１４１４は、加速度センサー、ジャイロスコープセンサー、磁気センサー、圧力センサー又は温度センサーをさらに備えてもよい。

通信ユニット１４１６は、装置１４００と他の設備の間との無線又は有線通信を便利にさせるように配置される。装置１４００は、通信標準に基づく無線ネットワーク、例えば、ＷｉＦｉ、２Ｇ又は３Ｇ、４Ｇ ＬＴＥ、５Ｇ ＮＲ又はそれらの組み合わせにアクセスできる。１つの例示的な実施例では、通信ユニット１４１６は、ブロードキャストチャンネルを介して外部のブロードキャスト管理システムからのブロードキャスト信号又はブロードキャストに関する情報を受信する。１つの例示的な実施例では、前記通信ユニット１４１６は、近距離通信を促進するために近距離無線通信（ＮＦＣ）モジュールをさらに備えてもよい。例えば、ＮＦＣモジュールは、無線周波数認識装置（ＲＦＩＤ：Ｒａｄｉｏ Ｆｒｅｑｕｅｎｃｙ ＩＤｅｎｔｉｆｉｃａｔｉｏｎ）技術、赤外線データ協会（ＩｒＤＡ：Ｉｎｆｒａｒｅｄ Ｄａｔａ Ａｓｓｏｃｉａｔｉｏｎ）技術、超広帯域無線（ＵＷＢ：Ｕｌｔｒａ Ｗｉｄｅ Ｂａｎｄ）技術、ブルートゥース（登録商標）（ＢＴ：Ｂｌｕｅｔｏｏｔｈ（登録商標））技術及び他の技術によって実現されてもよい。

例示的な実施例では、装置１４００は、上述した方法を実行するために、１つ又は複数の特定用途向け集積回路（ＡＳＩＣ：Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、デジタル信号プロセッサー（ＤＳＰ：Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）、デジタル信号処理デバイス（ＤＳＰＤ：Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｄｅｖｉｃｅ）、プログラマブルロジックデバイス（ＰＬＤ：Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅ）、書替え可能ゲートアレイ（ＦＰＧＡ：Ｆｉｅｌｄ−Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）、コントローラ、マイクロコントローラ、マイクロプロセッサー、又は他の電子機器によって実現されてもよい。

例示的な実施例では、命令を有する非一時的コンピュータ読み取り可能な記録媒体、例えば、命令を有するメモリ１４０４をさらに提供する。前記命令は、装置１４００のプロセッサー１４２０により実行されて上述した方法を実現する。例えば、前記非一時的コンピュータ読み取り可能な記録媒体は、ＲＯＭ、ＲＡＭ、ＣＤ−ＲＯＭ、磁気テープ、フロッピー（登録商標）ディスク及び光データメモリ等であってもよい。

当業者は、明細書に対する理解、及び明細書に記載された発明に対する実施を介して、本発明の他の実施形態を容易に取得することができる。本発明は、本発明に対する任意の変形、用途、又は適応的な変化を含み、このような変形、用途、又は適応的な変化は、本発明の一般的な原理に従い、本発明では開示していない本技術分野の公知知識、又は通常の技術手段を含む。明細書及び実施例は、単に例示的なものであって、本発明の本当の範囲と主旨は、以下の特許請求の範囲によって示される。

本発明は、上記で記述され、図面で図示した特定の構成に限定されず、その範囲を離脱しない状況で、様々な修正や変更を実施してもよい。本発明の範囲は、添付される特許請求の範囲のみにより限定される。

Claims (16)

1. 顔画像の特徴点に従って、前記顔画像上の複数の特徴領域を決定するステップと、
   各特徴領域の初期強化重み係数を補正して、顔の離散強化重みマップが得られるステップと、
   前記顔の離散強化重みマップに従って、前記顔画像に対応する顔の連続強化重みマップを取得するステップと、
   前記顔の連続強化重みマップに従って、前記顔画像を強化して、顔強化画像が得られるステップと、を含み、
   前記顔の離散強化重みマップに従って前記顔画像に対応する顔の連続強化重みマップを取得するステップは、
   ガイデッドイメージフィルタアルゴリズムに従って、前記顔の連続強化重みマップを決定するステップを含み、ここで、前記顔画像に対応する元のグレースケール画像は、前記ガイデッドイメージフィルタアルゴリズムにおけるガイデッドイメージとして使用され、前記顔の離散強化重みマップは、前記ガイデッドイメージフィルタアルゴリズムにおける入力画像として使用される
   ことを特徴とする顔画像を強化する方法。
2. 前記各特徴領域の初期強化重み係数を補正して顔の離散強化重みマップが得られるステップは、
   各特徴領域に対応する初期強化重み係数を取得するステップと、
   各特徴領域の平滑係数及び前記顔画像に対応する生理学的特徴係数を決定するステップと、
   各特徴領域の前記平滑係数及び前記生理学的特徴係数に従って、前記初期強化重み係数を補正して、前記顔の離散強化重みマップが得られるステップと、を含む
   ことを特徴とする請求項１に記載の顔画像を強化する方法。
3. 前記生理学的特徴係数には、性別係数及び年齢係数のうちの少なくとも１つが含まれることを特徴とする請求項２に記載の顔画像を強化する方法。
4. 前記各特徴領域の平滑係数を決定するステップは、
   各特徴領域内の複数の画素の画素値の分散及び平均値を取得するステップと、
   前記分散及び前記平均値に基づき、前記平滑係数を決定するステップと、を含む
   ことを特徴とする請求項２に記載の顔画像を強化する方法。
5. 前記顔の連続強化重みマップに従って前記顔画像を強化して、顔強化画像が得られるステップは、
   画像強化アルゴリズムにより前記顔画像に対応する元のグレースケール画像を強化して、強化グレースケール画像が得られるステップと、
   前記顔の連続強化重みマップ、前記元のグレースケール画像及び前記強化グレースケール画像に従って、融合グレースケール画像が得られるステップと、
   前記融合グレースケール画像に従って、前記顔強化画像を取得するステップと、を含む
   ことを特徴とする請求項１に記載の顔画像を強化する方法。
6. 前記画像強化アルゴリズムにより前記顔画像に対応する元のグレースケール画像を強化して、強化グレースケール画像が得られるステップは、
   高コントラスト維持アルゴリズム及び前記元のグレースケール画像に基づき、前記強化グレースケール画像が得られるステップを含む
   ことを特徴とする請求項５に記載の顔画像を強化する方法。
7. 前記顔の連続強化重みマップ、前記元のグレースケール画像及び前記強化グレースケール画像に従って融合グレースケール画像が得られるステップは、
   次のアルゴリズムに基づいて前記融合グレースケール画像が得られるステップを含み、
   Ｙ＿Ｃ（ｉ，ｊ）＝Ｍ（ｉ，ｊ）＊Ｙ＿Ｂ（ｉ，ｊ）＋（１−Ｍ（ｉ，ｊ））＊Ｙ＿Ａ（ｉ，ｊ）
   であり、
   ここで、Ｙ＿Ｃ（ｉ，ｊ）は（ｉ，ｊ）に位置する画素の融合グレースケール画像であり、Ｍ（ｉ，ｊ）は前記顔の連続強化重みマップに従って取得された、（ｉ，ｊ）に位置する画素の焦点外れ重みであり、Ｙ＿Ｂ（ｉ，ｊ）は（ｉ，ｊ）に位置する画素の強化グレースケール画像であり、Ｙ＿Ａ（ｉ，ｊ）は（ｉ，ｊ）に位置する画素の元のグレースケール画像である
   ことを特徴とする請求項５に記載の顔画像を強化する方法。
8. 顔画像の特徴点に従って、前記顔画像上の複数の特徴領域を決定する決定モジュールと
   、
   各特徴領域の初期強化重み係数を補正して、顔の離散強化重みマップが得られる補正モジュールと、
   前記顔の離散強化重みマップに従って、前記顔画像に対応する顔の連続強化重みマップを取得する第１の取得モジュールと、
   前記顔の連続強化重みマップに従って、前記顔画像を強化して、顔強化画像が得られる第２の取得モジュールと、を備え、
   前記第１の取得モジュールは、
   ガイデッドイメージフィルタアルゴリズムに従って、前記顔の連続強化重みマップを決定する計算ユニットを備え、ここで、前記顔画像に対応する元のグレースケール画像は、前記ガイデッドイメージフィルタアルゴリズムにおけるガイデッドイメージとして使用され、前記顔の離散強化重みマップは、前記ガイデッドイメージフィルタアルゴリズムにおける入力画像として使用される
   ことを特徴とする顔画像を強化する装置。
9. 前記補正モジュールは、
   各特徴領域に対応する初期強化重み係数を取得する第１の取得ユニットと、
   各特徴領域の平滑係数及び前記顔画像に対応する生理学的特徴係数を決定する決定ユニットと、
   各特徴領域の前記平滑係数及び前記生理学的特徴係数に従って、前記初期強化重み係数を補正して、前記顔の離散強化重みマップが得られる補正ユニットと、を備える
   ことを特徴とする請求項８に記載の顔画像を強化する装置。
10. 前記生理学的特徴係数には、性別係数及び年齢係数のうちの少なくとも１つが含まれる
    ことを特徴とする請求項９に記載の顔画像を強化する装置。
11. 前記決定ユニットは、
    各特徴領域内の複数の画素の画素値の分散及び平均値を取得する取得サブユニットと、
    前記分散及び前記平均値に基づき、前記平滑係数を決定する決定サブユニットと、を備える
    ことを特徴とする請求項９に記載の顔画像を強化する装置。
12. 前記第２の取得モジュールは、
    画像強化アルゴリズムにより前記顔画像に対応する元のグレースケール画像を強化して、強化グレースケール画像が得られる第２の取得ユニットと、
    前記顔の連続強化重みマップ、前記元のグレースケール画像及び前記強化グレースケール画像に従って融合グレースケール画像が得られる第３の取得ユニットと、
    前記融合グレースケール画像に従って、前記顔強化画像を取得する第４の取得ユニットと、を備える
    ことを特徴とする請求項８に記載の顔画像を強化する装置。
13. 前記第２の取得ユニットは、
    高コントラスト維持アルゴリズム及び前記元のグレースケール画像に基づき、前記強化グレースケール画像が得られる取得サブユニットを備える
    ことを特徴とする請求項１２に記載の顔画像を強化する装置。
14. 前記第３の取得ユニットは、
    次のアルゴリズムに基づいて前記融合グレースケール画像が得られる計算サブユニットを備え、
    Ｙ＿Ｃ（ｉ，ｊ）＝Ｍ（ｉ，ｊ）＊Ｙ＿Ｂ（ｉ，ｊ）＋（１−Ｍ（ｉ，ｊ））＊Ｙ＿Ａ（ｉ，ｊ）
    であり、
    ここで、Ｙ＿Ｃ（ｉ，ｊ）は（ｉ，ｊ）に位置する画素の融合グレースケール画像であり、Ｍ（ｉ，ｊ）は前記顔の連続強化重みマップに従って取得された、（ｉ，ｊ）に位置する画素の焦点外れ重みであり、Ｙ＿Ｂ（ｉ，ｊ）は（ｉ，ｊ）に位置する画素の強化グレースケール画像であり、Ｙ＿Ａ（ｉ，ｊ）は（ｉ，ｊ）に位置する画素の元のグレースケール画像である
    ことを特徴とする請求項１２に記載の顔画像を強化する装置。
15. コンピュータ命令が記憶されたコンピュータ読み取り可能な記録媒体であって、
    この命令がプロセッサーにより実行されるとき、請求項１〜７のいずれか１項に記載の
    方法のステップを実現する
    ことを特徴とするコンピュータ読み取り可能な記録媒体。
16. プロセッサーと、
    プロセッサーで実行可能な命令を記憶するためのメモリと、を備え、
    ここで、前記プロセッサーは、実行されると、請求項１〜７のいずれか１項に記載の方法のステップを実現するように構成される
    ことを特徴とする電子機器。
    

Images