CN100456326C - 一种用于人脸变老的图像处理方法 - Google Patents

Abstract

本发明公开了一种人脸变老的图像处理方法。对人脸图像进行重采样，实现对老年人人脸的重建，并将年轻人重建的年老人图像由RGB空间转换到YUV空间；对人脸皱纹进行拉普拉斯建模；将建模结果应用于年轻人脸，并将结果由YUV空间转换为RGB空间。本方法通过拉普拉斯梯度场映射对皱纹建模，提取年长人脸的皱纹特征，较方便的实现逼真的年轻人脸变老处理，不受光照或图像亮度的影响。另外，本发明不需要一个人由年轻到年老的变化照片，数据获取方便。因此，通过本发明获得变老的人脸图像是一种低成本，快速的方法。

Description

一种用于人脸变老的图像处理方法

技术领域

本发明涉及图像处理方法，特别是涉及一种用于人脸变老的图像处理方法。

背景技术

20世纪人类的杰出成果之一计算机技术把人类社会带入了信息化时代。计算机技术给各个领域都带来了革命性的变化。随着计算机应用的深入，电脑特技在游戏与影像制作中起着越来越重要的作用，通过特技处理，人们可以制作出许多无法简单地通过演员表演模仿的角色或场景，使画面更为逼真和自然。这些特技在许多游戏和电影用得到了应用，比如《指环王》、《特洛伊》等。这些特技将人类社会推进到数字娱乐时代。而使数字娱乐蓬勃发展的动力和源泉就是以计算机为载体的数字图像处理/计算机图形学以及多媒体技术。

人脸的变老是影像或者游戏制作中经常要面临的问题，通常情形下，人们通过化妆来达到这样的效果，耗费时间长，效果不稳定，常常使人觉得不够真实。通过数字图像处理方法获得变老的人脸图像是一种低成本，快速的方法，老人的脸部普遍带有较多的皱纹和斑点，针对这种特点，对人脸变老进行建模，通过样例中的老年人脸照片，较方便的实现目标人脸的变老处理。传统的数字图像处理进行人脸变老的方法普遍需要有一个人由年轻到年老的过程照片，通过前后照片的相减或比较获得变老操作值，而这类照片在实际中很难获得。

发明内容

本发明的目的在于提供一种采用拉普拉斯操作对图像颜色梯度建模用于人脸变老的图像处理方法。

本发明解决其技术问题采用的技术方案如下：

1.一种用于人脸变老的图像处理方法，该方法的步骤如下：

1)首先，对人脸图像进行重采样，实现对老年人人脸的重建，并将年轻人重建的年老人图像由RGB空间转换到YUV空间；

2)其次，对人脸皱纹进行拉普拉斯建模；

3)最后，将建模结果应用于年轻人脸，并将结果由YUV空间转换为RGB空间。

2.所述的对人脸图像进行重采样，实现对老年人人脸的重建，并将年轻人重建的年老人图像由RGB空间转换到YUV空间是：

1)通过年轻人脸对年老人脸进行重采样，实现对老年人脸的重建。重采样包括两个部分：

a)对老年人与年轻的人脸进行特征点标记

b)通过特征点提供的标记对齐老年人脸和年轻人脸，对老年人脸像素进行采样获得重建的老年人脸

2)首先计算每个像素在YUV颜色空间中的亮度值(Y)，按公式(1)进行。

Y＝0.299R+0.587G+0.114B

U＝-0.147R-0.289G+0.436B    (1)

V＝0.615R-0.515G-0.100B

其中，Y是为YUV空间中的Y分量，R，G，B分别为16位RGB图像中像素点的三个分量的数值。

3.所述的对人脸皱纹进行拉普拉斯建模是：

在水平和垂直两个方向分别提取老年人脸和年轻人图像中每个像素的局部拉普拉斯模型。建模时，按照公式(2)进行水平方向的计算，按照公式(3)进行垂直方向的计算。

$g_x=e-\frac{a+c}{2}-(e_1-\frac{a_1+c_1}{2})-(e_2-\frac{a_2+c_2}{2})---\left(2\right)$

其中：g_x代表水平方向的局部拉普拉斯模型，e代表待求像素的亮度值，a代表e左边的像素亮度值，c代表e右边的像素亮度值，同样地，e₁，e₂，a₁，a₂，c₁和c₂表示与前面e，a，c对应的老年人脸和年轻人脸中的像素。

$g_y=e-\frac{b+d}{2}-(e_1-\frac{b_1+d_1}{2})-(e_2-\frac{b_2+d_2}{2})---\left(3\right)$

其中，g_y代表水平方向的局部拉普拉斯模型，b是e上面的像素的亮度值，d是e下面的像素亮度值，同样地，b₁，b₂，d₁和d₂表示与前面b，d对应的老年人脸和年轻人脸中的像素。

4.所述的将建模结果应用于年轻人脸，并将结果由YUV空间转换为RGB空间是：

1)e的值按照公式(4)计算

$e=e_1+e_2+\frac{a+b+c+d}{4}-\frac{a_1+b_1+c_1+d_1}{4}-\frac{a_2+b_2+c_2+d_2}{4}---\left(4\right)$

2)对e进行迭代更新运算，直到ε_i＜0.01，其中ε_i是迭代误差，按照公式(5)计算

${\mathrm{\ϵ}}_i=\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\mathrm{intensity}{\left(n\right)}_i-\mathrm{intensity}{\left(n\right)}_{i-1}---\left(5\right)$

其中，N是像素的个数，n是像素的序号，i是指迭代的次数，intensity(n)表示第n个像素的亮度值。

3)按照公式(6)将图像由YUV空间转换为RGB空间。

R＝Y+1.140V

G＝Y-0.395U-0.581V    (6)

B＝Y+2.032U。

人脸上的皱纹和斑点在数字图像中在数字图像处理和计算机视觉中，拉普拉斯算子被广泛应用于边缘检测，对图像中梯度变化剧烈的部分进行建模。拉普拉斯操作可以将图像转换为颜色梯度场模型，这恰好可以处理老年人脸部的皱纹和斑点，对其进行建模。在数字图像中，人脸皱纹和斑点表现为图像中亮度的变化，因此，通过对亮度的建模实现变老操作。

本发明具有的有益效果是：它适用于影像或者游戏制作，老人的脸部普遍带有较多的皱纹和斑点，针对这种特点，对人脸变老进行建模，通过样例中的老年人脸照片，较方便的实现目标人脸的变老处理。另外，本发明不需要一个人由年轻到年老的变化照片，数据获取方便。因此，通过本发明获得变老的人脸图像是一种低成本，快速的方法。

附图说明

图1是本发明采用的人脸特征点(a)及其拓扑结构(b)；

图2是对一个像素进行拉普拉斯局部建模的示意图；

具体实施方式

在实施人脸变老的图像处理方法时，具体实现流程如下：

第一步：准备数据。首先根据变老需要准备一张年老人脸照片(源人脸照片)和一张需要变老的人脸照片(目标人脸照片)。

第二步：人脸特征点标定。按照图1所示，在源人脸照片和目标人脸照片上分别标定对应的人脸特征点(图1(a))，并建立相应的拓扑结构(图1(b))。

第三步：利用特征点及其拓扑结构，计算目标人脸中像素的相对位置，实现对目标人脸中像素的索引，以此索引对源人脸进行采样，实现源人脸与目标人脸对应关系的建立。

第四步：颜色空间由RGB转换到YUV。按照公式(1)中定义的方式进行颜色空间的转换。

Y＝0.299R+0.587G+0.114B

U＝-0.147R-0.289G+0.436B(1)

V＝0.615R-0.515G-0.100B

其中，Y是为YUV空间中的Y分量，R，G，B分别为16位RGB图像中像素点的三个分量的数值。

第五步：对皱纹变化进行局部拉普拉斯建模。按照公式(2)-(4)进行皱纹映射的局部拉普拉斯建模，进行建模所采用的局部信息如图2所示。

在水平和垂直两个方向分别提取老年人脸(图2(a))和年轻人图像(图2(a))中每个像素的局部拉普拉斯模型。建模时，按照公式(2)进行水平方向的计算，按照公式(3)进行垂直方向的计算。

$g_x=e-\frac{a+c}{2}-(e_1-\frac{a_1+c_1}{2})-(e_2-\frac{a_2+c_2}{2})---\left(2\right)$

其中：g_x代表水平方向的局部拉普拉斯模型，e代表待求像素的亮度值，a代表e左边的像素亮度值，c代表e右边的像素亮度值，同样地，e₁，e₂，a₁，a₂，c₁和c₂表示与前面e，a，c对应的老年人脸和年轻人脸中的像素。

$g_y=e-\frac{b+d}{2}-(e_1-\frac{b_1+d_1}{2})-(e_2-\frac{b_2+d_2}{2})---\left(3\right)$

其中，g_y代表水平方向的局部拉普拉斯模型，b是e上面的像素的亮度值，d是e下面的像素亮度值，同样地，b₁，b₂，d₁和d₂表示与前面b，d对应的老年人脸和年轻人脸中的像素。

第六步：进行迭代运算直至收敛。

1)e(图2(c))的值按照公式(4)计算。

$e=e_1+e_2+\frac{a+b+c+d}{4}-\frac{a_1+b_1+c_1+d_1}{4}-\frac{a_2+b_2+c_2+d_2}{4}---\left(4\right)$

2)对e进行迭代更新运算，直到ε_i＜0.01，其中ε_i是迭代误差，按照公式(5)计算。

${\mathrm{\ϵ}}_i=\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\mathrm{intensity}{\left(n\right)}_i-\mathrm{intensity}{\left(n\right)}_{i-1}---\left(5\right)$

其中，N是像素的个数，n是像素的序号，i是指迭代的次数，intensity(n)表示第n个像素的亮度值。

第七步：根据公式(6)将计算结果转换回RGB颜色空间。

R＝Y+1.140V

G＝Y-0.395U-0.581V    (6)

B＝Y+2.032U

因此，该方法的数据获取方便，计算复杂度也较低，实现简单快捷，可以降低影像、游戏等的制作成本。

Claims (1)

1.一种用于人脸变老的图像处理方法，其特征在于该方法的步骤如下：

1)首先，对人脸图像进行重采样，实现对老年人人脸的重建，并将年轻人重建的年老人图像由RGB空间转换到YUV空间；

所述的对人脸图像进行重采样，实现对老年人人脸的重建，并将年轻人重建的年老人图像由RGB空间转换到YUV空间是：

A)通过年轻人脸对年老人脸进行重采样，实现对老年人脸的重建，

重采样包括两个部分：

a)对老年人与年轻的人脸进行特征点标记

b)通过特征点提供的标记对齐老年人脸和年轻人脸，对老年人脸像素进行采样获得重建的老年人脸

B)首先计算每个像素在YUV颜色空间中的亮度值(Y)，按公式(1)进行

Y＝0.299R+0.587G+0.114B

U＝-0.147R-0.289G+0.436B    (1)

V＝0.615R-0.515G-0.100B

其中，Y是为YUV空间中的Y分量，R，G，B分别为16位RGB图像中像素点的三个分量的数值；

2)其次，对人脸皱纹进行拉普拉斯建模；

所述的对人脸皱纹进行拉普拉斯建模是：

在水平和垂直两个方向分别提取老年人脸和年轻人图像中每个像素的局部拉普拉斯模型，建模时，按照公式(2)进行水平方向的计算，按照公式(3)进行垂直方向的计算

$g_x=e-\frac{a+c}{2}-(e_1-\frac{a_1+c_1}{2})-(e_2-\frac{a_2+c_2}{2})---\left(2\right)$

其中：g_x代表水平方向的局部拉普拉斯模型，e代表待求像素的亮度值，a代表e左边的像素亮度值，c代表e右边的像素亮度值，同样地，e₁，e₂，a₁，a₂，c₁和c₂表示与前面e，a，c对应的老年人脸和年轻人脸中的像素，

$g_y=e-\frac{b+d}{2}-(e_1-\frac{b_1+d_1}{2})-(e_2-\frac{b_2+d_2}{2})---\left(3\right)$

其中，g_y代表水平方向的局部拉普拉斯模型，b是e上面的像素的亮度值，d是e下面的像素亮度值，同样地，b₁，b₂，d₁和d₂表示与前面b，d对应的老年人脸和年轻人脸中的像素；

3)最后，将建模结果应用于年轻人脸，并将结果由YUV空间转换为RGB空间；

所述的将建模结果应用于年轻人脸，并将结果由YUV空间转换为RGB空间是：

A)e的值按照公式(4)计算

$e=e_1+e_2+\frac{a+b+c+d}{4}-\frac{a_1+b_1+c_1+d_1}{4}-\frac{a_2+b_2+c_2+d_2}{4}---\left(4\right)$

B)对e进行迭代更新运算，直到ε_i＜0.01，其中ε_i是迭代误差，按照公式(5)计算

${\mathrm{\ϵ}}_i=\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{intensity}\left(n\right)}_i-{\mathrm{intensity}\left(n\right)}_{i-I}---\left(5\right)$

其中，N是像素的个数，n是像素的序号，i是指迭代的次数，intensity(n)表示第n个像素的亮度值，

C)按照公式(6)将图像由YUV空间转换为RGB空间，

R＝Y+1.140V

G＝Y-0.395U-0.581V    (6)

B＝Y+2.032U。

Images