CN109242794A - 图像处理方法、装置、电子设备及计算机可读存储介质 - Google Patents
图像处理方法、装置、电子设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN109242794A CN109242794A CN201810997702.XA CN201810997702A CN109242794A CN 109242794 A CN109242794 A CN 109242794A CN 201810997702 A CN201810997702 A CN 201810997702A CN 109242794 A CN109242794 A CN 109242794A
- Authority
- CN
- China
- Prior art keywords
- light efficiency
- image
- coefficient
- region
- human face
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 19
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 230000002708 enhancing effect Effects 0.000 claims abstract description 94
- 238000012545 processing Methods 0.000 claims abstract description 77
- 230000001795 light effect Effects 0.000 claims abstract description 46
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000005315 distribution function Methods 0.000 claims description 62
- 238000004590 computer program Methods 0.000 claims description 13
- 238000009826 distribution Methods 0.000 claims description 7
- 239000004744 fabric Substances 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 230000033228 biological regulation Effects 0.000 abstract description 5
- 230000000875 corresponding effect Effects 0.000 description 28
- 238000003384 imaging method Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 13
- 230000000694 effects Effects 0.000 description 12
- 238000001514 detection method Methods 0.000 description 6
- 210000001061 forehead Anatomy 0.000 description 6
- 238000005286 illumination Methods 0.000 description 6
- 239000003086 colorant Substances 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000001965 increasing effect Effects 0.000 description 3
- 238000012805 post-processing Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000005498 polishing Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 239000000872 buffer Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000571 coke Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- 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
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/61—Control of cameras or camera modules based on recognised objects
- H04N23/611—Control of cameras or camera modules based on recognised objects where the recognised objects include parts of the human body
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/70—Circuitry for compensating brightness variation in the scene
- H04N23/71—Circuitry for evaluating the brightness variation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
-
- 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)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请实施例涉及一种图像处理方法、装置、电子设备及计算机可读存储介质。上述方法，包括：对待处理图像进行人脸识别，确定待处理图像的人脸区域；获取人脸区域的亮度信息和深度信息；根据亮度信息和深度信息确定光效模型中的光效增强系数；根据光效增强系数对人脸区域进行光效增强处理。上述图像处理方法、装置、电子设备及计算机可读存储介质，可以动态调节光线效果强度，提高人像图像的光线效果，且操作简便快捷。
Description
技术领域
本申请涉及计算机技术领域，特别是涉及一种图像处理方法、装置、电子设备及计算机可读存储介质。
背景技术
随着电子技术的发展，越来越多的电子设备具备了拍摄功能，用户可通过电子设备的摄像头等进行拍摄。若需要拍出效果较好的人像照片，通常需要在被拍的人周围布置灯光，从而制造出良好的光线效果。这种使拍摄的人像具有良好光效的方式操作繁琐。
发明内容
本申请实施例提供一种图像处理方法、装置、电子设备及计算机可读存储介质，可以动态调节光线效果强度，提高人像图像的光线效果，且操作简便快捷。
一种图像处理方法，包括：
对待处理图像进行人脸识别，确定所述待处理图像的人脸区域；
获取所述人脸区域的亮度信息和深度信息；
根据所述亮度信息和深度信息确定光效模型中的光效增强系数；
根据所述光效增强系数对所述人脸区域进行光效增强处理，所述光效增强系数为影响光效增强处理强度的参数。
一种图像处理装置，包括：
人脸识别模块，用于对所述待处理图像进行人脸识别，确定所述待处理图像的人脸区域；
深度获取模块，用于获取所述人脸区域的亮度信息和深度信息；
系数确定模块，用于根据所述亮度信息和深度信息确定光效模型中的光效增强系数；
光效增强模块，用于根据所述光效增强系数对所述人脸区域进行添加光线效果的处理，所述光效增强系数用于调节所述光线效果的强度。
一种电子设备，包括存储器及处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器实现如上所述的方法。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的方法。
上述图像处理方法、装置、电子设备及计算机可读存储介质，对待处理图像进行人脸识别，确定待处理图像的人脸区域，获取所述人脸区域的亮度信息和深度信息，并根据所述亮度信息和深度信息确定光效模型中的光效增强系数，根据所述光效增强系数对所述人脸区域进行光效增强处理，可以根据人脸的亮度信息动态调节光线效果强度，使人像图像具备更好的光线效果，且操作简便快捷。
附图说明
图1为一个实施例中电子设备的框图；
图2为一个实施例中图像处理方法的流程示意图；
图3为一个实施例中根据所述亮度信息和深度信息确定光效模型中的光效增强系的流程示意图；
图4为一个实施例中根据所述亮度增强因子和所述深度信息确定所述光效增强系数的流程示意图；
图5为一个实施例中构建第一分布函数和构建第二分布函数的流程示意图；
图6为另一个实施例中图像处理方法的流程示意图；
图7为又一个实施例中图像处理方法的流程示意图；
图8为一个实施例中图像处理装置的框图；
图9为另一个实施例中图像处理装置的框图；
图10为一个实施例中图像处理电路的示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一客户端称为第二客户端，且类似地，可将第二客户端称为第一客户端。第一客户端和第二客户端两者都是客户端，但其不是同一客户端。
图1为一个实施例中电子设备的框图。如图1所示，该电子设备包括通过***总线连接的处理器、存储器、显示屏和输入装置。其中，存储器可包括非易失性存储介质及处理器。电子设备的非易失性存储介质存储有操作***及计算机程序，该计算机程序被处理器执行时以实现本申请实施例中提供的一种图像处理方法。该处理器用于提供计算和控制能力，支撑整个电子设备的运行。电子设备中的内存储器为非易失性存储介质中的计算机程序的运行提供环境。电子设备的显示屏可以是液晶显示屏或者电子墨水显示屏等，输入装置可以是显示屏上覆盖的触摸层，也可以是电子设备外壳上设置的按键、轨迹球或触控板，也可以是外接的键盘、触控板或鼠标等。该电子设备可以是手机、平板电脑或者个人数字助理或穿戴式设备等。本领域技术人员可以理解，图1中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的电子设备的限定，具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
如图2所示，在一个实施例中，提供一种图像处理方法，包括以下步骤：
步骤202，对待处理图像进行人脸识别，确定所述待处理图像的人脸区域。
在一个实施例中，用户在拍摄的过程中场景往往是非常复杂的，特别是拍摄场景的光线复杂多变，而用户在拍摄过程中又无法改变拍摄场景，因此只能通过后期处理来达到用户所想要的效果。电子设备可获取待处理图像，待处理图像是指需要进行光效增强处理的图像，光效是一种模拟光源效果的图像增强处理。具体地，光源效果可以是自然光、舞台光、摄影棚光、胶片光、轮廓光、报幕光、丁达尔光效等效果。
可选地，电子设备可在界面上设置有人像光效开关，用户可触发人像光效开关，选择是否对待处理图像进行人像光效处理，其中，人像光效处理指的是在待处理图像中添加光线效果，可以模拟影棚中的布光效果，对待处理图像中的人像进行打光，制造良好的光线效果。用户还可选择人像光效的模式，人像光效的模式可包括但不限于轮廓光、舞台光、摄影室灯光等，也可实现不同颜色的光线效果等，用户可根据实际需求自行进行选择。
在一个实施例中，电子设备可对待处理图像进行人脸识别，可以通过人脸检测算法确定待处理图像的人脸区域，人脸检测算法可以包括基于几何特征的检测方法、特征脸检测方法、线性判别分析方法、基于隐马尔柯夫模型检测方法等，在本申请实施例中，对人脸检测算法不做进一步的限定。
在一个实施例中，电子设备可提取待处理图像的图像特征，并通过预设的人脸识别模型对图像特征进行分析，判断待处理图像中是否包含人脸。人脸识别模型可以是预先通过机器学习构建的决策模型，构建人脸识别模型时，可获取大量的样本图像，样本图像中包含有人脸图像及无人图像，可根据每个样本图像是否包含人脸对样本图像进行标记，并将标记的样本图像作为人脸识别模型的输入，通过机器学习进行训练，得到人脸识别模型。
人脸区域可以是根据图像特征划分的矩形区域，该矩形区域中包含人脸。人脸区域也可以是由人脸的边缘轮廓组成的不规则区域，电子设备可根据人脸的边缘特征得到边缘轮廓，从而确定人脸区域。
需要说明的是，该待处理图像可以是在电子设备拍摄图像的预览过程中的预览图像，也可以是电子设备拍摄的图像，或者是电子设备中预先存储的图像，在此不做限定。
步骤204，获取所述人脸区域的亮度信息和深度信息。
电子设备可获取人脸区域的亮度信息，亮度信息可用于色彩的明暗程度。亮度信息可用人脸区域的亮度值来表示。人脸区域的亮度值可以是人脸区域的平均亮度。例如，电子设备可获取人脸区域中各个像素点的亮度值，并根据各个像素点的亮度值计算平均亮度，该平均亮度可作为人脸区域的亮度值。电子设备也可将人脸区域划分成多个子区域，并计算各个子区域的平均亮度，按照各个子区域分配的权重对各个子区域的平均亮度进行加权和计算，得到人脸区域的亮度值。可以理解地，也可采用其他方式获取人脸区域的亮度信息，并不限于上述几种方式。
电子设备还可以获取人脸区域的深度信息。电子设备在采集图像的过程中，可以同时获取拍摄物体对应的深度图，深度图中携带了拍摄物体距离电子设备的距离信息。也即，深度信息可以理解为拍摄物体与电子设备的成像装置之间的距离信息。例如，深度信息可以基于电子设备的双摄像头进行获取，还可以通过红外摄像头的TOF技术获取，也可以通过结构光进行获取，得到的拍摄物体的深度信息可以为10厘米、50厘米、1米、2米或3米等。因此，电子设备在确定人脸区域后，可以从深度图中获取人脸区域对应的深度信息。
步骤206，根据所述亮度信息和深度信息确定光效模型中的光效增强系数。
电子设备可预先构建光效模型，光效模型可用于对待处理图像进行添加光线效果处理，模拟舞台报幕的报幕光效，实现对待处理图像的人像进行打光的效果。可选地，光效模型可以是两个一维分布函数的叠加，每个一维分布函数的权重因子不同，例如，其中一个一维分布函数可以用于表达人脸区域横轴方向的分布特征，另一个一维分布函数可以用于表达人脸区域纵轴方向的分布特征，但不限于此。
需要说明的是，横纵可以理解为人脸区域的宽度方向，即，宽度方向可为从左侧发际至右侧发际的方向；纵轴可以理解为人脸区域的长度方向，即，长度方向可为从发际线至下颏的方向。
光效模型可包含光效增强系数，光效增强系数可与添加的光线效果强度具备关联关系，光效增强系数越大，添加的光线强度越高。光效增强系数可与光效模型中的分布幅度关联，光效增强系数越大，分布幅度可越大，光效增强系数越小，分布幅度可越小。电子设备获取人脸区域的亮度信息和深度信息后，可根据亮度信息和深度信息确定光效模型中的光效增强系数。人脸区域的亮度信息可与光效增强系数成负相关关系，人脸区域的亮度信息越大，光效增强系数可越小，人脸区域的亮度信息越小，光效增强系数可越大；人脸区域的深度信息可与光效增强系数成负相关关系，人脸区域的深度信息越大，光效增强系数可越小，人脸区域的深度信息越小，光效增强系数可越大。例如，人脸区域沿宽度方向，其鼻梁处的光效增强系数大，脸颊处的光效增强系数小；人脸区域沿长宽度方向，其额头处的光效增强系数大，下颌处的光效增强系数小。
步骤208，根据所述光效增强系数对所述人脸区域进行光效增强处理，所述光效增强系数为影响光效增强处理强度的参数。
电子设备根据亮度信息和深度信息确定光效模型的光效增强系数后，可根据确定的光效增强系数对人脸区域进行光效增强处理，也即，添加光线效果的处理。在一个实施例中，光效增强处理或添加光线效果的处理均可以理解为将图像的亮度进行增强的处理。该光效增强系数可用于决定添加的光线强度，光效增强系数越大，添加的光线强度越高。根据确定的光效增强系数，可以根据光效增强系数对待处理图像中的各个像素点进行光效增强处理。具体的可以通过光效增强系数对待处理图像进行叠加或乘积的方式进行光效增强处理。
可选地，光效模型对待处理图像进行添加光线效果处理，还可包括对待处理图像进行改变待处理图像的颜色等。改变待处理图像的颜色，可指的是改变待处理图像中各个像素点的色彩值。该色彩值可以像素点是RGB(红、绿、蓝)、HSV(色调、饱和度、明度)等颜色空间中的值。电子设备可以根据用户的需要设定不同颜色的光线，例如烛光光线，并根据光效模型计算出各个像素点在该光线颜色下的调整后的色彩值，并根据计算得到的色彩值对各个像素点进行调整，从而可达到在待处理图像中打上不同颜色光线的效果。
在本实施例中，对待处理图像进行人脸识别，确定待处理图像的人脸区域；获取人脸区域的亮度信息和深度信息；根据亮度信息和深度信息确定光效模型中的光效增强系数；根据光效增强系数对人脸区域进行添加光线效果的处理，光效增强系数用于调节光线效果的强度，可以根据人脸的亮度信息和深度信息动态调节光线效果强度，使人像图像具备更好的光线效果，且操作简便快捷。
如图3所示，在一个实施例中，步骤206，根据所述亮度信息和深度信息确定光效模型中的光效增强系，包括以下步骤：
步骤302，根据所述亮度信息获取亮度增强因子。
电子设备可以设定预设亮度值，该预设亮度值可用于在该预设亮度值下，其待处理图像的亮度信息可以达到较好的效果。该预设亮度值可根据用户的需求来设定，在本申请实施例中，对其预设亮度值的具体数值不做进一步的限定。电子设备根据获取的亮度信息以及预设亮度值就可以获取亮度增强因子。亮度增强因子为影响光效增强处理强度的一个亮度参数。
在一个实施例中，亮度增强因子可以用预设亮度值与亮度信息的比值来表示，例如：k＝L1/L2，其中，k为亮度增强因子，L1为预设亮度值；L2为人脸区域的亮度信息。电子设备可以根据当前的亮度信息来调节亮度增强因子k，可以防止添加的光线出现过暗或过亮的情况。
步骤304，根据所述亮度增强因子和所述深度信息确定所述光效增强系数。
电子设备还可以获取待处理图像中人脸区域的深度信息，根据该深度信息可以确定光效模型的亮度增强系数。其中，亮度增强系数为影响光效增强处理强度的另一个亮度参数。人脸区域中包括多个像素点，每个像素点的对应的图像都具有一个深度信息。
在一个实施例中，光效模型包括第一分布函数和第二分布函数。其中，根据第一分布函数和深度信息可以计算出人脸区域的第一亮度增强系数，根据第二分布函数和深度信息可以计算出人脸区域的第二亮度增强系数。
具体地，电子设备还可在图像中建立直角坐标系，在直角坐标系中计算特征点之间的角度深度信息。电子设备在图像中以两条互相垂直的直线建立xy坐标系。例如，一个像素点P的坐标值为(Px,Py)，其对应的深度信息为dp，则根据像素点Px的横坐标Px及深度信息dp计算出第一亮度增强系数，然后根据像素点Px的纵坐标Py及深度信息dp计算出第二亮度增强系数。其中，第一亮度增强系数会随着深度信息的增加而降低。第二亮度增强系数可为阶段性系数，在第一范围内，第二亮度增强系数随着深度信息的增加而增加；在第二范围内，第二亮度增强系数随着深度信息的增加而减少。
需要说明的是，第一范围可以理解为人脸区域中额头区域所对应的纵坐标范围；第二范围可以理解为人脸区域除额头区域以外的其他区域所对应的纵坐标范围。
电子设备进而可根据第一亮度增强系数对应的权重因子和第二亮度增强系数对应的权重因子获取光效模型的亮度增强系数。其中，权重因子为影响对应的亮度增强系数的参数，其权重因子越大，影响性也就越大。具体地，第二亮度增强系数对应的权重因子大于第一亮度增强系数对应的权重因子。
电子设备根据获取的亮度增强因子和强度增强系数的乘积则可以确定所述光效模型的光效增强系数。
在本申请提供的实施例中，光效模型的光效增强系数是可以调节的，根据亮度增强因子和亮度增强系数可以对根据光效模型的光效增强系数进行调节。
如图4所示，在一个实施例中，根据所述亮度增强因子和所述深度信息确定所述光效增强系数，包括以下步骤：
步骤402，根据所述深度信息和第一分布函数获取第一亮度增强系数。
在一个实施例中，光效模型包括第一分布函数和第二分布函数，第一分布函数和第二分布函数具有不同的权重因子。具体地，光效模型可以用如下公式进行表达：
P(x,y)＝k[af1(x)+bf2(y)]
其中，k为亮度增强因子，f1(x)为第一分布函数，a为第一分布函数的权重因子；f2(y)为第二分布函数，b为第二分布函数的权重因子。
具体的，第一分布函数f1(x)可以表示为：
式中，xmid为人脸区域中具有最小深度信息的像素点的横坐标，x为人脸区域中任一像素点的横坐标，w为人脸区域的总宽度。其中，xmid可以理解为鼻尖最高点的横坐标，或额头区域最高点的横坐标。w可理解为从最左侧发际与最右侧发际之间的距离信息。
电子设备可以将各个像素点所对应的图像的深度信息以及各像素点的横坐标信息，带入第一分布函数中，即可计算出各个像素点对应的第一亮度增强系数。
步骤404，根据所述深度信息和第二分布函数获取第二亮度增强系数。
具体的，第二分布函数f2(y)可表示为：
式中，yn为人脸区域中深度信息为预设值时所对应的像素点的纵坐标，y为人脸区域中任一像素点的纵坐标，l为人脸区域的总长度。其中，预设值所对应的像素点的纵坐标可以理解为眉骨处具有最大深度信息的像素点的纵坐标。l可为前额发际线与下颏之间的距离信息。
电子设备可以将各个像素点所对应的图像的深度信息以及各像素点的纵坐标信息，带入第二分布函数中，即可计算出各个像素点对应的第二亮度增强系数。
步骤406，根据所述亮度增强因子、第一亮度增强系数、第二亮度增强系数获取所述光效增强系数。
电子设备可以将各个像素点所对应的图像的深度信息以及各像素点的横、纵坐标信息，带入光效模型中，即可计算出各个像素点对应的光效增强系数。
如图5所示，在一个实施例中，获取第一亮度增强系数和获取第二亮度增强系数之前，还包括构建第一分布函数和构建第二分布函数的步骤。
构建第一分布函数和构建第二分布函数，包括以下步骤：
步骤502，获取具有第一方向的第一增亮区域和具有第二方向的第二增亮区域。
待处理图像是由若干个像素点构成的，这若干个像素点按照一定的规律排列成一个二维像素点矩阵。若以图像的最左下角的像素点为原点建立坐标系，则可以通过一个二维xy坐标系对图像中的任意一个像素点的位置进行表示。其中，可将每个横向方向(与x轴平行的方向)上的像素点称之为像素行，可将每个纵向方向(与y轴平行的方向)上的像素点称之为像素列。
其中，第一方向可以理解为与y轴平行的方向(纵向方向)，具有第一方向的第一增亮区域，则可理解为第一增亮区域的所有像素点的横坐标相同，即第一增亮区域为某一像素列。相应的，第二方向可以理解为与x轴平行的方向(横向方向)，具有第二方向的第二增亮区域，则可理解为第二增亮区域的所有像素点的纵坐标相同，即第二增亮区域为某一像素行。
电子设备可获取第一增亮区域，第一增亮区域可指的是对待处理图像进行增亮处理的某一像素列区域。第一增亮区域增亮位置可被认为是x轴方向上添加的光线效果强度最高的像素列区域。以第一增亮区域为中心，向第一增亮区域两侧添加的光线效果的强度可逐渐降低。
电子设备可获取第二增亮区域，第二增亮区域可指的是对待处理图像进行增亮处理的某一像素行区域。第二增亮区域增亮位置可被认为是y轴方向上添加的光线效果强度最高的像素列区域。以第二增亮区域为中心，向第二增亮区域一侧添加的光线效果的强度可逐渐降低，向第二增亮区域另一侧添加的光线效果的强度不变。
可选地，第一增亮区域和第二增亮区域可以是电子设备预先设置的固定的像素行或像素列。比如，第一增亮区域可以是人脸区域的沿x轴方向的中心像素行，第二增亮区域可以是人脸区域中眉骨所在区域的沿y轴方向的像素行。
在一个实施例中，电子设备可以根据获取的深度信息来获取第一增强区域和第二增强区域。电子设备在采集图像的同时，可以同时获取图像对应的深度图，深度图中的像素点与图像中的像素点对应。深度图中的像素点表示图像中对应像素的深度信息，深度信息即为像素点对应的物体到电子设备的深度信息。根据该深度图，可以获取人脸区域每个像素点的深度信息。电子设备可根据该深度图，获取人脸区域中每个像素列的第一平均深度信息，以及获取人脸区域中每个像素行的第二平均深度信息，并将具有最大第一平均深度信息的像素列定义为第一增强区域，将具有最大第二平均深度信息的像素列定义为第二增强区域。当然，第一增强区域也可以是其他预先设置的像素列，第二增强区域也可以是其他预先设置的像素行，并不仅限于此。
可选地，第一增亮区域、第二增强区域还可以是用户自己选择的位置，用户可在待处理图像进行滑动操作，从而选择所需的第一增亮区域、第二增强区域。电子设备可接收用户的滑动操作，并根据接收的滑动操作获取滑动轨迹，可根据滑动轨迹确定第一方向上的第一增亮区域和第二方向上的第二增亮区域。
具体的，可以获取滑动轨迹的方向和所经像素点的坐标信息。当滑动轨迹与y轴的夹角小于第一预设值时，则可认为，该滑动操作对应选择的增亮区域具有第一方向。同时，可以获取滑动轨迹所经像素点的横坐标信息，例如，若获取滑动轨迹所经像素点的数量为500，则获取这500个像素点的横坐标，将具有同一横坐标信息的像素点的数量进行统计，并将数量最大的横坐标所在的像素列作为第一增亮区域。相应的，当滑动轨迹与x轴的夹角小于第二预设值时，则可认为，该滑动操作对应选择的增亮区域具有第二方向。同时，可以获取滑动轨迹所经像素点的纵坐标信息，例如，若获取滑动轨迹所经像素点的数量为500，则获取这500个像素点的纵坐标，将具有同一纵坐标信息的像素点的数量进行统计，并将数量最大的纵坐标所在的像素行作为第二增亮区域。
用户可根据实际需求选择第一增亮区域和第二增亮区域，满足不同用户的需求，可以有效提高添加的光线效果。
可以理解地，第一增亮区域和第二增亮区域也可采用其他方式进行获取，并不仅限于上述几种方式。
步骤504，根据所述第一增亮区域确定第一分布中心及根据所述第二增亮区域确定第二分布中心。
步骤506，根据所述第一分布中心构建所述第一分布函数，及根据所述第二分布中心构建所述第二分布函数。
在一个实施例中，光效模型包括第一分布函数和第二分布函数，第一分布函数和第二分布函数具有不同的权重因子。
其中，k为亮度增强因子，f1(x)为第一分布函数，a为第一分布函数的权重因子；bf2(y)为第二分布函数，b为第二分布函数的权重因子。
电子设备还可以确定人脸区域的总宽度w和总长度l，其中，w可理解为从最左侧发际与最右侧发际之间的距离信息，l可为前额发际线与下颏之间的距离信息。
电子设备根据确定第一增亮区域可以确定第一分布中心，该第一分布中心可以理解为第一分布函数f1(x)中的xmid，其中，xmid为第一增亮区域的横坐标信息。第一亮度增强系数在该第一分布中心处最大，越远离该第一分布中心，其对应的第一亮度增强系数也就越小，电子设备可根据第一亮度增强系数的变化趋势以及第一分布中心就看确定第一分布函数f1(x)。
具体的，第一分布函数f1(x)可以表示为：
电子设备根据确定第二增亮区域可以确定第二分布中心，该第二分布中心可理解为第二分布函数f2(y)中的yn，其中，yn为第二增亮区域的纵坐标信息。第二亮度增强系数在该第二分布中心处最大，在第一范围内，第二亮度增强系数保持不变，在第二范围内，越远离该第二分布中心，其对应的第二亮度增强系数也就越小，电子设备可根据第二亮度增强系数的变化趋势以及第二分布中心就看确定第二分布函数f2(y)。
具体的，第二分布函数bf2(y)可表示为：
因此，电子设备可以根据所述第一增亮区域确定第一分布中心及根据所述第二增亮区域确定第二分布中心，并根据所述第一分布中心构建所述第一分布函数，及根据所述第二分布中心构建所述第二分布函数。
进一步的，电子设备还可以确定第一分布函数的权重因子a和第二分布函数的权重因子b，根据确定的第一分布函数和第二分布函数确定光效模型。
具体地，光效模型可以用如下公式进行表达：
P(x,y)＝k[af1(x)+bf2(y)]
电子设备可根据确定的第一分布中心、第二分布中心构建光效模型，并根据构建的光效模型对待处理图像进行增亮处理。
电子设备可根据光效模型计算人脸区域各个像素点的光效增强系数，并将光效增强系数作为增亮处理后的亮度值。电子设备可根据光效增强系数对像素点进行增亮处理，在待处理图像中添加光线效果。
在本实施例中，电子设备可通过第一分布函数和第二分布函数的叠加以形成光效模型，可对待处理图像进行添加光线效果的处理，不同位置的像素点的亮度增强幅度不同，可使图像具备更好的光线效果，使得添加的光线效果更为真实、自然。
在一个实施例中，获取所述人脸区域的亮度信息和深度信息前，还包括去除所述待处理图像的光照信息的步骤。
电子设备可以对待处理图像进行最大(最小)值滤波初步得到光照图；并对该光照图均值(或高斯)滤波得到最终的光照分布图，然后根据待处理图像和光照分布图来去除待处理图像中光照信息。可选的，电子设备还可以基于RGB归一化、伽马变换等算法来去除待处理图像中光照信息。
在本实施例中，电子设备可以去除待处理图像中光照信息，然后去没有光照信息的人脸区域添加光效，可使图像具备更好的光线效果，使得添加的光线效果更为真实、自然。其中，光照信息可指物体被照明的程度。
如图6所示，图像处理方法还包括以下步骤：
步骤602，根据所述人脸区域检测所述待处理图像的人像区域。
电子设备可根据识别的人脸区域检测待处理图像的人像区域，人像区域指的是待处理图像中包含采集的人像的整个区域。人脸区域可属于人像区域中的一部份，人像区域除了人脸外，还可包括采集到的人的四肢、躯干等。
在一个实施例中，电子设备在确定人脸区域后，可以从深度图中获取人脸区域对应的深度信息，然后根据人脸区域对应的深度信息可以获取人像区域对应的深度信息，然后根据人像区域对应的深度信息即可获取到待处理图像中的人像区域。
可以理解的是，还可以通过其他方法来获取人像区域，在本实施例中不进行限定。例如还可以通过人工智能、区域生长法等方法来获取人像区域。
步骤604，从所述待处理图像中分割出所述人像区域，以获取背景区域。
步骤606，对所述背景区域进行虚化处理。
电子设备检测到人像区域后，可从待处理图像中分割出人像区域，以获取除了人像区域以外的背景区域。电子设备可降低除人像区域外的背景区域的亮度值，使背景区域变暗，并将处理后的人像区域与变暗的背景区域重新合成得到处理后的图像。可选的，电子设备可对背景区域进行虚化模糊处理，并将处理后的人像区域与变暗的背景区域重新合成得到处理后的图像。
在本实施例中，电子设备可使背景虚化处理后的待处理图像中的人像区域拥有更好的光线效果，使模拟舞台光幕中的报幕光效更为真实。
如图7所示，图像处理方法包括以下步骤：
步骤702，去除所述待处理图像的光照信息；
步骤704，对所述待处理图像进行人脸识别，确定所述待处理图像的人脸区域；
步骤706，根据所述人脸区域检测所述待处理图像的人像区域；
步骤708，从所述待处理图像中分割出所述人像区域，以获取背景区域；
步骤710，对所述背景区域进行虚化处理；
步骤712，获取所述人脸区域的亮度信息和深度信息；
步骤714，根据所述亮度信息和深度信息确定光效模型中的光效增强系数；
步骤716，根据所述光效增强系数对所述人脸区域进行光效增强处理，所述光效增强系数为影响光效增强处理强度的参数。
在本实施例中，电子设备可去除待处理图像的光照信息，并对人脸区域进行光效增强处理，并对背景区域进行虚化处理，以使人像区域拥有更好的光线效果，使模拟舞台光幕中的报幕光效更为真实。
应该理解的是，虽然图3-7的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图3-7中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
如图8所示，在一个实施例中，提供一种图像处理装置，包括人脸识别模块810、深度获取模块820、系数确定模块830及光效增强模块840。
人脸识别模块810，用于对所述待处理图像进行人脸识别，确定所述待处理图像的人脸区域；
深度获取模块820，用于获取所述人脸区域的亮度信息和深度信息；
系数确定模块830，用于根据所述亮度信息和深度信息确定光效模型中的光效增强系数；
光效增强模块840，用于根据所述光效增强系数对所述人脸区域进行添加光线效果的处理，所述光效增强系数用于调节所述光线效果的强度。
在本实施例中，对待处理图像进行人脸识别，确定所述待处理图像的人脸区域；获取所述人脸区域的亮度信息和深度信息；根据所述亮度信息和深度信息确定光效模型中的光效增强系数；根据所述光效增强系数对所述人脸区域进行光效增强处理，所述光效增强系数为影响光效增强处理强度的参数，可以根据人脸的亮度信息和深度信息动态调节光线效果强度，使人像图像具备更好的光线效果，且操作简便快捷。
在一个实施例中，系数确定模块830，包括：
第一系数确定单元，根据所述亮度信息获取亮度增强因子；所述亮度增强因子为影响光效增强处理强度的第一亮度参数；
第二系数确定单元，根据所述亮度增强因子和所述深度信息确定所述光效增强系数。
在一个实施例中，所述光效模型包括第一分布函数和第二分布函数；
第二系数确定单元用于根据所述深度信息和第一分布函数获取第一亮度增强系数；根据所述深度信息和第二分布函数获取第二亮度增强系数；根据所述亮度增强因子、第一亮度增强系数、第二亮度增强系数获取所述光效增强系数。
在一个实施例中，第二系数确定单元还于根据所述深度信息获取第一方向上的第一增亮区域和第二方向上的第二增亮区域；根据所述第一增亮区域确定第一分布中心及根据所述第二增亮区域确定第二分布中心；根据所述第一分布中心构建所述第一分布函数，及根据所述第二分布中心构建所述第二分布函数。
在一个实施例中，第二系数确定单元还于接收用户的滑动操作；根据所述滑动轨迹确定第一方向上的第一增亮区域和第二方向上的第二增亮区域。
如图9所示，在一个实施例中，图像处理装置包括人脸识别模块910、深度获取模块920、系数确定模块930、光效增强模块940，还包括：
光照去除模块950，用于去除所述待处理图像的光照信息。
在本实施例中，电子设备可以去除待处理图像中光照信息，然后去没有光照信息的人脸区域添加光效，可使图像具备更好的光线效果，使得添加的光线效果更为真实、自然。其中，光照信息可指物体被照明的程度。
在一个实施例中，图像处理装置，还包括：
人像检测模块960，用于根据所述人脸区域检测所述待处理图像的人像区域；
背景确认模块970，用于从所述待处理图像中分割出所述人像区域，以获取背景区域；
背景虚化模块980，用于对所述背景区域进行虚化处理。
在本实施例中，电子设备可使背景虚化处理后的待处理图像中的人像区域拥有更好的光线效果，使模拟舞台光幕中的报幕光效更为真实。
本申请实施例还提供一种电子设备。上述电子设备中包括图像处理电路，图像处理电路可以利用硬件和/或软件组件实现，可包括定义ISP(Image Signal Processing，图像信号处理)管线的各种处理单元。图10为一个实施例中图像处理电路的示意图。如图10所示，为便于说明，仅示出与本申请实施例相关的图像处理技术的各个方面。
如图10所示，图像处理电路包括ISP处理器1040和控制逻辑器1050。成像设备1010捕捉的图像数据首先由ISP处理器1040处理，ISP处理器1040对图像数据进行分析以捕捉可用于确定和/或成像设备1010的一个或多个控制参数的图像统计信息。成像设备1010可包括具有一个或多个透镜1012和图像传感器1014的照相机。图像传感器1014可包括色彩滤镜阵列(如Bayer滤镜)，图像传感器1014可获取用图像传感器1014的每个成像像素捕捉的光强度和波长信息，并提供可由ISP处理器1040处理的一组原始图像数据。传感器1020(如陀螺仪)可基于传感器1020接口类型把采集的图像处理的参数(如防抖参数)提供给ISP处理器1040。传感器1020接口可以利用SMIA(Standard Mobile Imaging Architecture，标准移动成像架构)接口、其它串行或并行照相机接口或上述接口的组合。
此外，图像传感器1014也可将原始图像数据发送给传感器1020，传感器1020可基于传感器1020接口类型把原始图像数据提供给ISP处理器1040，或者传感器1020将原始图像数据存储到图像存储器1030中。
ISP处理器1040按多种格式逐个像素地处理原始图像数据。例如，每个图像像素可具有8、10、12或14比特的位深度，ISP处理器1040可对原始图像数据进行一个或多个图像处理操作、收集关于图像数据的统计信息。其中，图像处理操作可按相同或不同的位深度精度进行。
ISP处理器1040还可从图像存储器1030接收图像数据。例如，传感器1020接口将原始图像数据发送给图像存储器1030，图像存储器1030中的原始图像数据再提供给ISP处理器1040以供处理。图像存储器1030可为存储器装置的一部分、存储设备、或电子设备内的独立的专用存储器，并可包括DMA(Direct Memory Access，直接直接存储器存取)特征。
当接收到来自图像传感器1014接口或来自传感器1020接口或来自图像存储器1030的原始图像数据时，ISP处理器1040可进行一个或多个图像处理操作，如时域滤波。处理后的图像数据可发送给图像存储器1030，以便在被显示之前进行另外的处理。ISP处理器1040还可从图像存储器1030接收处理数据，对上述处理数据进行原始域中以及RGB和YCbCr颜色空间中的图像数据处理。处理后的图像数据可输出给显示器1080，以供用户观看和/或由图形引擎或GPU(Graphics Processing Unit，图形处理器)进一步处理。此外，ISP处理器1040的输出还可发送给图像存储器1030，且显示器1080可从图像存储器1030读取图像数据。在一个实施例中，图像存储器1030可被配置为实现一个或多个帧缓冲器。此外，ISP处理器1040的输出可发送给编码器/解码器1070，以便编码/解码图像数据。编码的图像数据可被保存，并在显示于显示器1080设备上之前解压缩。
ISP处理器1040处理图像数据的步骤包括：对图像数据进行VFE(Video FrontEnd，视频前端)处理和CPP(Camera Post Processing，摄像头后处理)处理。对图像数据的VFE处理可包括修正图像数据的对比度或亮度、修改以数字方式记录的光照状态数据、对图像数据进行补偿处理(如白平衡，自动增益控制，γ校正等)、对图像数据进行滤波处理等。对图像数据的CPP处理可包括对图像进行缩放、向每个路径提供预览帧和记录帧。其中，CPP可使用不同的编解码器来处理预览帧和记录帧。
ISP处理器1040处理后的图像数据可发送给光效模块1060，以便在被显示之前根据光效模型对图像进行添加光线效果的处理。其中，光效模块1060可为电子设备中的CPU(Central Processing Unit，中央处理器)、GPU或协处理器等。光效模块1060处理后的数据可发送给编码器/解码器1070，以便编码/解码图像数据。编码的图像数据可被保存，并在显示于显示器1080设备上之前解压缩。其中，光效模块1060还可位于编码器/解码器1070与显示器1080之间，即光效模块1060对已成像的图像进行添加光效处理。上述编码器/解码器1070可为电子设备中CPU、GPU或协处理器等。
ISP处理器1040确定的统计数据可发送给控制逻辑器1050单元。例如，统计数据可包括自动曝光、自动白平衡、自动聚焦、闪烁检测、黑电平补偿、透镜1012阴影校正等图像传感器1014统计信息。控制逻辑器1050可包括执行一个或多个例(如固件)的处理器和/或微控制器，一个或多个例程可根据接收的统计数据，确定成像设备1010的控制参数以及ISP处理器1040的控制参数。例如，成像设备1010的控制参数可包括传感器1020控制参数(例如增益、曝光控制的积分时间)、照相机闪光控制参数、透镜1012控制参数(例如聚焦或变焦用焦距)，或这些参数的组合。ISP控制参数可包括用于自动白平衡和颜色调整(例如，在RGB处理期间)的增益水平和色彩校正矩阵，以及透镜1012阴影校正参数。
在本实施例中，运用图10中图像处理技术可实现上述的图像处理方法。
在一个实施例中，提供一种电子设备，包括存储器及处理器，存储器中存储有计算机程序，计算机程序被处理器执行时，使得处理器执行以下步骤：
对待处理图像进行人脸识别，确定待处理图像的人脸区域；
获取人脸区域的亮度信息；
根据亮度信息确定光效模型中的亮度增强系数；
根据光效模型对待处理图像进行添加光线效果的处理，亮度增强系数用于调节光线效果的强度。
在一个实施例中，提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述的图像处理方法。
在一个实施例中，提供一种包含计算机程序的计算机程序产品，当其在电子设备上运行时，使得电子设备执行时实现上述的图像处理方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等。
如此处所使用的对存储器、存储、数据库或其它介质的任何引用可包括非易失性和/或易失性存储器。合适的非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)，它用作外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDR SDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种图像处理方法，其特征在于，包括：
对待处理图像进行人脸识别，确定所述待处理图像的人脸区域；
获取所述人脸区域的亮度信息和深度信息；
根据所述亮度信息和深度信息确定光效模型中的光效增强系数；
根据所述光效增强系数对所述人脸区域进行光效增强处理，所述光效增强系数为影响光效增强处理强度的参数。
2.根据权利要求1所述的方法，其特征在于，所述根据所述亮度信息和深度信息确定光效模型中的光效增强系数，包括：
根据所述亮度信息获取亮度增强因子；所述亮度增强因子为影响光效增强处理强度的第一亮度参数；
根据所述亮度增强因子和所述深度信息确定所述光效增强系数。
3.根据权利要求2所述的方法，其特征在于，所述光效模型包括第一分布函数和第二分布函数；
所述根据所述亮度增强因子和所述深度信息确定所述光效增强系数，包括：
根据所述深度信息和第一分布函数获取第一亮度增强系数；
根据所述深度信息和第二分布函数获取第二亮度增强系数；
根据所述亮度增强因子、第一亮度增强系数、第二亮度增强系数获取所述光效增强系数。
4.根据权利要求3所述的方法，其特征在于，所述获取第一亮度增强系数前，还包括：
获取第一方向上的第一增亮区域和第二方向上的第二增亮区域；
根据所述第一增亮区域确定第一分布中心及根据所述第二增亮区域确定第二分布中心；
根据所述第一分布中心构建所述第一分布函数，及根据所述第二分布中心构建所述第二分布函数。
5.根据权利要求4所述的方法，其特征在于，所述获取第一方向上的第一增亮区域和第二方向上的第二增亮区域，还包括：
接收用户的滑动操作；
根据所述滑动轨迹确定第一方向上的第一增亮区域和第二方向上的第二增亮区域。
6.根据权利要求1所述的方法，其特征在于，所述获取所述人脸区域的亮度信息和深度信息前，还包括：
去除所述待处理图像的光照信息。
7.根据权利要求1-6任一项所述的方法，其特征在于，所述方法还包括：
根据所述人脸区域检测所述待处理图像的人像区域；
从所述待处理图像中分割出所述人像区域，以获取背景区域；
对所述背景区域进行虚化处理。
8.一种图像处理装置，其特征在于，包括：
人脸识别模块，用于对所述待处理图像进行人脸识别，确定所述待处理图像的人脸区域；
深度获取模块，用于获取所述人脸区域的亮度信息和深度信息；
系数确定模块，用于根据所述亮度信息和深度信息确定光效模型中的光效增强系数；
光效增强模块，用于根据所述光效增强系数对所述人脸区域进行添加光线效果的处理，所述光效增强系数用于调节所述光线效果的强度。
9.一种电子设备，包括存储器及处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器实现如权利要求1至7任一所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810997702.XA CN109242794B (zh) | 2018-08-29 | 2018-08-29 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810997702.XA CN109242794B (zh) | 2018-08-29 | 2018-08-29 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109242794A true CN109242794A (zh) | 2019-01-18 |
| CN109242794B CN109242794B (zh) | 2021-05-11 |
Family
ID=65068721
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810997702.XA Active CN109242794B (zh) | 2018-08-29 | 2018-08-29 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109242794B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110276290A (zh) * | 2019-06-17 | 2019-09-24 | 深圳市繁维科技有限公司 | 基于tof模组的快速人脸脸模采集方法以及快速人脸脸模采集装置 |
| CN110354499A (zh) * | 2019-07-15 | 2019-10-22 | 网易（杭州）网络有限公司 | 轮廓光控制的方法及装置 |
| CN111314618A (zh) * | 2020-03-17 | 2020-06-19 | Tcl移动通信科技（宁波）有限公司 | 拍摄方法、装置、存储介质及移动终端 |
| CN112102207A (zh) * | 2020-10-29 | 2020-12-18 | 北京澎思科技有限公司 | 一种确定温度的方法、装置、电子设备及可读存储介质 |
| CN113096231A (zh) * | 2021-03-18 | 2021-07-09 | 北京达佳互联信息技术有限公司 | 一种图像处理方法、装置、电子设备及存储介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101308572A (zh) * | 2008-06-24 | 2008-11-19 | 北京中星微电子有限公司 | 一种发光特效处理方法及装置 |
| CN102499711A (zh) * | 2011-09-28 | 2012-06-20 | 无锡祥生医学影像有限责任公司 | 三维或四维超声图像自动优化调节方法 |
| CN104349072A (zh) * | 2013-08-09 | 2015-02-11 | 联想(北京)有限公司 | 一种控制方法、装置和电子设备 |
| WO2017108703A1 (en) * | 2015-12-24 | 2017-06-29 | Unilever Plc | Augmented mirror |
| CN107018323A (zh) * | 2017-03-09 | 2017-08-04 | 广东欧珀移动通信有限公司 | 控制方法、控制装置和电子装置 |
| CN107241558A (zh) * | 2017-06-16 | 2017-10-10 | 广东欧珀移动通信有限公司 | 曝光处理方法、装置和终端设备 |
| CN107241557A (zh) * | 2017-06-16 | 2017-10-10 | 广东欧珀移动通信有限公司 | 图像曝光方法、装置、摄像设备及存储介质 |
| CN107451969A (zh) * | 2017-07-27 | 2017-12-08 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、移动终端及计算机可读存储介质 |
| CN107730445A (zh) * | 2017-10-31 | 2018-02-23 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、存储介质和电子设备 |
| CN108419028A (zh) * | 2018-03-20 | 2018-08-17 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和电子设备 |
-
2018
- 2018-08-29 CN CN201810997702.XA patent/CN109242794B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101308572A (zh) * | 2008-06-24 | 2008-11-19 | 北京中星微电子有限公司 | 一种发光特效处理方法及装置 |
| CN102499711A (zh) * | 2011-09-28 | 2012-06-20 | 无锡祥生医学影像有限责任公司 | 三维或四维超声图像自动优化调节方法 |
| CN104349072A (zh) * | 2013-08-09 | 2015-02-11 | 联想(北京)有限公司 | 一种控制方法、装置和电子设备 |
| WO2017108703A1 (en) * | 2015-12-24 | 2017-06-29 | Unilever Plc | Augmented mirror |
| CN107018323A (zh) * | 2017-03-09 | 2017-08-04 | 广东欧珀移动通信有限公司 | 控制方法、控制装置和电子装置 |
| CN107241558A (zh) * | 2017-06-16 | 2017-10-10 | 广东欧珀移动通信有限公司 | 曝光处理方法、装置和终端设备 |
| CN107241557A (zh) * | 2017-06-16 | 2017-10-10 | 广东欧珀移动通信有限公司 | 图像曝光方法、装置、摄像设备及存储介质 |
| CN107451969A (zh) * | 2017-07-27 | 2017-12-08 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、移动终端及计算机可读存储介质 |
| CN107730445A (zh) * | 2017-10-31 | 2018-02-23 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、存储介质和电子设备 |
| CN108419028A (zh) * | 2018-03-20 | 2018-08-17 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和电子设备 |
Non-Patent Citations (3)
| Title |
|---|
| 杨梅: "变化光照环境下的人脸识别", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 王称意: "一种复杂光照条件下的人眼定位方法", 《电子测试》 * |
| 胡珍珍: "基于深度数据的人脸旋转角度估计及三维人脸识别的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110276290A (zh) * | 2019-06-17 | 2019-09-24 | 深圳市繁维科技有限公司 | 基于tof模组的快速人脸脸模采集方法以及快速人脸脸模采集装置 |
| CN110276290B (zh) * | 2019-06-17 | 2024-04-19 | 深圳市繁维科技有限公司 | 基于tof模组的快速人脸脸模采集方法以及快速人脸脸模采集装置 |
| CN110354499A (zh) * | 2019-07-15 | 2019-10-22 | 网易（杭州）网络有限公司 | 轮廓光控制的方法及装置 |
| CN111314618A (zh) * | 2020-03-17 | 2020-06-19 | Tcl移动通信科技（宁波）有限公司 | 拍摄方法、装置、存储介质及移动终端 |
| CN111314618B (zh) * | 2020-03-17 | 2021-09-28 | Tcl移动通信科技（宁波）有限公司 | 拍摄方法、装置、存储介质及移动终端 |
| CN112102207A (zh) * | 2020-10-29 | 2020-12-18 | 北京澎思科技有限公司 | 一种确定温度的方法、装置、电子设备及可读存储介质 |
| CN113096231A (zh) * | 2021-03-18 | 2021-07-09 | 北京达佳互联信息技术有限公司 | 一种图像处理方法、装置、电子设备及存储介质 |
| CN113096231B (zh) * | 2021-03-18 | 2023-10-31 | 北京达佳互联信息技术有限公司 | 一种图像处理方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109242794B (zh) | 2021-05-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108537155A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
| CN108537749A (zh) | 图像处理方法、装置、移动终端及计算机可读存储介质 | |
| CN109242794A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
| CN105144233B (zh) | 用于运动重影滤波的参考图像选择 | |
| CN107800966B (zh) | 图像处理的方法、装置、计算机可读存储介质和电子设备 | |
| CN108419028B (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
| CN110149482A (zh) | 对焦方法、装置、电子设备和计算机可读存储介质 | |
| CN107862657A (zh) | 图像处理方法、装置、计算机设备及计算机可读存储介质 | |
| CN108764370A (zh) | 图像处理方法、装置、计算机可读存储介质和计算机设备 | |
| CN108540716A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
| CN108055452A (zh) | 图像处理方法、装置及设备 | |
| CN107808137A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
| CN108009999A (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
| CN107993209B (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
| CN109191403A (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
| CN107730446A (zh) | 图像处理方法、装置、计算机设备及计算机可读存储介质 | |
| CN107886484A (zh) | 美颜方法、装置、计算机可读存储介质和电子设备 | |
| CN107509031A (zh) | 图像处理方法、装置、移动终端及计算机可读存储介质 | |
| CN108632512A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
| CN108111749A (zh) | 图像处理方法和装置 | |
| CN108846807A (zh) | 光效处理方法、装置、终端及计算机可读存储介质 | |
| CN108875619A (zh) | 视频处理方法和装置、电子设备、计算机可读存储介质 | |
| CN109002843A (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
| CN109461186A (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
| CN108810406A (zh) | 人像光效处理方法、装置、终端及计算机可读存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |