CN110895789A - 一种人脸美颜方法及装置 - Google Patents

一种人脸美颜方法及装置 Download PDF

Info

Publication number
CN110895789A
CN110895789A CN201811066782.3A CN201811066782A CN110895789A CN 110895789 A CN110895789 A CN 110895789A CN 201811066782 A CN201811066782 A CN 201811066782A CN 110895789 A CN110895789 A CN 110895789A
Authority
CN
China
Prior art keywords
image
pixel
beautified
face
face 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.)
Granted
Application number
CN201811066782.3A
Other languages
English (en)
Other versions
CN110895789B (zh
Inventor
张彩红
刘刚
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 Hikvision Digital Technology Co Ltd
Original Assignee
Hangzhou Hikvision Digital Technology 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 Hikvision Digital Technology Co Ltd filed Critical Hangzhou Hikvision Digital Technology Co Ltd
Priority to CN201811066782.3A priority Critical patent/CN110895789B/zh
Publication of CN110895789A publication Critical patent/CN110895789A/zh
Application granted granted Critical
Publication of CN110895789B publication Critical patent/CN110895789B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)

Abstract

本发明实施例提供了一种人脸美颜方法及装置，其中，人脸美颜方法包括：获取待美颜人脸图像；利用预设纹理复杂度分析算法，对待美颜人脸图像进行纹理复杂度权重计算，得到权重分布图，权重分布图中包括待美颜人脸图像的各像素点的纹理复杂度权重；基于权重分布图中各像素点的纹理复杂度权重，利用预设人脸磨皮算法，对待美颜人脸图像进行人脸磨皮的加权处理，得到美颜图像。通过本方案，可以提高人脸美颜效果。

Description

一种人脸美颜方法及装置
技术领域
本发明涉及图像处理技术领域，特别是涉及一种人脸图像美颜方法及装置。
背景技术
随着计算机技术的发展，智能终端的应用范围得到了广泛的提高，例如可以通过智能终端听音乐、玩游戏、上网聊天、拍照、图像编辑等。人脸美颜是图像编辑的一种具体应用，大部分的图像编辑APP(Application，应用程序)都有人脸美颜功能。
当前，人脸美颜方法是通过获取待美颜人脸图像，利用肤色定位法或者人脸识别的矩形框，对待美颜人脸图像中的人脸区域进行定位，对定位出的人脸区域进行美白、磨皮等人脸美颜处理，达到美颜效果。
磨皮处理是指将待美颜人脸图像上的噪声信息磨平，以使人脸面部呈现平滑的显示效果。然而，由于人脸区域中包括了例如眼睛、鼻子、嘴巴等细节区域以及例如面部、额头、头发等平坦区域，不同的区域所包含的信息差异较大，在进行人脸磨皮处理时，可能会将需要保留的信息识别为噪声信息。人脸区域统一进行磨皮处理，会导致不需要被磨皮的区域也被磨皮，美颜后的图像与实际不符，甚至会出现严重的失真，人脸美颜效果较差。
发明内容
本发明实施例的目的在于提供一种人脸图像美颜方法及装置，以提高人脸美颜效果。具体技术方案如下：
第一方面，本发明实施例提供了一种人脸美颜方法，所述方法包括：
获取待美颜人脸图像；
利用预设纹理复杂度分析算法，对所述待美颜人脸图像进行纹理复杂度权重计算，得到权重分布图，其中，所述权重分布图中包括所述待美颜人脸图像的各像素点的纹理复杂度权重；
基于所述权重分布图中各像素点的纹理复杂度权重，利用预设人脸磨皮算法，对所述待美颜人脸图像进行人脸磨皮的加权处理，得到美颜图像。
第二方面，本发明实施例提供了一种人脸美颜装置，所述装置包括：
获取模块，用于获取待美颜人脸图像；
计算模块，用于利用预设纹理复杂度分析算法，对所述待美颜人脸图像进行纹理复杂度权重计算，得到权重分布图，其中，所述权重分布图中包括所述待美颜人脸图像的各像素点的纹理复杂度权重；
美颜模块，用于基于所述权重分布图中各像素点的纹理复杂度权重，利用预设人脸磨皮算法，对所述待美颜人脸图像进行人脸磨皮的加权处理，得到美颜图像。
第三方面，本发明实施例提供了一种电子设备，包括处理器和计算机可读存储介质，其中，
所述计算机可读存储介质，用于存放计算机程序；
所述处理器，用于执行所述计算机可读存储介质上所存放的计算机程序时，实现本发明实施例第一方面所述的任一方法步骤。
第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例第一方面所述的任一方法步骤。
本发明实施例提供的一种人脸图像美颜方法及装置，通过获取待美颜人脸图像，利用预设纹理复杂度分析算法，对待美颜人脸图像进行纹理复杂度权重计算，得到权重分布图，基于该权重分布图中各像素点的纹理复杂度权重，利用预设人脸磨皮算法，对该待美颜人脸图像进行人脸磨皮的加权处理，得到美颜图像。利用预设纹理复杂度分析算法对待美颜人脸图像进行纹理复杂度权重计算，待美颜人脸图像的不同区域具有不同的纹理复杂度，因此所得到的权重分布图中，不同区域的像素点分配的纹理复杂度权重也不同，在利用预设人脸磨皮算法进行人脸磨皮处理时，基于各像素点的纹理复杂度权重，对待美颜人脸图像进行人脸磨皮的加权处理，使得待美颜人脸图像的不同区域具有不同的磨皮程度，能够保留部分细节信息，提高了人脸美颜效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一实施例的人脸美颜方法的流程示意图；
图2为本发明实施例的获取的待美颜人脸图像；
图3为本发明实施例的基于整幅待美颜人脸图像的最大纹理复杂度得到的权重分布图；
图4为本发明实施例的基于人脸区域的最大纹理复杂度得到的权重分布图；
图5为本发明另一实施例的人脸美颜方法的流程示意图；
图6为本发明实施例的参数与图像增益联动示意图；
图7为本发明实施例的人脸美颜装置的结构示意图；
图8为本发明实施例的电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为了提高人脸美颜效果，本发明实施例提供了一种人脸美颜方法、装置电子设备及计算机可读存储介质。
下面，首先对本发明实施例所提供的一种人脸美颜方法进行介绍。
本发明实施例所提供的一种人脸美颜方法的执行主体可以为执行智能算法的电子设备，该电子设备可以为计算机、手机、图像编辑器、智能相机等具有图像编辑功能的移动终端，为了能够实现提高人脸美颜效果的目的，执行主体中应该至少包括搭载有核心处理芯片的处理器。实现本发明实施例所提供的一种人脸美颜方法的方式可以为设置于执行主体中的软件、硬件电路和逻辑电路中的至少一种。
如图1所示，本发明实施例所提供的一种人脸美颜方法，可以包括如下步骤：
S101，获取待美颜人脸图像。
待美颜人脸图像为对人脸进行拍摄得到的包含有人脸特征的图像，需要对该图像进行人脸美颜，故待美颜人脸图像也称为待美颜人脸图像。本发明实施例中，人脸美颜是指对待美颜人脸图像进行人脸平坦区域的磨皮并保留人脸细节区域。
S102，利用预设纹理复杂度分析算法，对待美颜人脸图像进行纹理复杂度权重计算，得到权重分布图。
其中，权重分布图中包括待美颜人脸图像的各像素点的纹理复杂度权重。预设纹理复杂度分析算法为计算得到待美颜人脸图像中各像素点的纹理复杂度信息的算法，可以为BoxFilter(块滤波器)算法、图像灰度直方图计算方法、方向滤波器算法等。BoxFilter算法作为一种领域操作算法，每个元素的值是该像素点领域内的像素和(或像素平方和)，在每一个元素中综合该像素点领域内各像素点的像素值，能够有效整合像素信息，避免像素值跳变。
待美颜人脸图像中，各个像素点之间的纹理复杂度不同，经过纹理复杂度分析，可以区分出可磨皮的平坦区域和需要保留的细节区域，通常情况下，细节区域的纹理较为丰富，纹理复杂度较大，而平坦区域的纹理较为稀疏，纹理复杂度较小。
通过对待美颜人脸图像进行纹理复杂度权重计算，所得到的权重分布图中，由于细节区域的纹理复杂度较大，则细节区域中各像素点的纹理复杂度权重较大，而平坦区域的纹理复杂度较小，则平坦区域中各像素点的纹理复杂度权重较小。
可选的，S102具体可以包括如下步骤：
第一步，根据待美颜人脸图像，利用第一BoxFilter算法，计算待美颜人脸图像对应的像素均值图。
BoxFilter算法就是在给定的滑动窗口大小下，对每个窗口内的像素值进行快速相加求和的运算。在得到待美颜人脸图像F后，可以利用第一BoxFilter进行如公式(1)所示的计算，得到待美颜人脸图像对应的像素均值图。
meanF＝BoxFilter(F) (1)
其中，meanF为待美颜人脸图像F对应的像素均值图。
第二步，根据待美颜人脸图像以及像素均值图，计算待美颜人脸图像对应的像素均方差图。
在得到像素均值图后，根据待美颜人脸图像和像素均值图，利用公式(2)可以计算得到待美颜人脸图像对应的像素均方差图。
valF＝(F-meanF)2 (2)
其中，valF为待美颜人脸图像对应的像素均方差图。
可选的，根据待美颜人脸图像以及像素均值图，计算待美颜人脸图像对应的像素均方差图的步骤，具体可以为：
根据待美颜人脸图像以及像素均值图，利用第一BoxFilter算法，对待美颜人脸图像与像素均值图的均方差进行均值滤波，得到待美颜人脸图像对应的像素均方差图。
由于直接计算待美颜人脸图像和像素均值图的均方差，对于边缘区域均方差较大，而与边缘相邻的点的均方差会很小，这样，像素均方差图在边缘附近数值跳跃明显，导致图像有严重的毛刺，为了减少毛刺，可以利用第一BoxFilter算法，对待美颜人脸图像与像素均值图的均方差进行均值滤波，通过如公式(3)所示的计算，可以得到待美颜人脸图像对应的像素均方差图。
valF＝BoxFilter[(F-meanF)2] (3)
像素均方差图中，像素均方差越大，说明该像素点的纹理复杂度越大。
第三步，根据待美颜人脸图像的人脸区域，从像素均方差图的相应区域中，查找像素均方差最大值。
在计算各像素点的纹理复杂度权重时，可以以整幅待美颜人脸图像中的最大纹理复杂度为基准进行归一化处理，如针对图2所示的待美颜人脸图像，以整幅待美颜人脸图像中的最大纹理复杂度为基准进行归一化处理，得到的权重分布图如图3所示，该图中人脸区域的眼睛、鼻子、嘴巴等细节区域不够明显。为了在权重分布图中突显细节区域，以待美颜人脸图像的人脸区域中的最大纹理复杂度为基准进行归一化处理，因此，需要根据人脸区域，从像素均方差图的相应区域中，查找像素均方差最大值，如公式(4)所示。
FaceMax＝max{valF(x,y)|(x,y)∈FaceRoi} (4)
其中，FaceMax为像素均方差最大值，valF(x,y)为像素点(x,y)的像素均方差，FaceRoi＝{fx,fy,fw,fh}为人脸区域，fx、fy、fw、fh分别为人脸区域的坐标、宽、高参数。
第四步，将像素均方差图中各像素点的像素均方差分别与像素均方差最大值相除，得到各像素点的纹理复杂度权重。
归一化处理，就是将各像素点的像素均方差分别于像素均方差最大值相除，如公式(5)所示，所得到的纹理复杂度权重为介于0至1之间的数。
Figure BDA0001798492550000061
其中，texInf(x,y)为像素点(x,y)的纹理复杂度权重。
第五步，根据各像素点的纹理复杂度权重，生成权重分布图。
在基于上述各步骤得到各像素点的纹理复杂度权重后，基于各像素点的复杂度权重，即可生成权重分布图，如图4所示，从图中可以明显看到人脸区域的眼睛、鼻子、嘴巴等细节区域明显区别与其他区域，亮度越高说明该区域的纹理复杂度权重越大。并且，通过上述纹理复杂度权重计算，背景中大部分区域也分配了高纹理复杂度权重。后期在进行人脸磨皮处理时，可以对低纹理复杂度权重的区域进行重点磨皮处理；而对于高纹理复杂度权重的区域可以进行轻度的磨皮处理，或者不进行磨皮处理。
可选的，在根据待美颜人脸图像，利用第一BoxFilter算法，计算待美颜人脸图像对应的像素均值图的步骤之前，本发明实施例所提供的人脸美颜方法还可以执行如下步骤：
获取待美颜人脸图像的图像增益；
根据图像增益，按照预设权重分布对应BoxFilter参数设置原则以及图像增益与BoxFilter参数间的预设反比联动关系，对应设置第一BoxFilter算法中的BoxFilter参数。
由于设备硬件的模拟增益、数字增益、平台增益等影响，使得图像增益会有所不同，图像增益越大，说明图像的噪声含量越大，为了进一步提升美颜效果，可以按照图像增益与BoxFilter参数间的预设反比联动关系，依据图像增益对第一BoxFilter算法中的BoxFilter参数进行设置，并且由于第一BoxFilter算法是用在权重分布图的计算过程中，这决定了第一BoxFilter算法中BoxFilter参数的设置原则。如果图像增益较大，则将第一BoxFilter算法中的BoxFilter参数设置的较小；如果图像增益较小，则将第一BoxFilter算法中的BoxFilter参数设置的较大。由于BoxFilter参数设置的不同，所得到的纹理复杂度权重大小也会不同，如果图像增益越大，纹理复杂度权重也会越大，反之越小。
可选的，在S102之前，本发明实施例所提供的人脸美颜方法还可以执行如下步骤：
判断待美颜人脸图像的亮度是否达到预设阈值；
若否，则利用预设像素值校正算法，调整待美颜人脸图像的像素值，更新待美颜人脸图像，直至待美颜人脸图像的亮度达到预设阈值。
由于拍摄待美颜人脸图像的区域不同，所拍摄的待美颜人脸图像的亮度可能会较低，如果待美颜人脸图像的亮度很低，在进行人脸美颜时，很难区分细节区域和平坦区域，因此，针对于待美颜人脸图像的亮度低于预设阈值的情况，可以采用预设像素值校正算法来调整待美颜人脸图像的像素值，使得待美颜人脸图像的亮度可以达到预设阈值。预设像素值校正算法可以为Gamma校正算法、线性调整算法等。
可选的，预设像素值校正算法可以包括Gamma校正算法。
Gamma校正算法为一种非线性的像素调整算法，其曲线表示了像素点的亮度与输入电压的非线性关系。如果亮度较暗，则Gamma曲线为一个凸曲线；如果亮度较亮，则Gamma曲线为一个凹曲线，通过调整Gamma变量即可实现图像亮度的调整，Gamma变量的设置可以是自适应的，也可以是设置的一个固定值。
可选的，在利用预设像素值校正算法，调整待美颜人脸图像的像素值，更新待美颜人脸图像的步骤之前，本发明实施例所提供的人脸美颜方法还可以执行如下步骤：
获取待美颜人脸图像的图像增益；
根据图像增益，按照图像增益与Gamma变量间的预设正比联动关系，对应设置Gamma校正算法中的Gamma变量。
图像增益越大，则表现出来的图像亮度约暗，则可以通过将Gamma变量设置的大一点，更好的提升图像的亮度。
S103，基于权重分布图中各像素点的纹理复杂度权重，利用预设人脸磨皮算法，对待美颜人脸图像进行人脸磨皮的加权处理，得到美颜图像。
预设人脸磨皮算法为进行人脸磨皮处理时所采用的图像滤波的算法，例如双边滤波算法、Non-Local-Means(非局部均值)滤波算法、BM3D(Block-Matching and 3D，3维块匹配)滤波算法等。由于Non-Local-Means滤波算法、BM3D滤波算法的算法复杂度较高，计算资源受限等因素，因此，在实际应用中，通常采用双边滤波算法。
可选的，预设人脸磨皮算法可以包括双边滤波算法，则S103具体可以包括如下步骤：
第一步，根据待美颜人脸图像中各像素点的像素值，利用双边滤波算法，计算滤波后各像素点的像素值。
双边滤波主要由两部分组成，一部分与像素空间距离相关，另一部分与像素点的像素差值相关，双边滤波器的公式为：
Figure BDA0001798492550000081
其中，BF(x,y)为滤波后像素点(x,y)的像素值，w(x,y,i,j)为双边滤波器权重，如公式(7)所示，双边滤波器权重等于空间邻近度因子与亮度相似度因子的乘积。
w(x,y,i,j)＝d(x,y,i,j)*r(x,y,i,j) (7)
其中，d(x,y,i,j)为空间邻近度因子，r(x,y,i,j)为亮度相似度因子。空间邻近度因子的表达式如公式(8)所示：
Figure BDA0001798492550000091
其中，δd为空间临近度参数。
亮度相似度因子的表达式如公式(9)所示：
Figure BDA0001798492550000092
其中，δr为亮度相似度因子参数。
分别计算全局卷积核和像素差核，定义领域窗口n*n，依据公式(8)和公式(9)进行计算，得到空间邻近度因子参数(如公式(10)所示)和亮度相似度因子参数(如公式(11)所示)。
Figure BDA0001798492550000093
其中，def为x-i＝e、y-j＝f时的空间邻近度因子参数。
R＝[r0,r1,…,rm-1]1*m (11)
rg为第g个像素点的亮度相似度因子参数，m为像素点的总数量。
这样，根据公式(6)、公式(10)以及公式(11)，可以得到滤波后各像素点的像素值如公式(12)所示。
BF(x,y)＝∑i∑jF(i,j)*D(i-x)(j-y)*R(|F(i,j)-F(x,y)|) (12)
其中，i∈[x-n,x+n]，j∈[y-n,y+n]。
第二步，基于权重分布图中各像素点的纹理复杂度权重，通过预设加权公式，对待美颜人脸图像中各像素点的像素值以及滤波后各像素点的像素值进行加权计算，得到美颜图像。
在得到权重分布图后，权重分布图中包含了各像素点的纹理复杂度权重，为了能够保留眼睛、鼻子、嘴巴、刘海等附近的细节，对纹理复杂度权重较大的像素点进行轻度的磨皮或者不磨皮，对纹理复杂度权重较小的像素点(如面部、额头等区域的像素点)进行重点磨皮，因此，可以按照如公式(13)所示的加权公式，对待美颜人脸图像进行加权计算，使得细节区域得以保留，而平坦区域得到磨皮处理。
MF(x,y)＝BF(x,y)*(1-texInf(x,y))+F(x,y)*texInf(x,y) (13)
其中，MF(x,y)为美颜图像中像素点(x,y)的像素值，BF(x,y)为滤波后像素点(x,y)的像素值，texInf(x,y)为权重分布图中像素点(x,y)的纹理复杂度权重，F(x,y)为待美颜人脸图像中像素点(x,y)的像素值。
可选的，在根据待美颜人脸图像中各像素点的像素值，利用双边滤波算法，计算滤波后各像素点的像素值的步骤之前，本发明实施例所提供的人脸美颜方法还可以执行如下步骤：
获取待美颜人脸图像的图像增益；
根据图像增益，按照图像增益与双边滤波参数的预设正比联动关系，对应设置双边滤波算法中的双边滤波参数。
由于设备硬件的模拟增益、数字增益、平台增益等影响，使得图像增益会有所不同，图像增益越大，说明图像的噪声含量越大，为了进一步提升美颜效果，可以按照图像增益与双边滤波参数的预设正比联动关系，依据图像增益进行双边滤波参数的设置。如果图像增益较大，则将双边滤波参数设置的较大；如果图像增益较小，则将双边滤波参数设置的较小。
可选的，在S103之后，本发明实施例所提供的人脸美颜方法还可以执行如下步骤：
获取待美颜人脸图像的图像增益；
根据图像增益，按照图像增益与锐化权重的预设正比联动关系，对应设置锐化权重，得到锐化公式；
利用锐化公式，对美颜图像进行图像锐化，得到锐化美颜图像，其中，锐化公式为：
dst(x,y)＝(F(x,y)-Gaussian(F(x,y),H)*w)/(1-w) (14)
dst(x,y)为锐化美颜图像中像素点(x,y)的像素值，F(x,y)为待美颜人脸图像中像素点(x,y)的像素值，Gaussian(F(x,y),H)为高斯卷积核H对待美颜人脸图像中各像素点的像素值卷积结果，高斯卷积核H中的各参数为均值，w为锐化权重。
由于美颜图像中可能还存在一些细小的干扰细节和噪声，为了提高输出图像的真实性，本发明实施例中利用例如USM(Unsharp Mask)锐化的锐化方法，去除这些干扰细节和噪声，并且将高斯卷积核H中的参数用均值代替，能够降低计算复杂度。并且，由于设备硬件的模拟增益、数字增益、平台增益等影响，使得图像增益会有所不同，图像增益越大，说明图像的噪声含量越大，为了进一步提升美颜效果，可以按照图像增益与锐化权重的预设正比联动关系，依据图像增益对锐化公式中的锐化权重进行设置。如果图像增益较大，则将锐化权重设置的较大，具有更强的锐化效果；如果图像增益较小，则将锐化权重设置的较小，减轻锐化效果。
应用本实施例，通过获取待美颜人脸图像，利用预设纹理复杂度分析算法，对待美颜人脸图像进行纹理复杂度权重计算，得到权重分布图，基于该权重分布图中各像素点的纹理复杂度权重，利用预设人脸磨皮算法，对该待美颜人脸图像进行人脸磨皮的加权处理，得到美颜图像。利用预设纹理复杂度分析算法对待美颜人脸图像进行纹理复杂度权重计算，待美颜人脸图像的不同区域具有不同的纹理复杂度，因此所得到的权重分布图中，不同区域的像素点分配的纹理复杂度权重也不同，在利用预设人脸磨皮算法进行人脸磨皮处理时，基于各像素点的纹理复杂度权重，对待美颜人脸图像进行人脸磨皮的加权处理，使得待美颜人脸图像的不同区域具有不同的磨皮程度，能够保留部分细节信息，提高了人脸美颜效果。
将纹理分布状况作为评价准则，纹理丰富区域，纹理复杂度权重较大，纹理稀疏区域，纹理复杂度权重较小；利用细节保护权重控制磨皮的强度，对人脸进行磨皮，进一步保证细节部分不被磨平。并且，在不同增益下，使用不同的参数和权重，能够较灵敏的控制人脸美颜效果，进一步的提升了人脸美颜效果，使得在低增益下保留更多细节，高增益下人脸噪声更少。
基于图1所示实施例，本发明实施例还提供了一种人脸美颜方法，如图5所示，该人脸美颜方法可以包括如下步骤：
S501，获取待美颜人脸图像。
S501与图1所示实施例的S101相同，这里不再赘述。
S502，对待美颜人脸图像进行暗区细节提升。
基于图1所示实施例，由于拍摄待美颜人脸图像的区域不同，所拍摄的待美颜人脸图像的亮度可能会较低，如果待美颜人脸图像的亮度很低，在进行人脸美颜时，很难区分细节区域和平坦区域，因此，在获取到待美颜人脸图像后，可以先对待美颜人脸图像进行暗区细节提升的操作。具体的操作如图1所示实施例，可以针对于待美颜人脸图像的亮度低于预设阈值的情况，采用预设像素值校正算法来调整待美颜人脸图像的像素值，使得待美颜人脸图像的亮度可以达到预设阈值。详细的暗区细节提升操作步骤见图1所示实施例，这里不再赘述。
S503，对待美颜人脸图像中的边缘、细节与平坦区域进行区分。
对待美颜人脸图像中的边缘、细节与平坦区域进行区分的步骤，实际就是图1所示实施例的S102得到权重分布图的过程。经过纹理复杂度分析，待美颜人脸图像的边缘、细节区域的纹理复杂度较大，则权重分布图中相应区域的纹理复杂度权重较大；而待美颜人脸图像的平坦区域的纹理复杂度较小，则权重分布图中相应区域的纹理复杂度权重较小。具体的计算权重分布图的步骤详见图1所示实施例，这里不再赘述。
S504，对待美颜人脸图像进行人脸磨皮。
对人类推图进行人脸磨皮的过程详见图1所示实施例的S103，这里不再赘述。
S505，将待美颜人脸图像的边缘、细节与美颜图像融合。
由于在对待美颜人脸图像进行人脸磨皮之后，所得到的美颜图像往往为单通道的图像，显示效果并不是很理想，并且，边缘过渡区域不可避免的会出现一些跳跃、模糊的情况，因此，需要使用导向滤波的方法进行边缘、细节与美颜图像的融合，使得边缘过渡较为自然，且不产生模糊。
可选的，融合的步骤具体可以包括：
第一步，利用第二BoxFilter算法，分别计算美颜图像对应的第一像素均值图、待美颜人脸图像对应的第二像素均值图、美颜图像对应的第一均方值图，并且根据美颜图像与待美颜人脸图像的点乘结果，计算第二均方值图。
可选的，利用第二BoxFilter算法，分别计算美颜图像对应的第一像素均值图、待美颜人脸图像对应的第二像素均值图、美颜图像对应的第一均方值图，并且根据美颜图像与待美颜人脸图像的点乘结果，计算第二均方值图的步骤，具体可以包括：
利用第二BoxFilter算法，分别利用公式(15)计算第一像素均值图、利用公式(16)计算第二像素均值图、利用公式(17)计算第一均方值图、利用公式(18)计算第二均方值图。
meanI＝BoxFilter(I) (15)
meanP＝BoxFilter(P) (16)
corrI＝BoxFilter(I.*I) (17)
corrIP＝BoxFilter(I.*P) (18)
其中，I为美颜图像，P为待美颜人脸图像，meanI为第一像素均值图，meanP为第二像素均值图，corrI为第一均方值图，corrIP为第二均方值图。
第二步，根据第一均方值图以及第一像素均值图，计算美颜图像对应的像素方差图。
可选的，根据第一均方值图以及第一像素均值图，计算美颜图像对应的像素方差图的步骤，具体可以包括：
根据第一均方值图以及第一像素均值图，利用公式(19)，计算美颜图像对应的像素方差图。
varI＝corrI-meanI.*meanI (19)
其中，varI为像素方差图。
第三步，根据第二均方值图、第一像素均值图以及第二像素均值图，计算美颜图像与待美颜人脸图像的协方差图。
可选的，根据第二均方值图、第一像素均值图以及第二像素均值图，计算美颜图像与待美颜人脸图像的协方差图的步骤，具体可以包括：
根据第二均方值图、第一像素均值图以及第二像素均值图，利用公式(20)，计算美颜图像与待美颜人脸图像的协方差图。
covIP＝corrIP-meanI.*meanP (20)
其中，covIP为协方差图。
第四步，根据协方差图以及像素方差图，计算第一线性参数矩阵。
可选的，根据协方差图以及像素方差图，计算第一线性参数矩阵的步骤，具体可以包括：
根据协方差图以及像素方差图，利用第一线性参数计算公式，计算第一线性参数矩阵，其中，第一线性参数计算公式，为：
a＝covIP./(varI+∈) (21)
a为第一线性参数矩阵，∈为预设矩阵。
第五步，根据第二像素均值图、第一线性参数矩阵以及第一像素均值图，计算第二线性参数矩阵。
可选的，根据第二像素均值图、第一线性参数矩阵以及第一像素均值图，计算第二线性参数矩阵的步骤，具体可以包括：
根据第二像素均值图、第一线性参数矩阵以及第一像素均值图，利用第二线性参数计算公式，计算第二线性参数矩阵，其中，第二线性参数计算公式为：
b＝meanP-a.*meanI (22)
b为第二线性参数矩阵。
第六步，利用第二BoxFilter算法，分别对第一线性参数矩阵和第二线性参数矩阵进行滤波，得到第一线性参数矩阵对应的第一参数均值矩阵、以及第二线性参数矩阵对应的第二参数均值矩阵。
可选的，利用第二BoxFilter算法，分别对第一线性参数矩阵和第二线性参数矩阵进行滤波，得到第一线性参数矩阵对应的第一参数均值矩阵、以及第二线性参数矩阵对应的第二参数均值矩阵的步骤，具体可以包括：
利用第二BoxFilter算法，分别利用公式(23)计算第一参数均值矩阵，利用公式(24)计算第二参数均值矩阵。
meanA＝BoxFilter(a) (23)
meanB＝BoxFilter(b) (24)
其中，meanA为第一参数均值矩阵，meanB为第二参数均值矩阵。
第七步，根据第一参数均值矩阵、美颜图像以及第二参数均值矩阵，得到输出图像。
可选的，根据第一参数均值矩阵、美颜图像以及第二参数均值矩阵，得到输出图像的步骤，具体可以包括：
根据第一参数均值矩阵、美颜图像以及第二参数均值矩阵，利用输出图像计算公式，得到输出图像，其中，输出图像计算公式为：
q＝meanA.*I+meanB (25)
q为输出图像。
依据上述方法，分别针对待美颜人脸图像P的三个通道的分量PR、PG和PB，得到对应的三个通过的输出图像qR、qG和qB，通过将三个通道的输出图像进行排列，得到最终的输出图像。
可选的，在利用第二BoxFilter算法，分别计算美颜图像对应的第一像素均值图、待美颜人脸图像对应的第二像素均值图、美颜图像对应的第一均方值图，并且根据美颜图像与待美颜人脸图像的点乘结果，计算第二均方值图之前，本发明实施例所提供的人脸美颜方法还可以执行如下步骤：
获取待美颜人脸图像的图像增益；
根据图像增益，按照预设输出图像对应BoxFilter参数设置原则以及图像增益与BoxFilter参数间的预设正比联动关系，对应设置第二BoxFilter算法中的BoxFilter参数。
由于设备硬件的模拟增益、数字增益、平台增益等影响，使得图像增益会有所不同，图像增益越大，说明图像的噪声含量越大，为了进一步提升美颜效果，可以按照图像增益与BoxFilter参数间的预设正比联动关系，依据图像增益对第二BoxFilter算法中的BoxFilter参数进行设置，并且由于第二BoxFilter算法是用在输出图像的计算过程中，这决定了第二BoxFilter算法中BoxFilter参数的设置原则。如果图像增益较大，则将第二BoxFilter算法中的BoxFilter参数设置的较大；如果图像增益较小，则将第二BoxFilter算法中的BoxFilter参数设置的较小。BoxFilter参数实际就是滑动窗的大小，上述第一BoxFilter算法中的BoxFilter参数和第二BoxFilter算法中的BoxFilter参数可以设置的相同，也可以不同。
如图5所示，不同的图像增益，影响着整个人脸美颜流程中各环节的参数，基于图像增益可以调整各环节的参数。综合图1所示实施例以及图5所示实施例，在不同图像增益下，使用不同的参数的方式，控制人脸美颜效果，使得在低增益下保留更多细节，高增益下人脸噪声更少，如图6所示，不同图像增益下，参数设置主要包括：纹理复杂度参数(第一BoxFilter算法中的BoxFilter参数)、纹理复杂度权重(texInf(x,y))、双边滤波参数、导向滤波参数(第二BoxFilter算法中的BoxFilter参数)和锐化权重。
S506，对融合后的图像进行锐化处理，得到锐化美颜图像。
在进行了待美颜人脸图像的边缘、细节与美颜图像相融合得到融合后的图像后，由于图像中可能包含一些细小的干扰细节和噪声，则可以采用锐化处理，使得锐化美颜图像更加真实可信。具体的锐化处理过程与图1所示实施例所述的过程相似，这里不再赘述。
应用本实施例，通过获取待美颜人脸图像，利用预设纹理复杂度分析算法，对待美颜人脸图像进行纹理复杂度权重计算，得到权重分布图，基于该权重分布图中各像素点的纹理复杂度权重，利用预设人脸磨皮算法，对该待美颜人脸图像进行人脸磨皮的加权处理，得到美颜图像。利用预设纹理复杂度分析算法对待美颜人脸图像进行纹理复杂度权重计算，待美颜人脸图像的不同区域具有不同的纹理复杂度，因此所得到的权重分布图中，不同区域的像素点分配的纹理复杂度权重也不同，在利用预设人脸磨皮算法进行人脸磨皮处理时，基于各像素点的纹理复杂度权重，对待美颜人脸图像进行人脸磨皮的加权处理，使得待美颜人脸图像的不同区域具有不同的磨皮程度，能够保留部分细节信息，提高了人脸美颜效果。
将纹理分布状况作为评价准则，纹理丰富区域，纹理复杂度权重较大，纹理稀疏区域，纹理复杂度权重较小；利用细节保护权重控制磨皮的强度，对人脸进行磨皮，进一步保证细节部分不被磨平；使用导向滤波的方法进行边缘、细节与美颜图像的融合，使得边缘过渡较为自然，且不产生模糊。并且，在不同增益下，使用不同的参数和权重，能够较灵敏的控制人脸美颜效果，进一步的提升了人脸美颜效果，使得在低增益下保留更多细节，高增益下人脸噪声更少。
相应于上述方法实施例，本发明实施例提供了一种人脸美颜装置，如图7所示，该人脸美颜装置可以包括：
获取模块710，用于获取待美颜人脸图像；
计算模块720，用于利用预设纹理复杂度分析算法，对所述待美颜人脸图像进行纹理复杂度权重计算，得到权重分布图，其中，所述权重分布图中包括所述待美颜人脸图像的各像素点的纹理复杂度权重；
美颜模块730，用于基于所述权重分布图中各像素点的纹理复杂度权重，利用预设人脸磨皮算法，对所述待美颜人脸图像进行人脸磨皮的加权处理，得到美颜图像。
可选的，所述装置还可以包括：
判断模块，用于判断所述待美颜人脸图像的亮度是否达到预设阈值；
更新模块，用于若所述判断模块的判断结果为否，则利用预设像素值校正算法，调整所述待美颜人脸图像的像素值，更新所述待美颜人脸图像，直至所述待美颜人脸图像的亮度达到所述预设阈值。
可选的，所述预设像素值校正算法，可以包括：Gamma校正算法；
所述获取模块710，还可以用于获取所述待美颜人脸图像的图像增益；
所述Gamma校正算法中的Gamma变量为：根据所述图像增益，按照所述图像增益与Gamma变量间的预设正比联动关系对应设置的。
可选的，所述计算模块720，具体可以用于：
根据所述待美颜人脸图像，利用第一BoxFilter算法，计算所述待美颜人脸图像对应的像素均值图；
根据所述待美颜人脸图像以及所述像素均值图，计算所述待美颜人脸图像对应的像素均方差图；
根据所述待美颜人脸图像的人脸区域，从所述像素均方差图的相应区域中，查找像素均方差最大值；
将所述像素均方差图中各像素点的像素均方差分别与所述像素均方差最大值相除，得到各像素点的纹理复杂度权重；
根据各像素点的纹理复杂度权重，生成权重分布图。
可选的，所述计算模块720，具体可以用于：
根据所述待美颜人脸图像以及所述像素均值图，利用所述第一BoxFilter算法，对所述待美颜人脸图像与所述像素均值图的均方差进行均值滤波，得到所述待美颜人脸图像对应的像素均方差图。
可选的，所述获取模块710，还可以用于获取所述待美颜人脸图像的图像增益；
所述第一BoxFilter算法中的BoxFilter参数为：根据所述图像增益，按照预设权重分布图对应BoxFilter参数设置原则以及所述图像增益与BoxFilter参数间的预设反比联动关系对应设置的。
可选的，所述预设人脸磨皮算法，可以包括：双边滤波算法；
所述美颜模块730，具体可以用于：
根据所述待美颜人脸图像中各像素点的像素值，利用所述双边滤波算法，计算滤波后各像素点的像素值；
基于所述权重分布图中各像素点的纹理复杂度权重，通过预设加权公式，对所述待美颜人脸图像中各像素点的像素值以及所述滤波后各像素点的像素值进行加权计算，得到美颜图像。
可选的，所述预设加权公式可以为：
MF(x,y)＝BF(x,y)*(1-texInf(x,y))+F(x,y)*texInf(x,y)
其中，MF(x,y)为所述美颜图像中像素点(x,y)的像素值，BF(x,y)为滤波后像素点(x,y)的像素值，texInf(x,y)为所述权重分布图中像素点(x,y)的纹理复杂度权重，F(x,y)为所述待美颜人脸图像中像素点(x,y)的像素值。
可选的，所述获取模块710，还可以用于获取所述待美颜人脸图像的图像增益；
所述双边滤波算法中的双边滤波参数为：根据所述图像增益，按照所述图像增益与双边滤波参数的预设正比联动关系对应设置的。
可选的，所述计算模块720，还可以用于：
利用第二BoxFilter算法，分别计算所述美颜图像对应的第一像素均值图、所述待美颜人脸图像对应的第二像素均值图、所述美颜图像对应的第一均方值图，并且根据所述美颜图像与所述待美颜人脸图像的点乘结果，计算第二均方值图；
根据所述第一均方值图以及所述第一像素均值图，计算所述美颜图像对应的像素方差图；
根据所述第二均方值图、所述第一像素均值图以及所述第二像素均值图，计算所述美颜图像与所述待美颜人脸图像的协方差图；
根据所述协方差图以及所述像素方差图，计算第一线性参数矩阵；
根据所述第二像素均值图、所述第一线性参数矩阵以及所述第一像素均值图，计算第二线性参数矩阵；
利用所述第二BoxFilter算法，分别对所述第一线性参数矩阵和所述第二线性参数矩阵进行滤波，得到所述第一线性参数矩阵对应的第一参数均值矩阵、以及所述第二线性参数矩阵对应的第二参数均值矩阵；
根据所述第一参数均值矩阵、所述美颜图像以及所述第二参数均值矩阵，得到输出图像。
可选的，所述计算模块720，具体可以用于：
根据所述协方差图以及所述像素方差图，利用第一线性参数计算公式，计算第一线性参数矩阵，其中，所述第一线性参数计算公式为：
a＝covIP./(varI+∈)
a为所述第一线性参数矩阵，covIP为所述协方差图，varI为所述像素方差图，所述∈为预设矩阵；
根据所述第二像素均值图、所述第一线性参数矩阵以及所述第一像素均值图，利用第二线性参数计算公式，计算第二线性参数矩阵，其中，所述第二线性参数计算公式为：
b＝meanP-a.*meanI
b为所述第二线性参数矩阵，meanP为所述第二像素均值图，meanI为所述第一像素均值图；
根据所述第一参数均值矩阵、所述美颜图像以及所述第二参数均值矩阵，利用输出图像计算公式，得到输出图像，其中，所述输出图像计算公式为：
q＝meanA.*I+meanB
q为所述输出图像，meanA为所述第一参数均值矩阵，I为所述美颜图像，meanB为所述第二参数均值矩阵。
可选的，所述获取模块710，还可以用于获取所述待美颜人脸图像的图像增益；
所述第二BoxFilter算法中的BoxFilter参数为：根据所述图像增益，按照预设输出图像对应BoxFilter参数设置原则以及所述图像增益与BoxFilter参数间的预设正比联动关系对应设置的。
可选的，所述获取模块，还用于获取所述待美颜人脸图像的图像增益；
所述装置还可以包括：
设置模块，用于根据所述图像增益，按照所述图像增益与锐化权重的预设正比联动关系，对应设置锐化权重，得到锐化公式；
锐化模块，用于利用所述锐化公式，对所述美颜图像进行图像锐化，得到锐化美颜图像，其中，所述锐化公式为：
dst(x,y)＝(F(x,y)-Gaussian(F(x,y),H)*w)/(1-w)
dst(x,y)为所述锐化美颜图像中像素点(x,y)的像素值，F(x,y)为所述待美颜人脸图像中像素点(x,y)的像素值，Gaussian(F(x,y),H)为高斯卷积核H对所述待美颜人脸图像中各像素点的像素值卷积结果，所述高斯卷积核H中的各参数为均值，w为锐化权重。
应用本实施例，通过获取待美颜人脸图像，利用预设纹理复杂度分析算法，对待美颜人脸图像进行纹理复杂度权重计算，得到权重分布图，基于该权重分布图中各像素点的纹理复杂度权重，利用预设人脸磨皮算法，对该待美颜人脸图像进行人脸磨皮的加权处理，得到美颜图像。利用预设纹理复杂度分析算法对待美颜人脸图像进行纹理复杂度权重计算，待美颜人脸图像的不同区域具有不同的纹理复杂度，因此所得到的权重分布图中，不同区域的像素点分配的纹理复杂度权重也不同，在利用预设人脸磨皮算法进行人脸磨皮处理时，基于各像素点的纹理复杂度权重，对待美颜人脸图像进行人脸磨皮的加权处理，使得待美颜人脸图像的不同区域具有不同的磨皮程度，能够保留部分细节信息，提高了人脸美颜效果。
本发明实施例还提供了一种电子设备，如图8所示，包括处理器801和计算机可读存储介质802，其中，
所述计算机可读存储介质802，用于存放计算机程序；
所述处理器801，用于执行所述计算机可读存储介质802上所存放的程序时，实现本发明实施例所提供的人脸美颜方法的所有步骤。
计算机可读存储介质802与处理器801之间可以通过有线连接或者无线连接的方式进行数据传输，并且电子设备可以通过有线通信接口或者无线通信接口与其他的设备进行通信。图8所示的仅为处理器801与计算机可读存储介质802之间通过总线进行数据传输的示例，不作为具体连接方式的限定。
上述计算机可读存储介质可以包括RAM(Random Access Memory，随机存取存储器)，也可以包括NVM(Non-Volatile Memory，非易失性存储器)，例如至少一个磁盘存储器。可选的，计算机可读存储介质还可以是至少一个位于远离前述处理器的存储装置。
上述处理器可以是通用处理器，包括CPU(Central Processing Unit，中央处理器)、NP(Network Processor，网络处理器)等；还可以是DSP(Digital Signal Processing，数字信号处理器)、ASIC(Application Specific Integrated Circuit，专用集成电路)、FPGA(Field-Programmable Gate Array，现场可编程门阵列)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本实施例中，处理器通过读取计算机可读存储介质中存储的计算机程序，并通过运行该计算机程序，能够实现：通过获取待美颜人脸图像，利用预设纹理复杂度分析算法，对待美颜人脸图像进行纹理复杂度权重计算，得到权重分布图，基于该权重分布图中各像素点的纹理复杂度权重，利用预设人脸磨皮算法，对该待美颜人脸图像进行人脸磨皮的加权处理，得到美颜图像。利用预设纹理复杂度分析算法对待美颜人脸图像进行纹理复杂度权重计算，待美颜人脸图像的不同区域具有不同的纹理复杂度，因此所得到的权重分布图中，不同区域的像素点分配的纹理复杂度权重也不同，在利用预设人脸磨皮算法进行人脸磨皮处理时，基于各像素点的纹理复杂度权重，对待美颜人脸图像进行人脸磨皮的加权处理，使得待美颜人脸图像的不同区域具有不同的磨皮程度，能够保留部分细节信息，提高了人脸美颜效果。
另外，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时，实现本发明实施例所提供的人脸美颜方法的所有步骤。
本实施例中，计算机可读存储介质存储有在运行时执行本发明实施例所提供的人脸美颜方法的计算机程序，因此能够实现：通过获取待美颜人脸图像，利用预设纹理复杂度分析算法，对待美颜人脸图像进行纹理复杂度权重计算，得到权重分布图，基于该权重分布图中各像素点的纹理复杂度权重，利用预设人脸磨皮算法，对该待美颜人脸图像进行人脸磨皮的加权处理，得到美颜图像。利用预设纹理复杂度分析算法对待美颜人脸图像进行纹理复杂度权重计算，待美颜人脸图像的不同区域具有不同的纹理复杂度，因此所得到的权重分布图中，不同区域的像素点分配的纹理复杂度权重也不同，在利用预设人脸磨皮算法进行人脸磨皮处理时，基于各像素点的纹理复杂度权重，对待美颜人脸图像进行人脸磨皮的加权处理，使得待美颜人脸图像的不同区域具有不同的磨皮程度，能够保留部分细节信息，提高了人脸美颜效果。
对于电子设备和计算机可读存储介质实施例而言，由于其所涉及的方法内容基本相似于前述的方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、电子设备和计算机可读存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (14)

1.一种人脸美颜方法，其特征在于，所述方法包括：
获取待美颜人脸图像；
利用预设纹理复杂度分析算法，对所述待美颜人脸图像进行纹理复杂度权重计算，得到权重分布图，其中，所述权重分布图中包括所述待美颜人脸图像的各像素点的纹理复杂度权重；
基于所述权重分布图中各像素点的纹理复杂度权重，利用预设人脸磨皮算法，对所述待美颜人脸图像进行人脸磨皮的加权处理，得到美颜图像。
2.一种人脸美颜装置，其特征在于，所述装置包括：
获取模块，用于获取待美颜人脸图像；
计算模块，用于利用预设纹理复杂度分析算法，对所述待美颜人脸图像进行纹理复杂度权重计算，得到权重分布图，其中，所述权重分布图中包括所述待美颜人脸图像的各像素点的纹理复杂度权重；
美颜模块，用于基于所述权重分布图中各像素点的纹理复杂度权重，利用预设人脸磨皮算法，对所述待美颜人脸图像进行人脸磨皮的加权处理，得到美颜图像。
3.根据权利要求2所述的装置，其特征在于，所述装置还包括：
判断模块，用于判断所述待美颜人脸图像的亮度是否达到预设阈值；
更新模块，用于若所述判断模块的判断结果为否，则利用预设像素值校正算法，调整所述待美颜人脸图像的像素值，更新所述待美颜人脸图像，直至所述待美颜人脸图像的亮度达到所述预设阈值。
4.根据权利要求3所述的装置，其特征在于，所述预设像素值校正算法，包括：Gamma校正算法；
所述获取模块，还用于获取所述待美颜人脸图像的图像增益；
所述Gamma校正算法中的Gamma变量为：根据所述图像增益，按照所述图像增益与Gamma变量间的预设正比联动关系对应设置的。
5.根据权利要求2所述的装置，其特征在于，所述计算模块，具体用于：
根据所述待美颜人脸图像，利用第一BoxFilter算法，计算所述待美颜人脸图像对应的像素均值图；
根据所述待美颜人脸图像以及所述像素均值图，计算所述待美颜人脸图像对应的像素均方差图；
根据所述待美颜人脸图像的人脸区域，从所述像素均方差图的相应区域中，查找像素均方差最大值；
将所述像素均方差图中各像素点的像素均方差分别与所述像素均方差最大值相除，得到各像素点的纹理复杂度权重；
根据各像素点的纹理复杂度权重，生成权重分布图。
6.根据权利要求5所述的装置，其特征在于，所述计算模块，具体用于：
根据所述待美颜人脸图像以及所述像素均值图，利用所述第一BoxFilter算法，对所述待美颜人脸图像与所述像素均值图的均方差进行均值滤波，得到所述待美颜人脸图像对应的像素均方差图。
7.根据权利要求5或6所述的装置，其特征在于，所述获取模块，还用于获取所述待美颜人脸图像的图像增益；
所述第一BoxFilter算法中的BoxFilter参数为：根据所述图像增益，按照预设权重分布图对应BoxFilter参数设置原则以及所述图像增益与BoxFilter参数间的预设反比联动关系对应设置的。
8.根据权利要求2所述的装置，其特征在于，所述预设人脸磨皮算法，包括：双边滤波算法；
所述美颜模块，具体用于：
根据所述待美颜人脸图像中各像素点的像素值，利用所述双边滤波算法，计算滤波后各像素点的像素值；
基于所述权重分布图中各像素点的纹理复杂度权重，通过预设加权公式，对所述待美颜人脸图像中各像素点的像素值以及所述滤波后各像素点的像素值进行加权计算，得到美颜图像。
9.根据权利要求8所述的装置，其特征在于，所述预设加权公式为：
MF(x,y)＝BF(x,y)*(1-texInf(x,y))+F(x,y)*texInf(x,y)
其中，MF(x,y)为所述美颜图像中像素点(x,y)的像素值，BF(x,y)为滤波后像素点(x,y)的像素值，texInf(x,y)为所述权重分布图中像素点(x,y)的纹理复杂度权重，F(x,y)为所述待美颜人脸图像中像素点(x,y)的像素值。
10.根据权利要求8所述的装置，其特征在于，所述获取模块，还用于获取所述待美颜人脸图像的图像增益；
所述双边滤波算法中的双边滤波参数为：根据所述图像增益，按照所述图像增益与双边滤波参数的预设正比联动关系对应设置的。
11.根据权利要求2所述的装置，其特征在于，所述计算模块，还用于：
利用第二BoxFilter算法，分别计算所述美颜图像对应的第一像素均值图、所述待美颜人脸图像对应的第二像素均值图、所述美颜图像对应的第一均方值图，并且根据所述美颜图像与所述待美颜人脸图像的点乘结果，计算第二均方值图；
根据所述第一均方值图以及所述第一像素均值图，计算所述美颜图像对应的像素方差图；
根据所述第二均方值图、所述第一像素均值图以及所述第二像素均值图，计算所述美颜图像与所述待美颜人脸图像的协方差图；
根据所述协方差图以及所述像素方差图，计算第一线性参数矩阵；
根据所述第二像素均值图、所述第一线性参数矩阵以及所述第一像素均值图，计算第二线性参数矩阵；
利用所述第二BoxFilter算法，分别对所述第一线性参数矩阵和所述第二线性参数矩阵进行滤波，得到所述第一线性参数矩阵对应的第一参数均值矩阵、以及所述第二线性参数矩阵对应的第二参数均值矩阵；
根据所述第一参数均值矩阵、所述美颜图像以及所述第二参数均值矩阵，得到输出图像。
12.根据权利要求11所述的装置，其特征在于，所述计算模块，具体用于：
根据所述协方差图以及所述像素方差图，利用第一线性参数计算公式，计算第一线性参数矩阵，其中，所述第一线性参数计算公式为：
a＝covIP./(varI+∈)
a为所述第一线性参数矩阵，covIP为所述协方差图，varI为所述像素方差图，所述∈为预设矩阵；
根据所述第二像素均值图、所述第一线性参数矩阵以及所述第一像素均值图，利用第二线性参数计算公式，计算第二线性参数矩阵，其中，所述第二线性参数计算公式为：
b＝meanP-a.*meanI
b为所述第二线性参数矩阵，meanP为所述第二像素均值图，meanI为所述第一像素均值图；
根据所述第一参数均值矩阵、所述美颜图像以及所述第二参数均值矩阵，利用输出图像计算公式，得到输出图像，其中，所述输出图像计算公式为：
q＝meanA.*I+meanB
q为所述输出图像，meanA为所述第一参数均值矩阵，I为所述美颜图像，meanB为所述第二参数均值矩阵。
13.根据权利要求11所述的装置，其特征在于，所述获取模块，还用于获取所述待美颜人脸图像的图像增益；
所述第二BoxFilter算法中的BoxFilter参数为：根据所述图像增益，按照预设输出图像对应BoxFilter参数设置原则以及所述图像增益与BoxFilter参数间的预设正比联动关系对应设置的。
14.根据权利要求2所述的装置，其特征在于，所述获取模块，还用于获取所述待美颜人脸图像的图像增益；
所述装置还包括：
设置模块，用于根据所述图像增益，按照所述图像增益与锐化权重的预设正比联动关系，对应设置锐化权重，得到锐化公式；
锐化模块，用于利用所述锐化公式，对所述美颜图像进行图像锐化，得到锐化美颜图像，其中，所述锐化公式为：
dst(x,y)＝(F(x,y)-Gaussian(F(x,y),H)*w)/(1-w)
dst(x,y)为所述锐化美颜图像中像素点(x,y)的像素值，F(x,y)为所述待美颜人脸图像中像素点(x,y)的像素值，Gaussian(F(x,y),H)为高斯卷积核H对所述待美颜人脸图像中各像素点的像素值卷积结果，所述高斯卷积核H中的各参数为均值，w为锐化权重。
CN201811066782.3A 2018-09-13 2018-09-13 一种人脸美颜方法及装置 Active CN110895789B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811066782.3A CN110895789B (zh) 2018-09-13 2018-09-13 一种人脸美颜方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811066782.3A CN110895789B (zh) 2018-09-13 2018-09-13 一种人脸美颜方法及装置

Publications (2)

Publication Number Publication Date
CN110895789A true CN110895789A (zh) 2020-03-20
CN110895789B CN110895789B (zh) 2023-05-02

Family

ID=69785125

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811066782.3A Active CN110895789B (zh) 2018-09-13 2018-09-13 一种人脸美颜方法及装置

Country Status (1)

Country Link
CN (1) CN110895789B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112150393A (zh) * 2020-10-12 2020-12-29 深圳数联天下智能科技有限公司 人脸图像磨皮方法、装置、计算机设备及存储介质
CN114913099A (zh) * 2021-12-28 2022-08-16 天翼数字生活科技有限公司 视频文件处理的方法和***

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080025401A1 (en) * 2006-07-27 2008-01-31 Samsung Electronics Co.; Ltd Method for measuring real-time image complexity
US20100067574A1 (en) * 2007-10-15 2010-03-18 Florian Knicker Video decoding method and video encoding method
US20100074548A1 (en) * 2008-09-23 2010-03-25 Sharp Laboratories Of America, Inc. Image sharpening technique
CN101833753A (zh) * 2010-04-30 2010-09-15 西安电子科技大学 基于改进贝叶斯非局部均值滤波器的sar图像去斑方法
FR2959093A1 (fr) * 2010-04-20 2011-10-21 Canon Kk Procede et dispositif de prediction d'une information de complexite de texture contenue dans une image
WO2015095529A1 (en) * 2013-12-19 2015-06-25 Google Inc. Image adjustment using texture mask
CN106204462A (zh) * 2015-05-04 2016-12-07 南京邮电大学 基于图像多特征融合的非局部均值去噪方法
CN106339993A (zh) * 2016-08-26 2017-01-18 北京金山猎豹科技有限公司 人脸图像磨皮方法、装置以及终端设备
CN106373095A (zh) * 2016-08-29 2017-02-01 广东欧珀移动通信有限公司 一种图像处理方法及终端
CN106920211A (zh) * 2017-03-09 2017-07-04 广州四三九九信息科技有限公司 美颜处理方法、装置以及终端设备
CN107169941A (zh) * 2017-06-15 2017-09-15 北京大学深圳研究生院 一种视频去噪方法
WO2017185452A1 (zh) * 2016-04-27 2017-11-02 宇龙计算机通信科技(深圳)有限公司 图片还原方法及***
CN107730465A (zh) * 2017-10-09 2018-02-23 武汉斗鱼网络科技有限公司 一种图像中人脸美颜方法及装置
CN107766831A (zh) * 2017-10-31 2018-03-06 广东欧珀移动通信有限公司 图像处理方法、装置、移动终端和计算机可读存储介质
CN107798654A (zh) * 2017-11-13 2018-03-13 北京小米移动软件有限公司 图像磨皮方法及装置、存储介质
CN108053377A (zh) * 2017-12-11 2018-05-18 北京小米移动软件有限公司 图像处理方法及设备
CN108205804A (zh) * 2016-12-16 2018-06-26 阿里巴巴集团控股有限公司 图像处理方法、装置及电子设备

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080025401A1 (en) * 2006-07-27 2008-01-31 Samsung Electronics Co.; Ltd Method for measuring real-time image complexity
US20100067574A1 (en) * 2007-10-15 2010-03-18 Florian Knicker Video decoding method and video encoding method
US20100074548A1 (en) * 2008-09-23 2010-03-25 Sharp Laboratories Of America, Inc. Image sharpening technique
FR2959093A1 (fr) * 2010-04-20 2011-10-21 Canon Kk Procede et dispositif de prediction d'une information de complexite de texture contenue dans une image
CN101833753A (zh) * 2010-04-30 2010-09-15 西安电子科技大学 基于改进贝叶斯非局部均值滤波器的sar图像去斑方法
WO2015095529A1 (en) * 2013-12-19 2015-06-25 Google Inc. Image adjustment using texture mask
CN106204462A (zh) * 2015-05-04 2016-12-07 南京邮电大学 基于图像多特征融合的非局部均值去噪方法
WO2017185452A1 (zh) * 2016-04-27 2017-11-02 宇龙计算机通信科技(深圳)有限公司 图片还原方法及***
CN106339993A (zh) * 2016-08-26 2017-01-18 北京金山猎豹科技有限公司 人脸图像磨皮方法、装置以及终端设备
CN106373095A (zh) * 2016-08-29 2017-02-01 广东欧珀移动通信有限公司 一种图像处理方法及终端
CN108205804A (zh) * 2016-12-16 2018-06-26 阿里巴巴集团控股有限公司 图像处理方法、装置及电子设备
CN106920211A (zh) * 2017-03-09 2017-07-04 广州四三九九信息科技有限公司 美颜处理方法、装置以及终端设备
CN107169941A (zh) * 2017-06-15 2017-09-15 北京大学深圳研究生院 一种视频去噪方法
CN107730465A (zh) * 2017-10-09 2018-02-23 武汉斗鱼网络科技有限公司 一种图像中人脸美颜方法及装置
CN107766831A (zh) * 2017-10-31 2018-03-06 广东欧珀移动通信有限公司 图像处理方法、装置、移动终端和计算机可读存储介质
CN107798654A (zh) * 2017-11-13 2018-03-13 北京小米移动软件有限公司 图像磨皮方法及装置、存储介质
CN108053377A (zh) * 2017-12-11 2018-05-18 北京小米移动软件有限公司 图像处理方法及设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
吴颖斌;: "基于肤色检测和导向滤波的人脸美化技术" *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112150393A (zh) * 2020-10-12 2020-12-29 深圳数联天下智能科技有限公司 人脸图像磨皮方法、装置、计算机设备及存储介质
CN114913099A (zh) * 2021-12-28 2022-08-16 天翼数字生活科技有限公司 视频文件处理的方法和***

Also Published As

Publication number Publication date
CN110895789B (zh) 2023-05-02

Similar Documents

Publication Publication Date Title
Li et al. Edge-preserving decomposition-based single image haze removal
CN106778928B (zh) 图像处理方法及装置
CN109191395B (zh) 图像对比度增强方法、装置、设备及存储介质
US10410327B2 (en) Shallow depth of field rendering
US20150326845A1 (en) Depth value restoration method and system
Deng et al. A guided edge-aware smoothing-sharpening filter based on patch interpolation model and generalized gamma distribution
CN107369133A (zh) 一种人脸图像美化方法和装置
Kim et al. Low-light image enhancement based on maximal diffusion values
CN107194869B (zh) 一种图像处理方法及终端、计算机存储介质、计算机设备
CN104346136A (zh) 一种图片处理的方法及装置
CN112214773B (zh) 基于隐私保护的图像处理方法、装置和电子设备
Lin et al. Low-light enhancement using a plug-and-play Retinex model with shrinkage mapping for illumination estimation
Maurya et al. Contrast and brightness balance in image enhancement using Cuckoo Search-optimized image fusion
CN111145086A (zh) 一种图像处理方法、装置及电子设备
Gupta et al. Histogram based image enhancement techniques: a survey
CN112258440A (zh) 图像处理方法、装置、电子设备及存储介质
CN111369478B (zh) 人脸图像增强方法、装置、计算机设备和存储介质
Dhara et al. Exposedness-based noise-suppressing low-light image enhancement
CN117496019B (zh) 一种驱动静态图像的图像动画处理方法及***
CN107909551A (zh) 图像处理方法、装置、计算机装置及计算机可读存储介质
CN113450282A (zh) 美化图像的方法和***
CN114298935A (zh) 图像增强方法、装置及计算机可读存储介质
CN110895789B (zh) 一种人脸美颜方法及装置
CN114862729A (zh) 图像处理方法、装置、计算机设备和存储介质
Li et al. Saliency guided naturalness enhancement in color images

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