CN112581380A - 图像的色彩增强方法、装置和服务器 - Google Patents
图像的色彩增强方法、装置和服务器 Download PDFInfo
- Publication number
- CN112581380A CN112581380A CN201910947319.8A CN201910947319A CN112581380A CN 112581380 A CN112581380 A CN 112581380A CN 201910947319 A CN201910947319 A CN 201910947319A CN 112581380 A CN112581380 A CN 112581380A
- Authority
- CN
- China
- Prior art keywords
- pixel point
- color information
- skin
- current pixel
- color
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 83
- 238000012545 processing Methods 0.000 claims abstract description 38
- 210000000746 body region Anatomy 0.000 claims abstract description 29
- 238000001514 detection method Methods 0.000 claims description 19
- 238000012549 training Methods 0.000 claims description 10
- 238000013135 deep learning Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 abstract description 12
- 230000008569 process Effects 0.000 description 12
- 230000002708 enhancing effect Effects 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 230000037311 normal skin Effects 0.000 description 2
- 206010048245 Yellow skin Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种图像的色彩增强方法、装置和服务器;其中,该方法包括:从待处理图像中检测人体区域;根据预设的皮肤色彩信息,从人体区域中确定出皮肤区域;针对皮肤区域中各个像素点,根据当前像素点的色彩信息与皮肤色彩信息的相似程度,确定当前像素点的色彩增强因子;根据色彩增强因子对当前像素点进行色彩增强处理。本发明根据皮肤区域中的各个像素点的色彩信息,确定该像素点的色彩增强因子,该色彩增强因子与像素点的色彩信息相匹配,因而可以对皮肤区域的各个像素点进行合理的色彩增强处理,从而避免图像中皮肤区域色彩的过度增强,进而提高了图像的整体观赏效果。
Description
技术领域
本发明涉及图像处理技术领域,尤其是涉及一种图像的色彩增强方法、装置和服务器。
背景技术
相关技术中,在对图像进行色彩增强时,可以直接在RGB(Red、Gree、Blue,红绿蓝)通道进行处理,也可以将图像转化到HSV(Hue、Saturation、Value,色彩、亮度、饱和度)空间或者HSL(Hue、Saturation、Lightness,色彩、饱和度和亮度)空间,再进行色彩增强处理;在处理过程中,通常采用统一的色彩增强算法和参数对图像的所有区域进行色彩增强,如果图像中存在人体皮肤,该色彩增强方式易导致皮肤区域的色彩过度增强,使肤色过渡不自然,从而影响图像的整体观赏效果。
发明内容
有鉴于此,本发明的目的在于提供一种图像的色彩增强方法、装置和服务器,以避免皮肤区域的过度增强,从而提高图像的整体观赏效果。
第一方面,本发明实施例提供了一种图像的色彩增强方法,该方法包括:从待处理图像中检测人体区域;根据预设的皮肤色彩信息,从人体区域中确定出皮肤区域;针对皮肤区域中各个像素点,根据当前像素点的色彩信息与上述皮肤色彩信息的相似程度,确定当前像素点的色彩增强因子;根据色彩增强因子对当前像素点进行色彩增强处理。
在本发明较佳的实施例中,上述从待处理图像中检测人体区域的步骤,包括:从待处理图像中提取亮度通道数据;将亮度通道数据输入至预先训练完成的人体检测模型中,输出待处理图像的人体区域检测结果;其中,上述人体检测模型采用深度学习网络训练得到。
在本发明较佳的实施例中,上述根据预设的皮肤色彩信息,从人体区域中确定出皮肤区域的步骤,包括:针对人体区域中的每个像素点,判断当前像素点的色彩信息与皮肤色彩信息的距离值是否满足预设阈值;如果满足预设阈值,确定当前像素点为皮肤像素点;将确定出的所有皮肤像素点组成皮肤区域。
在本发明较佳的实施例中,上述判断当前像素点的色彩信息与皮肤色彩信息的距离值是否满足预设阈值的步骤,包括:判断当前像素点的色彩信息是否位于预设椭圆内,如果位于预设椭圆内,确定当前像素点的色彩信息与皮肤色彩信息的距离值满足预设阈值;其中,预设椭圆以皮肤色彩信息为中心点,该预设椭圆的长半轴和短半轴均为预设值;或者,判断当前像素点的色彩信息与皮肤色彩信息的欧氏距离是否满足预设的欧式距离阈值,如果满足预设的欧式距离阈值,确定当前像素点的色彩信息与皮肤色彩信息的距离值满足预设阈值。
在本发明较佳的实施例中,上述判断当前像素点的色彩信息是否位于预设椭圆内的步骤,包括:判断当前像素点的色度值和饱和度值是否满足公式:如果满足上述公式,确定当前像素点的色彩信息位于预设椭圆内;其中,U0是皮肤色彩信息中的色度值;V0是皮肤色彩信息中的饱和度值;U是当前像素点的色度值;V是当前像素点的饱和度值;θ是预设的椭圆旋转角度;a是长半轴的预设值;b是短半轴的预设值。
在本发明较佳的实施例中,上述根据当前像素点的色彩信息与皮肤色彩信息的相似程度,确定当前像素点的色彩增强因子的步骤,包括:计算当前像素点的色彩信息与皮肤色彩信息的距离值;根据距离值确定当前像素点的色彩增强因子。
在本发明较佳的实施例中,上述计算当前像素点的色彩信息与皮肤色彩信息的距离值的步骤,包括:计算当前像素点的色彩信息与皮肤色彩信息的距离值其中,U0是皮肤色彩信息中的色度值;V0是皮肤色彩信息中的饱和度值;U是当前像素点的色度值;V是当前像素点的饱和度值;θ是预设的椭圆旋转角度;a是长半轴的预设值;b是短半轴的预设值;根据距离值确定当前像素点的色彩增强因子的步骤,包括:确定当前像素点的色彩增强因子其中,p=max(1-d,0);enhance0是预设的初始色彩增强因子。
在本发明较佳的实施例中,上述根据色彩增强因子对当前像素点进行色彩增强处理的步骤,包括:通过下述公式对当前像素点的色度值进行色彩增强处理:Uenhance=(1+enhance)*U;通过下述公式对当前像素点的饱和度值进行色彩增强处理:Venhance=(1+enhance)*V。
第二方面,本发明实施例提供了一种图像的色彩增强装置,该装置包括:人体区域检测模块,用于从待处理图像中检测人体区域;皮肤区域确定模块,用于根据预设的皮肤色彩信息,从人体区域中确定出皮肤区域;色彩增强因子确定模块,用于针对皮肤区域中各个像素点,根据当前像素点的色彩信息与皮肤色彩信息的相似程度,确定当前像素点的色彩增强因子;色彩增强模块,用于根据色彩增强因子对当前像素点进行色彩增强处理。
在本发明较佳的实施例中,上述皮肤区域确定模块,还用于:针对人体区域中的每个像素点,判断当前像素点的色彩信息与皮肤色彩信息的距离值是否满足预设阈值;如果满足预设阈值,确定当前像素点为皮肤像素点;将确定出的所有皮肤像素点组成皮肤区域。
在本发明较佳的实施例中,上述色彩增强因子确定模块,还用于:计算当前像素点的色彩信息与皮肤色彩信息的距离值;根据距离值确定当前像素点的色彩增强因子。
第三方面,本发明实施例提供了一种服务器,包括处理器和存储器,该存储器存储有能够被处理器执行的机器可执行指令,该处理器执行机器可执行指令以实现上述图像的色彩增强方法。
第四方面,本发明实施例提供了一种机器可读存储介质,该机器可读存储介质存储有机器可执行指令,该机器可执行指令在被处理器调用和执行时,该机器可执行指令促使处理器实现上述图像的色彩增强方法。
本发明实施例带来了以下有益效果:
本发明提供了一种图像的色彩增强方法、装置和服务器,从待处理图像中检测人体区域之后,再根据预设的皮肤色彩信息,从人体区域中确定出皮肤区域;进而针对皮肤区域中各个像素点,根据该像素点的色彩信息与皮肤色彩信息的相似程度,确定当前像素点的色彩增强因子;最后根据色彩增强因子对该像素点进行色彩增强处理。该方式根据皮肤区域中的各个像素点的色彩信息,确定该像素点的色彩增强因子,该色彩增强因子与像素点的色彩信息相匹配,因而可以对皮肤区域的各个像素点进行合理的色彩增强处理,从而避免图像中皮肤区域色彩的过度增强,进而提高了图像的整体观赏效果。
本公开的其他特征和优点将在随后的说明书中阐述,或者,部分特征和优点可以从说明书推知或毫无疑义地确定,或者通过实施本公开的上述技术即可得知。
为使本公开的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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为本发明实施例提供的一种图像的色彩增强方法的流程图;
图2为本发明实施例提供的另一种图像的色彩增强方法的流程图;
图3为本发明实施例提供的另一种图像的色彩增强方法的流程图;
图4为本发明实施例提供的另一种图像的色彩增强方法的流程图;
图5为本发明实施例提供的一种图像的色彩增强装置的结构示意图;
图6为本发明实施例提供的一种服务器的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例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。
随着计算机视觉及多媒体技术的发展,彩色图像的处理技术越来越受到广泛关注。在视频或图像的采集过程中,受成像设备及环境光照的影响,易使采集的图像出现色彩暗淡、画质质量差等现象。为提高视频或图像的画质效果,通常需要对视频或图像进行色彩增强处理,以提升人眼对视频或者图像的主观效果。
相关技术中主要有两类图像色彩增强方法:第一类方法是直接在RGB通道对图像进行色彩增强处理,例如,对图像的R、G、B各个通道的色差信号乘以增强系数再加上原始亮度信息得到色彩增强后的图像;再如,根据色彩分量集合获取图像的反射分量,并对该反射分量进行调整,以此来避免图像的色彩过增强和噪声问题;第二类方法是将图像换到HSV空间或HSL空间,通过对饱和度分量进行单独处理来达到色彩增强的目的。
但是,不论上述哪种色彩增强方式,均采用统一的色彩增强算法和参数对图像的所有区域进行色彩增强,如果图像中存在人体皮肤,该图像色彩增强方法易导致图像中皮肤区域的色彩过度增强,使肤色过渡不自然,从而影响图像整体效果,基于此,本发明实施例提供一种图像的色彩增强方法、装置和服务器,该技术可以应用于视频或者图像的色彩增强场景中,尤其可以应用于包含有人体皮肤区域的图像或视频的色彩增强中。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种图像的色彩增强方法进行详细介绍;如图1所示,该方法应用于服务器,该方法包括如下步骤:
步骤S102,从待处理图像中检测人体区域。
如果待处理图像中包含有人,则通常可以从待处理图像中检测出人体区域;具体可以采用深度学习、神经网络等训练模型,再将待处理图像输入至该模型中,即可输出标识有人体区域的待处理图像。大多情况下,该人体区域可以为使用矩形标识框标识的包含有人体的图像区域,也可以使用不规则线条标识人体边缘,将不规则线条包围的区域作为人体区域。
步骤S104,根据预设的皮肤色彩信息,从上述人体区域中确定出皮肤区域。
上述预设的皮肤色彩信息用于指示图像中皮肤区域内像素点的色彩信息;该皮肤色彩信息可以根据经验设置,例如,从大量图片中提取皮肤区域内各个像素点的色彩信息进行分析,从而得到可以代表皮肤区域的标准色彩信息,该标准色彩信息即可作为上述皮肤色彩信息。该皮肤色彩信息通常包含有色度值、饱和度值等参数,这些参数可以为具体值,也可以为某个范围。该皮肤色彩信息还可以根据拍摄环境、肤色人种、光照强度等因素进行分类;例如,根据拍摄环境划分为室内拍摄的皮肤色彩信息、室外拍摄的皮肤色彩信息;根据肤色人种划分为黄色皮肤的皮肤色彩信息、白色皮肤的皮肤色彩信息和黑色皮肤的皮肤色彩信息;根据光照强度可以划分为强光拍摄下的皮肤色彩信息、弱光拍摄下的皮肤色彩信息或者背光拍摄下的皮肤色彩信息等。
上述人体区域中可能包含人体上的头发区域、皮肤区域、衣着区域、人体附近的背景区域等。从人体区域中确定皮肤区域的过程中,可以从人体区域中筛选出与上述预设的皮肤色彩信息相匹配或相类似的像素、像素集合、像素块等,将筛选出的像素、像素集合、像素块组合为皮肤区域。
步骤S106,针对皮肤区域中各个像素点,根据当前像素点的色彩信息与皮肤色彩信息的相似程度,确定当前像素点的色彩增强因子。
由于人体为三维立体的,光照在人体表面上的分布通常不均匀,在皮肤区域中,也可能会产生阴影、强光区和背光区等,且同一人种不同人的肤色不同,即使同一人不同部位的皮肤也有深浅之分;但皮肤色彩信息为代表皮肤区域的标准色彩信息,因而受上述各个因素的影响,皮肤区域中的各个区域与皮肤色彩信息的相似程度不同,可能皮肤区域中有的区域的色彩信息与该皮肤色彩信息相同,有的区域虽然属于皮肤区域,但该区域的色彩信息与皮肤色彩信息差异较大。
基于上述描述,可以将皮肤色彩信息作为一个标准,根据皮肤区域中各个像素点的色彩信息与该皮肤色彩信息的相似程度,确定该像素点的色彩增强因子,以保证色彩增强后的皮肤区域依然是正常肤色,且具有正常的肤色过渡。
在实际实现时,可以采用各类数值距离公式计算上述各个像素点的色彩信息与该皮肤色彩信息的相似程度;距离越接近,则像素点的色彩信息与该皮肤色彩信息的相似程度越高;距离越远,则像素点的色彩信息与该皮肤色彩信息的相似程度越低。另外,可以预先设置该相似程度与色彩增强因子的对应关系,该对应关系可以为表格或公式等形式,计算得到相似程度后,即可基于该对应关系确定色彩增强因子。作为示例,像素点的色彩信息与该皮肤色彩信息的相似程度越高,色彩增强因子越小;像素点的色彩信息与该皮肤色彩信息的相似程度越低,色彩增强因子越大;从而可以对皮肤区域的色彩起到保护作用,有效地防止皮肤区域的过度增强。
步骤S108,根据上述色彩增强因子对当前像素点进行色彩增强处理。
确定了像素点的色彩增强因子后,可以基于该色彩增强因子,采用相关的色彩增强算法对该像素点进行色彩增强处理,处理过程可以直接在RGB通道,也可以在HSV空间或HSL空间。对于图像中除皮肤区域以外的其他区域,则可以采用固定的或默认的色彩增强因子进行增强处理。
本发明提供了一种图像的色彩增强方法,从待处理图像中检测人体区域之后,再根据预设的皮肤色彩信息,从人体区域中确定出皮肤区域;进而针对皮肤区域中各个像素点,根据该像素点的色彩信息与皮肤色彩信息的相似程度,确定当前像素点的色彩增强因子;最后根据色彩增强因子对该像素点进行色彩增强处理。该方式根据皮肤区域中的各个像素点的色彩信息,确定该像素点的色彩增强因子,该色彩增强因子与像素点的色彩信息相匹配,因而可以对皮肤区域的各个像素点进行合理的色彩增强处理,从而避免图像中皮肤区域色彩的过度增强,进而提高了图像的整体观赏效果。
本发明实施例还提供另一种图像的色彩增强方法,该方法在上述实施例所述方法的基础上实现;该方法重点描述从待处理图像中检测人体区域的具体过程,即下述步骤S202、步骤S204;如图2所示,该色彩增强方法包括如下步骤:
步骤S202,从待处理图像中提取亮度通道数据。
该亮度通道数据中包含有待处理图像中各个像素点的亮度值。在实际实现时,可以先将待处理图像从RGB通道转换到YUV空间,其中,“Y”表示亮度;“U”表示色度;“V”表示饱和度;在YUV空间中,每个像素点包含有亮度值、色度值和饱和度值共三种参数值,进而再提取各个像素点中的亮度值,得到上述亮度通道数据。
步骤S204,将上述亮度通道数据输入至预先训练完成的人体检测模型中,输出待处理图像的人体区域检测结果;其中,该人体检测模型采用深度学习网络训练得到。
上述人体检测模型可以通过各类深度学习网络训练得到,如深度学习网络可以包含多层感知器、卷积神经网络、循环神经网络、深度置信网络等多种网络结构。作为示例,该人体检测模型中可以为Faster-RCNN(Faster-Region Convolutional Neural Networks,快速区域卷积神经网络)模型、SSD(Single Shot MultiBox Detector,多分类单杆检测模型)和深度信念网络(Deep Belief Neural Networks)模型等。
在模型的训练过程中,通常需要先收集和标注训练数据集,该训练数据集中包括大量的标注有人体区域的图像数据;然后将标注有人体区域的图像数据输入至初始模型中进行训练,训练结束后得到人体检测模型。
步骤S206,根据预设的皮肤色彩信息,从上述人体区域中确定出皮肤区域。
步骤S208,针对皮肤区域中各个像素点,根据当前像素点的色彩信息与皮肤色彩信息的相似程度,确定当前像素点的色彩增强因子。
步骤S210,根据上述色彩增强因子对当前像素点进行色彩增强处理。
上述方式中,从待处理图像中提取亮度通道数据之后,再将亮度通道数据输入至预先训练完成的人体检测模型中,输出待处理图像的人体区域检测结果;该方式中仅在亮度通道检测人体区域,因此相对于传统的RGB通道检测,该方式降低了计算量,从而提高了人体区域检测的计算效率。
本发明实施例还提供另一种图像的色彩增强方法,该方法在上述实施例所述方法的基础上实现;该方法重点描述从人体区域中确定出皮肤区域的具体过程,即下述步骤S304至步骤S308;如图3所示,该色彩增强方法包括如下步骤:
步骤S302,从待处理图像中检测人体区域。
步骤S304,针对人体区域中的每个像素点,判断当前像素点的色彩信息与预设的皮肤色彩信息的距离值是否满足预设阈值;如果满足预设阈值,执行步骤S306;如果不满足预设阈值,执行步骤S308。
其中的当前像素点的色彩信息与预设的皮肤色彩信息的距离值,可以通过多种数值距离公式计算得到,如欧式距离公式、余弦距离公式等等。以YUV空间为例,当前像素点的色彩信息以及预设的皮肤色彩信息均可以使用色度值和饱和度值这两个参数表示。例如,当前像素点的色度值为100,饱和度值为120,那么该像素点的色彩信息的坐标表示为(100,120);对于黄种人,预设的皮肤色彩信息中的色度值可选取为115,饱和度值可选取为155,那么该皮肤色彩信息的坐标表示为(115,155)。此时,可以通过欧式距离公式或余弦距离公式计算两个坐标的距离值,即上述当前像素点的色彩信息与预设的皮肤色彩信息的距离值。
在具体实现时,上述步骤S304中的当前像素点的色彩信息与预设的皮肤色彩信息的距离值是否满足预设阈值的判断过程可通过下述方式一或者方式二实现:
方式一:判断当前像素点的色彩信息是否位于预设椭圆内,如果位于该预设椭圆内,确定当前像素点的色彩信息与皮肤色彩信息的距离值满足预设阈值;其中,该预设椭圆以皮肤色彩信息为中心点,该预设椭圆的长半轴和短半轴均为预设值;将满足预设阈值的当前像素点确定为皮肤像素点。
由上述描述可知,当前像素点的色彩信息和皮肤色彩信息均可以使用多个参数表示;以两个参数为例(如上述所述的YUV空间下的色度值和饱和度值,当然也可以采用其他空间下的相关参数),当前像素点的色彩信息和皮肤色彩信息均可以使用二维坐标值表示;此时,可以以皮肤色彩信息对应的坐标值作为中心点,使用预设的长半轴和短半轴画出一个椭圆;如果当前像素点的色彩信息对应的坐标位于该椭圆内,即可确定该当前像素点的色彩信息与皮肤色彩信息较为接近;如果当前像素点的色彩信息对应的坐标位于该椭圆外,即可确定该当前像素点的色彩信息与皮肤色彩信息差异较大。
上述椭圆的长半轴和短半轴的取值通常可以根据皮肤的颜色和拍摄场景确定,例如,如果拍摄对象为黄种人且拍摄光照良好,可将长半袖的值设置为24,短半袖的值设置为15。
在具体实现时,方式一中判断当前像素点的色彩信息是否位于预设椭圆内的过程,可以通过下述步骤10-11实现:
步骤10,判断当前像素点的色度值和饱和度值是否满足下述公式:其中,U0是皮肤色彩信息中的色度值;V0是皮肤色彩信息中的饱和度值;U是当前像素点的色度值;V是当前像素点的饱和度值;θ是预设的椭圆旋转角度;a是长半轴的预设值;b是短半轴的预设值。
步骤11,如果满足上述公式,确定当前像素点的色彩信息位于预设椭圆内。
上述公式为预设椭圆的椭圆公式,该公式中的皮肤色彩信息的色度值U0和饱和度值V0是预先设定的,为已知量;该预设椭圆的长半轴、短半轴和椭圆旋转角度均为预设值;将皮肤区域中的像素点的色度值U和饱和度值V带入上述椭圆公式进行计算,如果计算结果小于或者等于1,该像素点位于预设椭圆内,确定该像素点为皮肤像素点;如果计算结果大于1,该像素点位于预设椭圆外,确定该像素点为非皮肤像素点。
方式二:判断当前像素点的色彩信息与皮肤色彩信息的欧氏距离是否满足预设的欧式距离阈值,如果满足预设的欧式距离阈值,确定当前像素点的色彩信息与皮肤色彩信息的距离值满足预设阈值。
如果上述欧式距离D满足预设阈值,确定当前像素点为皮肤像素点;否则,当前像素点为非皮肤像素点。
步骤S306,确定上述当前像素点为皮肤像素点;将确定出的所有皮肤像素点组成皮肤区域;执行步骤S310。
在执行上述步骤S304和步骤S306过程中,通常会对人体区域中的每个像素点执行一次步骤S304和步骤S306,因而该过程通常需要多次循环实现。
步骤S308,确定上述当前像素点为非皮肤像素点,通过预设的初始色彩增强因子对该当前像素点进行色彩增强处理;结束。
针对非皮肤像素点通常可以通过预设的初始色彩增强因子进行色彩增强;对于皮肤像素点需要将初始色彩增强因子修改成与该皮肤像素点的色彩信息相匹配的色彩增强因子,以避免皮肤区域色彩的过增强,该初始色彩增强因子通常为固定的或默认的色彩增强因子。
步骤S310,针对上述皮肤区域中各个皮肤像素点,根据当前皮肤像素点的色彩信息与皮肤色彩信息的相似程度,确定该当前皮肤像素点的色彩增强因子。
步骤S312,根据上述色彩增强因子对当前皮肤像素点进行色彩增强处理。
上述方式中,从待处理图像中检测人体区域之后,再针对人体区域中的每个像素点,判断当前像素点的色彩信息与预设的皮肤色彩信息的距离值是否满足预设阈值;将满足预设阈值的当前像素点确定为皮肤像素点;然后根据计算的每个皮肤像素点的色彩信息与皮肤色彩信息的相似程度,确定皮肤像素点的色彩增强因子;最后通过色彩增强因子对皮肤像素点进行色彩增强处理,通过初始色彩增强因子对非皮肤像素点进行色彩增强处理。该方式可以有效地区分皮肤像素点和非皮肤像素点,并针对皮肤像素点和非皮肤像素点进行不同程度的色彩增强,从而避免了皮肤区域色彩的过度增强,使得人体的皮肤区域过渡自然,提高了图像的整体色彩效果。
本发明实施例还提供了另一种图像的色彩增强方法,该方法在上述实施例所述方法的基础上实现;该方法重点描述确定皮肤区域中各个像素点的色彩增强因子的具体过程,即下述步骤S406至步骤S410;如图4所示,该色彩增强方法包括如下步骤:
步骤S402,从待处理图像中检测人体区域。
步骤S404,根据预设的皮肤色彩信息,从上述人体区域中确定出皮肤区域。
步骤S406,针对上述皮肤区域中各个像素点,计算当前像素点的色彩信息与预设的皮肤色彩信息的距离值。
步骤S408,根据上述距离值确定当前像素点的色彩增强因子;
由于该距离值表示了当前像素点的色彩信息与预设的皮肤色彩信息的相似程度,为了保护皮肤区域的色彩,其中一种方式中,可以将色彩增强因子与距离值的关系设置为正比关系,也可以理解为:当前像素点的色彩信息与预设的皮肤色彩信息的距离值越小,得到的色彩增强因子越小。
在具体实施时,当前像素点的色彩信息与皮肤色彩信息包含YUV空间下的色度值和饱和度值为例,上述步骤S408可通过下述步骤20-21实现:
步骤20,计算当前像素点的色彩信息与皮肤色彩信息的距离值其中,U0是皮肤色彩信息中的色度值;V0是皮肤色彩信息中的饱和度值;U是当前像素点的色度值;V是当前像素点的饱和度值;θ是预设的椭圆旋转角度;a是长半轴的预设值;b是短半轴的预设值。
针对当前像素点和皮肤色彩信息的色度值和饱和度值,通过上述公式可得到距离值d,该距离值代表了当前像素点的色彩信息与皮肤色彩信息的相似程度。
上述公式中的p也可以称为肤色概率值,通常情况下距离值d越大,肤色概率值p越小,且p的取值范围通常为0到1;通过上述色彩增强因子的公式可知,在肤色概率值为0的情况下,色彩增强因子等于初始色彩增强因子;在肤色概率值为1的情况下,色彩增强因子为初始色彩增强因子的三分之一;基于此可知,肤色概率值越大,色彩增强因子越小,也即,当前像素点的色彩信息与皮肤色彩信息的距离值越小,色彩增强因子越小,也可以理解为像素点的色彩信息与皮肤色彩信息越相似,色彩增强因子越小,从而对皮肤区域的色彩起到了保护作用。
步骤S410,根据上述色彩增强因子对当前像素点进行色彩增强处理。
在具体实施中,在YUV空间下,上述步骤S410可通过下述步骤30-31实现:
步骤30,通过下述公式对当前像素点的色度值进行色彩增强处理:
Uenhance=(1+enhance)*U
步骤31,通过下述公式对当前像素点的饱和度值进行色彩增强处理:
Venhance=(1+enhance)*V
皮肤区域的每个像素点的色彩信息均包括色度值和饱和度值,通常可以分别对当前像素点的色度值和饱和度值进行色彩增强,以提高图像的整体色彩效果。
通过色彩增强因子分别对U通道和V通道的皮肤像素点进行增强,通过预设的初始色彩增强因子对非皮肤像素点进行增强,最后将增强后的U通道和V通道的数据以及Y通道的原始数据转换到RGB通道,以得到色彩增强后的图像数据。
上述方式中,首先从待处理图像中检测人体区域;再根据预设的皮肤色彩信息,从上述人体区域中确定出皮肤区域;进而针对皮肤区域中各个像素点,计算当前像素点的色彩信息与预设的皮肤色彩信息的距离值,并根据该距离值确定当前像素点的色彩增强因子;最后根据色彩增强因子对当前像素点进行色彩增强处理。该方式中可以保护皮肤区域的色彩,避免皮肤区域色彩的过度增强,提高了图像的整体色彩效果。
对应于上述方法实施例,本发明实施例提供了一种图像的色彩增强装置,如图5所示,该装置包括:
人体区域检测模块50,用于从待处理图像中检测人体区域;
皮肤区域确定模块51,用于根据预设的皮肤色彩信息,从人体区域中确定出皮肤区域;
色彩增强因子确定模块52,用于针对皮肤区域中各个像素点,根据当前像素点的色彩信息与皮肤色彩信息的相似程度,确定当前像素点的色彩增强因子;
色彩增强模块53,用于根据色彩增强因子对当前像素点进行色彩增强处理。
上述图像的色彩增强装置,从待处理图像中检测人体区域之后,再根据预设的皮肤色彩信息,从人体区域中确定出皮肤区域;进而针对皮肤区域中各个像素点,根据当前像素点的色彩信息与皮肤色彩信息的相似程度,确定当前像素点的色彩增强因子;最后根据色彩增强因子对当前像素点进行色彩增强处理。该方式根据皮肤区域中的各个像素点的色彩信息,确定该像素点的色彩增强因子,该色彩增强因子与像素点的色彩信息相匹配,因而可以对皮肤区域的各个像素点进行合理的色彩增强处理,从而避免图像中皮肤区域色彩的过度增强,进而提高了图像的整体观赏效果。
进一步地,上述皮肤区域确定模块,还用于:针对人体区域中的每个像素点,判断当前像素点的色彩信息与皮肤色彩信息的距离值是否满足预设阈值;如果满足预设阈值,确定当前像素点为皮肤像素点;将确定出的所有皮肤像素点组成皮肤区域。
进一步地,上述色彩增强因子确定模块,还用于:计算当前像素点的色彩信息与皮肤色彩信息的距离值;根据距离值确定当前像素点的色彩增强因子。
本发明实施例所提供的图像的色彩增强装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
本发明实施例还提供了一种服务器,用于运行上述图像的色彩增强方法;参见图6所示,该服务器包括处理器101和存储器100,该存储器100存储有能够被处理器101执行的机器可执行指令,该处理器101执行机器可执行指令以实现上述图像的色彩增强方法。
进一步地,图6所示的服务器还包括总线102和通信接口103,处理器101、通信接口103和存储器100通过总线102连接。
其中,存储器100可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口103(可以是有线或者无线)实现该***网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。总线102可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图6中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
处理器101可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器101中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器101可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DigitalSignal Processing,简称DSP)、专用集成电路(Application Specific IntegratedCircuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称FPGA)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。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器100,处理器101读取存储器100中的信息,结合其硬件完成前述实施例的方法的步骤。
本发明实施例还提供了一种机器可读存储介质,该机器可读存储介质存储有机器可执行指令,该机器可执行指令在被处理器调用和执行时,该机器可执行指令促使处理器实现上述图像的色彩增强方法,具体实现可参见方法实施例,在此不再赘述。
本发明实施例所提供的图像的色彩增强方法、装置和电子设备的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (13)
1.一种图像的色彩增强方法,其特征在于,所述方法包括:
从待处理图像中检测人体区域;
根据预设的皮肤色彩信息,从所述人体区域中确定出皮肤区域;
针对所述皮肤区域中各个像素点,根据当前像素点的色彩信息与所述皮肤色彩信息的相似程度,确定所述当前像素点的色彩增强因子;
根据所述色彩增强因子对所述当前像素点进行色彩增强处理。
2.根据权利要求1所述的方法,其特征在于,从待处理图像中检测人体区域的步骤,包括:
从所述待处理图像中提取亮度通道数据;
将所述亮度通道数据输入至预先训练完成的人体检测模型中,输出所述待处理图像的人体区域检测结果;其中,所述人体检测模型采用深度学习网络训练得到。
3.根据权利要求1所述的方法,其特征在于,根据预设的皮肤色彩信息,从所述人体区域中确定出皮肤区域的步骤,包括:
针对所述人体区域中的每个像素点,判断当前像素点的色彩信息与所述皮肤色彩信息的距离值是否满足预设阈值;
如果满足预设阈值,确定所述当前像素点为皮肤像素点;
将确定出的所有皮肤像素点组成皮肤区域。
4.根据权利要求3所述的方法,其特征在于,判断当前像素点的色彩信息与所述皮肤色彩信息的距离值是否满足预设阈值的步骤,包括:
判断当前像素点的色彩信息是否位于预设椭圆内,如果位于预设椭圆内,确定当前像素点的色彩信息与所述皮肤色彩信息的距离值满足预设阈值;其中,所述预设椭圆以所述皮肤色彩信息为中心点,所述预设椭圆的长半轴和短半轴均为预设值;
或者,判断所述当前像素点的色彩信息与所述皮肤色彩信息的欧氏距离是否满足预设的欧式距离阈值,如果满足预设的欧式距离阈值,确定当前像素点的色彩信息与所述皮肤色彩信息的距离值满足预设阈值。
6.根据权利要求1所述的方法,其特征在于,根据当前像素点的色彩信息与所述皮肤色彩信息的相似程度,确定所述当前像素点的色彩增强因子的步骤,包括:
计算当前像素点的色彩信息与所述皮肤色彩信息的距离值;
根据所述距离值确定所述当前像素点的色彩增强因子。
8.根据权利要求7所述的方法,其特征在于,根据所述色彩增强因子对所述当前像素点进行色彩增强处理的步骤,包括:
通过下述公式对所述当前像素点的色度值进行色彩增强处理:
Uenhance=(1+enhance)*U;
通过下述公式对所述当前像素点的饱和度值进行色彩增强处理:
Venhance=(1+enhance)*V。
9.一种图像的色彩增强装置,其特征在于,所述装置包括:
人体区域检测模块,用于从待处理图像中检测人体区域;
皮肤区域确定模块,用于根据预设的皮肤色彩信息,从所述人体区域中确定出皮肤区域;
色彩增强因子确定模块,用于针对所述皮肤区域中各个像素点,根据当前像素点的色彩信息与所述皮肤色彩信息的相似程度,确定所述当前像素点的色彩增强因子;
色彩增强模块,用于根据所述色彩增强因子对所述当前像素点进行色彩增强处理。
10.根据权利要求9所述的装置,其特征在于,皮肤区域确定模块,还用于:
针对所述人体区域中的每个像素点,判断当前像素点的色彩信息与所述皮肤色彩信息的距离值是否满足预设阈值;
如果满足预设阈值,确定所述当前像素点为皮肤像素点;
将确定出的所有皮肤像素点组成皮肤区域。
11.根据权利要求9所述的装置,其特征在于,色彩增强因子确定模块,还用于:
计算当前像素点的色彩信息与所述皮肤色彩信息的距离值;
根据所述距离值确定所述当前像素点的色彩增强因子。
12.一种服务器,其特征在于,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的机器可执行指令,所述处理器执行所述机器可执行指令以实现权利要求1至8任一项所述的图像的色彩增强方法。
13.一种机器可读存储介质,其特征在于,所述机器可读存储介质存储有机器可执行指令,所述机器可执行指令在被处理器调用和执行时,所述机器可执行指令促使处理器实现权利要求1至8任一项所述的图像的色彩增强方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910947319.8A CN112581380A (zh) | 2019-09-30 | 2019-09-30 | 图像的色彩增强方法、装置和服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910947319.8A CN112581380A (zh) | 2019-09-30 | 2019-09-30 | 图像的色彩增强方法、装置和服务器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112581380A true CN112581380A (zh) | 2021-03-30 |
Family
ID=75117167
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910947319.8A Pending CN112581380A (zh) | 2019-09-30 | 2019-09-30 | 图像的色彩增强方法、装置和服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112581380A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113947553A (zh) * | 2021-12-20 | 2022-01-18 | 山东信通电子股份有限公司 | 一种图像亮度增强方法及设备 |
-
2019
- 2019-09-30 CN CN201910947319.8A patent/CN112581380A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113947553A (zh) * | 2021-12-20 | 2022-01-18 | 山东信通电子股份有限公司 | 一种图像亮度增强方法及设备 |
CN113947553B (zh) * | 2021-12-20 | 2022-03-18 | 山东信通电子股份有限公司 | 一种图像亮度增强方法及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107451969B (zh) | 图像处理方法、装置、移动终端及计算机可读存储介质 | |
CN107424198B (zh) | 图像处理方法、装置、移动终端及计算机可读存储介质 | |
US20190130169A1 (en) | Image processing method and device, readable storage medium and electronic device | |
CN108875619B (zh) | 视频处理方法和装置、电子设备、计算机可读存储介质 | |
CN103973977B (zh) | 一种预览界面的虚化处理方法、装置及电子设备 | |
WO2015070723A1 (zh) | 眼部图像处理方法和装置 | |
CN107507144B (zh) | 肤色增强的处理方法、装置及图像处理装置 | |
CN107993209B (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
CN112819702B (zh) | 图像增强方法、装置、电子设备及计算机可读存储介质 | |
CN106611415B (zh) | 一种皮肤区域的检测方法及装置 | |
CN105243371A (zh) | 一种人脸美颜程度的检测方法、***及拍摄终端 | |
CN111754528A (zh) | 人像分割方法、装置、电子设备和计算机可读存储介质 | |
CN111627076B (zh) | 换脸方法、装置及电子设备 | |
US8737762B2 (en) | Method for enhancing image edge | |
US9378564B2 (en) | Methods for color correcting digital images and devices thereof | |
CN111368819B (zh) | 光斑检测方法和装置 | |
CN113301318B (zh) | 图像的白平衡处理方法、装置、存储介质及终端 | |
JP2007158954A (ja) | 画像処理装置、画像処理方法及び画像処理プログラム | |
CN107018407B (zh) | 信息处理装置、评价用图、评价***、以及性能评价方法 | |
CN112351195B (zh) | 图像处理方法、装置和电子*** | |
CN111163301B (zh) | 色彩调整方法、装置及计算机可读存储介质 | |
CN111626967A (zh) | 图像增强方法、装置、计算机装置及可读存储介质 | |
CN107564085B (zh) | 图像扭曲处理方法、装置、计算设备及计算机存储介质 | |
TWI693576B (zh) | 影像模糊處理方法與系統 | |
CN110175967B (zh) | 图像去雾处理方法、***、计算机设备和存储介质 |
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 |