CN113129315B - 毛孔区域获取方法、装置、计算机设备及存储介质 - Google Patents
毛孔区域获取方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN113129315B CN113129315B CN202110363508.8A CN202110363508A CN113129315B CN 113129315 B CN113129315 B CN 113129315B CN 202110363508 A CN202110363508 A CN 202110363508A CN 113129315 B CN113129315 B CN 113129315B
- Authority
- CN
- China
- Prior art keywords
- area
- target
- pore
- image
- target position
- 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.)
- Active
Links
- 239000011148 porous material Substances 0.000 title claims abstract description 176
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000007781 pre-processing Methods 0.000 claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims description 35
- 238000011156 evaluation Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 9
- 230000005484 gravity Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 abstract description 28
- 230000001815 facial effect Effects 0.000 abstract description 26
- 210000004209 hair Anatomy 0.000 abstract description 9
- 230000037303 wrinkles Effects 0.000 abstract description 9
- 230000008569 process Effects 0.000 description 14
- 238000001914 filtration Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 210000001061 forehead Anatomy 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 230000000877 morphologic effect Effects 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000003712 anti-aging effect Effects 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000012905 input function Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000037311 normal skin Effects 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 230000009759 skin aging Effects 0.000 description 1
- 230000003860 sleep quality Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/20024—Filtering details
-
- 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
- G06T2207/20036—Morphological image processing
-
- 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
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种毛孔区域获取方法、装置、计算机设备及存储介质,属于图像处理技术领域。该方法包括:通过对待检测面部图像进行预处理,获取目标二值化图像;对于目标二值化图像中的各个目标位置区域,计算各个目标位置区域对应的似圆度,目标位置区域是由二值化图像中像素点的像素值为第一值的各个像素点组成的图像区域,似圆度用于指示目标位置区域的轮廓形状与圆形的接近程度;根据各个目标位置区域对应的似圆度,获取待检测面部图像中的各个毛孔区域。本申请中,通过采用似圆度特征,从各个目标位置区域中获取各个毛孔区域,排除了毛发、皱纹等细长轮廓的影响,提高了对面部图像中毛孔区域获取的准确性。
Description
技术领域
本申请涉及图像处理技术领域,特别涉及一种毛孔区域获取方法、装置、计算机设备及存储介质。
背景技术
面部皮肤检测是皮肤衰老和抗衰老研究的重要手段,也是客观评价护肤品效果的重要指标之一。
随着人们生活水平的提高,面部美容与皮肤护理越来越受到人们的广泛关注。其中,面部图像中对人体毛孔进行检测的方法主要是通过摄像头或专门的仪器微距采集数字面部图像;对采集到的面部图像进行灰度处理,并在灰度处理之后的人脸图片中采用阈值分割法将毛孔分割出来,即,根据灰度处理后毛孔与其他位置像素有明显的颜色差异的特点,通过合适的阈值分割方法将毛孔提取出来,实现对毛孔的识别、提取。
在上述所示的技术方案中,由于面部图像中毛发、皱纹等具有细长轮廓的面部特征的影响,容易影响到上述识别方案的结果,降低识别的准确性。
发明内容
本申请实施例提供了一种毛孔区域获取方法、装置、计算机设备及存储介质,能够提高对面部图像中毛孔区域获取的准确性。
一个方面,本申请实施例提供了一种毛孔区域获取方法,所述方法包括:
对待检测面部图像进行预处理,获取目标二值化图像;
对于所述目标二值化图像中的各个目标位置区域,计算所述各个目标位置区域对应的似圆度,所述目标位置区域是由所述二值化图像中像素点的像素值为第一值的各个像素点组成的图像区域,所述似圆度用于指示所述目标位置区域的轮廓形状与圆形的接近程度;
根据所述各个目标位置区域对应的似圆度,获取所述待检测面部图像中的各个毛孔区域。
另一个方面,本申请实施例提供了一种毛孔区域获取装置,所述装置包括:
图像获取模块,用于对待检测面部图像进行预处理,获取目标二值化图像;
似圆度计算模块,用于对于所述目标二值化图像中的各个目标位置区域,计算所述各个目标位置区域对应的似圆度,所述目标位置区域是由所述二值化图像中像素点的像素值为第一值的各个像素点组成的图像区域,所述似圆度用于指示所述目标位置区域的轮廓形状与圆形的接近程度;
毛孔获取模块,用于根据所述各个目标位置区域对应的似圆度,获取所述待检测面部图像中的各个毛孔区域。
另一个方面,本申请实施例提供了一种计算机设备,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述一个方面及其任一可选实现放方式的毛孔区域获取方法。
另一个方面,本申请实施例提供了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述另一个方面及其可选方式所述的毛孔区域获取方法。
本申请实施例提供的技术方案可以至少包含如下有益效果:
通过对待检测面部图像进行预处理,获取目标二值化图像;对于目标二值化图像中的各个目标位置区域,计算各个目标位置区域对应的似圆度,目标位置区域是由二值化图像中像素点的像素值为第一值的各个像素点组成的图像区域,似圆度用于指示目标位置区域的轮廓形状与圆形的接近程度;根据各个目标位置区域对应的似圆度,获取待检测面部图像中的各个毛孔区域。本申请中,通过采用似圆度特征,从各个目标位置区域中获取各个毛孔区域,排除了毛发、皱纹等细长轮廓的影响,提高了对面部图像中毛孔区域获取的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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是本申请一示例性实施例提供的一种毛孔区域获取方法的方法流程图;
图2是本申请一示例性实施例涉及的一种目标二值化图像的图像示意图;
图3是本申请一示例性实施例提供的一种毛孔区域获取方法的方法流程图;
图4是本申请一示例性实施例涉及的一种待检测面部图像裁剪后的各个子区域的示意图;
图5是本申请一示例性实施例涉及图2的一种目标位置区域的图像示意图;
图6是本申请一示例性实施例提供的一种毛孔区域获取装置的结构框图;
图7是本申请一示例性实施例公开的一种计算机设备的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本文中提及的“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
需要说明的是,本申请的说明书和权利要求书中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同的对象,而不是用于描述特定顺序。本申请实施例的术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本申请提供的方案,可以用于人们在日常生活中使用的终端中包括电磁式双滤光片切换器时,通过切换滤光片来适应不同的使用场景的过程中,为了便于理解,下面首先对本申请实施例涉及的一些名词和应用架构进行简单介绍。
局部边缘保留(Local Edge-Preserving,LEP)滤波是对图像进行多尺度分解,分解成一个基本层和两个细节层,根据分解后各层的特点和增强的要求,通过保留基本层,对细节层进行S形曲线增强,实现图像细节层进行增强的效果。
高斯滤波是一种线性平滑滤波,适用于消除高斯噪声,广泛应用于图像处理的减噪过程。
同态滤波是把频率过滤和灰度变换结合起来的一种图像处理方法,它依靠图像的照度或者反射率模型作为频域处理的基础,利用压缩亮度范围和增强对比度来改善图像的质量。可以减少低频、增加高频,对图像灰度范围进行调整,消除图像上照明不均的问题,在增强暗区的图像细节的同时又不损失亮区的图像细节。
形态学滤波是基于基本的膨胀腐蚀对图形进行开运算、闭运算处理,达到消除噪点、表面毛刺、凹陷等的效果,使图像轮廓更加平滑。
随着人们生活水平的提高,人们对美的追求越来越强烈,而面部往往决定着别人对自己的第一印象,因此人们花费在面部保养上的时间和精力比较多。毛孔是反应我们皮肤状况的一个重要指标,年龄、睡眠质量、皮肤水分等因素都会对面部毛孔的形状、大小等产生影响,了解毛孔情况对护理皮肤有很大的帮助。
其中,对于面部图像中毛孔的检测通常包括图像处理和阈值分割两个重要步骤。图像处理主要解决人脸图像成像时的光照不均匀问题、皮肤的表面不平整引起的图像明暗不均问题,使毛孔与背景的对比度更加明显,增强边界清晰度。
比如,常用的检测毛孔的图像处理方法中可以通过对得到的面部图像进行LEP滤波,高斯滤波,同态滤波,形态学滤波等,得到图像处理后的二值化图像。然后再从图像处理之后的面部图像中采用阈值分割法,其原理是根据图像处理后毛孔与正常皮肤有明显颜色差异的特点,通过合适的阈值分割方法将毛孔提取出来。
得到面部图像中的毛孔之后,往往还需要对毛孔进行评价,目前,毛孔评价指医师会根据主观经验和客观事实对毛孔的情况做出的评价并做出诊断,但由于毛孔受诸多因素的影响,尚未有统一的毛孔评价标准。现有的毛孔评价方法包括如下两种:一种是毛孔标准照片评价法;另一种是等级评分法。照片评价法依赖于主观判断,将待评价照片与标准照片进行对比,给出评价结果;而等级评价法目前大多根据毛孔的数量及大小对毛孔划分为多个等级。但是由于对毛孔的筛选不足,面部皱纹毛发等与毛孔面积大小类似,也会对毛孔评级造成一定的影响,且对毛孔评级同样重要的密集程度方面尚未提出客观理论方法。目前的等级评价方法较为笼统,同一等级的诸多面部毛孔图片之间的差异不能体现出来,故如何对每一个面部毛孔图片进行客观准确地评分也具有很大的研究意义。
在上述方案中,由于阈值分割方法仅仅根据灰度处理后毛孔与其他位置像素有明显的颜色差异的特点来确定毛孔时容易受到面部图像中毛发、皱纹等具有细长轮廓的面部特征的影响,导致识别结果不够准确,也降低了识别的准确性。
为了提高对面部图像中毛孔区域获取的准确性,本申请提出了一种解决方案,可以利用似圆度特征,从各个目标位置区域中获取各个毛孔区域,排除了毛发、皱纹等细长轮廓的影响,提高对面部图像中毛孔区域获取的准确性。
请参考图1,其示出了本申请一示例性实施例提供的一种毛孔区域获取方法的方法流程图。如图1所示,该毛孔区域获取方法可以包括如下几个步骤。
步骤101,对待检测面部图像进行预处理,获取目标二值化图像。
其中,待检测面部图像是采集或者获取的任意一个面部图像。比如,计算机设备中通过摄像头拍摄用户的面部得到面部图像,该面部图像可以作为待检测面部图像,计算机设备也可以通过接收其他计算机设备或者终端发送的面部图像,将接收到的面部图像作为待检测面部图像。
可选的,本申请中,预处理可以依次包括:对面部图像进行裁剪、对裁剪后的图像进行灰度处理,对灰度图进行同态滤波和局部均衡处理、二值化处理、形态学处理。其中,对面部图像进行裁剪可以是将待检测面部图像中的额头区域、左脸区域、右脸区域裁剪出来,从而得到各个子区域。可选的,待检测面部图像也可以是指对面部图像进行裁剪后得到的各个子区域对应的面部图像。
步骤102,对于目标二值化图像中的各个目标位置区域,计算各个目标位置区域对应的似圆度,目标位置区域是由二值化图像中像素点的像素值为第一值的各个像素点组成的图像区域,似圆度用于指示目标位置区域的轮廓形状与圆形的接近程度。
其中,在二值化图像中的各个像素点的像素值通过0或者1来表示,在本步骤中,第一值可以是0也可以是1,第一值取决于计算机设备自身对待检测面部图像中可能是毛孔区域是各个像素点进行上述预处理后设置的像素值。例如,如果在预处理后,待检测面部图像中可能是毛孔的各个像素点值是1,那么第一值就是1,如果在预处理后,待检测面部图像中可能是毛孔的各个像素点值是0,那么第一值就是0。
请参考图2,其示出了本申请一示例性实施例涉及的一种目标二值化图像的图像示意图。如图2所示,在目标二值化图像200中,包含了各个像素点201,目标位置区域202。其中,各个像素点有对应的像素值“0”或者“1”,其中,1表示毛孔,0表示非毛孔,目标二值化图像200中的各个目标位置区域202可以是由各个像素值为1的各个像素点组成的图像区域。
得到各个目标位置区域后,计算机设备可以根据各个目标位置区域各自的轮廓形状,计算各个目标位置区域对应的似圆度。
步骤103,根据各个目标位置区域对应的似圆度,获取待检测面部图像中的各个毛孔区域。
可选的,计算机设备可以根据各个目标位置区域对应的似圆度与预设似圆度阈值进行比较,将其中似圆度大于预设似圆度阈值的各个目标位置区域确定为待检测面部图像中的各个毛孔区域,实现对毛孔区域的筛选。
综上所述,通过对待检测面部图像进行预处理,获取目标二值化图像;对于目标二值化图像中的各个目标位置区域,计算各个目标位置区域对应的似圆度,目标位置区域是由二值化图像中像素点的像素值为第一值的各个像素点组成的图像区域,似圆度用于指示目标位置区域的轮廓形状与圆形的接近程度;根据各个目标位置区域对应的似圆度,获取待检测面部图像中的各个毛孔区域。本申请中,通过采用似圆度特征,从各个目标位置区域中获取各个毛孔区域,排除了毛发、皱纹等细长轮廓的影响,提高了对面部图像中毛孔区域获取的准确性。
在一种可能实现的方式中,本申请还可以通过得到的各个毛孔区域,对待检测面部图像的毛孔进行评价,按照统一的评价标准进行评价,提高毛孔评价的准确性。请参考图3,其示出了本申请一示例性实施例提供的一种毛孔区域获取方法的方法流程图。如图3所示,该毛孔区域获取方法可以包括如下几个步骤。
步骤301,对待检测面部图像进行预处理,获取目标二值化图像。
可选的,计算机设备在对待检测面部图像进行预处理过程中,可以对面部图像进行裁剪,得到待检测面部图像中的额头区域、左脸区域、右脸区域裁剪出来得到各个子区域,对各个子区域分别执行后续步骤。例如,请参考图4,其示出了本申请一示例性实施例涉及的一种待检测面部图像裁剪后的各个子区域的示意图。如图4所示,通过对待检测面部图像400进行裁剪,得到额头子区域图像401、左脸子区域图像402、右脸子区域图像403。
可选的,上述图4所示的裁剪方案可以是计算机设备根据opencv函数库中68点人脸特征点检测的方式,对待检测面部图像进行特征点提取,将左脸部分、右脸部分以及额头部分裁剪出来,在检测过程中根据实际情况取相应的裁剪得到的各个子区域。例如,取图片的上边界作为额头区域的上边界,17号特征点的纵坐标作为额头区域的下边界,取0号特征点和16号特征点的横坐标作为鼻尖区域的左边界和右边界,从而得到额头区域;取47号特征点和33号特征点的纵坐标作为鼻尖区域的上边界和下边界,取36号特征点和45号特征点的横坐标作为鼻尖区域的左边界和右边界,从而得到脸颊区域。
在上述得到各个子区域之后,可以继续对各个子区域图像进行灰度处理,得到各个子区域各自的灰度图,对得到的灰度图依次进行同态滤波和局部均衡,对灰度图进行增强,使毛孔部分突显出来。使用这种图片预处理方法,可以减少了面部图像中的油光对提取毛孔的影响。
对灰度处理后的图像进行二值化处理,得到初始二值化图像。可选的,计算机设备可以根据上述灰度处理后的图像中各个像素点的像素值进行筛选,将其中将小于预设像素值的像素点标为1,大于预设像素值的像素点标为0,从而得到初始二值化图像。例如,预设像素值为25,计算机设备对灰度处理后的图像各个像素点的像素值进行筛选,将像素值小于25的像素点标为1,像素值大于25的像素点标为0,从而得到初始二值化图像。
可选的,本申请还可以对初始二值化图像继续进行形态学处理,消除初始二值化图像中的一些噪声,将进行形态学处理之后的初始二值化图像作为目标二值化图像。
步骤302,对于目标二值化图像中的各个目标位置区域,计算各个目标位置区域对应的似圆度,目标位置区域是由二值化图像中像素点的像素值为第一值的各个像素点组成的图像区域,似圆度用于指示目标位置区域的轮廓形状与圆形的接近程度。
计算机设备得到目标二值化图像后,可以根据二值化图像中像素点的像素值,获取到其中各个像素值是第一值的各个像素点组成的图像区域,得到各个目标位置区域,并计算各个目标位置区域各自对应的似圆度。其中,各个目标位置区域类似于上述图2中的各个目标位置区域,此处不再赘述。
可选的,计算机设备对于各个目标位置区域中的第一目标位置区域,获取第一像素数量和第二像素数量,第一目标位置区域是各个目标位置区域中的任意一个位置区域,第一像素数量是第一目标位置区域的区域轮廓所占的各个像素点的总数量,第二像素数量是第一目标位置区域的区域轮廓所围区域内的各个像素点的总数量;根据第一像素数量和第二像素数量,计算第一目标位置区域的似圆度。
即,计算机设备对于各个目标位置区域中的每个目标位置区域,获取这些目标位置区域各自的区域轮廓所占的各个像素点的总数量以及区域轮廓所围区域内的各个像素点的总数量,从而计算各个目标位置区域对应的似圆度。请参考图5,其示出了本申请一示例性实施例涉及图2的一种目标位置区域的图像示意图。如图5所示,在目标二值化图像500中包含了第一目标位置区域501,第一轮廓502,计算机设备可以获取第一轮廓502的所占的各个像素点的总数量作为第一目标位置区域501的第一像素数量;还可以获取到第一轮廓502所围区域内(即第一目标位置区域501)所占的各个像素点的总数量,该第一目标位置区域501所占的各个像素点的总数量是第一目标位置区域501的第二像素数量。
可选的,计算机设备可以将第一像素数量和第二像素数量带入第一计算公式计算第一目标位置区域的似圆度。
第一计算公式为:
其中,S是第二像素数量,C是第一像素数量。
例如,在上述图5中,如果计算机设备获取到第一目标位置区域的第一像素数量是50,第一目标位置区域的第二像素数量是2600,那么根据第一计算公式计算出第一目标位置区域的似圆度是4.16π。
对于每个目标位置区域,计算机设备都可以按照上述第一计算公式计算出似圆度,从而得到各个目标位置区域对应的似圆度。
步骤303,根据各个目标位置区域对应的似圆度,获取待检测面部图像中的各个毛孔区域。
可选的,得到各个目标位置区域对应的似圆度之后,计算机设备可以通过预设似圆度阈值进行筛选。例如,预设似圆度阈值为0.7,当一个目标位置区域对应的似圆度大于0.7时,将该目标位置区域作为一个毛孔区域,当一个目标位置区域对应的似圆度不大于0.7时,说明该目标位置区域不是一个毛孔区域。通过上述筛选,可以得到各个毛孔区域。
步骤304,获取目标二值化图像中毛孔的相对面积和密度,相对面积用于指示各个毛孔区域的总面积占目标二值化图像的总面积的比例。
可选的,得到各个毛孔区域之后,计算机设备可以继续对毛孔进行评价,其中,获取目标二值化图像中毛孔的相对面积和密度的方式可以如下。
根据各个毛孔区域在目标二值化图像中所占的总像素点数量与目标二值化图像的总像素点数量,获取相对面积;根据各个毛孔区域在目标二值化图像中各自的零阶矩和一阶矩,获取各个毛孔区域在目标二值化图像的像素坐标系中各自的重心坐标;根据各个毛孔区域各自的重心坐标,计算目标二值化图像中毛孔的密度。
例如,目标二值化图像中各个毛孔区域所占的总像素点数量是9000个,目标二值化图像的总像素点数量是36000个,那么,计算机设备计算出的相对面积是9000除以36000等于0.25。即,相对面积是0.25。
可选的,零阶矩表示图像像素的像素值之和,一阶矩表示图像像素的横坐标与对应像素值的乘积和纵坐标与对应像素值的乘积,那么,对于各个毛孔区域,按照第二计算公式计算各个毛孔区域在目标二值化图像中各自的零阶矩,按照第三计算公式和第四计算公式计算各个毛孔区域在目标二值化图像中各自的一阶矩;
其中,第二计算公式为:
第三计算公式为:
第四计算公式为:
M00是零阶矩,M10和M01是一阶矩,V是第一毛孔区域中任意一个像素点的像素值,第一毛孔区域是各个毛孔区域中的任意一个毛孔区域,I是目标二值化图像的像素坐标系中的横坐标,J是目标二值化图像的像素坐标系中的纵坐标。
可选的,计算机设备可以将各个毛孔区域各自的零阶矩和一阶矩分别代入第五计算公式,计算各个毛孔区域各自的重心坐标;
其中,第五计算公式为:
x0p,y0p分别表示第p个毛孔区域的重心坐标的横坐标和纵坐标,M00p表示第p个毛孔区域的零阶矩,M10p和M01p表示第p个毛孔区域的一阶矩。
可选的,计算机设备对各个毛孔区域都通过上述第二计算公式至第五计算公式,可以得到各个毛孔区域各自的重心坐标,根据各个毛孔区域各自的重心坐标,计算密度。
可选的,计算机设备可以将各个毛孔区域各自的重心坐标代入第六计算公式,计算各个毛孔区域在目标二值化图像中的像素坐标系中的横坐标方差和纵坐标方差;将横坐标方差和纵坐标方差作为目标二值化图像中毛孔的密度。
其中,第六计算公式为:Varx表示横坐标方差,Vary表示纵坐标方差,N表示二值化图像中毛孔区域的总个数,p表示第p个毛孔区域,/>
步骤305,根据相对面积和密度,获取目标二值化图像中毛孔的测试评分,测试评分用于指示对目标二值化图像中毛孔的评价结果。
可选的,在对毛孔进行测试评分时,本申请可以综合考虑上述得到的相对面积M,横坐标方差Varx和纵坐标方差Vary,根据相对面积M,横坐标方差Varx和纵坐标方差Vary,获取目标二值化图像中毛孔的测试评分。
在一种可能实现的方式中,计算机设备中可以设置不同的相对面积阈值,横坐标方差阈值和纵坐标方差阈值,通过上述得到的相对面积M,横坐标方差Varx和纵坐标方差Vary,分别与设置的相对面积阈值,方差阈值之间的关系,确定评分计算公式,根据评分计算公式计算毛孔的测试评分。
请参考表1,其示出了本申请一示例性实施例涉及的一种判断结果与评分计算公式之间的对应关系。
表1
其中,M1,M2,M3,M4分别是预先设置的四个相对面积阈值,Var1和Var2是预先设置的两个方差阈值,如表1所示,计算机设备根据上述得到的相对面积M,横坐标方差Varx和纵坐标方差Vary,与相对面积阈值和方差阈值的判断结果,通过上述表1查询到对应的评分计算公式,根据该评分计算公式计算评分。
需要说明的是,上述在对目标二值化图像进行评分时,由于目标二值化图像可能是待检测面部图像的左脸或者右脸子区域,计算机设备可以在对待检测面部图像的脸颊区域进行评分时,可以将左脸子区域和右脸子区域各自的评分取平均值,将该平均值作为待检测面部图像的脸颊区域的评分。
综上所述,通过对待检测面部图像进行预处理,获取目标二值化图像;对于目标二值化图像中的各个目标位置区域,计算各个目标位置区域对应的似圆度,目标位置区域是由二值化图像中像素点的像素值为第一值的各个像素点组成的图像区域,似圆度用于指示目标位置区域的轮廓形状与圆形的接近程度;根据各个目标位置区域对应的似圆度,获取待检测面部图像中的各个毛孔区域。本申请中,通过采用似圆度特征,从各个目标位置区域中获取各个毛孔区域,排除了毛发、皱纹等细长轮廓的影响,提高了对面部图像中毛孔区域获取的准确性。
另外,通过结合零阶矩和一阶矩计算每个毛孔轮廓的重心,即用一个坐标点代表一个毛孔的位置,再分别计算横纵坐标的方差,设置方差阈值,并与毛孔相对面积一起作为毛孔评分的标准,提高了对毛孔评价的准确性。
下述为本申请装置实施例,可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节,请参照本申请方法实施例。
请参考图6,其示出了本申请一示例性实施例提供的一种毛孔区域获取装置的结构框图,该毛孔区域获取装置600可以包括:图像获取模块601,似圆度计算模块602和毛孔获取模块603。
所述图像获取模块601,用于对待检测面部图像进行预处理,获取目标二值化图像。
所述似圆度计算模块602,用于对于所述目标二值化图像中的各个目标位置区域,计算所述各个目标位置区域对应的似圆度,所述目标位置区域是由所述二值化图像中像素点的像素值为第一值的各个像素点组成的图像区域,所述似圆度用于指示所述目标位置区域的轮廓形状与圆形的接近程度。
所述毛孔获取模块603,用于根据所述各个目标位置区域对应的似圆度,获取所述待检测面部图像中的各个毛孔区域。
综上所述,通过对待检测面部图像进行预处理,获取目标二值化图像;对于目标二值化图像中的各个目标位置区域,计算各个目标位置区域对应的似圆度,目标位置区域是由二值化图像中像素点的像素值为第一值的各个像素点组成的图像区域,似圆度用于指示目标位置区域的轮廓形状与圆形的接近程度;根据各个目标位置区域对应的似圆度,获取待检测面部图像中的各个毛孔区域。本申请中,通过采用似圆度特征,从各个目标位置区域中获取各个毛孔区域,排除了毛发、皱纹等细长轮廓的影响,提高了对面部图像中毛孔区域获取的准确性。
请参考图7,其示出了本申请一示例性实施例公开的一种计算机设备的结构示意图。如图7所示,可以包括:射频(Radio Frequency,RF)电路710、存储器720、输入单元730、显示单元740、传感器750、音频电路760、WiFi模块770、处理器780、以及电源790等部件。在上述实施例中,该计算机设备可以是终端。本领域技术人员可以理解,图7中示出的终端结构并不构成对计算机设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
可选的,该计算机设备可以是手机、平板电脑、电子书阅读器、智能眼镜、智能手表、MP3播放器(Moving Picture Experts Group Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、笔记本电脑、膝上型便携计算机和台式计算机等等。
下面结合图7对计算机设备的各个构成部件进行介绍:
RF电路710可用于收发信息或通话过程中,信号的接收和发送,特别地,将基站的下行信息接收后,给处理器780处理;另外,将设计上行的数据发送给基站。通常,RF电路710包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(Low NoiseAmplifier,LNA)、双工器等。此外,RF电路710还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议,包括但不限于全球移动通讯***(GlobalSystem of Mobile communication,GSM)、通用分组无线服务(General Packet RadioService,GPRS)、码分多址(Code Division Multiple Access,CDMA)、宽带码分多址(Wideband Code Division Multiple Access,WCDMA)、长期演进(Long Term Evolution,LTE)、电子邮件、短消息服务(Short Messaging Service,SMS)等。
存储器720可用于存储软件程序以及模块,处理器780通过运行存储在存储器720的软件程序以及模块,从而执行计算机设备的各种功能应用以及数据处理。存储器720可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据计算机设备的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器720可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
输入单元730可用于接收输入的数字或字符信息,以及产生与计算机设备的用户设置以及功能控制有关的键信号输入。具体地,输入单元730可包括触控面板731以及其他输入设备732。触控面板731,也称为触摸屏,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板731上或在触控面板731附近的操作),并根据预先设定的程式驱动相应的连接装置。可选的,触控面板731可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器780,并能接收处理器780发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板731。除了触控面板731,输入单元730还可以包括其他输入设备732。具体地,其他输入设备732可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元740可用于显示由用户输入的信息或提供给用户的信息以及计算机设备的各种菜单。显示单元740可包括显示面板741,可选的,可以采用液晶显示器(LiquidCrystal Display,LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板741。进一步的,触控面板731可覆盖显示面板741,当触控面板731检测到在其上或附近的触摸操作后,传送给处理器780以确定触摸事件的类型,随后处理器780根据触摸事件的类型在显示面板741上提供相应的视觉输出。虽然在图7中,触控面板731与显示面板741是作为两个独立的部件来实现计算机设备的输入和输入功能,但是在某些实施例中,可以将触控面板731与显示面板741集成而实现计算机设备的输入和输出功能。
计算机设备还可包括至少一种传感器750,比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示面板741的亮度,接近传感器可在计算机设备移动到耳边时,关闭显示面板741和/或背光。作为运动传感器的一种,加速计传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别计算机设备姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;至于计算机设备还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
音频电路760、扬声器761,传声器762可提供用户与计算机设备之间的音频接口。音频电路760可将接收到的音频数据转换后的电信号,传输到扬声器761,由扬声器761转换为声音信号输出;另一方面,传声器762将收集的声音信号转换为电信号,由音频电路760接收后转换为音频数据,再将音频数据输出处理器780处理后,经RF电路710以发送给比如另一计算机设备,或者将音频数据输出至存储器720以便进一步处理。
WiFi属于短距离无线传输技术,计算机设备通过WiFi模块770可以帮助用户收发电子邮件、浏览网页和访问流式媒体等,它为用户提供了无线的宽带互联网访问。虽然图7示出了WiFi模块770,但是可以理解的是,其并不属于计算机设备的必须构成,完全可以根据需要在不改变发明的本质的范围内而省略。
处理器780是计算机设备的控制中心,利用各种接口和线路连接整个计算机设备的各个部分,通过运行或执行存储在存储器720内的软件程序和/或模块,以及调用存储在存储器720内的数据,执行计算机设备的各种功能和处理数据,从而对计算机设备进行整体监控。可选的,处理器780可包括一个或多个处理单元;优选的,处理器780可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作***、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器780中。
计算机设备还包括给各个部件供电的电源790(比如电池),优选的,电源可以通过电源管理***与处理器780逻辑相连,从而通过电源管理***实现管理充电、放电、以及功耗管理等功能。
尽管未示出,计算机设备还可以包括摄像头、蓝牙模块等,在此不再赘述。
本申请实施例还公开了一种计算机可读存储介质,其存储计算机程序,其中,该计算机程序被处理器执行时实现上述方法实施例中的方法。
应理解,说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此,在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外,这些特定特征、结构或特性可以以任意适合的方式结合在一个或多个实施例中。本领域技术人员也应该知悉,说明书中所描述的实施例均属于可选实施例,所涉及的动作和模块并不一定是本申请所必须的。
在本申请的各种实施例中,应理解,上述各过程的序号的大小并不意味着执行顺序的必然先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物单元,即可位于一个地方,或者也可以分布到多个网络单元上。可根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本申请各实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
上述集成的单元若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获取的存储器中。基于这样的理解,本申请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全部或者部分,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器中,包括若干请求用以使得一台计算机设备(可以为个人计算机、服务器或者网络设备等,具体可以是计算机设备中的处理器)执行本申请的各个实施例上述方法的部分或全部步骤。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
以上对本申请实施例公开的一种毛孔区域获取方法、装置、计算机设备及存储介质进行了举例介绍,本文中应用了个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (9)
1.一种毛孔区域获取方法,其特征在于,所述方法包括:
对待检测面部图像进行预处理,获取目标二值化图像;
对于所述目标二值化图像中的各个目标位置区域,计算所述各个目标位置区域对应的似圆度,所述目标位置区域是由所述二值化图像中像素点的像素值为第一值的各个像素点组成的图像区域,所述似圆度用于指示所述目标位置区域的轮廓形状与圆形的接近程度;
根据所述各个目标位置区域对应的似圆度,获取所述待检测面部图像中的各个毛孔区域;
获取所述目标二值化图像中毛孔的相对面积和密度,所述相对面积用于指示所述各个毛孔区域的总面积占所述目标二值化图像的总面积的比例;
根据所述相对面积和所述密度,获取所述目标二值化图像中毛孔的测试评分,所述测试评分用于指示对所述目标二值化图像中毛孔的评价结果。
2.根据权利要求1所述的方法,其特征在于,所述对于所述目标二值化图像中的各个目标位置区域,计算所述各个目标位置区域对应的似圆度,包括:
对于所述各个目标位置区域中的第一目标位置区域,获取第一像素数量和第二像素数量,所述第一目标位置区域是所述各个目标位置区域中的任意一个位置区域,所述第一像素数量是所述第一目标位置区域的区域轮廓所占的各个像素点的总数量,所述第二像素数量是第一目标位置区域的区域轮廓所围区域内的各个像素点的总数量;
根据所述第一像素数量和所述第二像素数量,计算所述第一目标位置区域的似圆度。
3.根据权利要求2所述的方法,其特征在于,所述根据所述第一像素数量和所述第二像素数量,计算所述第一目标位置区域的似圆度,包括:
将所述第一像素数量和所述第二像素数量带入第一计算公式计算所述第一目标位置区域的似圆度;
其中,所述第一计算公式为:S是所述第二像素数量,C是所述第一像素数量。
4.根据权利要求1所述的方法,其特征在于,所述获取所述目标二值化图像中毛孔的相对面积和密度,包括:
根据所述各个毛孔区域在所述目标二值化图像中所占的总像素点数量与所述目标二值化图像的总像素点数量,获取所述相对面积;
根据所述各个毛孔区域在所述目标二值化图像中各自的零阶矩和一阶矩,获取所述各个毛孔区域在所述目标二值化图像的像素坐标系中各自的重心坐标;
根据所述各个毛孔区域各自的重心坐标,计算所述密度。
5.根据权利要求4所述的方法,其特征在于,所述根据所述各个毛孔区域在所述目标二值化图像中各自的零阶矩和一阶矩,获取所述各个毛孔区域在所述目标二值化图像的像素坐标系中各自的重心坐标,包括:
对于所述各个毛孔区域,按照第二计算公式计算所述各个毛孔区域在所述目标二值化图像中各自的零阶矩,按照第三计算公式和第四计算公式计算所述各个毛孔区域在所述目标二值化图像中各自的一阶矩;
其中,所述第二计算公式为:
所述第三计算公式为:
所述第四计算公式为:
M00是所述零阶矩,M10和M01是所述一阶矩,V是第一毛孔区域中任意一个像素点的像素值,所述第一毛孔区域是所述各个毛孔区域中的任意一个毛孔区域,I是所述目标二值化图像的像素坐标系中的横坐标,J是所述目标二值化图像的像素坐标系中的纵坐标;
将所述各个毛孔区域各自的零阶矩和一阶矩分别代入第五计算公式,计算所述各个毛孔区域各自的重心坐标;
其中,所述第五计算公式为:
x0p,y0p分别表示第p个毛孔区域的重心坐标的横坐标和纵坐标,M00p表示第p个毛孔区域的零阶矩,M10p和M01p表示第p个毛孔区域的一阶矩。
6.根据权利要求4所述的方法,其特征在于,所述根据所述各个毛孔区域各自的重心坐标,计算所述密度,包括:
将所述各个毛孔区域各自的重心坐标代入第六计算公式,计算所述各个毛孔区域在所述像素坐标系中的横坐标方差和纵坐标方差;
将所述横坐标方差和所述纵坐标方差作为所述密度。
其中,所述第六计算公式为:Varx表示横坐标方差,Vary表示纵坐标方差,N表示所述二值化图像中毛孔区域的总个数,p表示第p个毛孔区域,/>
7.一种毛孔区域获取装置,其特征在于,所述装置包括:
图像获取模块,用于对待检测面部图像进行预处理,获取目标二值化图像;
似圆度计算模块,用于对于所述目标二值化图像中的各个目标位置区域,计算所述各个目标位置区域对应的似圆度,所述目标位置区域是由所述二值化图像中像素点的像素值为第一值的各个像素点组成的图像区域,所述似圆度用于指示所述目标位置区域的轮廓形状与圆形的接近程度;
毛孔获取模块,用于根据所述各个目标位置区域对应的似圆度,获取所述待检测面部图像中的各个毛孔区域;
所述装置还包括:
第一获取模块,用于获取所述目标二值化图像中毛孔的相对面积和密度,所述相对面积用于指示所述各个毛孔区域的总面积占所述目标二值化图像的总面积的比例;
第二获取模块,用于根据所述相对面积和所述密度,获取所述目标二值化图像中毛孔的测试评分,所述测试评分用于指示对所述目标二值化图像中毛孔的评价结果。
8.一种计算机设备,其特征在于,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6任一所述的毛孔区域获取方法。
9.一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6任一所述的毛孔区域获取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110363508.8A CN113129315B (zh) | 2021-04-02 | 2021-04-02 | 毛孔区域获取方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110363508.8A CN113129315B (zh) | 2021-04-02 | 2021-04-02 | 毛孔区域获取方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113129315A CN113129315A (zh) | 2021-07-16 |
CN113129315B true CN113129315B (zh) | 2024-04-09 |
Family
ID=76774788
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110363508.8A Active CN113129315B (zh) | 2021-04-02 | 2021-04-02 | 毛孔区域获取方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113129315B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102445257B1 (ko) * | 2022-02-23 | 2022-09-23 | 주식회사 룰루랩 | 인공신경망에 기반하여 모공을 검출하고 검출된 모공을 시각화하는 방법 및 장치 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109063598A (zh) * | 2018-07-13 | 2018-12-21 | 北京科莱普云技术有限公司 | 人脸毛孔检测方法、装置、计算机设备和存储介质 |
CN112037162A (zh) * | 2019-05-17 | 2020-12-04 | 华为技术有限公司 | 一种面部痤疮的检测方法及设备 |
CN112258396A (zh) * | 2020-12-17 | 2021-01-22 | 恒银金融科技股份有限公司 | 一种用于字符图像缩放的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10368795B2 (en) * | 2014-06-30 | 2019-08-06 | Canfield Scientific, Incorporated | Acne imaging methods and apparatus |
-
2021
- 2021-04-02 CN CN202110363508.8A patent/CN113129315B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109063598A (zh) * | 2018-07-13 | 2018-12-21 | 北京科莱普云技术有限公司 | 人脸毛孔检测方法、装置、计算机设备和存储介质 |
CN112037162A (zh) * | 2019-05-17 | 2020-12-04 | 华为技术有限公司 | 一种面部痤疮的检测方法及设备 |
CN112258396A (zh) * | 2020-12-17 | 2021-01-22 | 恒银金融科技股份有限公司 | 一种用于字符图像缩放的方法 |
Non-Patent Citations (3)
Title |
---|
Nermin Kamal Abdel Wahab ; Elsayed Essa Hemayed ; Magda Bahaa Fayek.HEARD: An automatic human EAR detection technique.2012 International Conference on Engineering and Technology (ICET).2012,全文. * |
人脸图像中毛孔的检测及定量评价研究;冯相辉;中国优秀硕士学位论文全文数据库;全文 * |
便携式人脸肤质检测与评价***的设计与实现;张景源;中国优秀硕士学位论文全文数据库;正文第7页第1行-第43页第17行,图2-5-图2-14 * |
Also Published As
Publication number | Publication date |
---|---|
CN113129315A (zh) | 2021-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107633207B (zh) | Au特征识别方法、装置及存储介质 | |
CN107977674B (zh) | 图像处理方法、装置、移动终端及计算机可读存储介质 | |
CN108259758B (zh) | 图像处理方法、装置、存储介质和电子设备 | |
EP2879095B1 (en) | Method, apparatus and terminal device for image processing | |
CN109346061B (zh) | 音频检测方法、装置及存储介质 | |
CN110163806B (zh) | 一种图像处理方法、装置以及存储介质 | |
US11653873B2 (en) | Skin detection device and product information determination method, device and system | |
CN108875594B (zh) | 一种人脸图像的处理方法、装置以及存储介质 | |
CN110287918B (zh) | 活体识别方法及相关产品 | |
CN110211086B (zh) | 图像分割方法、装置及存储介质 | |
CN107832784A (zh) | 一种图像美化的方法和一种移动终端 | |
CN110705438B (zh) | 步态识别方法、装置、设备及存储介质 | |
WO2018228027A1 (en) | Iris recognition method, electronic device and computer-readable storage medium | |
CN112995757B (zh) | 视频剪裁方法及装置 | |
CN111491123A (zh) | 视频背景处理方法、装置及电子设备 | |
CN107091704A (zh) | 压力检测方法和装置 | |
CN113129315B (zh) | 毛孔区域获取方法、装置、计算机设备及存储介质 | |
CN111046742B (zh) | 一种眼部行为检测方法、装置以及存储介质 | |
CN111553854A (zh) | 一种图像处理方法及电子设备 | |
CN113947613A (zh) | 目标区域检测方法、装置、设备及存储介质 | |
CN115482157A (zh) | 图像处理方法、装置及计算机设备 | |
CN110188659B (zh) | 健康检测方法及相关产品 | |
CN110598762A (zh) | 基于音频的出行方式检测方法、装置以及移动终端 | |
CN113362334B (zh) | 一种舌照处理方法及装置 | |
CN108563687A (zh) | 一种资源的评分方法和移动终端 |
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 |