CN114049262A - 一种图像处理方法、图像处理装置及存储介质 - Google Patents
一种图像处理方法、图像处理装置及存储介质 Download PDFInfo
- Publication number
- CN114049262A CN114049262A CN202111101406.5A CN202111101406A CN114049262A CN 114049262 A CN114049262 A CN 114049262A CN 202111101406 A CN202111101406 A CN 202111101406A CN 114049262 A CN114049262 A CN 114049262A
- Authority
- CN
- China
- Prior art keywords
- image
- target
- pixel
- frequency component
- processed
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 73
- 238000003672 processing method Methods 0.000 title claims abstract description 33
- 238000003860 storage Methods 0.000 title claims abstract description 10
- 238000007499 fusion processing Methods 0.000 claims abstract description 96
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000009499 grossing Methods 0.000 claims abstract description 42
- 230000004927 fusion Effects 0.000 claims description 72
- 238000001914 filtration Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 10
- 230000000007 visual effect Effects 0.000 abstract description 20
- 230000000694 effects Effects 0.000 description 12
- 239000011148 porous material Substances 0.000 description 11
- 206010040844 Skin exfoliation Diseases 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000000717 retained effect Effects 0.000 description 3
- 230000003796 beauty Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 208000002874 Acne Vulgaris Diseases 0.000 description 1
- 206010027145 Melanocytic naevus Diseases 0.000 description 1
- 208000007256 Nevus Diseases 0.000 description 1
- 206010000496 acne Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 238000003706 image smoothing Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 210000004243 sweat Anatomy 0.000 description 1
- 230000001360 synchronised effect Effects 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
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本公开是关于一种图像处理方法、图像处理装置及存储介质。图像处理方法包括:生成待处理图像的初始低频分量图像以及初始高频分量图像;其中,所述待处理图像包括皮肤区域;对所述初始低频分量图像进行平滑处理,得到平滑处理后的目标低频分量图像;对所述待处理图像、所述目标低频分量图像和所述初始高频分量图像进行第一融合处理,得到第一目标图像;对所述待处理图像和所述第一目标图像进行第二融合处理,得到第二目标图像。通过本公开可以提升平滑处理后的图像的视觉效果。
Description
技术领域
本公开涉及图像处理技术领域,尤其涉及一种图像处理方法、图像处理装置及存储介质。
背景技术
随着科学技术的发展,图像平滑处理作为一种常见的图像处理方式被人们所熟知,也因为其广泛的运用前景,出现于日常生活的各个场景中。
相关技术中,通常采用对图像进行平滑处理的方式,实现对图像中的皮肤区域进行磨皮处理。相关技术中,对包括皮肤区域的图像进行平滑处理时,通常无法保留例如毛孔等细节特征,这会影响图像的面部立体感,进而也影响了图像的视觉效果。
发明内容
为克服相关技术中存在的问题,本公开提供一种图像处理方法、图像处理装置及存储介质。
根据本公开实施例的第一方面,提供一种图像处理方法,包括:
生成待处理图像的初始低频分量图像以及初始高频分量图像;其中,所述待处理图像包括皮肤区域;对所述初始低频分量图像进行平滑处理,得到平滑处理后的目标低频分量图像;对所述待处理图像、所述目标低频分量图像和所述初始高频分量图像进行第一融合处理,得到第一目标图像;对所述待处理图像和所述第一目标图像进行第二融合处理,得到第二目标图像。
一实施方式中,所述对所述待处理图像、所述目标低频分量图像和所述初始高频分量图像进行第一融合处理,得到第一目标图像,包括:将所述待处理图像和所述目标低频分量图像进行第三融合处理,生成第一融合图像;将所述第一融合图像和所述初始高频分量图像进行第四融合处理,生成所述第一目标图像。
一实施方式中,所述将所述待处理图像和所述目标低频分量图像进行第三融合处理,生成第一融合图像,包括:获取对所述待处理图像和所述目标低频分量图像进行第三融合处理的融合比例,所述融合比例与对所述皮肤区域进行平滑处理的程度相关;基于所述融合比例,对所述待处理图像和所述目标低频分量图像进行第三融合处理,生成所述第一融合图像。
一实施方式中,将所述第一融合图像和所述初始高频分量图像进行第四融合处理,生成所述第一目标图像,包括:针对所述初始高频分量图像中的各个像素,分别确定所述像素的像素值与目标数值之间的乘积值;以及所述第一融合图像中与所述像素处于相同位置的像素值与所述乘积值之间的和值;基于各个像素所对应的乘积值以及所述和值,确定所述第一目标图像中相同位置处像素的像素值。
一实施方式中,对所述待处理图像和所述第一目标图像进行第二融合处理,得到第二目标图像,包括:针对所述第一目标图像中的各个像素,确定所述像素属于皮肤的概率;基于所述概率,对所述待处理图像和所述第一目标图像进行第二融合处理,得到第二目标图像。
一实施方式中,所述针对所述第一目标图像中的各个像素,确定所述像素属于皮肤的概率,包括:确定目标像素与基准肤色对应像素之间的匹配度,所述目标像素包括第一目标图像中的各个像素;将所述目标像素与基准肤色对应像素之间的匹配度,确定为所述目标像素属于皮肤的概率。
一实施方式中,所述确定目标像素与基准肤色对应像素之间的匹配度,包括:调用U通道颜色分量模型和V通道颜色分量模型,所述U通道颜色分量模型为基于肤色样本集中各像素值在YUV颜色空间中的U通道颜色分量的均值和方差所确定的高斯模型,所述V通道颜色分量模型为基于肤色样本集中各像素值在YUV颜色空间中的V通道颜色分量的均值和方差所确定的高斯模型;基于所述U通道颜色分量模型,以及所述目标像素的U通道颜色分量,确定所述U通道颜色分量模型的第一输出值,并基于所述V通道颜色分量模型,以及所述目标像素的V通道颜色分量,确定所述V通道颜色分量模型的第二输出值;将所述第一输出值与所述第二输出值之间的乘积值,确定为所述目标像素与基准肤色对应像素之间的匹配度。
一实施方式中,生成所述待处理图像的初始低频分量图像以及初始高频分量图像,包括:对所述待处理图像进行高斯滤波处理,得到所述待处理图像的初始低频分量图像;在所述待处理图像中去除所述初始低频分量图像,得到去除后的待处理图像;基于亮度调节系数、像素值修正参数和去除后的待处理图像,生成所述初始高频分量图像。
根据本公开实施例的第二方面,提供一种图像处理装置,包括:
生成单元,用于生成待处理图像的初始低频分量图像以及初始高频分量图像;其中,所述待处理图像包括皮肤区域;处理单元,用于对所述初始低频分量图像进行平滑处理,得到平滑处理后的目标低频分量图像;对所述待处理图像、所述目标低频分量图像和所述初始高频分量图像进行第一融合处理,得到第一目标图像;对所述待处理图像和所述第一目标图像进行第二融合处理,得到第二目标图像。
一实施方式中,所述处理单元采用如下方式对所述待处理图像、所述目标低频分量图像和所述初始高频分量图像进行第一融合处理,得到第一目标图像:将所述待处理图像和所述目标低频分量图像进行第三融合处理,生成第一融合图像;将所述第一融合图像和所述初始高频分量图像进行第四融合处理,生成所述第一目标图像。
一实施方式中,所述处理单元采用如下方式将所述待处理图像和所述目标低频分量图像进行第三融合处理,生成第一融合图像,包括:获取对所述待处理图像和所述目标低频分量图像进行第三融合处理的融合比例,所述融合比例与对所述皮肤区域进行平滑处理的程度相关;基于所述融合比例,对所述待处理图像和所述目标低频分量图像进行第三融合处理,生成所述第一融合图像。
一实施方式中,所述处理单元采用如下方式将所述第一融合图像和所述初始高频分量图像进行第四融合处理,生成所述第一目标图像:针对所述初始高频分量图像中的各个像素,分别确定所述像素的像素值与目标数值之间的乘积值;以及所述第一融合图像中与所述像素处于相同位置的像素值与所述乘积值之间的和值;基于各个像素所对应的乘积值以及所述和值,确定所述第一目标图像中相同位置处像素的像素值。
一实施方式中,所述处理单元采用如下方式对所述待处理图像和所述第一目标图像进行第二融合处理,得到第二目标图像:针对所述第一目标图像中的各个像素,确定所述像素属于皮肤的概率;基于所述概率,对所述待处理图像和所述第一目标图像进行第二融合处理,得到第二目标图像。
一实施方式中,所述处理单元采用如下方式针对所述第一目标图像中的各个像素,确定所述像素属于皮肤的概率:确定目标像素与基准肤色对应像素之间的匹配度,所述目标像素包括第一目标图像中的各个像素;将所述目标像素与基准肤色对应像素之间的匹配度,确定为所述目标像素属于皮肤的概率。
一实施方式中,所述处理单元采用如下方式确定目标像素与基准肤色对应像素之间的匹配度:调用U通道颜色分量模型和V通道颜色分量模型,所述U通道颜色分量模型为基于肤色样本集中各像素值在YUV颜色空间中的U通道颜色分量的均值和方差所确定的高斯模型,所述V通道颜色分量模型为基于肤色样本集中各像素值在YUV颜色空间中的V通道颜色分量的均值和方差所确定的高斯模型;基于所述U通道颜色分量模型,以及所述目标像素的U通道颜色分量,确定所述U通道颜色分量模型的第一输出值,并基于所述V通道颜色分量模型,以及所述目标像素的V通道颜色分量,确定所述V通道颜色分量模型的第二输出值;将所述第一输出值与所述第二输出值之间的乘积值,确定为所述目标像素与基准肤色对应像素之间的匹配度。
一实施方式中,所述处理单元采用如下方式生成所述待处理图像的初始低频分量图像以及初始高频分量图像:对所述待处理图像进行高斯滤波处理,得到所述待处理图像的初始低频分量图像;在所述待处理图像中去除所述初始低频分量图像,得到去除后的待处理图像;基于亮度调节系数、像素值修正参数和去除后的待处理图像,生成所述初始高频分量图像。
根据本公开实施例第三方面,提供一种电子设备,包括:
处理器;用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:执行第一方面或者第一方面任意一种实施方式中所述的图像处理方法。
根据本公开实施例第四方面,提供一种存储介质,所述存储介质中存储有指令,当所述存储介质中的指令由处理器执行时,使得处理器能够执行第一方面或者第一方面任意一种实施方式中所述的图像处理方法。
根据本公开实施例第五方面,提供一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现第一方面或者第一方面任意一种实施方式中所述的图像处理方法。
本公开的实施例提供的技术方案可以包括以下有益效果:可以生成包括皮肤区域的待处理图像的初始低频分量图像以及初始高频分量图像。进一步的,可以对初始低频分量图像进行平滑处理,得到平滑处理后的目标低频分量图像。由于,初始低频分量图像可以表征例如痘痘、斑点和/或痣等颜色在空间上的变化频率较低的瑕疵特征,初始高频分量图像可以表征例如毛孔等颜色在空间上的变化频率较高的细节特征。通过待处理图像、目标低频分量图像和初始高频分量图像融合得到的第一目标图像中,例如痘痘、斑点和/或痣等瑕疵特征得以修饰,例如毛孔等细节特征得以保留,第一目标图像的视觉效果得以提升。进一步的,通过待处理图像和第一目标图像融合得到的第二目标图像,视觉效果也得以提升。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种图像处理方法的流程图。
图2是根据一示例性实施例示出的一种生成待处理图像的初始低频分量图像以及初始高频分量图像的方法流程图。
图3是根据一示例性实施例示出的一种对初始低频分量图像进行平滑处理的方法流程图。
图4是根据一示例性实施例示出的一种生成第一目标图像的方法流程图。
图5是根据一示例性实施例示出的一种生成第一融合图像的方法流程图。
图6是根据一示例性实施例示出的一种将第一融合图像和初始高频分量图像进行第四融合处理,生成第一目标图像的方法流程图。
图7是根据一示例性实施例示出的一种确定目标像素与基准肤色对应像素之间的匹配度的方法流程图。
图8是根据一示例性实施例示出的一种确定目标像素属于皮肤的概率的方法流程图。
图9是根据一示例性实施例示出的一种对待处理图像和第一目标图像进行第二融合处理,得到第二目标图像的方法流程图。
图10是根据一示例性实施例示出的一种图像处理装置框图。
图11是根据一示例性实施例示出的一种用于图像处理的电子设备框图。
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公开相一致的所有实施方式。
在附图中,自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施例是本公开一部分实施例,而不是全部的实施例。下面通过参考附图描述的实施例是示例性的,旨在用于解释本公开,而不能理解为对本公开的限制。基于本公开中的实施例,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,都属于本公开保护的范围。下面结合附图对本公开的实施例进行详细说明。
近年来,基于人工智能的计算机视觉、深度学习、机器学习、图像处理、图像识别等技术研究取得了重要进展。人工智能(Artificial Intelligence,AI)是研究、开发用于模拟、延伸人的智能的理论、方法、技术及应用***的新兴科学技术。人工智能学科是一门综合性学科,涉及芯片、大数据、云计算、物联网、分布式存储、深度学习、机器学习、神经网络等诸多技术种类。计算机视觉作为人工智能的一个重要分支,具体是让机器识别世界,计算机视觉技术通常包括人脸识别、活体检测、指纹识别与防伪验证、生物特征识别、人脸检测、行人检测、目标检测、行人识别、图像处理、图像识别、图像语义理解、图像检索、文字识别、视频处理、视频内容识别、行为识别、三维重建、虚拟现实、增强现实、同步定位与地图构建(SLAM)、计算摄影、机器人导航与定位等技术。随着人工智能技术的研究和进步,该项技术在众多领域展开了应用,例如安防、城市管理、交通管理、楼宇管理、园区管理、人脸通行、人脸考勤、物流管理、仓储管理、机器人、智能营销、计算摄影、手机影像、云服务、智能家居、穿戴设备、无人驾驶、自动驾驶、智能医疗、人脸支付、人脸解锁、指纹解锁、人证核验、智慧屏、智能电视、摄像机、移动互联网、网络直播、美颜、美妆、医疗美容、智能测温等领域。
本公开实施例提供的图像处理方法可以应用于图像处理的场景中。例如,可以应用于对包括皮肤区域的图像进行磨皮处理的场景中。
相关技术中,通常采用对图像进行平滑处理的方式,实现对图像中的皮肤区域进行磨皮处理。由于相关技术中,是直接对原始图像进行平滑处理,因此,无法在修饰皮肤区域的瑕疵特征的同时,保留例如毛孔等细节特征,该方法会使平滑处理后的图像的视觉效果受到影响。例如,降低了人脸图像的脸部立体感。又例如,丢失包括皮肤区域的图像中的毛孔等细节。
本公开实施例提供的图像处理方法,可以生成包括皮肤区域的待处理图像的初始低频分量图像以及初始初始高频分量图像,以及可以对初始低频分量图像进行平滑处理,得到平滑处理后的目标低频分量图像。由于,初始低频分量图像可以表征例如痘痘、斑点和/或痣等颜色在空间上的变化频率较低的瑕疵特征,初始高频分量图像用于表征例如毛孔等颜色在空间上的变化频率较高的细节特征。因此,在生成待处理图像的初始低频分量图像和初始高频分量图像的情况下,可以对初始低频分量图像进行平滑处理,并将待处理图像、目标低频分量图像(平滑处理后的低频分量图像)和初始高频分量图像进行分步融合,以修饰第一目标图像中例如痘痘、斑点和/或痣等瑕疵特征,以及保留例如毛孔等细节特征。通过本公开可以提升第一目标图像的视觉效果,进而将待处理图像和第一目标图像进行第二融合处理,所得到的第二目标图像的视觉效果也得以提升。
本公开为便于描述,将针对待处理图像、目标低频分量图像和初始高频分量图像所进行的融合处理称为第一融合处理,将针对待处理图像和第一目标图像所进行的融合处理称为第二融合处理。进一步,将通过待处理图像、目标低频分量图像和初始高频分量图像进行图像融合后得到的图像称为第一目标图像,将通过待处理图像和第一目标图像进行图像融合得到的图像称为第二目标图像。
图1是根据一示例性实施例示出的一种图像处理方法的流程图,如图1所示,包括以下步骤。
在步骤S11中,生成待处理图像的初始低频分量图像以及初始高频分量图像。
其中,待处理图像包括皮肤区域。示例的,待处理图像中包括的皮肤区域,例如可以包括面部区域、颈部区域或者躯干区域。
本公开实施例中,可以提取待处理图像的低频分量和高频分量,生成待处理图像的初始低频分量图像和初始高频分量图像。其中,初始低频分量图像可以表征在空间上颜色变化的频率较低的特征,高频频分量图像可以表征在空间上颜色变化的频率较高的特征。示例的,初始低频分量图像可以表征例如痘痘、斑点和/或痣等皮肤瑕疵特征,初始高频分量图像可以表征例如毛孔等皮肤细节特征。
在步骤S12中,对初始低频分量图像进行平滑处理,得到平滑处理后的目标低频分量图像。
示例的,对初始低频分量进行平滑处理,可以实现修饰初始低频分量图像中的瑕疵特征。
在步骤S13中,对待处理图像、目标低频分量图像和初始高频分量图像进行第一融合处理,得到第一目标图像。
在步骤S14中,对待处理图像和第一目标图像进行第二融合处理,得到第二目标图像。
本公开实施例提供的图像处理方法得到的第二目标图像,皮肤区域的瑕疵特征得以修饰,毛孔等细节特征的得以保留,视觉效果得到了进一步的提升。
本公开实施例中,可以采用多种不同方式,生成待处理图像的初始低频分量图像以及初始高频分量图像。一实施方式中,可以通过高斯滤波的方式,对待处理图像进行高斯滤波处理,得到待处理图像的初始低频分量图像。进一步的,可以针对待处理图像中的每一像素位置对应的像素信息,分别去除初始低频分量图像中每一像素位置对应的像素信息,得到待处理图像的初始高频分量图像。
图2是根据一示例性实施例示出的一种生成待处理图像的初始低频分量图像以及初始高频分量图像的方法流程图,如图2所示,包括以下步骤。
在步骤S21中,对待处理图像进行高斯滤波处理,得到待处理图像的初始低频分量图像。
在步骤S22中,在待处理图像中去除初始低频分量图像,得到去除后的待处理图像。
示例的,可以通过(S-A)表示去除后的待处理图像。其中,S表示待处理图像,A表示初始低频分量图像。
在步骤S23中,基于亮度调节系数、像素值修正参数和去除后的待处理图像,生成初始高频分量图像。
示例的,可以通过B=(S-A)*L+128的方式,得到待处理图像的初始高频分量图像(示例以B表示)。其中,亮度调节系数(示例以L表示)可以用于调节初始高频分量图像的亮度值,以此保证初始高频分量图像的视觉效果。此外,像素值修正参数(示例的,像素值修正参数取值为128)可以修正初始高频分量图像中各像素的像素值,以使初始高频分量图像中各像素值保持在0-255的范围内,减小初始高频分量图像中各像素的像素值溢出的可能性。
本公开实施例中,还可以通过其他方式得到待处理图像的初始低频分量图像和初始高频分量图像。例如,可以将待处理图像的图像信息转化为频域信息,进而在频域信息中,提取高频信息以及低频信息,得到待处理图像的初始高频分量图像以及初始低频分量图像。本公开对生成待处理图像的初始低频分量图像和/或初始高频分量图像的具体方式不做限定。
本公开实施例中,可以选用例如中值滤波、均值滤波以及保边滤波等多种不同方式对低频分量图像进行平滑处理,本公开对进行平滑处理所选用的方式不做具体限定。
示例的,为便于理解本公开,下述将以表面模糊算法(均值滤波)为例,介绍本公开对初始低频分量图像进行平滑处理的过程,如图3所示。
图3是根据一示例性实施例示出的一种对初始低频分量图像进行平滑处理的方法流程图,如图3所示,包括以下步骤。
在步骤S31中,以待处理像素为窗口中心,在初始低频分量图像中建立像素值卷积窗口。
其中,待处理像素可以包括初始低频分量图像中各像素。本公开实施例中,所建立的像素值卷积窗口可以为任意窗口范围的像素值卷积窗口。示例的,可以为以待处理像素为窗口中心,建立窗口范围为3*3个像素的像素值卷积窗口。
在步骤S32中,将待处理像素的像素值作为基准像素值,计算像素值卷积窗口内全部像素的像素值卷积值,并将像素值卷积值作为平滑处理后的目标低频分量图像中,对应待处理像素的像素位置的像素值。
示例的,可以针对初始低频分量图像中的待处理像素,将该待处理像素作为窗口中心,在初始低频分量图像中建立像素值卷积窗口。进一步的,将待处理像素的像素值作为基准像素值,计算像素值卷积窗口内全部像素的像素值卷积值,并将该像素值卷积值确定为目标低频分量图像中,对应该待处理像素的像素位置的像素值。示例的,可以采用的方式,对初始低频分量图像进行平滑处理,得到目标低频分量图像(示例以C表示)。其中,y表示预设常量(示例的,y的取值范围可以为0至255),可以通过算法表现进行人为调整。c表示像素值卷积窗口中的待处理像素(即,基准像素),xc表示待处理像素的像素值,xi表示待处理像素对应的像素值卷积窗口中除待处理像素外的各像素的像素值。示例的,若待处理像素对应的像素值卷积窗口的窗口范围为3*3个像素,则xi的取值可以为x1、x2、x3、x4、x5、x6、x7以及x8。其中,x1至x8分别表示像素窗口内的与待处理像素相邻的每一像素的像素值。
一示例中,可以将待处理图像和目标低频分量图像进行融合处理,生成第一融合图像,进而采用将第一融合图像与初始高频分量图像进行融合处理的方式,生成第一目标图像。其中,本公开为便于描述,将针对待处理图像和目标低频分量图像所进行的融合处理称为第三融合处理,将针对第一融合图像和初始高频分量图像所进行的融合处理称为第四融合处理。进一步的,将待处理图像和目标低频分量图像进行第三融合处理得到的图像称为第一融合图像,将通过第一融合图像与初始高频分量图像进行第四融合处理得到的图像称为第一目标图像。
图4是根据一示例性实施例示出的一种生成第一目标图像的方法流程图,如图4所示,包括以下步骤。
在步骤S41中,将待处理图像和目标低频分量图像进行第三融合处理,生成第一融合图像。
在步骤S42中,将第一融合图像和初始高频分量图像进行第四融合处理,生成第一目标图像。
其中,由于待处理图像和目标低频分量图像分别代表了未进行平滑处理的图像和平滑处理后的图像,因此,可以在将待处理图像和目标低频分量图像进行第三融合处理时,通过设置不同混合比例的方式,调节第一融合图像的平滑程度。示例的,可以是根据用户需求或***默认设置,预先设置对待处理图像和目标低频分量图像进行第三融合处理的融合比例。进一步的,可以通过该融合比例,对待处理图像和目标低频分量图像进行第三融合处理,得到第一融合图像。
图5是根据一示例性实施例示出的一种生成第一融合图像的方法流程图,如图5所示,包括以下步骤。
在步骤S411中,获取对待处理图像和目标低频分量图像进行第三融合处理的融合比例。
其中,融合比例是可以通过用户根据实际需求输入、预先设置以及算法根据实际场景动态调整等方式中的一种或组合确定的。
本公开实施例中,融合比例与对皮肤区域进行平滑处理的程度相关。其中,针对进行第三融合处理的融合比例中所分配的融合权重,匹配待处理图像的融合权重与对皮肤区域进行平滑处理的程度负相关,匹配目标低频分量图像的融合权重与对皮肤区域进行平滑处理的程度正相关。
示例的,若针对目标低频分量图像所分配的融合权重为α,针对待处理图像所分配的融合权重为(1-α),则进行第三融合处理的融合比例可以为α:(1-α)。该情况下,由于针对目标低频分量图像所分配的融合权重α越高,图像的平滑处理程度越高,因此,针对目标低频分量图像所分配的融合权重α可以近似表征进行第三融合处理后的图像(即,下述第一融合图像)的平滑处理程度。
在步骤S412中,基于融合比例,对待处理图像和目标低频分量图像进行第三融合处理,生成第一融合图像。
一示例中,可以采用E=S*(1-α)+C*α的方式,对待处理图像(示例以S表示)和目标低频分量图像(示例以C表示)进行第三融合处理,得到第一融合图像(示例以E表示)。其中,(1-α)表示为待处理图像S中各像素所分配的融合权重,α表示为目标低频分量图像C中各像素所分配的融合权重。并且,可以理解的是,α的取值范围可以为0至1。一实施方式中,可以通过调整α的数值的方式,调整融合比例,进而实现调整第一融合图像E的平滑程度。例如,可以将α调整为较高数值(示例的,α趋近于1),该情况下第一融合图像E的显示效果更加接近目标低频分量图像C的显示效果。换言之,第一融合图像E的平滑程度较高。又例如,可以将α调整为较低数值(示例的,α趋近于0),该情况下第一融合图像E的显示效果更加接近待处理图像S的显示效果。换言之,第一融合图像E的平滑(磨皮)程度较低。
本公开实施例提供的图像处理方法,可以通过调节融合比例的方式,调整第一融合图像的平滑程度,且由于第二目标图像通过第一融合图像得到,因此,相当于了调整第二目标图像(最终得到的图像)的平滑程度,该方法可以满足用户的磨皮程度调节需求。
此外,示例的,可以采用例如亮光、强光、点光或线性光等多种不同方式,将第一融合图像和初始高频分量图像进行第四融合处理。其中,为便于理解本公开,下述将以线性光方式为例,介绍本公开将第一融合图像和初始高频图像进行第四融合处理的过程,如图6所示。
本公开实施例为便于描述,将用于计算第一目标图像中各像素像素值所使用的常数,称为目标数值和第二数值。
图6是根据一示例性实施例示出的一种将第一融合图像和初始高频分量图像进行第四融合处理,生成第一目标图像的方法流程图,如图6所示,包括以下步骤。
在步骤S421中,针对初始高频分量图像中的各个像素,分别确定像素的像素值与目标数值之间的乘积值,以及第一融合图像中与像素处于相同位置的像素值与乘积值之间的和值。
本公开实施例中,目标数值可以为2。示例的,若初始高频分量图像中某一像素的像素值为B,则该像素值与目标数值之间的乘积值可以表示为B*2,第一融合图像中与像素处于相同位置的像素值(示例以E表示)与该乘积值之间的和值,可以表示为E+B*2。
在步骤S422中,基于各个像素所对应的乘积值以及和值,确定第一目标图像中相同位置处像素的像素值。
一实施方式中,可以采用F=E+B*2-255的方式,基于各个像素所对应的乘积值以及和值,确定第一目标图像中相同位置处像素的像素值(示例以F表示)。其中,E+B*2表示第一融合图像中与像素处于相同位置的像素值与该乘积值之间的和值,255表示匹配第一目标图像的像素值修正参数。以该像素值修正参数与所得到的和值进行差值处理(示例以E+B*2-255表示),可以减小第一目标图像中各像素的像素值溢出的可能性。
本公开实施例中,在得到第一融合图像的情况下,可以通过线性光方式,将第一融合图像和初始高频分量图像进行第四融合处理,生成第一目标图像。由于,线性光融合方式,具有较优的融合效果,因此,该方法可以保证第一目标图像的视觉效果。
通常的,对图像中的非皮肤区域进行平滑处理,会影响非皮肤区域的视觉效果。
一示例中,可以对第一目标图像进行像素筛选,确定出第一目标图像中表征皮肤特征的皮肤区域,以及表征其他特征的非皮肤区域。进一步的,保留第一目标图像中皮肤区域的平滑处理效果,并通过待处理图像,对第一目标图像中非皮肤区域的像素进行像素值还原,得到第二目标图像。
示例的,可以确定目标像素与基准肤色对应像素之间的匹配度,并将该匹配度确定为目标像素属于皮肤的概率。其中,目标像素可以包括第一目标图像中各像素。进一步的,可以通过目标像素属于皮肤的概率,对待处理图像和第一目标图像进行第二融合处理,得到保留皮肤区域平滑处理效果,且还原非皮肤区域像素值的第二目标图像。
一实施方式中,可以采用如图7所示的方式,将目标像素映射至YUV颜色空间,进而通过预建的U通道颜色分量模型和V通道颜色分量模型,确定目标像素与基准肤色对应像素之间的匹配度。其中,本公开为便于描述,将在第一目标图像中选取的,用于确定与基准肤色对应像素之间的匹配度的像素称为目标像素,将U通道颜色分量模型的输出值称为第一输出值,将V通道颜色分量模型的输出值称为第二输出值。
图7是根据一示例性实施例示出的一种确定目标像素与基准肤色对应像素之间的匹配度的方法流程图,如图7所示,包括以下步骤。
在步骤S51中,调用U通道颜色分量模型和V通道颜色分量模型。
其中,U通道颜色分量模型或V通道颜色分量模型可以是采用如下方式构建的。示例的,可以在肤色样本集中选取多个采样点,得到匹配多个采样点的多个像素值。进一步的,可以确定多个像素值中每一像素值对应的目标通道颜色分量(示例的,目标通道颜色分量可以为U通道颜色分量或V通道颜色分量),并计算得到的多个目标通道颜色分量的均值及方差,以此确定目标通道颜色分量模型。其中,可以理解的是,目标通道颜色分量模型匹配目标通道颜色分量。示例的,若目标通道颜色分量为U通道颜色分量,则得到的目标通道颜色分量模型为U通道颜色分量模型。
本公开实施例中,目标通道颜色分量模型可以为高斯模型。示例的,可以采用的方式确定目标通道颜色分量模型。其中,μ表示多个目标通道颜色分量的均值,σ表示多个目标通道颜色分量的方差。进一步的,可以得到匹配U通道颜色分量的U通道颜色分量模型以及匹配V通道颜色分量的V通道颜色分量模型其中,μu表示多个像素值对应的U通道颜色分量的均值,σu表示多个像素值对应的U通道颜色分量的方差,μv表示多个像素值对应的V通道颜色分量的均值,σv表示多个像素值对应的V通道颜色分量的方差。
在步骤S52中,基于U通道颜色分量模型,以及目标像素的U通道颜色分量,确定U通道颜色分量模型的第一输出值,并基于V通道颜色分量模型,以及目标像素的V通道颜色分量,确定V通道颜色分量模型的第二输出值。
其中,目标像素的U通道颜色分量可以表示为ux,目标像素的V通道颜色分量可以表示为vx,U通道颜色分量模型可以表示为G(u),V通道颜色分量模型可以表示为G(v)。
一实施方式中,可以将目标像素的U通道颜色分量ux作为输入值,输入至U通道颜色分量模型G(u),以使U通道颜色分量模型G(u)输出第一输出值G(ux)。另一实施方式中,可以将目标像素的V通道颜色分量vx作为输入值,输入至V通道颜色分量模型G(v),以使V通道颜色分量模型G(v)输出第二输出值G(vx)。
在步骤S53中,将第一输出值与第二输出值之间的乘积值,确定为目标像素与基准肤色对应像素之间的匹配度。
示例的,可以通过p=G(ux)G(vx)的方式,确定目标像素与基准肤色对应像素之间的匹配度。其中,G(ux)G(vx)表示第一输出值与第二输出值之间的乘积值,p表示目标像素与基准肤色对应像素之间的匹配度。
另一实施方式中,还可以通过将目标像素映射至RGB颜色空间的方式,确定目标像素与基准肤色对应像素之间的匹配度。例如,在肤色样本集中选取多个采样点作为参考像素,进而通过综合考虑多个像素值的RGB通道颜色分量,设置基准R通道颜色分量、基准G通道颜色分量以及基准B通道颜色分量。进一步的,分别确定目标像素的R通道颜色分量与基准R通道颜色分量之间的R通道颜色分量差值、目标像素的G通道颜色分量与基准G通道颜色分量之间的G通道颜色分量差值以及目标像素的B通道颜色分量与基准B通道颜色分量之间的B通道颜色分量差值。进而通过R通道颜色分量差值、G通道颜色分量差值以及B通道颜色分量差值,确定目标像素与基准肤色对应像素之间的匹配度。当然,还可以通过其他方式确定目标像素与基准肤色对应像素之间的匹配度,本公开对确定目标像素与基准肤色对应像素之间的匹配度的方式不做具体限定。
本公开实施例中,在确定目标像素与基准肤色对应像素之间的匹配度的情况下,将目标像素与基准肤色对应像素之间的匹配度,确定为目标像素属于皮肤的概率。
图8是根据一示例性实施例示出的一种确定目标像素属于皮肤的概率的方法流程图,如图8所示,包括以下步骤。
在步骤S61中,确定目标像素与基准肤色对应像素之间的匹配度。
其中,目标像素包括第一目标图像中的各个像素。
在步骤S62中,将目标像素与基准肤色对应像素之间的匹配度,确定为目标像素属于皮肤的概率。
本公开实施例提供的图像处理方法,可以将第一目标图像中各个像素与基准肤色对应像素之间的匹配度,确定为第一目标图像中各个像素属于皮肤的概率。进一步的,可以通过第一目标图像中各像素属于皮肤的概率,对待处理图像和第一目标图像进行第二融合处理,得到第二目标图像。
图9是根据一示例性实施例示出的一种对待处理图像和第一目标图像进行第二融合处理,得到第二目标图像的方法流程图,如图9所示,包括以下步骤。
在步骤S71中,针对第一目标图像中的各个像素,确定像素属于皮肤的概率。
其中,确定第一目标图像中各个像素属于皮肤的概率的过程,已在上述实施例中描述,在此不做赘述。
在步骤S72中,基于概率,对待处理图像和第一目标图像进行第二融合处理,得到第二目标图像。
本公开实施例中,可以将第一目标图像中的各个像素属于皮肤的概率,作为第一目标图像中的各个像素进行第二融合处理时所分配的融合权重。例如,若第一目标图像中某一像素属于皮肤的概率为p,则该像素进行第二融合处理时所对应的融合权重为p。该情况下,待处理图像中位于相同位置的像素所对应的融合权重为(1-p)。该情况下,可以采用D=S*(1-p)+F*p的方式,对第一目标图像(示例以F表示)和待处理图像(示例以S表示)中的各像素进行第二融合处理,得到第二目标图像(示例以D表示)。其中,可以理解的是,p的取值范围可以为0至1。
示例的,若p为较高数值(示例的,p趋近于1),则说明目标像素属于皮肤的概率较大。该情况下,第二目标图像中与目标像素处于相同像素位置的像素所表征的特征,接近目标像素所表征的特征。换言之,目标像素属于皮肤的概率越高,第二目标图像中与目标像素处于相同像素位置的像素平滑程度越高。若p为较低数值(示例的,p趋近于0),则说明目标像素属于皮肤的概率较小。该情况下,第二目标图像中与目标像素处于相同像素位置的像素所表征的特征,接近待处理图像中与目标像素处于相同像素位置的像素所表征的特征。换言之,目标像素属于皮肤的概率越低,第二目标图像中与目标像素处于相同像素位置的像素平滑程度越低,越接近未进行平滑处理时所表征的特征。通过本公开可以在保留第二目标图像中皮肤区域的平滑处理效果同时,保证非皮肤区域的视觉效果。
在通过本公开实施例提供的图像处理方法得到的第二目标图像中,皮肤区域对应的像素值接近第一目标图像中皮肤区域对应的像素值,第二目标图像中非皮肤区域对应的像素值接近待处理图像中非皮肤区域对应的像素值。其中,第二目标图像中皮肤区域对应的像素值接近第一目标图像中皮肤区域对应的像素值,可以理解为第二目标图像中皮肤区域对应的像素值与第一目标图像中皮肤区域对应的像素值之间的像素值差值,小于第二目标图像中皮肤区域对应的像素值与待处理图像中皮肤区域对应的像素值之间的像素值差值。相应的,第二目标图像中非皮肤区域对应的像素值接近待处理图像中非皮肤区域对应的像素值,可以理解为第二目标图像中非皮肤区域对应的像素值与待处理图像中非皮肤区域对应的像素值之间的像素值差值,小于第二目标图像中非皮肤区域对应的像素值与第一目标图像中非皮肤区域对应的像素值之间的像素值差值。本公开实施例提供的图像处理方法,可以实现对待处理图像中的皮肤区域进行平滑(磨皮)处理,得到具有“磨皮”显示效果的第二目标图像。并且,第二目标图像的皮肤区域中,例如痘痘、斑点和/或痣等皮肤区域的瑕疵特征得以改善,且毛孔等细节特征得以保留,皮肤区域的视觉效果得以提升。
一示例中,可以通过高斯滤波算法,生成待处理图像的初始低频分量图像,并通过亮度调节系数和像素值修正参数,在待处理图像中取出初始低频分量图像,得到初始高频分量图像。并且,可以通过表面模糊算法,对初始低频分量图像进行平滑处理,得到目标低频分量图像。该情况下,获取对待处理图像和目标低频分量图像进行第三融合处理的融合比例,以对待处理图像和目标低频分量图像进行第三融合处理,得到第一融合图像。进一步的,可以通过线性光方式,将第一融合图像和初始高频图像进行第四融合处理,得到第一目标图像。该情况下,确定第一目标图像中各个像素的U通道颜色分量以及V通道颜色分量,并将得到的U通道颜色分量输入预建的U通道颜色分量模型,得到第一输出值,以及将得到的V通道颜色分量输入V通道颜色分量模型,得到第二输出值。示例的,可以将匹配第一目标图像中各个像素的第一输出值与第二输出值之间的乘积值,确定为第一目标图像中各个像素与基准肤色对应像素之间的匹配度。将第一目标图像中各个像素与基准肤色对应像素之间的匹配度,确定为第一目标图像中各个像素属于皮肤的概率,并通过第一目标图像中各个像素属于皮肤的概率。进而通过将第一目标图像中各个像素属于皮肤的概率,确定为将待处理图像和第一目标图像进行第二融合处理时,针对各个像素所分配的融合比例,以将待处理图像和第一目标图像进行第二融合处理,得到第二目标图像。
本公开实施例提供的图像处理方法,可以获取包括皮肤区域的待处理图像,并生成待处理图像的初始低频分量图像和初始高频分量图像。进一步的,可以对初始低频分量图像进行平滑处理,得到目标低频分量图像。以待处理图像、目标低频分量图像和初始高频分量图像进行第一融合处理得到的第一目标图像的皮肤区域中,痘痘、斑点和/或痣等瑕疵特征得以修饰(平滑处理),毛孔等细节特征得以保留,图像的视觉效果得到明显提升。并且,可以在将目标低频分量图像和待处理图像进行第三融合处理时,通过调节混合比例的方式,实现调整图像的平滑程度。进而将初始高频图像以线性光方式融合于第一混合图像,使得到的第一目标图像的视觉效果得以提升。此外,本公开可以确定第一目标图像中各像素属于皮肤的概率,并通过第一目标图像中各个像素属于皮肤的概率,确定将第一目标图像和待处理图像进行第二融合处理时针对各个像素所分配的融合比例,进而将第一目标图像和待处理图像进行第二融合处理。该情况下,最终得到的第二目标图像中,皮肤区域的显示效果为平滑处理(磨皮)后的显示效果,非皮肤区域的显示效果为平滑处理(磨皮)前的显示效果,该方法可以为用户带来更优的视觉体验,满足了用户的使用需求。
基于相同的构思,本公开实施例还提供一种图像处理装置。
可以理解的是,本公开实施例提供的图像处理装置为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。结合本公开实施例中所公开的各示例的单元及算法步骤,本公开实施例能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同的方法来实现所描述的功能,但是这种实现不应认为超出本公开实施例的技术方案的范围。
图10是根据一示例性实施例示出的一种图像处理装置框图。参照图10,该装置100包括生成单元101和处理单元102。
生成单元101,用于生成待处理图像的初始低频分量图像以及初始高频分量图像。其中,待处理图像包括皮肤区域。处理单元102,用于对初始低频分量图像进行平滑处理,得到平滑处理后的目标低频分量图像。对待处理图像、目标低频分量图像和初始高频分量图像进行第一融合处理,得到第一目标图像。对待处理图像和第一目标图像进行第二融合处理,得到第二目标图像。
一实施方式中,处理单元102采用如下方式对待处理图像、目标低频分量图像和初始高频分量图像进行第一融合处理,得到第一目标图像:将待处理图像和目标低频分量图像进行第三融合处理,生成第一融合图像。将第一融合图像和初始高频分量图像进行第四融合处理,生成第一目标图像。
一实施方式中,处理单元102采用如下方式将待处理图像和目标低频分量图像进行第三融合处理,生成第一融合图像,包括:获取对待处理图像和目标低频分量图像进行第三融合处理的融合比例,融合比例与对皮肤区域进行平滑处理的程度相关。基于融合比例,对待处理图像和目标低频分量图像进行第三融合处理,生成第一融合图像。
一实施方式中,处理单元102采用如下方式将第一融合图像和初始高频分量图像进行第四融合处理,生成第一目标图像:针对初始高频分量图像中的各个像素,分别确定像素的像素值与目标数值之间的乘积值。以及第一融合图像中与像素处于相同位置的像素值与乘积值之间的和值。基于各个像素所对应的乘积值以及和值,确定第一目标图像中相同位置处像素的像素值。
一实施方式中,处理单元102采用如下方式对待处理图像和第一目标图像进行第二融合处理,得到第二目标图像:针对第一目标图像中的各个像素,确定像素属于皮肤的概率。基于概率,对待处理图像和第一目标图像进行第二融合处理,得到第二目标图像。
一实施方式中,处理单元102采用如下方式针对第一目标图像中的各个像素,确定像素属于皮肤的概率:确定目标像素与基准肤色对应像素之间的匹配度,目标像素包括第一目标图像中的各个像素。将目标像素与基准肤色对应像素之间的匹配度,确定为目标像素属于皮肤的概率。
一实施方式中,处理单元102采用如下方式确定目标像素与基准肤色对应像素之间的匹配度:调用U通道颜色分量模型和V通道颜色分量模型,U通道颜色分量模型为基于肤色样本集中各像素值在YUV颜色空间中的U通道颜色分量的均值和方差所确定的高斯模型,V通道颜色分量模型为基于肤色样本集中各像素值在YUV颜色空间中的V通道颜色分量的均值和方差所确定的高斯模型。基于U通道颜色分量模型,以及目标像素的U通道颜色分量,确定U通道颜色分量模型的第一输出值,并基于V通道颜色分量模型,以及目标像素的V通道颜色分量,确定V通道颜色分量模型的第二输出值。将第一输出值与第二输出值之间的乘积值,确定为目标像素与基准肤色对应像素之间的匹配度。
一实施方式中,处理单元102采用如下方式生成待处理图像的初始低频分量图像以及初始高频分量图像:对待处理图像进行高斯滤波处理,得到待处理图像的初始低频分量图像。在待处理图像中去除初始低频分量图像,得到去除后的待处理图像。基于亮度调节系数、像素值修正参数和去除后的待处理图像,生成初始高频分量图像。
本公开实施例提供的图像处理装置,可以生成待处理图像的初始低频分量图像和初始高频分量图像,以及可以对初始低频分量进行平滑处理。并且,可以通过获取融合比例的方式,将平滑处理后的目标低频分量图像和待处理图像进行第三融合处理,得到第一融合图像。该过程中,用于不同的融合比例对应不同的图像平滑程度,因此,通过调节融合比例的方式可以实现调节图像的平滑程度。进一步的,可以通过线性光方式,将第一融合图像和初始高频图像进行第四融合处理,以保证第四融合处理后的图像(第一目标图像)的视觉效果。此外,还可以确定第一目标图像中各个像素属于皮肤的概率,并为不同概率的像素分配不同的融合比例,进而将第一目标图像与待处理图像进行第二融合处理,得到第二目标图像。最终得到的第二目标图像中,皮肤区域的视觉效果为平滑处理后的视觉效果,非皮肤区域的视觉效果为待处理图像中非皮肤区域的视觉效果,该方法可以提升平滑处理(磨皮)后的图像的视觉效果,满足用户的使用体验。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
如图11所示,本公开的一个实施方式提供了一种电子设备200。其中,该电子设备200包括存储器201、处理器202、输入/输出(Input/Output,I/O)接口203。其中,存储器201,用于存储指令。处理器202,用于调用存储器201存储的指令执行本公开实施例的图像处理方法。其中,处理器202分别与存储器201、I/O接口203连接,例如可通过总线***和/或其他形式的连接机构(未示出)进行连接。存储器201可用于存储程序和数据,包括本公开实施例中涉及的图像处理方法的程序,处理器202通过运行存储在存储器201的程序从而执行电子设备200的各种功能应用以及数据处理。
本公开实施例中处理器202可以采用数字信号处理器(Digital SignalProcessing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable Logic Array,PLA)中的至少一种硬件形式来实现,所述处理器202可以是中央处理单元(Central Processing Unit,CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元中的一种或几种的组合。
本公开实施例中的存储器201可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(Random Access Memory,RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(Read-OnlyMemory,ROM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,HDD)或固态硬盘(Solid-State Drive,SSD)等。
本公开实施例中,I/O接口203可用于接收输入的指令(例如数字或字符信息,以及产生与电子设备200的用户设置以及功能控制有关的键信号输入等),也可向外部输出各种信息(例如,图像或声音等)。本公开实施例中I/O接口203可包括物理键盘、功能按键(比如音量控制按键、开关按键等)、鼠标、操作杆、轨迹球、麦克风、扬声器、和触控面板等中的一个或多个。
在一些实施方式中,本公开提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机可执行指令,计算机可执行指令在由处理器执行时,执行上文所述的任何方法。
在一些实施方式中,本公开提供了一种计算机程序产品,该计算机程序产品包括计算机程序,计算机程序被处理器执行时,执行上文所述的任何方法。
尽管在附图中以特定的顺序描述操作,但是不应将其理解为要求按照所示的特定顺序或是串行顺序来执行这些操作,或是要求执行全部所示的操作以得到期望的结果。在特定环境中,多任务和并行处理可能是有利的。
本公开的方法和装置能够利用标准编程技术来完成,利用基于规则的逻辑或者其他逻辑来实现各种方法步骤。还应当注意的是,此处以及权利要求书中使用的词语“装置”和“模块”意在包括使用一行或者多行软件代码的实现和/或硬件实现和/或用于接收输入的设备。
此处描述的任何步骤、操作或程序可以使用单独的或与其他设备组合的一个或多个硬件或软件模块来执行或实现。在一个实施方式中,软件模块使用包括包含计算机程序代码的计算机可读介质的计算机程序产品实现,其能够由计算机处理器执行用于执行任何或全部的所描述的步骤、操作或程序。
出于示例和描述的目的,已经给出了本公开实施的前述说明。前述说明并非是穷举性的也并非要将本公开限制到所公开的确切形式,根据上述教导还可能存在各种变形和修改,或者是可能从本公开的实践中得到各种变形和修改。选择和描述这些实施例是为了说明本公开的原理及其实际应用,以使得本领域的技术人员能够以适合于构思的特定用途来以各种实施方式和各种修改而利用本公开。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
可以理解的是,本公开中“多个”是指两个或两个以上,其它量词与之类似。“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。单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
进一步可以理解的是,术语“第一”、“第二”等用于描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开,并不表示特定的顺序或者重要程度。实际上,“第一”、“第二”等表述完全可以互换使用。例如,在不脱离本公开范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。
进一步可以理解的是,除非有特殊说明,“连接”包括两者之间不存在其他构件的直接连接,也包括两者之间存在其他元件的间接连接。
进一步可以理解的是,本公开实施例中尽管在附图中以特定的顺序描述操作,但是不应将其理解为要求按照所示的特定顺序或是串行顺序来执行这些操作,或是要求执行全部所示的操作以得到期望的结果。在特定环境中,多任务和并行处理可能是有利的。
本领域技术人员在考虑说明书及实践里的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利范围指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利范围来限制。
Claims (12)
1.一种图像处理方法,其特征在于,所述图像处理方法包括:
生成待处理图像的初始低频分量图像以及初始高频分量图像;其中,所述待处理图像包括皮肤区域;
对所述初始低频分量图像进行平滑处理,得到平滑处理后的目标低频分量图像;
对所述待处理图像、所述目标低频分量图像和所述初始高频分量图像进行第一融合处理,得到第一目标图像;
对所述待处理图像和所述第一目标图像进行第二融合处理,得到第二目标图像。
2.根据权利要求1所述的图像处理方法,其特征在于,所述对所述待处理图像、所述目标低频分量图像和所述初始高频分量图像进行第一融合处理,得到第一目标图像,包括:
将所述待处理图像和所述目标低频分量图像进行第三融合处理,生成第一融合图像;
将所述第一融合图像和所述初始高频分量图像进行第四融合处理,生成所述第一目标图像。
3.根据权利要求2所述的图像处理方法,其特征在于,所述将所述待处理图像和所述目标低频分量图像进行第三融合处理,生成第一融合图像,包括:
获取对所述待处理图像和所述目标低频分量图像进行第三融合处理的融合比例,所述融合比例与对所述皮肤区域进行平滑处理的程度相关;
基于所述融合比例,对所述待处理图像和所述目标低频分量图像进行第三融合处理,生成所述第一融合图像。
4.根据权利要求2所述的图像处理方法,其特征在于,将所述第一融合图像和所述初始高频分量图像进行第四融合处理,生成所述第一目标图像,包括:
针对所述初始高频分量图像中的各个像素,分别确定所述像素的像素值与目标数值之间的乘积值;
以及所述第一融合图像中与所述像素处于相同位置的像素值与所述乘积值之间的和值;
基于各个像素所对应的乘积值以及所述和值,确定所述第一目标图像中相同位置处像素的像素值。
5.根据权利要求1至4中任意一项所述的图像处理方法,其特征在于,对所述待处理图像和所述第一目标图像进行第二融合处理,得到第二目标图像,包括:
针对所述第一目标图像中的各个像素,确定所述像素属于皮肤的概率;
基于所述概率,对所述待处理图像和所述第一目标图像进行第二融合处理,得到第二目标图像。
6.根据权利要求5所述的图像处理方法,其特征在于,所述针对所述第一目标图像中的各个像素,确定所述像素属于皮肤的概率,包括:
确定目标像素与基准肤色对应像素之间的匹配度,所述目标像素包括第一目标图像中的各个像素;
将所述目标像素与基准肤色对应像素之间的匹配度,确定为所述目标像素属于皮肤的概率。
7.根据权利要求6所述的图像处理方法,其特征在于,所述确定目标像素与基准肤色对应像素之间的匹配度,包括:
调用U通道颜色分量模型和V通道颜色分量模型,所述U通道颜色分量模型为基于肤色样本集中各像素值在YUV颜色空间中的U通道颜色分量的均值和方差所确定的高斯模型,所述V通道颜色分量模型为基于肤色样本集中各像素值在YUV颜色空间中的V通道颜色分量的均值和方差所确定的高斯模型;
基于所述U通道颜色分量模型,以及所述目标像素的U通道颜色分量,确定所述U通道颜色分量模型的第一输出值,并基于所述V通道颜色分量模型,以及所述目标像素的V通道颜色分量,确定所述V通道颜色分量模型的第二输出值;
将所述第一输出值与所述第二输出值之间的乘积值,确定为所述目标像素与基准肤色对应像素之间的匹配度。
8.根据权利要求1所述的图像处理方法,其特征在于,生成所述待处理图像的初始低频分量图像以及初始高频分量图像,包括:
对所述待处理图像进行高斯滤波处理,得到所述待处理图像的初始低频分量图像;
在所述待处理图像中去除所述初始低频分量图像,得到去除后的待处理图像;
基于亮度调节系数、像素值修正参数和去除后的待处理图像,生成所述初始高频分量图像。
9.一种图像处理装置,其特征在于,所述图像处理装置包括:
生成单元,用于生成待处理图像的初始低频分量图像以及初始高频分量图像;其中,所述待处理图像包括皮肤区域;
处理单元,用于对所述初始低频分量图像进行平滑处理,得到平滑处理后的目标低频分量图像;对所述待处理图像、所述目标低频分量图像和所述初始高频分量图像进行融合处理,得到第一目标图像;以及对所述待处理图像和所述第一目标图像进行融合处理,得到第二目标图像。
10.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:执行权利要求1至8中任意一项所述的图像处理方法。
11.一种存储介质,其特征在于,所述存储介质中存储有指令,当所述存储介质中的指令由处理器执行时,使得处理器能够执行权利要求1至8中任意一项所述的图像处理方法。
12.一种计算机程序产品,其特征在于,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现权利要求1至8中任意一项所述的图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111101406.5A CN114049262A (zh) | 2021-09-18 | 2021-09-18 | 一种图像处理方法、图像处理装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111101406.5A CN114049262A (zh) | 2021-09-18 | 2021-09-18 | 一种图像处理方法、图像处理装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114049262A true CN114049262A (zh) | 2022-02-15 |
Family
ID=80204448
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111101406.5A Pending CN114049262A (zh) | 2021-09-18 | 2021-09-18 | 一种图像处理方法、图像处理装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114049262A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115953313A (zh) * | 2022-12-23 | 2023-04-11 | 百度在线网络技术(北京)有限公司 | 用于处理图像的方法,装置,设备以及存储介质 |
-
2021
- 2021-09-18 CN CN202111101406.5A patent/CN114049262A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115953313A (zh) * | 2022-12-23 | 2023-04-11 | 百度在线网络技术(北京)有限公司 | 用于处理图像的方法,装置,设备以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liang et al. | Single underwater image enhancement by attenuation map guided color correction and detail preserved dehazing | |
CN112766160B (zh) | 基于多级属性编码器和注意力机制的人脸替换方法 | |
CN111445410B (zh) | 基于纹理图像的纹理增强方法、装置、设备和存储介质 | |
WO2018188453A1 (zh) | 人脸区域的确定方法、存储介质、计算机设备 | |
WO2022078041A1 (zh) | 遮挡检测模型的训练方法及人脸图像的美化处理方法 | |
CN113888437A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN110929617A (zh) | 一种换脸合成视频检测方法、装置、电子设备及存储介质 | |
CN113808027B (zh) | 一种人体图像处理方法、装置、电子设备及存储介质 | |
CN112446322B (zh) | 眼球特征检测方法、装置、设备及计算机可读存储介质 | |
CN111145086A (zh) | 一种图像处理方法、装置及电子设备 | |
Singh et al. | Illumination estimation for nature preserving low-light image enhancement | |
CN112001285B (zh) | 一种美颜图像的处理方法、装置、终端和介质 | |
Lei et al. | A novel intelligent underwater image enhancement method via color correction and contrast stretching✰ | |
CN113781370A (zh) | 图像的增强方法、装置和电子设备 | |
CN116797504A (zh) | 图像融合方法、电子设备及存储介质 | |
CN114049262A (zh) | 一种图像处理方法、图像处理装置及存储介质 | |
Liu et al. | Toward visual quality enhancement of dehazing effect with improved Cycle-GAN | |
CN114372931A (zh) | 一种目标对象虚化方法、装置、存储介质及电子设备 | |
CN114372932A (zh) | 一种图像处理的方法及计算机程序产品 | |
CN112686800B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN113610720A (zh) | 视频去噪方法及装置、计算机可读介质和电子设备 | |
CN117409463A (zh) | 直播播放策略管理*** | |
Braik | Modified chameleon swarm algorithm for brightness and contrast enhancement of satellite images | |
CN113837018B (zh) | 一种化妆进度检测方法、装置、设备及存储介质 | |
CN114118203A (zh) | 图像特征提取匹配的方法、装置和电子设备 |
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 |