JP6437664B2 - 画像処理装置および方法 - Google Patents

Description

本発明は画像処理技術に関し、より具体的には、画像内の顔部分について処理を行う装置および方法に関する。

マルチメディア技術及びマルチメディア機器の発展につれ、人々の生活に利便性をもたらす様々なアプリケーションが現れている。例えば、ユーザは撮影した後、写真を加工して加工後の写真を友人や家族と共有したいと考えることがある。

例えば中国特許出願ＣＮ２０１４１００４２２０９．４には、美的特徴の最適化の監視および深度の評価を行わないモデルに基づき、異なるタイプの顔を美顔化する方法が開示されている。

また、例えば中国特許出願ＣＮ２０１４１０１３７０６９．９には、顔肌の瑕疵を削除することに着目した美顔化方法が開示されている。

さらに、例えば中国特許出願ＣＮ２００８１０１１６０５７．２には、顔画像における高周波成分を含まない顔画像を再構成するための顔画像投影ベクトルを用いた美顔化方法が開示されている。

また、韓国特許出願ＫＲ２００７００２４１４０には、美に対する個人好みが考慮された３Ｄ顔モデリングシステムおよび方法が開示されている。

中国特許出願ＣＮ２０１４１００４２２０９．４は、主に顔面形状の美化に着目し、顔肌に対する美化を行わないものであった。

また、中国特許出願ＣＮ２０１４１０１３７０６９．９は、肌の瑕疵のみに対して処理を行い、他の顔肌領域については処理を行わず、肌も美白化されないものであった。

また、中国特許出願ＣＮ２００８１０１１６０５７．２は、画像における高周波成分を含まない顔画像を再構成するが、顔肌の美白化は実現されないものであった。

そして韓国特許出願ＫＲ２００７００２４１４０は、主に３Ｄ顔モデリングに着目したものであった。

通常、ユーザは、写真に映った顔肌が自己適応的に美化されることを希望する場合がある。

しかし、上記のように従来の画像処理方法、特に従来の美顔化方法では、顔を自己適応的に美化することが困難で、良好なユーザ体験を提供し難いという問題が存在する。

そこで、本発明は、写真内の顔肌を自己適応的に美化することが可能な画像処理装置および方法を提供する。

本発明の一態様によれば、画像処理装置であって、
処理すべき画像を受信するように構成された画像受信モジュールと、
受信された画像内の顔領域を識別するように構成された顔部領域識別モジュールと、
画像全体の輝度および顔領域の輝度に基づいて顔領域内の画素について処理することにより、顔領域内の画素を白くするように構成された肌美白化モジュールと、
顔領域における顔肌領域の顔部粗さを算出し、前記顔部粗さに基づいて顔肌領域をフィルタリングするように構成された顔肌平滑化モジュールと、
処理後の画像を出力するように構成された画像出力モジュールと、を備え、
前記肌美白化モジュールは、
顔領域内の画素のゲイン（ｇａｉｎ）を下記式

〔式中、ｇ_ｃはゲイン定数因子であり、ｔ_ｇ＝ｅｘｐ（−ｂ_ｆ*ｃ_ｌ＋β−ｓ）、ｓ＝ｌｏｇ（η＋ｇ_ｐ）、ｓは強光成分に対する抑制因子であり、βおよびηは定常値であり、局所コントラストｃ_ｌ＝ｇ_ｐ／ｇ_ｔ、ｇ_ｐは当該画素のグレースケール値であり、ｇ_ｔは、当該画素を中心としたｋ*ｋ領域内における総グレースケール値であり、ｋは指定の定数であり、輝度因子ｂ_ｆは下記のように算出され、

αは予め設定された閾値であり、Ｃ_ｇは定常値であり、ｘ＝ｇ_ｆ*ｇ_ｆ、ｙ＝ｇ_ｆ*Ｃ_２、ｔ＝（α−ｇ_ｆ）／α、Ｃ_２は定常値であり、ｇ_ｆは顔領域の平均グレースケール値である〕
で算出すると共に、顔領域内の画素のグレースケール値とゲイン（ｇａｉｎ）とを乗算することにより顔領域内の画素を白くするように構成されている、画像処理装置を提供する。

本発明の別の態様によれば、画像処理方法であって、
処理すべき画像を受信するステップと、
受信された画像内の顔領域を識別するステップと、
画像全体の輝度および顔領域の輝度に基づいて顔領域内の画素について処理することにより、顔領域内の画素を白くするステップと、
顔領域における顔肌領域の顔部粗さを算出し、前記顔部粗さに基づいて顔肌領域をフィルタリングするステップと、
処理後の画像を出力するステップと、を含み、
顔領域内の画素のゲイン（ｇａｉｎ）を下記式

〔式中、ｇ_ｃはゲイン定数因子であり、ｔ_ｇ＝ｅｘｐ（−ｂ_ｆ*ｃ_ｌ＋β−ｓ）、ｓ＝ｌｏｇ（η＋ｇ_ｐ）、ｓは強光成分に対する抑制因子であり、βおよびηは定常値であり、局所コントラストｃ_ｌ＝ｇ_ｐ／ｇ_ｔ、ｇ_ｐは当該画素のグレースケール値であり、ｇ_ｔは、当該画素を中心としたｋ*ｋ領域内における総グレースケール値であり、ｋは指定の定数であり、輝度因子ｂ_ｆは下記のように算出され、

αは予め設定された閾値であり、Ｃ_ｇは定常値であり、ｘ＝ｇ_ｆ*ｇ_ｆ、ｙ＝ｇ_ｆ*Ｃ_２、ｔ＝（α−ｇ_ｆ）／α、Ｃ_２は定常値であり、ｇ_ｆは顔領域の平均グレースケール値である〕
で算出すると共に、顔領域内の画素のグレースケール値とゲイン（ｇａｉｎ）とを乗算することにより顔領域内の画素を白くする、画像処理方法を提供する。

本発明の技術的構成によれば、ユーザが写真内の顔肌を美化しようとする際、写真内の顔肌の輝度および写真全体の輝度に基づいて顔肌を自己適応的に美白化すると共に、顔肌の粗さに基づいて顔肌を自己適応的に平滑化することができる。

本発明の更なる目的、特徴及び利点は下記の説明により更に明白となる。また、図面を参照して説明する下記構成により、本発明の利点は顕著になる。

本発明の１つまたは複数の実施例に係る画像処理装置を示す模式ブロック図である。 本発明の１つまたは複数の実施例に係る画像処理方法を示すフローチャートである。 本発明的１つまたは複数の実施例における顔肌領域を示す模式図である。

以下、図面に基づいて本発明の例示的な実施例を詳述する。なお、以下の記載における一部の具体的な実施例は、単に説明するためのものであり、本発明を限定するものではなく本発明の例示にすぎないと理解されるべきである。また、本発明に対する理解に混同が生じ得る場合は、かかる通常の構成または構造の説明を省略する。

図１は、本発明の１つまたは複数の実施例に係る画像処理装置１０００を示す模式ブロック図である。図示のように、該画像処理装置１０００は、処理すべき画像を受信するように構成された画像受信モジュール１１００と、受信された画像内の顔領域を識別するように構成された顔部領域識別モジュール１２００と、画像全体の輝度および顔領域の輝度に基づいて顔領域内の画素について処理することにより、顔領域内の画素を白くするように構成された肌美白化モジュール１３００と、顔領域における顔肌領域の顔部粗さを算出し、前記顔部粗さに基づいて顔肌領域をフィルタリングするように構成された顔肌平滑化モジュール１４００と、処理後の画像を出力するように構成された画像出力モジュール１５００と、を備えている。

前記肌美白化モジュール１３００は、顔領域内の画素のゲイン（ｇａｉｎ）を下記式で算出すると共に、顔領域内の画素のグレースケール値とゲイン（ｇａｉｎ）とを乗算することにより顔領域内の画素を白くするように構成されている。

式中、ｇ_ｃはゲイン定数因子であり、ｔ_ｇ＝ｅｘｐ（−ｂ_ｆ*ｃ_ｌ＋β−ｓ）、ｓ＝ｌｏｇ（η＋ｇｐ）、ｓは強光成分に対する抑制因子であり、βおよびηは定常値であり、局所コントラストｃ_ｌ＝ｇ_ｐ／ｇ_ｔ、ｇ_ｐは当該画素のグレースケール値であり、ｇ_ｔは、当該画素を中心としたｋ*ｋ領域内における総グレースケール値であり、ｋは指定の定数であり、例えばｋ＝２、４、８。

輝度因子ｂ_ｆは、下記のように算出される。

αは予め設定された閾値であり、Ｃ_ｇは定常値であり、ｘ＝ｇ_ｆ*ｇ_ｆ、ｙ＝ｇ_ｆ*Ｃ_２、ｔ＝（α−ｇ_ｆ）／α、Ｃ_２は定常値であり、ｇ_ｆは、顔領域内の画素の平均グレースケールを算出することで得られた、顔領域の平均グレースケール値である。

本発明の実施例によれば、顔肌の輝度および画像全体の輝度に基づいて顔肌を自己適応的に白くすることができる。

輝度因子ｂ_ｆの算出において、Ｃ_２、αおよびＣ_ｇは何れも、異なる輝度因子ｇ_ｆについて算出されたｂ_ｆ値が出来る限り連続となるよう、予め設定された閾値である。また、ゲイン（ｇａｉｎ）算出において、ｇ_ｃ、βおよびηは何れも、異なるｇ_ｐについて算出されたゲイン（ｇａｉｎ）が適切な範囲内に含まれるよう、予め設定された閾値である。

一例として、ｇ_ｃを１．０とし、αを０．３とし、Ｃ_ｇを１．０とし、Ｃ_２を１．３とし、βおよびηをそれぞれ０．００１および０．０００１としてもよい。勿論、他の好適な値であってもよい。また、{Ｃ_２，α，Ｃ_ｇ，ｇ_ｃ，β，η}として、例えば{１．３，０．５，０．８，１．２，０．００２，０．００００１}、または{１．２，０．４，０．９，１．２５，０．００５，０．００００２}を選択してもよい。

１つまたは複数の実施例において、前記顔部領域識別モジュール１２００は、動的形状モデル（ＡＳＭ）、動的外観モデル（ＡＡＭ）または他の適用可能な方法に基づき、受信された画像内の顔領域と、顔領域における顔器官とを識別するように構成されてもよい。なお、前記顔領域における顔肌領域は、前記顔領域のうち、前記顔器官を除く領域である。

１つまたは複数の実施例において、前記顔肌平滑化モジュール１４００は、グレースケール値と画素の空間的サイズとからなるパラメータセットを２セット用いて前記顔肌領域をフィルタリングすることにより２つの顔肌画像を獲得すると共に、前記２つの顔肌画像の差分を算出して差分画像を獲得し、差分画像の平均グレースケール値を用いて顔部粗さを推定するように構成されてもよい。なお、前記差分画像の平均グレースケール値が大きいほど、前記顔部粗さが大きくなる。

また、１つまたは複数の実施例において、前記顔肌平滑化モジュール１４００は、グレースケール値と画素の空間的サイズとからなるパラメータセットを２セット用いて前記顔肌領域をフィルタリングすることにより２つの顔肌画像を獲得すると共に、前記２つの顔肌画像の差分を算出して差分画像を獲得し、固定の閾値に基づく分割手法を用いて差分画像を複数のサブ領域に分け、各々のサブ領域の領域サイズおよび平均グレースケール値を算出し、各々のサブ領域の平均グレースケール値に基づいて各々のサブ領域のサブ領域粗さを算出し、各々のサブ領域の領域サイズに基づいてサブ領域粗さについて重み付けを行うことにより顔部粗さを得るように構成されてもよい。

また、１つまたは複数の実施例において、前記顔肌平滑化モジュール１４００は、前記顔肌領域の大きさを用いて顔部粗さを推定するように構成されてもよい。なお、前記顔肌領域が大きいほど、前記顔部粗さが大きくなる。

また、前記顔肌平滑化モジュール１４００は、顔肌領域に対するフィルタリングのフィルタリング度を、前記顔部粗さに応じて制御するように構成されている。

上記のように、顔肌平滑化モジュール１４００は、少なくとも３種類の手法を用いて顔部粗さを推定することができる。したがって、本発明の実施例によれば、顔肌を顔肌粗さに基づいて自己適応的に平滑化することができる。

図２は、本発明の１つまたは複数の実施例に係る画像処理方法２０００を示すフローチャートである。

図２に示すように、該方法はステップＳ２１００からスタートする。ステップＳ２１００では、処理すべき画像を受信する。そしてステップＳ２２００では、受信された画像内の顔領域を識別する。ステップＳ２３００では、画像全体の輝度および顔領域の輝度に基づいて顔領域内の画素について処理することにより、顔領域内の画素を白くする。続いて、ステップＳ２４００では、顔領域における顔肌領域の顔部粗さを算出し、前記顔部粗さに基づいて顔肌領域をフィルタリングする。最後に、ステップＳ２５００では、処理後の画像を出力する。
また、該方法において、顔領域内の画素のゲイン（ｇａｉｎ）を下記式で算出すると共に、顔領域内の画素のグレースケール値とゲイン（ｇａｉｎ）とを乗算することにより顔領域内の画素を白くする。

式中、ｇ_ｃはゲイン定数因子であり、ｔ_ｇ＝ｅｘｐ（−ｂ_ｆ*ｃ_ｌ＋β−ｓ）、ｓ＝ｌｏｇ（η＋ｇ_ｐ）、ｓは強光成分に対する抑制因子であり、βおよびηは定常値であり、局所コントラストｃ_ｌ＝ｇ_ｐ／ｇ_ｔ、ｇ_ｐは当該画素のグレースケール値であり、ｇ_ｔは、当該画素を中心としたｋ*ｋ領域内における総グレースケール値であり、ｋは指定の定数であり、例えばｋが２、４または８である。

輝度因子ｂ_ｆは、下記のように算出される。

αは予め設定された閾値であり、Ｃ_ｇは定常値であり、ｘ＝ｇ_ｆ*ｇ_ｆ、ｙ＝ｇ_ｆ*Ｃ_２、ｔ＝（α−ｇ_ｆ）／α、Ｃ_２は定常値であり、ｇ_ｆは顔領域の平均グレースケール値である。

本発明の１つまたは複数の実施例によれば、受信された画像内の顔領域を識別するステップは、動的形状モデル（ＡＳＭ）、動的外観モデル（ＡＡＭ）または他の適用可能な方法に基づき、受信された画像内の顔領域と、顔領域における顔器官とを識別するステップを含んでもよい。なお、前記顔領域における顔肌領域は、前記顔領域のうち、前記顔器官を除く領域である。これにより、顔領域における顔肌のみに対する処理を行うことができ、得られた処理後の画像の精度がさらに良くなる。

図３は、本発明の１つまたは複数の実施例における顔肌領域を示す模式図である。図示のように、受信された画像内の顔領域、および顔領域内の要部である目、鼻、口などをＡＳＭ、ＡＡＭまたは他の公知方法に基づいて識別した後、顔領域のうち、要部を除く領域を顔部粗さの推定に用いてもよい。図３に示すように、図中のアーチ線で囲まれた領域は顔領域を示し、ハッチング領域はそれぞれ人の鼻および口を示す。したがって、アーチ線で囲まれた領域のうち、ハッチング領域を除く部分は顔肌領域である。

本発明の１つまたは複数の実施例において、顔領域における顔肌領域の顔部粗さの算出は、グレースケール値と画素の空間的サイズとからなるパラメータセットを２セット用いて前記顔肌領域をフィルタリングすることにより２つの顔肌画像を獲得すると共に、前記２つの顔肌画像の差分を算出して差分画像を獲得するステップと、差分画像の平均グレースケール値を用いて顔部粗さを推定するステップと、を含んでもよい。なお、前記差分画像の平均グレースケール値が大きいほど、前記顔部粗さが大きくなる。

本発明において、２つのパラメータセットとしては、システム内に設定されたデフォルト値を選択してもよい。これにより、ユーザが選択する必要がなくなる。例えば、適用される２つのパラメータセットがそれぞれ（０．０５，０．０１）および（１５．５，０．０１）であってもよい。なお、実際の使用時は、固定の２つのパラメータセットを用いる。２つのパラメータセットを用いて推定した粗さは、必ずしも人間が実際に感じた粗さと一致しなくてもよく、実際の粗さの間における相対的な粗さが得られればよい。

本発明の１つまたは複数の実施例において、顔領域における顔肌領域の顔部粗さの算出は、グレースケール値と画素の空間的サイズとからなるパラメータセットを２セット用いて前記顔肌領域をフィルタリングすることにより２つの顔肌画像を獲得すると共に、前記２つの顔肌画像の差分を算出して差分画像を獲得するステップと、固定の閾値に基づく分割手法を用いて差分画像を複数のサブ領域に分けるステップと、各々のサブ領域の領域サイズおよび平均グレースケール値を算出するステップと、各々のサブ領域の平均グレースケール値に基づいて各々のサブ領域のサブ領域粗さを算出するステップと、各々のサブ領域の領域サイズに基づいてサブ領域粗さについて重み付けを行うことにより、顔部粗さを得るステップと、を含んでもよい。

該手法は、顔肌領域をサブ領域に分けた後、サブ領域に対して重み付けを行うことにより、顔肌領域全体における顔部粗さを得る手法であり、上記の他の手法よりも演算量が増えるが、顔部粗さをより精度良く得ることができる。例えば、頬の領域に対する平滑化がより好適となるように、頬の領域に関する重み付け値を、他の領域に関する重み付け値よりも大きく設定してもよい。さらに、例えば、目の周辺の皴が顔の他の領域よりも多い人については、顔の皴に対する平滑化がより好適となるように、目の周辺領域に関する重み付け値を、他の領域に関する重み付け値よりも大きく設定してもよい。

本発明の１つまたは複数の実施例において、顔領域における顔肌領域の顔部粗さの算出は、前記顔肌領域の大きさを用いて顔部粗さを推定するステップを含んでもよい。なお、前記顔肌領域が大きいほど、前記顔部粗さが大きくなる。該手法は、他の手法よりも演算量が少ない。

本発明の１つまたは複数の実施例において、前記顔部粗さに基づいて顔肌領域をフィルタリングする処理は、顔肌領域に対するフィルタリングのフィルタリング度を、前記顔部粗さに応じて制御するステップを含む。

１つまたは複数の実施例において、直接にシステムが、顔肌領域に施すべきフィルタリングのフィルタリング度を、顔部粗さに応じて制御してもよい。また、別の１つまたは複数の実施例において、ユーザにフィルタリング度を選択させ、ユーザによって選択されたフィルタリング度と顔部粗さとを乗算した積を、顔肌領域に施すべきフィルタリングのフィルタリング度としてもよい。これにより、平滑化後の画像は、写真内の顔肌の粗さに応じて自己適応的にフィルタリングしたものとなると共に、ユーザが希望したフィルタリング度を反映したものとなる。

上述した本発明の実施例に関する他の構成としては、上述した方法の実施例におけるステップ及び動作を実行するソフトウェアプログラムを含む。より具体的には、該コンピュータプログラム製品とは、符号化されたコンピュータプログラムロジックを記録したコンピュータ読み取り可能な記録媒体を備え、該コンピュータプログラムロジックがコンピュータ機器上で実行されると、上記の技術的構成の実現に関する処理が行われる製品である。また、該コンピュータプログラムロジックは、コンピューティングシステムにおける少なくとも１つのプロセッサにより実行されると、本発明の実施例に記載の動作（方法）が実行されるようになる。本発明の上記構成に供される代表的なものとしては、例えば、光学媒体（例えばＣＤ−ＲＯＭ）、フロッピ（登録商標）またはハードディスクのようなコンピュータ読み取り可能な記録媒体上に記録または符号化された、ソフトウェア、コード、及び／又は他のデータ構成；或いは、１つまたは複数のＲＯＭ、ＲＡＭ若しくはＰＲＯＭチップ上のハード構成やマイクロコードのような別媒体、特定用途集積回路（ＡＳＩＣ）；或いは、１つまたは複数のモジュール内のダウンロード可能なソフトウェア画像、共有データベース等が挙げられる。また、ソフトウェア、ハードウェアまたは上記のような構成をコンピュータ機器に設け、本発明の実施例に記載の技術的構成をコンピュータ機器内の１つまたは複数のプロセッサに実行させてもよい。また、例えばデータ通信機器セットまたは他の実体演算機器と共同で行われるソフトウェアプロセスによっても、本発明に係る機器は実現され得る。本発明に係る機器は、複数のデータ通信機器上の複数のソフトウェアプロセスの間、小型専用コンピュータ群上で動作するあらゆるソフトウェアプロセスの間、または、単独のコンピュータ上で動作するあらゆるソフトウェアプロセスの間に分散される形式で実現され得る。

厳密に言えば、本発明の実施例は、コンピュータ機器上のソフトウェアプログラム、ソフトウェアやハードウェア、または、独立ソフトウェア及び／又は独立回路としても実現され得るものと理解されるべきである。

なお、以上は単に例示の形で本発明の技術的構成を説明したが、本発明が上記のステップ及びユニット構成に限定されることを意味するものではない。可能であれば、必要に応じてステップ及びユニット構成を調整、取捨してもよい。したがって、一部のステップ及びユニットは、必ずしも本発明の思想全体に基づく実施に必要な要素ではない。そのため、本発明に必要な技術的特徴は、以上の具体的な実施例に限定されず、本発明の思想全体における必要最低限の構成を実現可能なもののみに限定される。

以上、好ましい実施例を例示しながら本発明について説明したが、当業者が本発明の精神及び範囲から逸脱しない範囲で、本発明に対して種々の変更、置換及び追加を行うことが可能であると理解されるべきである。したがって、本発明の範囲は、上述した特定な実施例に限定されず、添付される特許請求の範囲により限定されるべきである。

Claims (20)

1. 画像処理装置であって、
   処理すべき画像を受信するように構成された画像受信モジュールと、
   受信された画像内の顔領域を識別するように構成された顔部領域識別モジュールと、
   画像全体の輝度および顔領域の輝度に基づいて顔領域内の画素について処理することにより、顔領域内の画素を白くするように構成された肌美白化モジュールと、
   顔領域における顔肌領域の顔部粗さを算出し、前記顔部粗さに基づいて顔肌領域をフィルタリングするように構成された顔肌平滑化モジュールと、
   処理後の画像を出力するように構成された画像出力モジュールと、を備え、
   前記肌美白化モジュールは、
   顔領域内の画素のゲイン（ｇａｉｎ）を下記式
   

   

   
   〔式中、ｇ_ｃはゲイン定数因子であり、ｔ_ｇ＝ｅｘｐ（−ｂ_ｆ*ｃ_ｌ＋β−ｓ）、ｓ＝ｌｏｇ（η＋ｇ_ｐ）、ｓは強光成分に対する抑制因子であり、βおよびηは定常値であり、局所コントラストｃ_ｌ＝ｇ_ｐ／ｇ_ｔ、ｇ_ｐは当該画素のグレースケール値であり、ｇ_ｔは当該画素を中心としたｋ*ｋ領域内における総グレースケール値であり、ｋは指定の定数であり、輝度因子ｂ_ｆは下記のように算出され、
   

   

   
   αは予め設定された閾値であり、Ｃ_ｇは定常値であり、ｘ＝ｇ_ｆ*ｇ_ｆ、ｙ＝ｇ_ｆ*Ｃ_２、ｔ＝（α−ｇ_ｆ）／α、Ｃ_２は定常値であり、ｇ_ｆは顔領域の平均グレースケール値である〕で算出すると共に、顔領域内の画素のグレースケール値とゲイン（ｇａｉｎ）とを乗算することにより顔領域内の画素を白くするように構成されている、画像処理装置。
2. 前記顔肌平滑化モジュールは、
   グレースケール値と画素の空間的サイズとからなるパラメータセットを２セット用いて前記顔肌領域をフィルタリングすることにより２つの顔肌画像を獲得すると共に、前記２つの顔肌画像の差分を算出して差分画像を獲得し、
   差分画像の平均グレースケール値を用いて顔部粗さを推定するように構成されている、請求項１に記載の画像処理装置。
3. 前記差分画像の平均グレースケール値が大きいほど、前記顔部粗さが大きくなる、請求項２に記載の画像処理装置。
4. 前記顔肌平滑化モジュールは、
   グレースケール値と画素の空間的サイズとからなるパラメータセットを２セット用いて前記顔肌領域をフィルタリングすることにより２つの顔肌画像を獲得すると共に、前記２つの顔肌画像の差分を算出して差分画像を獲得し、
   固定の閾値に基づく分割手法を用いて差分画像を複数のサブ領域に分け、
   各々のサブ領域の領域サイズおよび平均グレースケール値を算出し、
   各々のサブ領域の平均グレースケール値に基づいて各々のサブ領域のサブ領域粗さを算出し、
   各々のサブ領域の領域サイズに基づいてサブ領域粗さについて重み付けを行うことにより、顔部粗さを得るように構成されている、請求項１に記載の画像処理装置。
5. 前記顔肌平滑化モジュールは、前記顔肌領域の大きさを用いて顔部粗さを推定するように構成されている、請求項１に記載の画像処理装置。
6. 前記顔肌領域が大きいほど、前記顔部粗さが大きくなる、請求項５に記載の画像処理装置。
7. 前記顔肌平滑化モジュールは、顔肌領域に対するフィルタリングのフィルタリング度を、前記顔部粗さに応じて制御するように構成されている、請求項１に記載の画像処理装置。
8. Ｃ_２、αおよびＣ_ｇは、異なるｇ_ｆについて算出された輝度因子ｂ_ｆの値が出来る限り連続となるように設定されており、
   ｇ_ｃ、βおよびηは、異なるｇ_ｐについて算出されたゲイン（ｇａｉｎ）が適切な範囲内に含まれるように設定されている、請求項１に記載の画像処理装置。
9. {Ｃ_２，α，Ｃ_ｇ，ｇ_ｃ，β，η}が、{１．３，０．３，１．０，１．０，０．００１，０．０００１}、{１．３，０．５，０．８，１．２，０．００２，０．００００１}、{１．２，０．４，０．９，１．２５，０．００５，０．００００２}の何れか１つである、請求項８に記載の画像処理装置。
10. 前記顔領域における顔肌領域は、前記顔領域のうち、顔器官を除く領域である、請求項１に記載の画像処理装置。
11. 画像処理方法であって、
    処理すべき画像を受信するステップと、
    受信された画像内の顔領域を識別するステップと、
    画像全体の輝度および顔領域の輝度に基づいて顔領域内の画素について処理することにより、顔領域内の画素を白くするステップと、
    顔領域における顔肌領域の顔部粗さを算出し、前記顔部粗さに基づいて顔肌領域をフィルタリングするステップと、
    処理後の画像を出力するステップと、を含み、
    顔領域内の画素のゲイン（ｇａｉｎ）を下記式
    

    

    
    〔式中、ｇ_ｃはゲイン定数因子であり、ｔ_ｇ＝ｅｘｐ（−ｂ_ｆ*ｃ_ｌ＋β−ｓ）、ｓ＝ｌｏｇ（η＋ｇ_ｐ）、ｓは強光成分に対する抑制因子であり、βおよびηは定常値であり、局所コントラストｃ_ｌ＝ｇ_ｐ／ｇ_ｔ、ｇ_ｐは当該画素のグレースケール値であり、ｇ_ｔは当該画素を中心としたｋ*ｋ領域内における総グレースケール値であり、ｋは指定の定数であり、輝度因子ｂ_ｆは下記のように算出され、
    

    

    
    αは予め設定された閾値であり、Ｃ_ｇは定常値であり、ｘ＝ｇ_ｆ*ｇ_ｆ、ｙ＝ｇ_ｆ*Ｃ_２、ｔ＝（α−ｇ_ｆ）／α、Ｃ_２は定常値であり、ｇ_ｆは顔領域の平均グレースケール値である〕で算出すると共に、顔領域内の画素のグレースケール値とゲイン（ｇａｉｎ）とを乗算することにより顔領域内の画素を白くする、画像処理方法。
12. 顔領域における顔肌領域の顔部粗さの算出は、
    グレースケール値と画素の空間的サイズとからなるパラメータセットを２セット用いて前記顔肌領域をフィルタリングすることにより２つの顔肌画像を獲得すると共に、前記２つの顔肌画像の差分を算出して差分画像を獲得するステップと、
    差分画像の平均グレースケール値を用いて顔部粗さを推定するステップと、を含む、請求項１１に記載の画像処理方法。
13. 前記差分画像の平均グレースケール値が大きいほど、前記顔部粗さが大きくなる、請求項１２に記載の画像処理方法。
14. 顔領域における顔肌領域の顔部粗さの算出は、
    グレースケール値と画素の空間的サイズとからなるパラメータセットを２セット用いて前記顔肌領域をフィルタリングすることにより２つの顔肌画像を獲得すると共に、前記２つの顔肌画像の差分を算出して差分画像を獲得するステップと、
    固定の閾値に基づく分割手法を用いて差分画像を複数のサブ領域に分けるステップと、
    各々のサブ領域の領域サイズおよび平均グレースケール値を算出するステップと、
    各々のサブ領域の平均グレースケール値に基づいて各々のサブ領域のサブ領域粗さを算出するステップと、
    各々のサブ領域の領域サイズに基づいてサブ領域粗さについて重み付けを行うことにより、顔部粗さを得るステップと、を含む、請求項１１に記載の画像処理方法。
15. 顔領域における顔肌領域の顔部粗さの算出は、前記顔肌領域の大きさを用いて顔部粗さを推定するステップを含む、請求項１１に記載の画像処理方法。
16. 前記顔肌領域が大きいほど、前記顔部粗さが大きくなる、請求項１５に記載の画像処理方法。
17. 前記顔部粗さに基づいて顔肌領域をフィルタリングする処理は、顔肌領域に対するフィルタリングのフィルタリング度を、前記顔部粗さに応じて制御するステップを含む、請求項１１に記載の画像処理方法。
18. Ｃ_２、αおよびＣ_ｇは、異なるｇ_ｆについて算出された輝度因子ｂ_ｆの値が出来る限り連続となるように設定されており、
    ｇ_ｃ、βおよびηは、異なるｇ_ｐについて算出されたゲイン（ｇａｉｎ）が好適な範囲に含まれるように設定されている、請求項１１に記載の画像処理方法。
19. {Ｃ_２，α，Ｃ_ｇ，ｇ_ｃ，β，η}が、{１．３，０．３，１．０，１．０，０．００１，０．０００１}、{１．３，０．５，０．８，１．２，０．００２，０．００００１}、{１．２，０．４，０．９，１．２５，０．００５，０．００００２}の何れか１つである、請求項１８に記載の画像処理方法。
20. 前記顔領域における顔肌領域は、前記顔領域のうち、顔器官を除く領域である、請求項１１に記載の画像処理方法。

Images