WO2016141866A1 - 图像处理设备和方法 - Google Patents

图像处理设备和方法 Download PDF

Info

Publication number
WO2016141866A1
WO2016141866A1 PCT/CN2016/075789 CN2016075789W WO2016141866A1 WO 2016141866 A1 WO2016141866 A1 WO 2016141866A1 CN 2016075789 W CN2016075789 W CN 2016075789W WO 2016141866 A1 WO2016141866 A1 WO 2016141866A1
Authority
WO
WIPO (PCT)
Prior art keywords
face
region
roughness
facial
image
Prior art date
Application number
PCT/CN2016/075789
Other languages
English (en)
French (fr)
Inventor
陈海林
Original Assignee
夏普株式会社
陈海林
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 夏普株式会社, 陈海林 filed Critical 夏普株式会社
Priority to JP2017544939A priority Critical patent/JP6437664B2/ja
Publication of WO2016141866A1 publication Critical patent/WO2016141866A1/zh

Links

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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • 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

Definitions

  • the present disclosure relates to image processing techniques and, more particularly, to an apparatus and method for processing a portion of a face in an image.
  • Chinese patent application CN201410042209.4 discloses a face beautification method based on an unsupervised optimal beauty feature and a depth evaluation model.
  • the beautified faces have different types.
  • Chinese Patent Application No. CN201410137069.9 discloses a face beautification method which focuses on eliminating skin imperfections on a person's face.
  • Chinese Patent Application No. CN200810116057.2 discloses a method for beautifying a face skin using a projection vector of a face image.
  • the projection vector can be used to reconstruct the face image without including the high frequency portion of the face image.
  • Korean Patent Application KR20070024140 proposes a 3D face modeling system and method that considers an individual's preference for beauty.
  • the Chinese patent application CN201410042209.4 focuses on the beautification of the shape of the face, but does not beautify the facial skin.
  • the Chinese patent application CN201410137069.9 only deals with skin blemishes, does not treat other facial skin areas, and does not whiten the skin.
  • Chinese patent application CN200810116057.2 reconstructs the face image without including the high frequency portion of the image, but the patent application does not whiten the facial skin.
  • Korean patent application KR20070024140 focuses on 3D face modeling.
  • a user may wish to adaptively beautify the facial skin in a photo.
  • the existing image processing methods especially the face beautification method, have some problems, and it is difficult to adaptively beautify the face, and it is difficult to provide a good user experience.
  • the present disclosure proposes an image processing apparatus and method capable of beautifying the facial skin in a photo adaptively.
  • an image processing apparatus comprising:
  • An image receiving module configured to receive an image to be processed
  • a face area recognition module configured to identify a face area in the received image
  • a skin whitening module configured to process pixels in a face region according to brightness of the entire image and brightness of the face region, such that pixels in the face region become white;
  • a facial skin smoothing module configured to calculate a facial roughness of a facial skin region in a face region, and filter the facial skin region according to the facial roughness
  • An image output module configured to output the processed image
  • the skin whitening module is configured to calculate a gain gain of a pixel in a face region according to the following formula:
  • g c is the gain constant factor
  • t g exp(-b f *c l + ⁇ -s)
  • s log( ⁇ +g p )
  • s is the strong light partial inhibition factor
  • ⁇ and ⁇ are constant values
  • the local contrast c l g p /g t , where g p is the gray value of the pixel, g t is the total gray value in the k*k region centered on the pixel, and k is the specified constant.
  • the brightness factor b f is calculated as follows:
  • ⁇ is a preset threshold
  • C g is a constant value
  • x g f *g f
  • y g f *C 2
  • t ( ⁇ -g f )/ ⁇
  • C 2 is a constant value
  • g f is a human face
  • the pixels in the face region are made white.
  • an image processing method including: an image processing method, including:
  • the pixels in the face region are processed according to the brightness of the entire image and the brightness of the face region, so that the pixels in the face region become white;
  • the gain gain of the pixel in the face region is calculated according to the following formula:
  • g c is the gain constant factor
  • t g exp(-b f *c l + ⁇ -s)
  • s log( ⁇ +g p )
  • s is the strong light partial inhibition factor
  • ⁇ and ⁇ are constant values
  • the local contrast c l g p /g t , where g p is the gray value of the pixel, g t is the total gray value in the k*k region centered on the pixel, and k is the specified constant.
  • the brightness factor b f is calculated as follows:
  • ⁇ is a preset threshold
  • C g is a constant value
  • x g f *g f
  • y g f *C 2
  • t ( ⁇ -g f )/ ⁇
  • C 2 is a constant value
  • g f is a human face
  • the pixels in the face region are made white.
  • the facial skin when the user wants to beautify the facial skin in the photo, the facial skin can be adaptively whitened according to the brightness of the facial skin in the photo and the brightness of the entire photo, and according to the facial The roughness of the skin adaptively smoothes the facial skin.
  • FIG. 1 is a schematic block diagram showing an image processing apparatus according to one or more embodiments of the present disclosure.
  • FIG. 2 is a flow chart illustrating an image processing method in accordance with one or more embodiments of the present disclosure.
  • FIG. 3 shows a schematic view of a facial skin region in accordance with one or more embodiments of the present invention.
  • FIG. 1 is a schematic block diagram showing an image processing apparatus 1000 in accordance with one or more embodiments of the present disclosure.
  • the image processing apparatus 1000 includes: an image receiving module 1100 configured to receive an image to be processed; a face region identifying module 1200 configured to recognize a face region in the received image;
  • the module 1300 is configured to process pixels in the face region according to the brightness of the entire image and the brightness of the face region, so that the pixels in the face region become white;
  • the facial skin smoothing module 1400 is configured as a computing person The facial roughness of the facial skin area in the face area, and filtering the facial skin area according to the facial roughness,
  • the image output module 1500 is configured to output the processed image.
  • the skin whitening module 1300 is configured to calculate a gain gain of a pixel in a face region according to the following formula:
  • g c is the gain constant factor
  • t g exp(-b f *c l + ⁇ -s)
  • s log( ⁇ +g p )
  • s is the strong light partial inhibition factor
  • ⁇ and ⁇ are constant values
  • local contrast c l g p /g t
  • g p is the gray value of the pixel
  • g t is the total gray value in the k*k region centered on the pixel
  • the brightness factor b f is calculated as follows:
  • ⁇ is a preset threshold
  • C g is a constant value
  • x g f *g f
  • y g f *C 2
  • t ( ⁇ -g f )/ ⁇
  • C 2 is a constant value
  • g f is a human face
  • the average gray value of the region is obtained by calculating the average gray scale of the pixels in the face region.
  • the pixels in the face region are made white.
  • facial skin can be adaptively whitened according to the brightness of the facial skin and the brightness of the entire image.
  • b f , C 2 , ⁇ and C g are preset thresholds, which are set such that the b f values calculated by the different luminance factors g f are as continuous as possible.
  • g c , ⁇ and ⁇ are preset thresholds, which are set such that the gain gain calculated by the different g p falls within an appropriate range.
  • g c may be set to 1.0, ⁇ is 0.3, C g is 1.0, C 2 is 1.3, and ⁇ and ⁇ are 0.001 and 0.0001, respectively.
  • ⁇ C 2 , ⁇ , C g , g c , ⁇ , ⁇ can be selected to be ⁇ 1.3, 0.5, 0.8, 1.2, 0.002, 0.00001 ⁇ or ⁇ 1.2, 0.4, 0.9, 1.25, 0.005, 0.00002 ⁇ .
  • the face region identification module 1200 is configured to identify a face region and a face region in the received image according to an Active Shape Model (ASM) or an Active Look Model (AAM) or other feasible method.
  • the facial skin smoothing module 1400 can be configured to: filter the facial skin regions using two sets of parameters to obtain two facial skin images, calculate the two faces The difference between the skin images results in a difference image in which each set of parameters is composed of gray value and pixel space size; and the average gray value of the difference image is used to estimate the face roughness. The larger the average gray value of the difference image, the larger the face roughness.
  • the facial skin smoothing module 1400 can be configured to: filter the facial skin regions using two sets of parameters to obtain two facial skin images, calculate the two faces The difference between the skin images, the difference image is obtained, wherein each set of parameters is composed of gray value and pixel space size; the fixed image is divided into a plurality of small regions by a fixed threshold segmentation method; the area size and average gray of each small region are calculated. The degree value is calculated according to the average gray value of each small area, and the small area roughness of each small area is calculated; and the small area roughness is weighted according to the size of each small area to obtain the face roughness.
  • the face smoothing module 1400 may be configured to estimate the face roughness using the size of the facial skin area. The larger the facial skin area, the greater the facial roughness.
  • the facial skin smoothing module 1400 is configured to control the degree of filtering for filtering the facial skin region according to the facial roughness.
  • the facial skin smoothing module 1400 can employ at least three methods to estimate facial roughness. Therefore, according to an embodiment of the present invention, facial skin can be adaptively smoothed according to facial skin roughness.
  • FIG. 2 is a flow chart showing an image processing method 2000 in accordance with one or more embodiments of the present disclosure.
  • the method starts in step S2100, and in step S2100, it receives a pending Image. Then, in step S2200, the face area in the received image is identified. In step S2300, the pixels in the face region are processed according to the brightness of the entire image and the brightness of the face region, so that the pixels in the face region become white. Next, in step S2400, the facial roughness of the facial skin region in the face region is calculated, and the facial skin region is filtered according to the facial roughness. Finally, in step S2500, the processed image is output,
  • the gain gain of the pixel in the face region is calculated according to the following formula:
  • g c is the gain constant factor
  • t g exp(-b f *c l + ⁇ -s)
  • s log( ⁇ +g p )
  • s is the strong light partial inhibition factor
  • ⁇ and ⁇ are constant values
  • local contrast c l g p /g t , where g p is the gray value of the pixel, g t is the total gray value in the k*k region centered on the pixel, k is the specified constant, such as k is 2, 4 or 8.
  • the brightness factor b f is calculated as follows:
  • ⁇ is a preset threshold
  • C g is a constant value
  • x g f *g f
  • y g f *C 2
  • t ( ⁇ -g f )/ ⁇
  • C 2 is a constant value
  • g f is a human face
  • the pixels in the face region are made white.
  • the step of identifying a face region in the received image may include identifying the received image according to an Active Shape Model (ASM) or an Active Look Model (AAM) or other feasible method.
  • ASM Active Shape Model
  • AAM Active Look Model
  • the facial skin area in the face area is an area other than the facial features in the face area. This allows the processing to be directed only to the facial skin in the face area, and the resulting processed image is more accurate.
  • FIG. 3 shows a schematic view of a facial skin region in accordance with one or more embodiments of the present invention.
  • the face area in the received image and the key parts thereof ie the eyes, nose and mouth of the person, can be identified, and then the face area is removed. Areas outside the critical part are used to estimate facial roughness.
  • the area above the arc in the figure is the face area
  • the oblique line area is the nose and the mouth of the person, respectively, and therefore, the area above the arc except the oblique line area is the facial skin. region.
  • the step of calculating the facial roughness of the facial skin region in the face region may include: filtering the facial skin region using two sets of parameters to obtain two faces a skin image, calculating a difference between the two facial skin images, obtaining a difference image, wherein each set of parameters is composed of a gray value and a pixel space size; and estimating the face roughness using the average gray value of the difference image. The larger the average gray value of the difference image, the larger the face roughness.
  • the selection of the two sets of parameters may be set by default in the system so that no selection by the user is required.
  • the two sets of parameters that can be applied can be (0.05, 0.01) and (15.5, 0.01), respectively.
  • the two sets of parameters are fixed in actual use.
  • the roughness estimated using the two sets of parameters is not necessarily consistent with the true roughness perceived by the human being, and only the relative roughness between the different true roughnesses is required.
  • the step of calculating the facial roughness of the facial skin region in the face region may include: filtering the facial skin region using two sets of parameters to obtain two faces a skin image, calculating a difference between the two facial skin images to obtain a difference image, wherein each set of parameters is composed of a gray value and a pixel space size; and the differential image is divided into a plurality of small regions by a fixed threshold segmentation method; Calculating the area size and the average gray value of each small area; calculating the small area roughness of each small area according to the average gray value of each small area; and weighting the small area roughness according to the size of each small area To get the roughness of the face.
  • the method divides the facial skin area into small areas, and then weights the small area to obtain the facial roughness of the entire facial skin area.
  • the weight value of the cheek region can be set to be larger than the weighting values of other regions, so that the cheek region can be better smoothed.
  • the weighting value of the area around the eye can be set to be larger than the weighting value of other areas, so that the pair can be better The wrinkles on the face are smoothed.
  • the step of calculating the facial roughness of the facial skin region in the face region may include estimating the facial roughness using the size of the facial skin region. The larger the facial skin area, the greater the facial roughness. This method has the least amount of calculation compared to other methods.
  • the step of filtering the facial skin region according to the facial roughness includes controlling the degree of filtering for filtering the facial skin region according to the facial roughness.
  • the degree of filtration to be applied to the facial skin area can be controlled by the system directly according to the facial roughness.
  • the degree of filtering may also be selected by the user, and then the product of the degree of filtering selected by the user and the roughness of the face is taken as the degree of filtering to be applied to the skin area of the face, so that the smoothed image is Adaptive filtering according to the roughness of the facial skin in the photo also reflects the degree of filtering required by the user.
  • the computer program product is an embodiment having a computer readable medium encoded with computer program logic, the computer program logic providing related operations when provided on a computing device to provide The above technical solution.
  • the computer program logic When executed on at least one processor of a computing system, the computer program logic causes the processor to perform the operations (methods) described in the embodiments of the present disclosure.
  • Such an arrangement of the present disclosure is typically provided as software, code, and/or other data structures, such as one or more, that are arranged or encoded on a computer readable medium such as an optical medium (eg, CD-ROM), floppy disk, or hard disk.
  • Software or firmware or such a configuration may be installed on the computing device such that one or more processors in the computing device perform the techniques described in the embodiments of the present disclosure.
  • Software processes in conjunction with computing devices such as a group of data communication devices or other entities may also provide devices in accordance with the present disclosure.
  • Devices in accordance with the present disclosure may also be distributed among multiple software processes on multiple data communication devices, or all software processes running on a group of small dedicated computers, or all software processes running on a single computer.
  • embodiments of the present disclosure may be implemented as soft on a computer device Program, software and hardware, or separate software and/or separate circuits.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)
  • Facsimile Image Signal Circuits (AREA)
  • Image Analysis (AREA)

Abstract

一种图像处理设备（1000）及图像处理方法，所述图像处理设备（1000）包括：图像接收模块（1100），被配置为接收待处理的图像；脸部区域识别模块（1200），被配置为识别接收到的图像中的人脸区域；皮肤变白模块（1300），被配置为根据整个图像的亮度和人脸区域的亮度，对人脸区域中的像素进行处理，使得人脸区域中的像素变白；脸部皮肤平滑模块（1400），被配置为计算人脸区域中的脸部皮肤区域的脸部粗糙度，并根据所述脸部粗糙度对脸部皮肤区域进行过滤，以及图像输出模块（1500），被配置为输出处理后的图像。当用户想要对照片中的脸部皮肤进行美化时，可以根据照片中脸部皮肤的亮度和整个照片的亮度自适应地使脸部皮肤变白，并根据脸部皮肤的粗糙度自适应地平滑脸部皮肤。

Description

图像处理设备和方法 技术领域
本公开涉及图像处理技术，更具体地，涉及一种对图像中的人脸部分进行处理的设备和方法。
背景技术
随着多媒体技术的发展和多媒体设备的发展，出现了各种应用，给人们的生活带来了便利。例如，用户在照相之后，可能希望处理照片，然后与朋友或家人分享处理后的照片。
例如，中国专利申请CN201410042209.4公开了一种基于无监督最优美丽特征和深度评价模型的人脸美化方法。所美化的人脸具有不同的类型。
再例如，中国专利申请CN201410137069.9公开了一种人脸美化方法，其关注于消除人脸上的皮肤瑕疵。
再例如，中国专利申请CN200810116057.2公开了一种人脸皮肤美化方法，使用人脸图像的投影向量。投影向量可以用于重构人脸图像，而不包括人脸图像的高频部分。
此外，韩国专利申请KR20070024140提出了一种3D人脸建模***和方法，其考虑个体针对美丽的偏好。
中国专利申请CN201410042209.4主要关注于脸部形状的美化，但是并未对脸部皮肤进行美化。
中国专利申请CN201410137069.9仅仅处理皮肤瑕疵，并不处理其他脸部皮肤区域，而且未使得皮肤变白。
中国专利申请CN200810116057.2重构人脸图像而不包括图像的高频部分，但该专利申请并未使得脸部皮肤变白。
韩国专利申请KR20070024140主要关注于3D人脸建模。
通常，用户可能希望自适应地美化照片中的脸部皮肤。
发明内容
如上所述，现有的图像处理方法，尤其是人脸美化方法，存在一些问题，难以自适应美化人脸，难以提供良好的用户体验。
本公开提出了一种图像处理设备和方法，能够自适应地对照片中的脸部皮肤进行美化。
根据本公开的一个方面，提出了一种图像处理设备，包括：
图像接收模块，被配置为接收待处理的图像；
脸部区域识别模块，被配置为识别接收到的图像中的人脸区域；
皮肤变白模块，被配置为根据整个图像的亮度和人脸区域的亮度，对人脸区域中的像素进行处理，使得人脸区域中的像素变白；
脸部皮肤平滑模块，被配置为计算人脸区域中的脸部皮肤区域的脸部粗糙度，并根据所述脸部粗糙度对脸部皮肤区域进行过滤；以及
图像输出模块，被配置为输出处理后的图像，
其中，所述皮肤变白模块被配置为根据以下公式来计算人脸区域中的像素的增益gain：
gain＝cl*(gc+tg)
其中，gc是增益常量因子，tg＝exp(-bf*cl+β-s)，s＝log(η+gp)，s是强光部分抑制因子，β和η是恒定值，局部对比度cl＝gp/gt，其中gp是该像素的灰度值，gt是以该像素为中心的k*k区域内的总灰度值，k为指定的常量。
亮度因子bf计算如下：
Figure PCTCN2016075789-appb-000001
α是预设阈值，Cg是恒定值，x＝gf*gf，y＝gf*C2，t＝(α-gf)/α， C2是恒定值，gf是人脸区域的平均灰度值，
以及
通过将人脸区域中的像素的灰度值与增益gain相乘，使得人脸区域中的像素变白。
根据本公开的另一方面，提出了一种图像处理方法，包括：图像处理方法，包括：
接收待处理的图像；
识别接收到的图像中的人脸区域；
根据整个图像的亮度和人脸区域的亮度，对人脸区域中的像素进行处理，使得人脸区域中的像素变白；
计算人脸区域中的脸部皮肤区域的脸部粗糙度，并根据所述脸部粗糙度对脸部皮肤区域进行过滤，以及
输出处理后的图像，
其中，根据以下公式来计算人脸区域中的像素的增益gain：
gain＝cl*(gc+tg)
其中，gc是增益常量因子，tg＝exp(-bf*cl+β-s)，s＝log(η+gp)，s是强光部分抑制因子，β和η是恒定值，局部对比度cl＝gp/gt，其中gp是该像素的灰度值，gt是以该像素为中心的k*k区域内的总灰度值，k为指定的常量。
亮度因子bf计算如下：
Figure PCTCN2016075789-appb-000002
α是预设阈值，Cg是恒定值，x＝gf*gf，y＝gf*C2，t＝(α-gf)/α，C2是恒定值，gf是人脸区域的平均灰度值，
以及
通过将人脸区域中的像素的灰度值与增益gain相乘，使得人脸区域中的像素变白。
根据本公开的技术方案，当用户想要对照片中的脸部皮肤进行美化时，可以根据照片中脸部皮肤的亮度和整个照片的亮度自适应地使脸部皮肤变白，并根据脸部皮肤的粗糙度自适应地平滑脸部皮肤。
附图说明
根据下文的描述，本发明的附加目标、特征和优点将会更加清楚。而且，根据参照附图的下述解释，本发明的优点将会是明显的，附图中：
图1是示出了根据本公开的一个或多个实施例的图像处理设备的示意框图。
图2是示出了根据本公开的一个或多个实施例的图像处理方法的流程图。
图3示出了根据本发明的一个或多个实施例的脸部皮肤区域的示意图。
具体实施方式
以下参照附图，对本公开的示例实施例进行详细描述。在以下描述中，一些具体实施例仅用于描述目的，而不应该理解为对本公开有任何限制，而只是本公开的示例。在可能导致对本公开的理解造成混淆时，将省略常规结构或构造。
图1是示出了根据本公开的一个或多个实施例的图像处理设备1000的示意框图。如图所示，该图像处理设备1000包括：图像接收模块1100，被配置为接收待处理的图像；脸部区域识别模块1200，被配置为识别接收到的图像中的人脸区域；皮肤变白模块1300，被配置为根据整个图像的亮度和人脸区域的亮度，对人脸区域中的像素进行处理，使得人脸区域中的像素变白；脸部皮肤平滑模块1400，被配置为计算人脸区域中的脸部皮肤区域的脸部粗糙度，并根据所述脸部粗糙度对脸部皮肤区域进行过滤，以 及图像输出模块1500，被配置为输出处理后的图像。
其中，所述皮肤变白模块1300被配置为根据以下公式来计算人脸区域中的像素的增益gain：
gain＝cl*(gc+tg)
其中，gc是增益常量因子，tg＝exp(-bf*cl+β-s)，s＝log(η+gp)，s是强光部分抑制因子，β和η是恒定值，局部对比度cl＝gp/gt，其中gp是该像素的灰度值，gt是以该像素为中心的k*k区域内的总灰度值，k为指定的常量，例如，k＝2、4、8等等。
亮度因子bf计算如下：
Figure PCTCN2016075789-appb-000003
α是预设阈值，Cg是恒定值，x＝gf*gf，y＝gf*C2，t＝(α-gf)/α，C2是恒定值，gf是人脸区域的平均灰度值，通过计算人脸区域中的像素的平均灰度得到。
通过将人脸区域中的像素的灰度值与增益gain相乘，使得人脸区域中的像素变白。
根据本发明的实施例，可以根据脸部皮肤的亮度和整个图像的亮度自适应地使脸部皮肤变白。
在亮度因子bf的计算中，C2、α和Cg都是预设阈值，其设置使得不同的亮度因子gf计算得到的bf值尽量连续。在增益gain的计算中，gc、β和η都是预设阈值，其设置使得不同的gp计算得到的增益gain落入适当的范围。
作为示例，可以设置gc为1.0，α为0.3，Cg为1.0，C2为1.3，β和η分别为0.001和0.0001。当然，其他适当的值也是可行的。例如， {C2，α，Cg，gc，β，η}可以选择为{1.3，0.5，0.8，1.2，0.002，0.00001}或{1.2，0.4，0.9，1.25，0.005，0.00002}。
根据一个或多个实施例，所述脸部区域识别模块1200被配置为：根据主动形状模型(ASM)或主动外观模型(AAM)或其他可行方法，识别接收到的图像中的人脸区域和人脸区域中的五官，其中，所述人脸区域中的脸部皮肤区域是所述人脸区域中除所述五官之外的区域。
根据一个或多个实施例，所述脸部皮肤平滑模块1400可被配置为：使用两组参数对所述脸部皮肤区域进行过滤，以得到两个脸部皮肤图像，计算所述两个脸部皮肤图像之差，得到差图像，其中每组参数由灰度值和像素空间大小构成；以及使用差图像的平均灰度值来估计脸部粗糙度。所述差图像的平均灰度值越大，所述脸部粗糙度越大。
根据一个或多个实施例，所述脸部皮肤平滑模块1400可被配置为：使用两组参数对所述脸部皮肤区域进行过滤，以得到两个脸部皮肤图像，计算所述两个脸部皮肤图像之差，得到差图像，其中每组参数由灰度值和像素空间大小构成；通过固定阈值分割方法，将差图像划分为多个小区域；计算各个小区域的区域大小和平均灰度值；根据各个小区域的平均灰度值，计算各个小区域的小区域粗糙度；以及根据各个小区域的区域大小，对小区域粗糙度进行加权，以得到脸部粗糙度。
根据一个或多个实施例，所述脸部平滑模块1400可被配置为：使用所述脸部皮肤区域的大小来估计脸部粗糙度。所述脸部皮肤区域越大，所述脸部粗糙度越大。
所述脸部皮肤平滑模块1400被配置为：根据所述脸部粗糙度来控制对脸部皮肤区域进行过滤的过滤度。
如上所述，脸部皮肤平滑模块1400可以采用至少三种方法来估计脸部粗糙度。因此，根据本发明的实施例，可以根据脸部皮肤粗糙度自适应地平滑脸部皮肤。
图2是示出了根据本公开的一个或多个实施例的图像处理方法2000的流程图。
如图2所示，该方法开始于步骤S2100，在步骤S2100，接收到待处理 的图像。然后在步骤S2200，识别接收到的图像中的人脸区域。在步骤S2300，根据整个图像的亮度和人脸区域的亮度，对人脸区域中的像素进行处理，使得人脸区域中的像素变白。接着，在步骤S2400，计算人脸区域中的脸部皮肤区域的脸部粗糙度，并根据所述脸部粗糙度对脸部皮肤区域进行过滤。最后，在步骤S2500，输出处理后的图像，
其中，根据以下公式来计算人脸区域中的像素的增益gain：
gain＝cl*(gc+tg)
其中，gc是增益常量因子，tg＝exp(-bf*cl+β-s)，s＝log(η+gp)，s是强光部分抑制因子，β和η是恒定值，局部对比度cl＝gp/gt，其中gp是该像素的灰度值，gt是以该像素为中心的k*k区域内的总灰度值，k为指定的常量，比如k为2、4或8。
亮度因子bf计算如下：
Figure PCTCN2016075789-appb-000004
α是预设阈值，Cg是恒定值，x＝gf*gf，y＝gf*C2，t＝(α-gf)/α，C2是恒定值，gf是人脸区域的平均灰度值，
以及
通过将人脸区域中的像素的灰度值与增益gain相乘，使得人脸区域中的像素变白。
根据本发明的一个或多个实施例，识别接收到的图像中的人脸区域的步骤可包括：根据主动形状模型(ASM)或主动外观模型(AAM)或其它可行方法，识别接收到的图像中的人脸区域和人脸区域中的五官。其中，所述人脸区域中的脸部皮肤区域是所述人脸区域中除所述五官之外的区域。这样可以使得处理仅针对人脸区域中的脸部皮肤，得到的处理后的图像更加准确。
图3示出了根据本发明的一个或多个实施例的脸部皮肤区域的示意图。如图所示，根据ASM或AAM或其他已知方法，可以识别接收到的图像中的人脸区域以及其中的关键部分，即人的眼睛、鼻子和嘴巴等，然后，将人脸区域中除关键部分之外的区域用于估算脸部粗糙度。如图3所示，图中弧线之上的区域是人脸区域，斜线区域分别是人的鼻子和嘴巴，因此，弧线之上的区域除了斜线区域之外的部分是脸部皮肤区域。
根据本发明的一个或多个实施例，计算人脸区域中的脸部皮肤区域的脸部粗糙度的步骤可包括：使用两组参数对所述脸部皮肤区域进行过滤，以得到两个脸部皮肤图像，计算所述两个脸部皮肤图像之差，得到差图像，其中每组参数由灰度值和像素空间大小构成；以及使用差图像的平均灰度值来估计脸部粗糙度。所述差图像的平均灰度值越大，所述脸部粗糙度越大。
在本申请中，两组参数的选择可以是缺省地设置在***中的，从而不需要用户进行选择。例如，可以应用的两组参数可以分别为(0.05，0.01)和(15.5，0.01)。实际使用时两组参数是固定的。使用两组参数估计出来的粗糙度不一定跟人感觉的真实粗糙度一致，只需要得到不同的真实粗糙度之间的相对粗糙程度就可以了。
根据本发明的一个或多个实施例，计算人脸区域中的脸部皮肤区域的脸部粗糙度的步骤可包括：使用两组参数对所述脸部皮肤区域进行过滤，以得到两个脸部皮肤图像，计算所述两个脸部皮肤图像之差，得到差图像，其中每组参数由灰度值和像素空间大小构成；通过固定阈值分割方法，将差图像划分为多个小区域；计算各个小区域的区域大小和平均灰度值；根据各个小区域的平均灰度值，计算各个小区域的小区域粗糙度；以及根据各个小区域的区域大小，对小区域粗糙度进行加权，以得到脸部粗糙度。
该方法将脸部皮肤区域划分为小区域，然后对小区域进行加权得到整个脸部皮肤区域的脸部粗糙度。与前一种方法相比，虽然计算量稍大，但是可以得到更为精确的脸部粗糙度。例如，可以将脸颊区域的加权值设置为相对于其他区域的加权值更大，使得可以更好地对脸颊区域进行平滑。再例如，对于眼部周围相对于脸部其他区域皱纹更多的人，可以将眼部周围区域的加权值设置为相对于其他区域的加权值更大，使得可以更好地对 脸部的皱纹进行平滑。
根据本发明的一个或多个实施例，计算人脸区域中的脸部皮肤区域的脸部粗糙度的步骤可包括：使用所述脸部皮肤区域的大小来估计脸部粗糙度。所述脸部皮肤区域越大，所述脸部粗糙度越大。该方法相比于其他方法，计算量最小。
根据本发明的一个或多个实施例，根据所述脸部粗糙度对脸部皮肤区域进行过滤的步骤包括：根据所述脸部粗糙度来控制对脸部皮肤区域进行过滤的过滤度。
根据一个或多个实施例，可以由***直接根据脸部粗糙度来控制要施加于脸部皮肤区域的过滤度。根据另外的一个或多个实施例，也可以由用户选择过滤度，然后将用户选择的过滤度与脸部粗糙度的乘积作为要施加于脸部皮肤区域的过滤度，以使得平滑的图像既按照照片中脸部皮肤的粗糙度进行自适应地过滤，也反映了用户需要的过滤度。
这里所公开的本公开实施例的其他设置包括执行在先概述的方法实施例的步骤和操作的软件程序。更具体地，计算机程序产品是如下的一种实施例：具有计算机可读介质，计算机可读介质上编码有计算机程序逻辑，当在计算设备上执行时，计算机程序逻辑提供相关的操作，从而提供上述技术方案。当在计算***的至少一个处理器上执行时，计算机程序逻辑使得处理器执行本公开实施例所述的操作(方法)。本公开的这种设置典型地提供为设置或编码在例如光介质(例如CD-ROM)、软盘或硬盘等的计算机可读介质上的软件、代码和/或其他数据结构、或者诸如一个或多个ROM或RAM或PROM芯片上的固件或微代码的其他介质、或专用集成电路(ASIC)、或一个或多个模块中的可下载的软件图像、共享数据库等。软件或固件或这种配置可安装在计算设备上，以使得计算设备中的一个或多个处理器执行本公开实施例所述的技术。结合诸如一组数据通信设备或其他实体中的计算设备进行操作的软件过程也可以提供根据本公开的设备。根据本公开的设备也可以分布在多个数据通信设备上的多个软件过程、或者在一组小型专用计算机上运行的所有软件过程、或者单个计算机上运行的所有软件过程之间。
应该理解，严格地讲，本公开的实施例可以实现为计算机设备上的软 件程序、软件和硬件、或者单独的软件和/或单独的电路。
应当注意的是，在以上的描述中，仅以示例的方式，示出了本公开的技术方案，但并不意味着本公开局限于上述步骤和单元结构。在可能的情形下，可以根据需要对步骤和单元结构进行调整和取舍。因此，某些步骤和单元并非实施本公开的总体公开思想所必需的元素。因此，本公开所必需的技术特征仅受限于能够实现本公开的总体公开思想的最低要求，而不受以上具体实例的限制。
至此已经结合优选实施例对本公开进行了描述。应该理解，本领域技术人员在不脱离本公开的精神和范围的情况下，可以进行各种其它的改变、替换和添加。因此，本公开的范围不局限于上述特定实施例，而应由所附权利要求所限定。

Claims (20)

  1. 一种图像处理设备，包括：
    图像接收模块，被配置为接收待处理的图像；
    脸部区域识别模块，被配置为识别接收到的图像中的人脸区域；
    皮肤变白模块，被配置为根据整个图像的亮度和人脸区域的亮度，对人脸区域中的像素进行处理，使得人脸区域中的像素变白；
    脸部皮肤平滑模块，被配置为计算人脸区域中的脸部皮肤区域的脸部粗糙度，并根据所述脸部粗糙度对脸部皮肤区域进行过滤，以及
    图像输出模块，被配置为输出处理后的图像，
    其中，所述皮肤变白模块被配置为根据以下公式来计算人脸区域中的像素的增益gain：
    gain＝cl*(gc+tg)
    其中，gc是增益常量因子，tg＝exp(-bf*cl+β-s)，s＝log(η+gp)，s是强光部分抑制因子，β和η是恒定值，局部对比度cl＝gp/gt，其中gp是该像素的灰度值，gt是以该像素为中心的k*k区域内的总灰度值，k为指定的常量，
    亮度因子bf计算如下：
    Figure PCTCN2016075789-appb-100001
    α是预设阈值，Cg是恒定值，x＝gf*gf，y＝gf*C2，t＝(α-gf)/α，C2是恒定值，gf是人脸区域的平均灰度值，
    以及
    通过将人脸区域中的像素的灰度值与增益gain相乘，使得人脸区域中的像素变白。
  2. 根据权利要求1所述的图像处理设备，其中，所述脸部皮肤平滑模块被配置为：
    使用两组参数对所述脸部皮肤区域进行过滤，以得到两个脸部皮肤图像，计算所述两个脸部皮肤图像之差，得到差图像，其中每组参数由灰度值和像素空间大小构成；以及
    使用差图像的平均灰度值来估计脸部粗糙度。
  3. 根据权利要求2所述的图像处理设备，其中，所述差图像的平均灰度值越大，所述脸部粗糙度越大。
  4. 根据权利要求1所述的图像处理设备，其中，所述脸部皮肤平滑模块被配置为：
    使用两组参数对所述脸部皮肤区域进行过滤，以得到两个脸部皮肤图像，计算所述两个脸部皮肤图像之差，得到差图像，其中每组参数由灰度值和像素空间大小构成；
    通过固定阈值分割方法，将差图像划分为多个小区域；
    计算各个小区域的区域大小和平均灰度值；
    根据各个小区域的平均灰度值，计算各个小区域的小区域粗糙度；以及
    根据各个小区域的区域大小，对小区域粗糙度进行加权，以得到脸部粗糙度。
  5. 根据权利要求1所述的图像处理设备，其中，所述脸部皮肤平滑模块被配置为：
    使用所述脸部皮肤区域的大小来估计脸部粗糙度。
  6. 根据权利要求5所述的图像处理设备，其中，所述脸部皮肤区域越大，所述脸部粗糙度越大。
  7. 根据权利要求1所述的图像处理设备，其中所述脸部皮肤平滑模块 被配置为：根据所述脸部粗糙度来控制对脸部皮肤区域进行过滤的过滤度。
  8. 根据权利要求1所述的图像处理设备，其中，C2、α和Cg设置使得不同的gf计算得到的亮度因子bf值尽量连续，以及gc、β和η设置使得不同的gp计算得到的增益gain落入适当的范围。
  9. 根据权利要求8所述的图像处理设备，其中，{C2，α，Cg，gc，β，η}是以下之一：{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}。
  10. 根据权利要求1所述的图像处理设备，其中，所述人脸区域中的脸部皮肤区域是所述人脸区域中除五官之外的区域。
  11. 一种图像处理方法，包括：
    接收待处理的图像；
    识别接收到的图像中的人脸区域；
    根据整个图像的亮度和人脸区域的亮度，对人脸区域中的像素进行处理，使得人脸区域中的像素变白；
    计算人脸区域中的脸部皮肤区域的脸部粗糙度，并根据所述脸部粗糙度对脸部皮肤区域进行过滤，以及
    输出处理后的图像，
    其中，根据以下公式来计算人脸区域中的像素的增益gain：
    gain＝cl*(gc+tg)
    其中，gc是增益常量因子，tg＝exp(-bf*cl+β-s)，s＝log(η+gp)，s是强光部分抑制因子，β和η是恒定值，局部对比度cl＝gp/gt，其中gp是该像素的灰度值，gt是以该像素为中心的k*k区域内的总灰度值，k为指 定的常量，
    亮度因子bf计算如下：
    Figure PCTCN2016075789-appb-100002
    α是预设阈值，Cg是恒定值，x＝gf*gf，y＝gf*C2，t＝(α-gf)/α，C2是恒定值，gf是人脸区域的平均灰度值，
    以及
    通过将人脸区域中的像素的灰度值与增益gain相乘，使得人脸区域中的像素变白。
  12. 根据权利要求11所述的图像处理方法，其中，计算人脸区域中的脸部皮肤区域的脸部粗糙度包括：
    使用两组参数对所述脸部皮肤区域进行过滤，以得到两个脸部皮肤图像，计算所述两个脸部皮肤图像之差，得到差图像，其中每组参数由灰度值和像素空间大小构成；以及
    使用差图像的平均灰度值来估计脸部粗糙度。
  13. 根据权利要求12所述的图像处理方法，其中，所述差图像的平均灰度值越大，所述脸部粗糙度越大。
  14. 根据权利要求11所述的图像处理方法，其中，计算人脸区域中的脸部皮肤区域的脸部粗糙度包括：
    使用两组参数对所述脸部皮肤区域进行过滤，以得到两个脸部皮肤图像，计算所述两个脸部皮肤图像之差，得到差图像，其中每组参数由灰度值和像素空间大小构成；
    通过固定阈值分割方法，将差图像划分为多个小区域；
    计算各个小区域的区域大小和平均灰度值；
    根据各个小区域的平均灰度值，计算各个小区域的小区域粗糙度；以 及
    根据各个小区域的区域大小，对小区域粗糙度进行加权，以得到脸部粗糙度。
  15. 根据权利要求11所述的图像处理方法，其中，计算人脸区域中的脸部皮肤区域的脸部粗糙度包括：
    使用所述脸部皮肤区域的大小来估计脸部粗糙度。
  16. 根据权利要求15所述的图像处理方法，其中，所述脸部皮肤区域越大，所述脸部粗糙度越大。
  17. 根据权利要求11所述的图像处理方法，其中根据所述脸部粗糙度对脸部皮肤区域进行过滤包括：根据所述脸部粗糙度来控制对脸部皮肤区域进行过滤的过滤度。
  18. 根据权利要求11所述的图像处理方法，其中，C2、α和Cg设置使得不同的gf计算得到的亮度因子bf值尽量连续，以及gc、β和η设置使得不同的gp计算得到的增益gain落入适当的范围。
  19. 根据权利要求18所述的图像处理方法，其中，{C2，α，Cg，gc，β，η}是以下之一：{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}；
  20. 根据权利要求11所述的图像处理方法，其中，所述人脸区域中的脸部皮肤区域是所述人脸区域中除五官之外的区域。
PCT/CN2016/075789 2015-03-09 2016-03-07 图像处理设备和方法 WO2016141866A1 (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2017544939A JP6437664B2 (ja) 2015-03-09 2016-03-07 画像処理装置および方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201510102800.9 2015-03-09
CN201510102800.9A CN106033593A (zh) 2015-03-09 2015-03-09 图像处理设备和方法

Publications (1)

Publication Number Publication Date
WO2016141866A1 true WO2016141866A1 (zh) 2016-09-15

Family

ID=56880009

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2016/075789 WO2016141866A1 (zh) 2015-03-09 2016-03-07 图像处理设备和方法

Country Status (3)

Country Link
JP (1) JP6437664B2 (zh)
CN (1) CN106033593A (zh)
WO (1) WO2016141866A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107886469A (zh) * 2017-09-26 2018-04-06 北京潘达互娱科技有限公司 一种图像美化方法、装置、电子设备及存储介质
CN108428214A (zh) * 2017-02-13 2018-08-21 阿里巴巴集团控股有限公司 一种图像处理方法及装置
WO2019062608A1 (zh) * 2017-09-30 2019-04-04 深圳市商汤科技有限公司 图像处理方法和装置、电子设备、计算机存储介质
CN109685915A (zh) * 2018-12-11 2019-04-26 维沃移动通信有限公司 一种图像处理方法、装置及移动终端
US20210192725A1 (en) * 2020-03-31 2021-06-24 Beijing Baidu Netcom Science Technology Co., Ltd. Method, apparatus and electronic device for determining skin smoothness
CN114219718A (zh) * 2020-09-04 2022-03-22 广州虎牙科技有限公司 一种皮肤处理、直播方法、计算机设备和存储介质

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6720845B2 (ja) * 2016-12-02 2020-07-08 カシオ計算機株式会社 画像処理装置、画像処理方法及びプログラム
CN107358601B (zh) * 2017-06-16 2020-02-28 Oppo广东移动通信有限公司 面部光滑度计算方法及装置
CN107346544B (zh) * 2017-06-30 2020-05-26 联想(北京)有限公司 一种图像处理方法和电子设备
CN109299632A (zh) * 2017-07-25 2019-02-01 上海中科顶信医学影像科技有限公司 皮肤检测方法、***、设备及存储介质
CN107784175B (zh) * 2017-10-26 2021-11-09 深圳市雷鸟网络传媒有限公司 扫光控制方法、装置及可读存储介质
CN107784629B (zh) * 2017-11-24 2021-10-15 努比亚技术有限公司 全景照片滤镜处理方法及移动终端
CN108537155B (zh) * 2018-03-29 2021-01-26 Oppo广东移动通信有限公司 图像处理方法、装置、电子设备及计算机可读存储介质
CN108647600B (zh) * 2018-04-27 2021-10-08 深圳爱酷智能科技有限公司 人脸识别方法、设备及计算机可读存储介质
CN110944112A (zh) * 2019-11-22 2020-03-31 维沃移动通信有限公司 一种图像处理方法及电子设备
CN111857512A (zh) * 2020-07-17 2020-10-30 维沃移动通信有限公司 图像编辑方法、装置和电子设备
CN112150353A (zh) * 2020-09-30 2020-12-29 广州虎牙科技有限公司 图像处理方法、装置、电子设备及可读存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010244239A (ja) * 2009-04-03 2010-10-28 Nikon Corp 画像処理装置、デジタルカメラ及びプログラム
CN102027505A (zh) * 2008-07-30 2011-04-20 泰塞拉技术爱尔兰公司 使用脸部检测的自动脸部和皮肤修饰
CN103268475A (zh) * 2013-05-10 2013-08-28 中科创达软件股份有限公司 一种基于人脸、肤色检测的皮肤美容方法
CN103455790A (zh) * 2013-06-24 2013-12-18 厦门美图网科技有限公司 一种基于肤色模型的皮肤识别方法
CN103839250A (zh) * 2012-11-23 2014-06-04 诺基亚公司 用于面部图像处理的方法和设备
CN103927719A (zh) * 2014-04-04 2014-07-16 北京金山网络科技有限公司 图片处理方法及装置
CN104318262A (zh) * 2014-09-12 2015-01-28 上海明穆电子科技有限公司 通过人脸照片更换皮肤的方法及***

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4182735B2 (ja) * 2002-11-28 2008-11-19 ソニー株式会社 顔色補正方法及び顔色補正装置及び撮像機器
JP2007036410A (ja) * 2005-07-25 2007-02-08 Seiko Epson Corp 人の肌を好ましく見せるための画像処理
JP4983962B2 (ja) * 2009-07-23 2012-07-25 カシオ計算機株式会社 画像処理装置、画像処理方法及び画像処理プログラム

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102027505A (zh) * 2008-07-30 2011-04-20 泰塞拉技术爱尔兰公司 使用脸部检测的自动脸部和皮肤修饰
JP2010244239A (ja) * 2009-04-03 2010-10-28 Nikon Corp 画像処理装置、デジタルカメラ及びプログラム
CN103839250A (zh) * 2012-11-23 2014-06-04 诺基亚公司 用于面部图像处理的方法和设备
CN103268475A (zh) * 2013-05-10 2013-08-28 中科创达软件股份有限公司 一种基于人脸、肤色检测的皮肤美容方法
CN103455790A (zh) * 2013-06-24 2013-12-18 厦门美图网科技有限公司 一种基于肤色模型的皮肤识别方法
CN103927719A (zh) * 2014-04-04 2014-07-16 北京金山网络科技有限公司 图片处理方法及装置
CN104318262A (zh) * 2014-09-12 2015-01-28 上海明穆电子科技有限公司 通过人脸照片更换皮肤的方法及***

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108428214A (zh) * 2017-02-13 2018-08-21 阿里巴巴集团控股有限公司 一种图像处理方法及装置
CN108428214B (zh) * 2017-02-13 2022-03-08 斑马智行网络(香港)有限公司 一种图像处理方法及装置
CN107886469A (zh) * 2017-09-26 2018-04-06 北京潘达互娱科技有限公司 一种图像美化方法、装置、电子设备及存储介质
WO2019062608A1 (zh) * 2017-09-30 2019-04-04 深圳市商汤科技有限公司 图像处理方法和装置、电子设备、计算机存储介质
JP2020522081A (ja) * 2017-09-30 2020-07-27 シェンチェン センスタイム テクノロジー カンパニー リミテッドＳｈｅｎｚｈｅｎ Ｓｅｎｓｅｔｉｍｅ Ｔｅｃｈｎｏｌｏｇｙ Ｃｏ．，Ｌｔｄ 画像処理方法及び装置、電子デバイス、コンピュータ記憶媒体
US10972709B2 (en) 2017-09-30 2021-04-06 Shenzhen Sensetime Technology Co., Ltd. Image processing method and apparatus, electronic device, and computer storage medium
CN109685915A (zh) * 2018-12-11 2019-04-26 维沃移动通信有限公司 一种图像处理方法、装置及移动终端
CN109685915B (zh) * 2018-12-11 2023-08-15 维沃移动通信有限公司 一种图像处理方法、装置及移动终端
US20210192725A1 (en) * 2020-03-31 2021-06-24 Beijing Baidu Netcom Science Technology Co., Ltd. Method, apparatus and electronic device for determining skin smoothness
CN114219718A (zh) * 2020-09-04 2022-03-22 广州虎牙科技有限公司 一种皮肤处理、直播方法、计算机设备和存储介质

Also Published As

Publication number Publication date
CN106033593A (zh) 2016-10-19
JP6437664B2 (ja) 2018-12-12
JP2018512651A (ja) 2018-05-17

Similar Documents

Publication Publication Date Title
WO2016141866A1 (zh) 图像处理设备和方法
US9754153B2 (en) Method and apparatus for facial image processing
EP3338217B1 (en) Feature detection and masking in images based on color distributions
US8983152B2 (en) Image masks for face-related selection and processing in images
CN105243371B (zh) 一种人脸美颜程度的检测方法、***及拍摄终端
CN112784773B (zh) 图像处理方法及装置、存储介质、终端
US9053524B2 (en) Eye beautification under inaccurate localization
KR101446975B1 (ko) 얼굴 검출 기능을 사용한 얼굴 및 피부의 자동 미화
CN108921800A (zh) 基于形状自适应搜索窗口的非局部均值去噪方法
CN104811684B (zh) 一种图像的三维美颜方法及装置
WO2012000800A1 (en) Eye beautification
CN104008364B (zh) 人脸识别方法
CN111105368B (zh) 图像处理方法及其装置、电子设备和计算机可读存储介质
WO2023010796A1 (zh) 图像处理方法及相关装置
WO2017185452A1 (zh) 图片还原方法及***
JP2009086824A (ja) 顎位置算出装置、それを用いた画像処理装置および顎位置算出方法並びにプログラム
CN108346128B (zh) 一种美颜磨皮的方法和装置
CN114187166A (zh) 图像处理方法、智能终端及存储介质
CN107346544B (zh) 一种图像处理方法和电子设备
CN112686800A (zh) 图像处理方法、装置、电子设备及存储介质
JP2017111595A (ja) 画像処理装置、画像処理方法、画像処理プログラムおよび画像処理システム
CN109003236B (zh) 一种基于人脸色调与光影分离的自适应磨皮方法及***
CN108109115B (zh) 人物图像的增强方法、装置、设备及存储介质
CN109285131B (zh) 一种多人图像美颜方法和***
CN114742725A (zh) 图像处理方法、装置、电子设备及存储介质

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 16761093

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2017544939

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 16761093

Country of ref document: EP

Kind code of ref document: A1