CN106651796A - 图片或视频处理方法及系统 - Google Patents
图片或视频处理方法及系统 Download PDFInfo
- Publication number
- CN106651796A CN106651796A CN201611103502.2A CN201611103502A CN106651796A CN 106651796 A CN106651796 A CN 106651796A CN 201611103502 A CN201611103502 A CN 201611103502A CN 106651796 A CN106651796 A CN 106651796A
- Authority
- CN
- China
- Prior art keywords
- value
- hue value
- subregion
- weight
- difference degree
- 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
- 238000003672 processing method Methods 0.000 title abstract description 3
- 238000000034 method Methods 0.000 claims abstract description 73
- 238000012545 processing Methods 0.000 claims abstract description 57
- 238000006243 chemical reaction Methods 0.000 claims abstract description 48
- 230000008569 process Effects 0.000 claims description 29
- 230000001815 facial effect Effects 0.000 claims description 26
- 230000006870 function Effects 0.000 description 11
- 230000008859 change Effects 0.000 description 9
- 230000015654 memory Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 238000000205 computational method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000005055 memory storage Effects 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 208000002874 Acne Vulgaris Diseases 0.000 description 1
- 206010000496 acne Diseases 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 210000004709 eyebrow Anatomy 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 210000004209 hair Anatomy 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 231100000241 scar Toxicity 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
- H04L65/60—Network streaming of media packets
- H04L65/75—Media network packet handling
- H04L65/762—Media network packet handling at the source
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- 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)
- Multimedia (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明实施例提供一种图片或视频处理方法。该方法包括：确定图片或视频中的面部区域和面部区域中待处理的子区域；确定面部区域的第一像素差异程度值以及子区域的第二像素差异程度值；根据第一像素差异程度值和第二像素差异程度值，确定子区域的第一权重和用于补偿子区域的第二权重，其中，第一权重与第二权重的比值与第一像素差异程度值和第二像素差异程度值的比值相关；基于期望的补偿色相值和相应的第二权重、以及子区域的原色相值和相应的第一权重，确定子区域的变换色相值；至少根据变换色相值，对子区域进行处理。本发明实施例还提供了一种图片或视频处理系统。本发明实施例能够提高对图像中皮肤的处理速度并且使处理后的图片更加自然。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及一种图片或视频处理方法及系统。
背景技术
随着智能手机、平板电脑等带有摄像头的移动终端的普及，用户拍照越来越方便，在拍摄过程中或拍摄完成后，用户会对含有人物的部分进行美颜处理，将美颜后的照片收藏或发给好友。也可以在拍摄后的视频中，对人物部分进行美颜处理，从而在视频中更好的展现出人物的美。
如今网络覆盖的普及，使用移动终端摄像头功能的应用越来越多，例如实时视频聊天或者开启网络直播。在视频聊天中使用美颜，可以为用户带来更好的感官体验。而在网络直播中，主播需要更高的人气来吸引观众，这时“颜值”是各主播的核心竞争力之一。在同样内容的节目中，往往颜值更高的主播可以获得更多观众的青睐。为了让主播吸引更多的观众，这就需要为主播们提供实时的美颜服务。
在实现本发明过程中，发明人发现相关技术中至少存在如下问题：
现有美颜技术中的磨皮方法，通常都采用卷积低通滤波算法对图像进行处理，这种处理只能对全局进行磨皮处理，这样容易导致人物以外的图像发生变化，使磨皮处理后的图片变得不自然，并且由于这种方法的计算过程中所需的参数复杂，往往需要消耗大量时间，在处理图片、本地视频这种没有时间限制的任务时可以胜任，但是在针对于直播这种有速度需求的任务时就无法处理。
发明内容
为了至少解决现有技术中对图像磨皮处理消耗的时间长、效率低、处理后的图片不自然的问题。
第一方面，本发明实施例提供一种图片或视频处理方法，包括：
确定图片或视频中的面部区域和所述面部区域中待处理的子区域；
确定所述面部区域的第一像素差异程度值以及所述子区域的第二像素差异程度值；
根据所述第一像素差异程度值和所述第二像素差异程度值，确定所述子区域的第一权重和用于补偿所述子区域的第二权重，其中，所述第一权重与所述第二权重的比值与所述第一像素差异程度值和所述第二像素差异程度值的比值相关；
基于期望的补偿色相值和相应的所述第二权重、以及所述子区域的原色相值和相应的所述第一权重，确定所述子区域的变换色相值；
至少根据所述变换色相值，对所述子区域进行处理。
第二方面，本发明实施例提供一种图片或视频处理系统，包括：
区域确定模块，用于确定图片或视频中的面部区域和所述面部区域中待处理的子区域；
差异程度值确定模块，用于确定所述面部区域的第一像素差异程度值以及所述子区域的第二像素差异程度值；
权重确定模块，用于根据所述第一像素差异程度值和所述第二像素差异程度值，确定所述子区域的第一权重和用于补偿所述子区域的第二权重，其中，所述第一权重与所述第二权重的比值与所述第一像素差异程度值和所述第二像素差异程度值的比值相关；
色相值确定模块，用于基于期望的补偿色相值和相应的所述第二权重、以及所述子区域的原色相值和相应的所述第一权重，确定所述子区域的变换色相值；
处理模块，用于至少根据所述变换色相值，对所述子区域进行处理。
第三方面，本发明实施例还提供了一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行本发明上述任一项所述的图片或视频处理方法。
第四方面，本发明实施例还提供了一种电子设备，包括：至少一个处理器；以及存储器；其中，所述存储器存储有可被所述至少一个处理器执行的程序，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明上述任一项图片或视频处理方法。
第五方面，本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行上述任一项图片或视频处理方法。
本发明实施例通过根据计算图像内部分面部区域的皮肤粗燥程度，对区域内各像素进行矩阵的线性运算，从而实现了对图像中面部皮肤的快速处理。使用本方法可以提高对图像中面部皮肤处理的速度，可以使本发明处理方法使用范围更广，例如应用在实时的视频直播中，对直播中人物面部的皮肤进行实时的磨皮处理。并且可以针对皮肤的部分进行处理，保留皮肤的自然纹理和非皮肤部分的细节，使处理后的图像更加自然。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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是本发明一实施例提供的一种图片或视频处理方法的流程图；
图2是本发明另一实施例提供的一种图片或视频处理方法的流程图；
图3是本发明又一实施例提供的一种图片或视频处理方法的流程图；
图4是本发明一实施例提供的一种图片或视频处理系统的结构示意图；
图5是本发明一实施例提供的用于图片或视频处理的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示为本发明一实施例提供的一种图片或视频处理方法的流程图，包括如下步骤：
S11：确定图片或视频中的面部区域和所述面部区域中待处理的子区域；
S12：确定所述面部区域的第一像素差异程度值以及所述子区域的第二像素差异程度值；
S13：根据所述第一像素差异程度值和所述第二像素差异程度值，确定所述子区域的第一权重和用于补偿所述子区域的第二权重，其中，所述第一权重与所述第二权重的比值与所述第一像素差异程度值和所述第二像素差异程度值的比值相关；
S14：基于期望的补偿色相值和相应的所述第二权重、以及所述子区域的原色相值和相应的所述第一权重，确定所述子区域的变换色相值。
S15：至少根据所述变换色相值，对所述子区域进行处理。
在实施本发明之前，需要采集大量的人脸训练样本，利用机器学习模型，对人脸样本训练，例如可以通过对视频中的彩色图片进行建模，考虑到速度要求也可以只对灰度图进行建模，这样基于灰度图的模型可以直接应用在YUV格式视频的Y通道上，性能会更好。通过使用卷积神经网络对人脸样板进行训练提取特征，建立模型(也可以用基于积分图和Haar小波特征的级联分类器建立模型)。在建立模型后，对人脸数据库训练人脸的分类器，从而得到人脸分类器，通过人脸分类器，对图片或视频中的人脸进行分类。例如，本发明作为一美颜模块集成于一直播平台中，本发明对直播中的视频进行实时处理。主播在直播过程中，实时直播的视频经过美颜模块处理后对外播放。
对于步骤S11，美颜模块接收到在实时直播中的视频后，需要通过人脸分类器对视频的人脸区域进行识别。载入这些分类器并对于输入视频做相匹配的特征提取，通过在步骤S11之前训练的人脸分类器，使用平滑算法从而获取适合的人脸区域或其他方法对人脸区域进行判断。在人脸识别阶段往往会输出矩形的人脸目标区域。确定人脸目标矩形后，检测皮肤区域。
检测皮肤区域可以用多种方法实现：例如要获得精确的效果则仍可以用机器学习的方法对皮肤样本特诊提取进行建模，从而在目标区域中进行检测；或者用其他二值化分割算法，例如使用Otsu(大津算法)分割出人脸灰度图区域的深色部分(口，眼，鼻孔，眉毛，头发等)和偏亮的面部区域。在考虑到效率性和黄种人皮肤的特点，可以对皮肤进行建模，通过对人脸数据库中的皮肤区域进行人工标定提取，并把所有皮肤像素在其亮度空间中做直方图统计，从而可以确定皮肤亮度的分布图，根据皮肤亮度的分布图可以得到皮肤的分布特点。在确定出皮肤亮度的分布图后，由于皮肤的噪声分布式符合高斯分布的，可以对分布图做高斯统计，假设E为皮肤亮度的均值，v为皮肤分布标准差，则可得皮肤的范围为[E-n*v,E+n*v]。n值可根据系统所能接受的置信区间进行选取：n＝3,则为99.730020％可能性在皮肤范围内，n＝2则为95.449974％在皮肤范围内，n＝1则为68.2689％在皮肤范围内。得到皮肤的分布范围内后，可对目标区域的灰度值进行皮肤区域分割。从而确定出接收到实时直播中的视频中人物面部的皮肤区域。
可以通过美颜模块自动识别对确定的面部皮肤中部分色相值波动较大的区域或确定用户设置的感兴趣的区域(例如皮肤上的痘印、疤痕、皮肤杂质或粗糙的表皮)作为待处理的子区域。关于子区域的大小可以为，例如从人脸检测矩阵中可得人脸的半径为r，r与子区域的大小呈线性正相关，即子区域半径radius(半径)＝k*r,k∈[0,1]。
对于步骤S12，根据步骤S11确定的皮肤区域与子区域，计算皮肤的像素差异程度值，也可以称为粗糙程度值。皮肤的粗糙程度值可以通过计算皮肤区域内色相值的方差θ获得，其中θ代表皮肤的粗糙程度，当θ越大时，所代表的皮肤区域内像素色相值变化越剧烈，可以代表皮肤越粗糙，当θ越小时，所代表的皮肤区域内像素色相值变化越平稳，从而可以代表皮肤越细腻。通过使用相同的方法，确定子区域的第二像素差异程度值。
对于步骤S13，根据步骤S12确定的像素差异程度值，确定子区域的第一权重和用于补偿子区域的第二权重。除此之外我们还希望输出图与原图尽可能相似，让权重分配比例更加均衡，在此可以约束下求出对应于每个像素的第一权重a和第二权重1-a，b为所占第二权重的期望色相值，即可通过找到一对a和b,例如可以通过求解cost function(成本函数),使得以下cost function值为最小：
求得第一权重a与第二权重1–a。
对于步骤S14，可以基于步骤S13确定的第一权重与第二权重，通过计算获得子区域变化后的色相值。例如为了获取子区域变换后的色相值，通过各权重进行滤波处理。同时为了使实时美颜效果好以外，还需要快速并且保持边缘的细节不变的过度自然。可以基于导向滤波算法做一些调整。假设子区域ω内，I为输入色相值，Q为输出色相值，i为像素坐标，ω为局部窗口，k是局部窗口内的坐标，则输入和输出图在ω内应有线性的变换：
即Qi＝ak*Ii+bk,
从而获得子区域变化后的色相值。
对于步骤S15，根据步骤S14确定的色相值，对子区域进行处理，将子区域内原色相值替换成步骤S14确定的色相值。
通过该实施方法可以看出，本发明提供了一种图片或视频处理方法，通过使用计算皮肤像素差异程度值确定原皮肤所占的权重，通过加权确定出各像素的色相值，替换了现有技术中使用卷积低通滤波算法，提高对图像中人物面部皮肤磨皮处理的速度并且可以针对皮肤的部分进行处理，保留皮肤的自然纹理和非皮肤部分的细节，使处理后的图像更加自然。
作为一种实施方式，在本实施例中所述第一权重＝第二像素差异程度值/(第一像素差异程度值+第二像素差异程度值)；所述第二权重＝1-第一权重。
通过该实施方法可以看出，本实施方式提供了一种权重的计算方法：
其中a为第一权重，б2为在输入图在窗口ω中的方差，μ为输入图在窗口ω中的期望，b为所占第二权重的期望色相值，ε可以认为是线性拟合的误差，即ε越大则越多的输出图越平滑，ε越小则平滑程度越低，输出图与输入图相似度越高。从ε的意义可以用步骤S12确定的皮肤粗糙因子θ代替ε。
通过该实施方法可以看出，本实施方式提供了一种权重的计算方法，本实施方式的权重计算方法相对简单，能在较短的时间内确定出第一权重与第二权重，从而进一步降低了图片或视频的处理时间，从而提高了处理图片或视频的效率。
如图2所示为本发明另一实施例提供的一种图片或视频处理方法的流程图，包括如下步骤：
S15：至少根据所述变换色相值，对所述子区域进行处理；
S150：若待处理的子区域的数量为多个、且所述多个子区域之间形成有至少一个重合区域，根据每个重合区域所关联的各个子区域的变换色相值，确定变换色相值的均值；
S151：根据所述变换色相值的均值，对相应的重合区域进行处理。
在本实施方式中，对于步骤S15，与图1中所示的实施例的步骤S15相同，此处不再赘述；
对于步骤S150，若存在多个待处理的子区域，例如同时处理皮肤的左脸部子区域、鼻子区域、右脸部子区域，由于鼻子与左、右脸部接近，左脸部子区域与鼻子区域发生重合，右脸部子区域与鼻子区域发出重合，每个重合的区域至少关联着两个子区域，对重合的区域进行均值处理。例如左脸部子区域与鼻子区域发生重合时，可以对左脸部子区域与鼻子区域各求出重合区域的色相值后进行平均，也可以替换为在左脸部子区域与鼻子区域的重合部分计算权重的均值后计算重合区域变化后的色相值，其结果完全相同。例如可以通过如下公式求均值：
其中公式中部分单位与图1中的单位相同，为各重合区域第一权重的均值，为各重合区域第二权重的期望色相值的均值。同理，通过同样的方法，也可以确定右脸部子区域与鼻子区域的重合区域的色相值。
对于步骤S151，对重合区域进行处理，将重合区域内原色相值替换成步骤S150确定的均值处理后的色相值。将重合区域确定后，根据各个子区域的各变换色相值，对相应的非重合区域进行处理。
通过该实施方法可以看出，当存在多个子区域重合时，通过对重合区域内各色相值取平均，解决了重合区域内色相值的确定，并且经过均值处理后的重合区域在与不重合但经过处理的子区域的交界处突兀更小，使处理后的图像更加自然。
如图3所示为本发明又一实施例提供的一种图片或视频处理方法的流程图，包括如下步骤：
S15：至少根据所述变换色相值，对所述子区域进行处理；
S152：根据所述变换色相值以及所述原色相值，确定待应用色相值；
S153：根据所述待应用色相值，对所述子区域进行处理。
在本实施方式中，对于步骤S15，与图1中所示的实施例的步骤S15相同，此处不再赘述。
对于步骤S152，根据步骤S15对子区域处理后的子区域内的色相值，可以对子区域内原色相值进行重合，边缘与化处理。例如，希望输出图与原图尽可能相近，就需要做一些相应的处理，由于输出的图像只是在原图像的局部内做了处理，为了还原皮肤特有的纹理感，增加肌肤的自然程度，最后可以用处理后的图像与原图像做alpha blending(α混合)。
对于步骤S153，根据步骤S152确定的带应用的色相值，将子区域内的色相值进行替换。
通过该实施方法可以看出，通过对子区域内处理后的图像再与原图进行拟合处理，这样可以避免由于对子区域内的处理与周围未被处理的皮肤区域反差过于明显，减少处理后的图像的不自然。
作为一种实施方式，在本实施例中所述根据所述变换色相值以及所述原色相值，确定待应用色相值包括：
根据所述变换色相值和所述原色相值的加权和，确定待应用色相值，其中，所述变换色相值的权重和所述原色相值的权重之和等于1。
可以通过dest＝a％*I+(1–a％)Q确定。
其中，I是原图，dest是目标图，Q是步骤S15确定的变化色相值，a％可以从1％到100％，这个参数做为调整平滑程度的控制操作可以留给外部接口使用。a值取得越大，则平滑图用的比例越多，平滑效果越明显。
对于局部平滑部分与原图的过渡区域也可以做渐进式的alpha blending,使得过渡区域更加自然而不容易被肉眼觉察。过渡区域可以为边界分别往扩大m个像素，m的大小也与radius成正比例关系，radius越大，过渡区域也需要越大。过渡区域alpha的值从a开始，每往外一层像素增加(1-a)/m,直到alpha＝1为止。
通过该实施方法可以看出，通过使用子区域内变化色相值与原色相值加权计算，可以使获取到的图片更加自然真实。
如图4所示为本发明一实施例提供的图片或视频处理系统的结构示意图，本实施例的技术方案可适用于对设备的图片或视频处理方法，该系统可执行上述任意实施例所述的图片或视频处理方法，并配置在终端中。
本实施例提供的一种图片或视频处理系统包括：区域确定模块11，差异程度值确定模块12，权重确定模块13，色相值确定模块14和处理模块15。
其中，区域确定模块11用于确定图片或视频中的面部区域和所述面部区域中待处理的子区域；差异程度值确定模块12用于确定所述面部区域的第一像素差异程度值以及所述子区域的第二像素差异程度值；权重确定模块13用于根据所述第一像素差异程度值和所述第二像素差异程度值，确定所述子区域的第一权重和用于补偿所述子区域的第二权重，其中，所述第一权重与所述第二权重的比值与所述第一像素差异程度值和所述第二像素差异程度值的比值正相关；色相值确定模块14用于基于期望的补偿色相值和相应的所述第二权重、以及所述子区域的原色相值和相应的所述第一权重，确定所述子区域的变换色相值；处理模块15用于至少根据所述变换色相值，对所述子区域进行处理。
在本实施方式中，本图片或视频处理系统可作为独立装置，以针对图片，视频文件做独立的处理；本图片或视频处理系统也可以集成于视频处理框架中，作为一个处理模块来使用。例如集成于FFmpeg(可以用来记录、转换数字音频、视频，并能将其转化为流的开源计算机程序)中作为一个滤波器使用。
进一步地若所述区域确定模块确定出：待处理的子区域的数量为多个、且所述多个子区域之间形成有至少一个重合区域，
所述处理模块用于：
根据每个重合区域所关联的各个子区域的变换色相值，确定变换色相值的均值；
根据所述变换色相值的均值，对相应的重合区域进行处理。
所述处理模块用于：
根据所述变换色相值以及所述原色相值，确定待应用色相值；
根据所述待应用色相值，对所述子区域进行处理。
所述根据所述变换色相值以及所述原色相值，确定待应用色相值包括：
根据所述变换色相值和所述原色相值的加权和，确定待应用色相值，其中，所述变换色相值的权重和所述原色相值的权重之和等于1。
本发明实施例提供了一种非易失性计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的图片或视频处理方法；
作为一种实施方式，本发明的非易失性计算机存储介质存储有计算机可执行指令，所述计算机可执行指令设置为:
确定图片或视频中的面部区域和所述面部区域中待处理的子区域；
确定所述面部区域的第一像素差异程度值以及所述子区域的第二像素差异程度值；
根据所述第一像素差异程度值和所述第二像素差异程度值，确定所述子区域的第一权重和用于补偿所述子区域的第二权重，其中，所述第一权重与所述第二权重的比值与所述第一像素差异程度值和所述第二像素差异程度值的比值正相关；
基于期望的补偿色相值和相应的所述第二权重、以及所述子区域的原色相值和相应的所述第一权重，确定所述子区域的变换色相值；
至少根据所述变换色相值，对所述子区域进行处理。
作为一种非易失性计算机可读存储介质，可用于非易失性软件程序、非易失性计算机可执行程序以及模块，如本发明实施例中的图片或视频处理方法对应的程序指令/模块(例如，附图4所示的区域确定模块11、差异程度值确定模块12、权重确定模块13、色相值确定模块14和处理模块15)。所述一个或者多个模块存储在所述非易失性计算机可读存储介质中，当被处理器执行时，执行上述任意方法实施例中的图片或视频处理方法。
非易失性计算机可读存储介质可以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系统、至少一个功能所需要的应用程序；存储数据区可存储根据移动通信网络注册的服务提醒装置的使用所创建的数据等。此外，非易失性计算机可读存储介质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、或其他非易失性固态存储器件。在一些实施例中，非易失性计算机可读存储介质可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至移动通信网络注册的服务提醒装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行上述任一项图片或视频处理方法。
图5是本发明一实施例提供的用于图片或视频处理的电子设备的结构示意图，如图5所示，该设备包括：
一个或多个处理器510以及存储器520，图5中以一个处理器510为例。
图片或视频处理方法的设备还可以包括：输入装置530和输出装置540。
处理器510、存储器520、输入装置530和输出装置540可以通过总线或者其他方式连接，图5中以通过总线连接为例。
存储器520为上述的非易失性计算机可读存储介质。处理器510通过运行存储在存储器520中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例的图片或视频处理方法。
输入装置530可接收输入的数字或字符信息，以及产生与网络注册装置的用户设置以及功能控制有关的键信号输入。输出装置540可包括显示屏等显示设备。
上述产品可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明实施例所提供的方法。
作为一种实施方式，上述电子设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
确定图片或视频中的面部区域和所述面部区域中待处理的子区域；
确定所述面部区域的第一像素差异程度值以及所述子区域的第二像素差异程度值；
根据所述第一像素差异程度值和所述第二像素差异程度值，确定所述子区域的第一权重和用于补偿所述子区域的第二权重，其中，所述第一权重与所述第二权重的比值与所述第一像素差异程度值和所述第二像素差异程度值的比值正相关；
基于期望的补偿色相值和相应的所述第二权重、以及所述子区域的原色相值和相应的所述第一权重，确定所述子区域的变换色相值；
至少根据所述变换色相值，对所述子区域进行处理。
本发明实施例的设备以多种形式存在，包括但不限于:
(1)移动通信设备:这类设备的特点是具备移动通信功能，并且以提供话音、数据通信为主要目标。这类终端包括:智能手机(例如iPhone)、多媒体手机、功能性手机，以及低端手机等。
(2)具备移动上网特性的超移动个人计算机设备:这类设备属于个人计算机的范畴，有计算和处理功能。这类终端包括:具备3G/4G上网功能的超级本、PDA、MID和UMPC设备等。
(3)具备移动上网特性的便携式娱乐设备:这类设备可以在线显示和播放多媒体内容。该类设备包括:音频、视频播放器(例如iPad)，掌上游戏机，电子书，以及便携式车载导航设备。
(4)服务器设备:这类设备的特点是具备数据处理功能，并且以提供数据提取，数据处理，数据分析主要目标。这类终端包括:入门级服务器、工作组级服务器、部门级服务器和企业级服务器等。
(5)其他具有拍摄功能的电子装置。
以上所描述的装置实施例仅仅是示意性的，其中所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理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种图片或视频处理方法，包括：
确定图片或视频中的面部区域和所述面部区域中待处理的子区域；
确定所述面部区域的第一像素差异程度值以及所述子区域的第二像素差异程度值；
根据所述第一像素差异程度值和所述第二像素差异程度值，确定所述子区域的第一权重和用于补偿所述子区域的第二权重，其中，所述第一权重与所述第二权重的比值与所述第一像素差异程度值和所述第二像素差异程度值的比值相关；
基于期望的补偿色相值和相应的所述第二权重、以及所述子区域的原色相值和相应的所述第一权重，确定所述子区域的变换色相值；
至少根据所述变换色相值，对所述子区域进行处理。
2.根据权利要求1所述的方法，其中，若待处理的子区域的数量为多个、且所述多个子区域之间形成有至少一个重合区域，
所述至少根据所述变换色相值，对所述子区域进行处理包括：
根据每个重合区域所关联的各个子区域的变换色相值，确定变换色相值的均值；
根据所述变换色相值的均值，对相应的重合区域进行处理。
3.根据权利要求1所述的方法，其中，所述至少所述变换色相值，对所述子区域进行处理包括：
根据所述变换色相值以及所述原色相值，确定待应用色相值；
根据所述待应用色相值，对所述子区域进行处理。
4.根据权利要求3所述的方法，其中，所述根据所述变换色相值以及所述原色相值，确定待应用色相值包括：
根据所述变换色相值和所述原色相值的加权和，确定待应用色相值，其中，所述变换色相值的权重和所述原色相值的权重之和等于1。
5.根据权利要求1-4中任一项所述的方法，其中，第一权重＝第二像素差异程度值/(第一像素差异程度值+第二像素差异程度值)；所述第二权重＝1-第一权重。
6.一种图片或视频处理系统，包括：
区域确定模块，用于确定图片或视频中的面部区域和所述面部区域中待处理的子区域；
差异程度值确定模块，用于确定所述面部区域的第一像素差异程度值以及所述子区域的第二像素差异程度值；
权重确定模块，用于根据所述第一像素差异程度值和所述第二像素差异程度值，确定所述子区域的第一权重和用于补偿所述子区域的第二权重，其中，所述第一权重与所述第二权重的比值与所述第一像素差异程度值和所述第二像素差异程度值的比值相关；
色相值确定模块，用于基于期望的补偿色相值和相应的所述第二权重、以及所述子区域的原色相值和相应的所述第一权重，确定所述子区域的变换色相值；
处理模块，用于至少根据所述变换色相值，对所述子区域进行处理。
7.根据权利要求6所述的系统，其中，若所述区域确定模块确定出：待处理的子区域的数量为多个、且所述多个子区域之间形成有至少一个重合区域，
所述处理模块用于：
根据每个重合区域所关联的各个子区域的变换色相值，确定变换色相值的均值；
根据所述变换色相值的均值，对相应的重合区域进行处理。
8.根据权利要求6所述的系统，其中，所述处理模块用于：
根据所述变换色相值以及所述原色相值，确定待应用色相值；
根据所述待应用色相值，对所述子区域进行处理。
9.根据权利要求8所述的系统，其中，所述根据所述变换色相值以及所述原色相值，确定待应用色相值包括：
根据所述变换色相值和所述原色相值的加权和，确定待应用色相值，其中，所述变换色相值的权重和所述原色相值的权重之和等于1。
10.根据权利要求6-9中任一项所述的系统，其中，第一权重＝第二像素差异程度值/(第一像素差异程度值+第二像素差异程度值)；所述第二权重＝1-第一权重。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611103502.2A CN106651796A (zh) | 2016-12-05 | 2016-12-05 | 图片或视频处理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611103502.2A CN106651796A (zh) | 2016-12-05 | 2016-12-05 | 图片或视频处理方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106651796A true CN106651796A (zh) | 2017-05-10 |
Family
ID=58818400
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611103502.2A Pending CN106651796A (zh) | 2016-12-05 | 2016-12-05 | 图片或视频处理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106651796A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108230255A (zh) * | 2017-09-19 | 2018-06-29 | 北京市商汤科技开发有限公司 | 用于实现图像增强的方法、装置和电子设备 |
| CN111373409A (zh) * | 2017-09-28 | 2020-07-03 | 深圳传音通讯有限公司 | 获取颜值变化的方法及终端 |
| CN111653103A (zh) * | 2020-05-07 | 2020-09-11 | 浙江大华技术股份有限公司 | 一种目标对象的识别方法及装置 |
| CN114299168A (zh) * | 2021-11-15 | 2022-04-08 | 北京达佳互联信息技术有限公司 | 图像配色方法、装置、设备及介质 |
-
2016
- 2016-12-05 CN CN201611103502.2A patent/CN106651796A/zh active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108230255A (zh) * | 2017-09-19 | 2018-06-29 | 北京市商汤科技开发有限公司 | 用于实现图像增强的方法、装置和电子设备 |
| US11182885B2 (en) | 2017-09-19 | 2021-11-23 | Beijing Sensetime Technology Development Co., Ltd. | Method and apparatus for implementing image enhancement, and electronic device |
| CN111373409A (zh) * | 2017-09-28 | 2020-07-03 | 深圳传音通讯有限公司 | 获取颜值变化的方法及终端 |
| CN111373409B (zh) * | 2017-09-28 | 2023-08-25 | 深圳传音通讯有限公司 | 获取颜值变化的方法及终端 |
| CN111653103A (zh) * | 2020-05-07 | 2020-09-11 | 浙江大华技术股份有限公司 | 一种目标对象的识别方法及装置 |
| CN114299168A (zh) * | 2021-11-15 | 2022-04-08 | 北京达佳互联信息技术有限公司 | 图像配色方法、装置、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ren et al. | Low-light image enhancement via a deep hybrid network | |
| Fang et al. | Bottom-up saliency detection model based on human visual sensitivity and amplitude spectrum | |
| Li et al. | Edge-preserving decomposition-based single image haze removal | |
| CN105138993B (zh) | 建立人脸识别模型的方法及装置 | |
| CN106971165B (zh) | 一种滤镜的实现方法及装置 | |
| CN110163215A (zh) | 图像处理方法、装置、计算机可读介质及电子设备 | |
| CN109871845B (zh) | 证件图像提取方法及终端设备 | |
| CN107392968B (zh) | 融合颜色对比图和颜色空间分布图的图像显著性检测方法 | |
| CN105359162A (zh) | 用于图像中的与脸部有关的选择和处理的图像掩模 | |
| CN106651796A (zh) | 图片或视频处理方法及系统 | |
| CN106295591A (zh) | 基于人脸图像的性别识别方法及装置 | |
| CN100389388C (zh) | 基于人脸认证的屏幕保护方法及装置 | |
| CN109711268A (zh) | 一种人脸图像筛选方法及设备 | |
| Liu et al. | Efficient saliency detection based on Gaussian models | |
| CN110321892A (zh) | 一种图片筛选方法、装置及电子设备 | |
| CN112686800B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| Avi-Aharon et al. | Differentiable histogram loss functions for intensity-based image-to-image translation | |
| Zhang et al. | Multi-exposure image fusion based on wavelet transform | |
| CN114845158B (zh) | 视频封面的生成方法、视频发布方法及相关设备 | |
| CN113850748A (zh) | 点云质量的评估系统及方法 | |
| Pu et al. | Fractional-order retinex for adaptive contrast enhancement of under-exposed traffic images | |
| CN106604057A (zh) | 视频处理方法及装置 | |
| CN108647605A (zh) | 一种结合全局颜色与局部结构特征的人眼凝视点提取方法 | |
| CN111428730A (zh) | 弱监督细粒度物体分类方法 | |
| CN117496019B (zh) | 一种驱动静态图像的图像动画处理方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170510 |