[发明专利]基于图像处理的美颜方法及装置有效

专利信息
申请号: 201711054196.2 申请日: 2017-10-31
公开(公告)号: CN107730448B 公开(公告)日: 2020-11-27
发明(设计)人: 张亮;刘国友 申请(专利权)人: 北京小米移动软件有限公司
主分类号: G06T3/00 分类号: G06T3/00;G06K9/00;G06T5/50
代理公司: 北京英创嘉友知识产权代理事务所(普通合伙) 11447 代理人: 魏嘉熹
地址: 100085 北京市海淀区清河*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 图像 处理 美颜 方法 装置
【权利要求书】:

1.一种基于图像处理的美颜方法,其特征在于,包括:

识别原始人脸图像中的人脸特征信息;

根据所述人脸特征信息,得到所述原始人脸图像对应的二值图;

将所述原始人脸图像转换至LAB空间,得到所述原始人脸图像对应的L通道图像;

根据所述L通道图像,对所述二值图进行滤波,得到第一滤波输出图;

根据所述第一滤波输出图,对所述原始人脸图像进行滤波,得到第二滤波输出图;

将所述第二滤波输出图与所述原始人脸图像进行融合,得到所述原始人脸图像对应的美颜结果图;

根据所述L通道图像,对所述二值图进行滤波,得到第一滤波输出图,包括:

将所述L通道图像作为加权最小二乘法滤波的引导图,对所述二值图进行加权最小二乘法滤波,得到所述第一滤波输出图;

根据所述第一滤波输出图,对所述原始人脸图像进行滤波,得到第二滤波输出图,包括:

根据所述第一滤波输出图确定加权最小二乘法滤波的平滑控制参数,对所述原始人脸图像进行加权最小二乘法滤波,得到所述第二滤波输出图。

2.根据权利要求1所述的方法,其特征在于,识别原始人脸图像中的人脸特征信息,包括:

通过卷积神经网络识别所述原始人脸图像中的人脸特征点;

通过肤色模型识别所述原始人脸图像中的脸部轮廓曲线。

3.根据权利要求2所述的方法,其特征在于,在通过肤色模型识别所述原始人脸图像中的脸部轮廓曲线之前,所述方法还包括:

通过log曲线提高所述原始人脸图像的亮度。

4.根据权利要求2所述的方法,其特征在于,根据所述人脸特征信息,得到所述原始人脸图像对应的二值图,包括:

根据所述人脸特征点和所述脸部轮廓曲线,对所述原始人脸图像中的五官以及脸部轮廓进行标记,得到所述原始人脸图像对应的二值图。

5.一种基于图像处理的美颜装置,其特征在于,包括:

识别模块,用于识别原始人脸图像中的人脸特征信息;

确定模块,用于根据所述人脸特征信息,得到所述原始人脸图像对应的二值图;

转换模块,用于将所述原始人脸图像转换至LAB空间,得到所述原始人脸图像对应的L通道图像;

第一滤波模块,用于根据所述L通道图像,对所述二值图进行滤波,得到第一滤波输出图;

第二滤波模块,用于根据所述第一滤波输出图,对所述原始人脸图像进行滤波,得到第二滤波输出图;

融合模块,用于将所述第二滤波输出图与所述原始人脸图像进行融合,得到所述原始人脸图像对应的美颜结果图;

所述第一滤波模块用于:

将所述L通道图像作为加权最小二乘法滤波的引导图,对所述二值图进行加权最小二乘法滤波,得到所述第一滤波输出图;

所述第二滤波模块用于:

根据所述第一滤波输出图确定加权最小二乘法滤波的平滑控制参数,对所述原始人脸图像进行加权最小二乘法滤波,得到所述第二滤波输出图。

6.根据权利要求5所述的装置,其特征在于,所述识别模块包括:

第一识别子模块,用于通过卷积神经网络识别所述原始人脸图像中的人脸特征点;

第二识别子模块,用于通过肤色模型识别所述原始人脸图像中的脸部轮廓曲线。

7.根据权利要求6所述的装置,其特征在于,所述装置还包括:

亮度提高模块,用于通过log曲线提高所述原始人脸图像的亮度。

8.根据权利要求6所述的装置,其特征在于,所述确定模块用于:

根据所述人脸特征点和所述脸部轮廓曲线,对所述原始人脸图像中的五官以及脸部轮廓进行标记,得到所述原始人脸图像对应的二值图。

9.一种基于图像处理的美颜装置,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4中任意一项所述的方法。

10.一种非临时性计算机可读存储介质,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4中任意一项所述的方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京小米移动软件有限公司,未经北京小米移动软件有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201711054196.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top