CN108734676B - 图像处理方法和装置、电子设备、计算机可读存储介质 - Google Patents
图像处理方法和装置、电子设备、计算机可读存储介质 Download PDFInfo
- Publication number
- CN108734676B CN108734676B CN201810488368.5A CN201810488368A CN108734676B CN 108734676 B CN108734676 B CN 108734676B CN 201810488368 A CN201810488368 A CN 201810488368A CN 108734676 B CN108734676 B CN 108734676B
- Authority
- CN
- China
- Prior art keywords
- face
- image
- area
- region
- light effect
- 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.)
- Expired - Fee Related
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 30
- 230000001795 light effect Effects 0.000 claims abstract description 160
- 238000012545 processing Methods 0.000 claims abstract description 146
- 238000000034 method Methods 0.000 claims abstract description 29
- 230000008859 change Effects 0.000 claims abstract description 16
- 230000000694 effects Effects 0.000 claims description 73
- 238000005315 distribution function Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 13
- 230000003313 weakening effect Effects 0.000 claims description 8
- 230000009467 reduction Effects 0.000 description 15
- 230000008569 process Effects 0.000 description 12
- 238000001514 detection method Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- 238000003384 imaging method Methods 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000006073 displacement reaction Methods 0.000 description 4
- 230000002708 enhancing effect Effects 0.000 description 4
- 239000000284 extract Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000003705 background correction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 239000000872 buffer Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000002123 temporal 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
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本申请涉及一种图像处理方法和装置、电子设备、计算机可读存储介质。所述方法包括：获取图像中人脸所在区域的亮度值与背景区域的亮度值，当人脸所在区域的亮度值与背景区域的亮度值的比值小于第一阈值时，则判定图像中的人脸处于逆光，根据人脸的位置建立逆光光效模型，逆光光效模型是模拟光线强弱变化的模型，根据逆光光效模型对人脸进行光效增强处理。上述图像处理方法和装置、电子设备、计算机可读存储介质，可以根据人脸和背景的亮度确定人脸处于逆光并建立对应的逆光光效模型对人脸进行光效增强处理，可以提高光效处理的准确性。
Description
技术领域
本申请涉及计算机技术领域，特别是涉及一种图像处理方法和装置、电子设备、计算机可读存储介质。
背景技术
随着计算机技术的发展，图像处理方式越来越丰富，在图像拍摄过程中，当拍摄环境或拍摄物体亮度较低时，可以通过滑动亮度调节条调整拍摄的图像亮度，也可以根据不同的拍摄场景选择相应的亮度效果，从而提高图像的成像效果。
然而，传统的图像处理方法中存在光效处理不准确的问题。
发明内容
本申请实施例提供一种图像处理方法、装置、电子设备、计算机可读存储介质，可以提高光效处理的准确度。
一种图像处理方法，包括：
获取图像中人脸所在区域的亮度值与背景区域的亮度值；
当所述人脸所在区域的亮度值与所述背景区域的亮度值的比值小于第一阈值时，则判定所述图像中的人脸处于逆光；
根据所述人脸的位置建立逆光光效模型，所述逆光光效模型是模拟光线强弱变化的模型；
根据所述逆光光效模型对所述人脸进行光效增强处理。
一种图像处理装置，包括：
获取模块，用于获取图像中人脸所在区域的亮度值与背景区域的亮度值；
判定模块，用于当所述人脸所在区域的亮度值与所述背景区域的亮度值的比值小于第一阈值时，则判定所述图像中的人脸处于逆光；
模型建立模块，用于根据所述人脸的位置建立逆光光效模型，所述逆光光效模型是模拟光线强弱变化的模型；
处理模块，用于根据所述逆光光效模型对所述人脸进行光效增强处理。
一种电子设备，包括存储器及处理器，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
获取图像中人脸所在区域的亮度值与背景区域的亮度值；
当所述人脸所在区域的亮度值与所述背景区域的亮度值的比值小于第一阈值时，则判定所述图像中的人脸处于逆光；
根据所述人脸的位置建立逆光光效模型，所述逆光光效模型是模拟光线强弱变化的模型；
根据所述逆光光效模型对所述人脸进行光效增强处理。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如下步骤：
获取图像中人脸所在区域的亮度值与背景区域的亮度值；
当所述人脸所在区域的亮度值与所述背景区域的亮度值的比值小于第一阈值时，则判定所述图像中的人脸处于逆光；
根据所述人脸的位置建立逆光光效模型，所述逆光光效模型是模拟光线强弱变化的模型；
根据所述逆光光效模型对所述人脸进行光效增强处理。
上述图像处理方法和装置、电子设备、计算机可读存储介质，通过获取图像中人脸所在区域的亮度值与背景区域的亮度值，当人脸所在区域的亮度值与背景区域的亮度值的比值小于第一阈值时，判定图像中的人脸处于逆光，并根据人脸的位置建立逆光光效模型，逆光光效模型是模拟光线强度变化的模型，根据逆光光效模型对人脸进行光效增强处理。由于可以根据人脸和背景的亮度确定人脸处于逆光并建立对应的逆光光效模型对人脸进行光效增强处理，可以提高光效处理的准确性。
附图说明
为了更清楚地说明本申请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简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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为一个实施例中电子设备的内部结构示意图；
图2为一个实施例中图像处理方法的流程图；
图3为另一个实施例中图像处理方法的流程图；
图4为一个实施例中获取图像中人脸所在区域的亮度值与背景区域的亮度的流程图；
图5为又一个实施例中图像处理方法的流程图；
图6为一个实施例中光效模型的示意图；
图7为一个实施例中图像处理方式方法的流程图；
图8为一个实施例中图像处理装置的结构框图；
图9为一个实施例中图像处理电路的示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一客户端称为第二客户端，且类似地，可将第二客户端称为第一客户端。第一客户端和第二客户端两者都是客户端，但其不是同一客户端。
图1为一个实施例中一种电子设备的内部结构示意图。该电子设备包括通过系统总线连接的处理器、存储器、显示器和网络接口。其中，该处理器用于提供计算和控制能力，支撑整个电子设备的运行。存储器用于存储数据、程序、和/或指令代码等，存储器上存储至少一个计算机程序，该计算机程序可被处理器执行，以实现本申请实施例中提供的适用于电子设备的图像处理方法。存储器可包括磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(Random-Access-Memory，RAM)等。例如，存储器包括非易失性存储介质及内存储器。非易失性存储介质存储有操作系统和计算机程序。该计算机程序可被处理器所执行，以用于实现本申请各个实施例所提供的一种图像处理方法。内存储器为非易失性存储介质中的操作系统和计算机程序提供高速缓存的运行环境。显示器可以是触摸屏，比如为电容屏或电子屏，用于显示前台进程对应的应用的界面信息，还可以被用于检测作用于该显示屏的触摸操作，生成相应的指令，比如生成图像拍摄指令等。该电子设备还包括通过系统总线连接的网络接口，网络接口可以是以太网卡或无线网卡等，用于与外部的电子设备进行通信，比如可用于同服务器进行通信。
本领域技术人员可以理解，图1中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的电子设备的限定，具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
图2为一个实施例中图像处理方法的流程图。本实施例中的图像处理方法，以运行于图1中的电子设备为例进行描述。如图2所示，图像处理方法包括步骤202至步骤208。
步骤202，获取图像中人脸所在区域的亮度值与背景区域的亮度值。
图像是指由多个像素点组成的图像。具体地，图像可以是预览图像，也可以是待处理处理。预览图像是指电子设备通过成像设备实时捕捉当前场景的画面生成的。待处理图像可以是电子设备通过摄像头采集的图像，还可以是存储在电子设备本地的图像。图像可以展示在电子设备的显示屏上。电子设备可以对图像进行人脸检测，判断图像中是否包含人脸，当图像中包含人脸时，电子设备可以确定图像中人脸所在区域。背景区域是指图像中除人脸所在区域外的区域。人脸所在区域的亮度值是指人脸所在区域中所有像素点的亮度均值。相似地，背景区域的亮度值是指背景区域中所有像素点的亮度均值。
电子设备可以通过人脸识别获取图像中人脸所在区域，根据人脸所在区域的像素点的亮度值获取人脸所在区域的亮度值，并根据人脸所在区域确定图像的背景区域，根据背景区域的像素点的亮度值获取背景区域的亮度值。
步骤204，当人脸所在区域的亮度值与背景区域的亮度值的比值小于第一阈值时，则判定图像中的人脸处于逆光。
逆光是指当被拍摄的人脸位于光源与电子设备的摄像头之间时，造成的被拍摄的人脸曝光不充分的情况。具体地，以电子设备中摄像头的入光面一方为标准，当光源方向在正前方时，图像中的人脸处于逆光。第一阈值可以根据实验数据预先设置，也可以由用户根据需求来设置。例如，第一阈值可以是0.7，R表示图像中人脸所在区域的亮度值与背景区域的亮度值的比值，当R小于0.7时，则表明图像中人脸处于逆光。
当被拍摄的人脸曝光不充分时，图像中的人脸的亮度低于背景亮度，从而电子设备可以获取图像中人脸所在区域的亮度值与背景区域的亮度值，当人脸所在区域的亮度值与背景区域的亮度值的比值小于第一阈值时，则判定图像中的人脸处于逆光。
步骤206，根据人脸的位置建立逆光光效模型，逆光光效模型是模拟光线强弱变化的模型。
逆光光效模型是指对图像进行光效增强处理的模型，该逆光光效模型可以模拟光源发出的光线强弱变化的曲线。其中，逆光光效模型中的光源可以是自然光、舞台光、摄影棚光、胶片光等光源。具体地，光源的类型可以通过检测图像中背景区域的光线效果来确定，也可以根据用户的需求来确定。电子设备中可以预先存储光效参考模型，该光效参考模型可以是以图像中任意一个参考像素点为光源的模型。在获取到人脸的位置后，可以获取人脸的位置相对参考像素点的位移，并将光效参考模型进行位移之后得到该人脸的位置对应的逆光光效模型。
例如，电子设备中可以预先存储一个光效参考模型为P(x,y)，该光效参考模型以坐标为(0,0)的参考像素点为光源的模型。假设选取的人脸的位置的中心点为(x0,y0)的话，那么人脸的位置的中心点相对于参考像素点的位移就为(-x0,-y0)，则根据该位移得到的该人脸的位置的中心点对应的光效模型就为P(x-x0,y-y0)。得到的光效模型P(x-x0,y-y0)中，就是以人脸的位置的中心点(x0,y0)为光源的逆光光效模型。
图像可以是由RGB三通道构成的RGB图像，也可以是由一个通道构成的单色图像。若图像为RGB图像时，则图像中的每一个像素点都有对应的RGB三个通道值。若模拟的光源效果不同，光线产生的颜色可能会不同，则分别对RGB三通道的增强系数就会不同。例如，太阳光的颜色会偏黄、舞台光的颜色可以是五颜六色的。具体地，可以根据人脸的位置分别获取RGB三通道对应的逆光光效模型，并根据逆光光效模型分别计算RGB三通道对应的增强系数。
电子设备可以将人脸的位置作为光源所在位置，构建模拟图像中各个像素点所在位置的光线强弱变化的模型。
步骤208，根据逆光光效模型对人脸进行光效增强处理。
光效增强处理是指将图像的亮度进行增强的处理。具体地，用户一般比较关注人脸所在的区域，那么在对图像进行光效处理的时候，可以只针对人脸进行光效处理，人脸区域之外的区域可以不处理，也可以进行弱化处理。电子设备可以根据逆光光效模型获取图像中人脸的像素点对应的像素增强系数，根据像素增强系数对图像中人脸的各个像素点进行光效增强处理。具体可以通过像素增强系数对图像的像素点亮度进行叠加或乘积的方式进行光效增强处理。
例如，假设图像为H0(x,y)，逆光光效模型为P(x,y)，则通过叠加方式进行光效增强处理之后的图像H(x,y)就可以表示为H(x,y)＝(1+P(x,y))H0(x,y)，通过乘积的方式进行光效增强处理后的图像就可以表示为H(x,y)＝P(x,y)H0(x,y)。可以理解的是，光效增强处理还可以是以其他方式实现的，在此不做限定。
具体地，可以根据逆光光效模型计算人脸各个像素点对应的RGB三通道的像素增强系数，则根据像素增强系数可以分别对人脸各个像素点的RGB三通道进行光效增强处理。对各个通道进行不同强度的光效增强处理之后，得到的图像光效增强效果会一样。例如，电子设备采集黄昏时拍摄的图像时，获取的RGB三通道对应的像素增强系数中，R通道对应的像素增强系数大于G通道和B通道的像素增强系数，那么根据获取的像素增强系数对人脸进行光效增强处理之后，得到的光效增强的人脸相对原图像中的人脸就是偏红光的效果。
具体地，当图像中存在多个人脸时，电子设备可以根据多个人脸的位置建立多个逆光光效模型，并根据多个逆光光效模型分别对对应的人脸进行光效增强处理。例如，当图像中存在第一人脸和第二人脸时，根据第一人脸的位置建立第一逆光光效模型，第二人脸的位置建立第二逆光光效模型，则电子设备可以根据第一逆光光效模型对第一人脸进行光效增强处理及根据第二逆光光效模型对第二人脸进行光效增强处理。
电子设备在拍摄过程中，获取预览图像对人脸进行光效增强处理后，可以将处理效果实时显示在电子设备的显示屏。在一个实施例中，电子设备可以实时检测人脸所在区域的变化调整逆光光效模型，并更新对图像人脸的处理。用户可以通过电子设备采集光效处理后的图像并保存到电子设备中。
上述实施例提供的图像处理方法，可以获取图像中人脸所在区域的亮度值与背景区域的亮度值，当人脸所在区域的亮度值与背景区域的亮度值的比值小于第一阈值时，判定图像中的人脸处于逆光，并根据人脸的位置建立逆光光效模型，逆光光效模型是模拟光线强度变化的模型，根据逆光光效模型对人脸进行光效增强处理。由于可以根据人脸和背景的亮度确定人脸处于逆光并建立对应的逆光光效模型对人脸进行光效增强处理，可以提高光效处理的准确性。
图3为另一个实施例中图像处理方法的流程图。如图3所示，该图像处理方法包括步骤302至步骤308。其中:
步骤302，获取图像中人脸所在区域的亮度值与背景区域的亮度值。
步骤304，当人脸所在区域的亮度均值与背景区域的亮度均值的比值大于第二阈值时，则判定图像中的人脸处于顺光。
顺光是指当电子设备的摄像头位于被拍摄的人脸与光源之间时，光源照射到被拍摄的人脸的情况。具体地，以电子设备中摄像头的入光面一方为标准，当光源方向在正后方时，图像中的人脸处于顺光。第二阈值可以根据实验数据预先设置，也可以由用户根据需求来设置。例如，第二阈值可以是1.5，R表示图像中人脸所在区域的亮度值与背景区域的亮度值的比值，当R大于1.5时，则表明图像中人脸处于顺光。
电子设备可以根据图像中人脸所在区域的亮度值与背景区域的亮度值的比值来判断图像的光源环境，当比值大于第二阈值时，判定图像中人脸处于顺光。
步骤306，根据人脸的位置建立顺光光效模型。
顺光光效模型是对图像进行光效减弱处理的模型。具体地，顺光光效模型是以人脸的位置的中心点作为模型的极大值点，模拟光线强弱变化的曲线。图像中的像素点离人脸的位置的中心点越接近，则像素点的像素减弱系数越大，离图像中人脸的位置的中心点越远，像素点的像素减弱系数越小。顺光光效模型的建立与逆光光效模型的建立相似，在此不再赘述。
步骤308，当人脸所在区域的亮度值超过预设亮度值时，根据顺光光效模型对人脸进行光效减弱处理。
光效减弱处理是指将图像的亮度进行减弱的处理。电子设备通过预设亮度值，当人脸所在区域的亮度值超过预设亮度值时，对人脸进行光效减弱处理。电子设备还可以将人脸所在区域的亮度值与背景区域的亮度值进行对比，当二者的差值超过阈值时，对人脸进行光效减弱处理，从而在人脸所在区域的亮度值在正常拍摄的亮度范围内时，可以不对人脸进行光效减弱处理。具体地，电子设备可以只针对人脸进行光效减弱处理，也可以对人脸所对应的人像进行光效减弱处理。电子设备可以根据顺光光效模型获取图像中人脸的像素点对应的像素减弱系数，根据像素减弱系数对图像中人脸的各个像素点进行光效减弱处理。具体可以通过光效减弱系数对图像的像素点亮度进行削减等方式进行光效减弱处理。
当人脸所在区域的亮度均值与背景区域的亮度均值的比值大于第二阈值时，判定图像中的人脸处于顺光，根据人脸的位置建立顺光光效模型，当人脸所在区域的亮度值超过预设亮度值时，根据顺光光效模型对人脸进行光效减弱处理。由于可以根据不同的光环境对人脸进行光效增强或减弱处理，可以提高光效处理的准确性。
如图4所示，在一个实施例中提供的一种图像处理方法中获取图像中人脸所在区域的亮度值与背景区域的亮度值的过程还包括步骤402至步骤406。其中：
步骤402，检测图像中的人脸所在区域和背景区域。
电子设备可以通过人脸检测算法获取图像的人脸所在区域。具体地，人脸检测算法可以包括基于几何特征的检测方法、特征脸检测方法、线性判别分析方法、基于隐马尔柯夫模型检测方法等，在此不做限定。电子设备在确定了人脸所在区域后，将图像中除人脸所在区域的其他区域作为图像的背景区域。
步骤404，提取人脸所在区域和背景区域的各个像素点亮度。
图像中不同位置的像素点的亮度不同。像素点的亮度受离光源的距离、光源的方向、被拍摄物体的反射能力等因素影响。电子设备可以在确定了图像中人脸所在区域和背景区域后，提取人脸所在区域和背景区域的各个像素点的亮度。
步骤406，将人脸所在区域的各个像素点亮度的平均值作为人脸所在区域的亮度值，将背景区域的各个像素点亮度的平均值作为背景区域的亮度值。
具体地，人脸所在区域的亮度值是指人脸所在区域中所有像素点的亮度均值。电子设备可以计算人脸所在区域的各个像素点的亮度的平均值作为人脸所在区域的亮度值。背景区域的亮度值是指背景区域中所有像素点的亮度均值。电子设备可以计算背景区域的各个像素点的亮度的平均值作为背景区域的亮度值。
电子设备通过检测图像中人脸所在区域和背景区域，将提取的人脸所在区域的各个像素点亮度的平均值作为人脸所在区域的亮度值，将提取的背景区域的各个像素点亮度的平均值作为背景区域的亮度值，可以确定人脸和背景的亮度，并根据人脸和背景的亮度判定人脸是处于顺光还是逆光状态。
如图5所示，在一个实施例中提供的一种图像处理方法还包括步骤502至步骤506。其中：
步骤502，获取图像中人脸的第一区域和第二区域，第一区域和第二区域分别为人脸左右两侧的区域。
电子设备通过人脸识别算法获取图像的人脸所在区域后，以人脸所在区域的中心将人脸所在区域分为左右两侧，分别作为人脸的第一区域和第二区域。电子设备还可以将人脸所在区域的像素点亮度二值化，并根据二值化的结果确定人脸的第一区域和第二区域。在另一个实施例中，电子设备也可以以人脸所在区域的中心将人脸所在区域分为上下两侧，分别作为人脸的第一区域和第二区域。
步骤504，当第一区域的亮度均值大于第二区域的亮度均值时，根据第二区域的位置建立侧光光效模型。
当第一区域的亮度均值大于第二区域的亮度均值时，电子设备可以将第二区域的中心作为光源所在位置建立侧光光效模型，也可以将图像中第二区域所在一侧的中心作为光源所在位置建立侧光光效模型。电子设备还可以在第一区域的亮度均值与第二均值的亮度均值的差值过预设阈值时，根据第二区域的位置建立侧光光效模型。
步骤506，根据侧光光效模型对人脸进行光效处理。
具体地，电子设备可以根据侧光光效模型获取人脸所在区域中各个像素点的像素增强系数，对人脸进行光效增强处理，也可以获取人脸第二区域的各个像素点的像素增强系数，对人脸的第二区域进行光效增强处理。
通过将图像中的人脸分为左右两侧的第一区域和第二区域，当第一区域的亮度均值大于第二区域的亮度均值时，根据第二区域的位置建立侧光光效模型，对人脸进行光效处理，可以在侧光拍摄的情况下，对图像的人脸进行光效增强处理，增强图像中人脸的亮度，可以避免因侧光拍摄造成的“阴阳脸”，提高光效处理的准确性。
在一个实施例中，提供的一种图像处理方法中根据人脸的位置建立逆光光效模型的过程包括：获取二维高斯分布函数，以人脸的位置的中心点作为二维高斯分布函数的极大值点构建逆光光效模型。
具体地，逆光光效模型可以根据二维高斯分布函数进行构建。首先获取二维高斯分布函数如下：
其中，(x,y)表示图像中任一像素点的二维坐标，d为常量。上述函数是以(0,0)为极大值点的二维高斯分布函数，则根据人脸的位置的中心构建的逆光光效模型即为将上述二维高斯分布函数进行位移，将上述二维高斯分布函数的极大值点移动到人脸的位置的中心点即可得到逆光光效模型。假设人脸的位置的中心点为(x0,y0)，则得到的逆光光效模型就可以表示为：
得到的逆光光效模型中，人脸的位置的中心点(x0,y0)就为极大值点，即在人脸的位置的中心点(x0,y0)得到的像素增强系数Po(x,y)最大。根据上述常量d可以调节像素增强系数的强度。
图6为一个实施例中逆光光效模型的示意图。如图6所示，该逆光光效模型中图像的分辨率为50*50，人脸的位置的中心点602的坐标值为(25,25)。可以看出，该人脸的位置的中心点602对应的像素增强系数最大，图像中其他像素点对应的像素增强系数随着与人脸的位置的中心点602的距离的增加而降低，离人脸的位置的中心点602的距离越远的像素点，对应的像素增强系数越小。
在一个实施例中，提供的一种图像处理方法还包括：检测图像中人脸所在位置，根据光效模型对人脸所在区域中的各个像素点进行光效处理。
光效模型可以是顺光光效模型、逆光光效模型、侧光光效模型等不限于此。可以理解的是，图像为一个二维像素点矩阵，可以以图像最左下角像素点为原点建立坐标系，图像的像素点就可以通过一个二维坐标进行表示，根据上述光效模型可以获取图像中各个像素点的像素处理系数，可以直接将各个像素点对应的坐标带入到光效模型中，得到像素点的像素处理系数。像素处理系数可以包括像素增强系数和像素减弱系数。
电子设备可以对图像中人脸区域进行检测，并获取人脸所在区域的各个像素点对应的像素处理系数，对图像中人脸所在区域的各个像素点进行光效处理。除人脸所在区域之外的其他区域可以不做处理，也可以进行弱化处理。可选地，电子设备还可以根据人脸所在区域获取人像区域，根据光效模型对人像区域的各个像素点进行光效处理。
如图7所示，在一个实施例中，提供的一种图像处理方法还包括步骤702至步骤706。其中：
步骤702，将背景区域的亮度值与人脸所在区域的亮度值的比值作为人脸处理系数。
当背景区域的亮度值与人脸所在区域的亮度值的比值大于1时，说明图像中背景的亮度大于人脸的亮度，电子设备将该比值作为人脸处理系数，对人脸所在区域进行处理，可以增强人脸所在区域的亮度。当背景区域的亮度值与人脸所在区域的亮度值的比值小于1时，说明图像中背景的亮度小于人脸的亮度，电子设备将该比值作为人脸处理系数对人脸所在区域进行处理，可以减弱人脸所在区域的亮度。例如，若背景区域的亮度值为80，人脸所在区域的亮度值为100，则人脸处理系数为0.8，电子设备根据人脸系数对人脸所在区域进行处理，可以将人脸所在区域的亮度值调整为100*0.8＝80，即将人脸所在区域的亮度值调整至与背景区域的亮度值一致。
步骤704，获取人脸所在区域的各个像素点及像素点的亮度值。
电子设备可以根据人脸所在区域获取图像中人脸所在区域的像素点及像素点的亮度值。
步骤706，根据人脸处理系数和像素点的亮度值对人脸所在区域的像素点的亮度值进行调整。
具体地，电子设备根据人脸处理系数可以对人脸所在区域的所有像素点的亮度值进行调整，将人脸所在区域的所有像素点的亮度值增加或减弱。电子设备还可以设定亮度增强阈值和亮度减弱阈值，当人脸处理系数大于亮度减弱阈值且小于亮度增强阈值时，不对人脸所在区域的像素点的亮度值进行调整。例如，电子设备可以设置亮度增强阈值为1.2，亮度减弱阈值为0.8，则当人脸处理系数大于1.2或小于0.8时，电子设备对人脸所在区域的像素点的亮度值进行调整，当人脸处理系数大于0.8但小于1.2，不对图像进行处理。电子设备还可以根据人脸所在区域获取人像区域，对人像区域的像素点进行调整。
在一个实施例中，提供了一种图像处理方法，实现该方法的具体步骤如下所述：
首先，电子设备获取图像中人脸所在区域的亮度值与背景区域的亮度值。图像是指由多个像素点组成的图像。具体地，图像可以是预览图像，也可以是待处理处理。预览图像是指电子设备通过成像设备实时捕捉当前场景的画面生成的。待处理图像可以是电子设备通过摄像头采集的图像，还可以是存储在电子设备本地的图像。电子设备可以通过人脸识别获取图像中人脸所在区域，根据人脸所在区域的像素点的亮度值获取人脸所在区域的亮度值，并根据人脸所在区域确定图像的背景区域，根据背景区域的像素点的亮度值获取背景区域的亮度值。
可选地，电子设备检测图像中的人脸所在区域和背景区域，提取人脸所在区域和背景区域的各个像素点亮度，将人脸所在区域的各个像素点亮度的平均值作为人脸所在区域的亮度值，将背景区域的各个像素点亮度的平均值作为背景区域的亮度值。电子设备可以通过人脸检测算法获取图像的人脸所在区域。具体地，人脸检测算法可以包括基于几何特征的检测方法、特征脸检测方法、线性判别分析方法、基于隐马尔柯夫模型检测方法等。电子设备在确定了人脸所在区域后，将图像中除人脸所在区域的其他区域作为图像的背景区域。
接着，当人脸所在区域的亮度值与背景区域的亮度值的比值小于第一阈值时，则电子设备判定图像中的人脸处于逆光。逆光是指当被拍摄的人脸位于光源与电子设备的摄像头之间时，造成的被拍摄的人脸曝光不充分的情况。具体地，以电子设备中摄像头的入光面一方为标准，当光源方向在正前方时，图像中的人脸处于逆光。当被拍摄的人脸曝光不充分时，图像中的人脸的亮度低于背景亮度，从而电子设备可以获取图像中人脸所在区域的亮度值与背景区域的亮度值，当人脸所在区域的亮度值与背景区域的亮度值的比值小于第一阈值时，则判定图像中的人脸处于逆光。
接着，电子设备根据人脸的位置建立逆光光效模型，逆光光效模型是模拟光线强弱变化的模型。逆光光效模型是指对图像进行光效增强处理的模型，该逆光光效模型可以模拟光源发出的光线强弱变化的曲线。电子设备中可以预先存储光效参考模型，该光效参考模型可以是以图像中任意一个参考像素点为光源的模型。在获取到人脸的位置后，可以获取人脸的位置相对参考像素点的位移，并将光效参考模型进行位移之后得到该人脸的位置对应的逆光光效模型。
可选地，电子设备获取二维高斯分布函数，以人脸的位置的中心点作为二维高斯分布函数的极大值点构建逆光光效模型。电子设备根据人脸的位置的中心点将二维高斯分布函数进行位移，将二维高斯分布函数的极大值点移动到人脸的位置的中心点得到逆光光效模型。则图像中的像素点距离人脸的位置的中心越接近，像素增强系数越大，离人脸的位置的中心越远，像素增强系数越小。
接着，电子设备根据逆光光效模型对人脸进行光效增强处理。光效增强处理是指将图像的亮度进行增强的处理。电子设备可以根据逆光光效模型获取图像中人脸的像素点对应的像素增强系数，根据像素增强系数对图像中人脸的各个像素点进行光效增强处理。具体可以通过像素增强系数对图像的像素点亮度进行叠加或乘积的方式进行光效增强处理。
可选地，当图像中存在多个人脸时，电子设备可以根据多个人脸的位置建立多个逆光光效模型，并根据多个逆光光效模型分别对对应的人脸进行光效增强处理。例如，当图像中存在第一人脸和第二人脸时，根据第一人脸的位置建立第一逆光光效模型，第二人脸的位置建立第二逆光光效模型，则电子设备可以根据第一逆光光效模型对第一人脸进行光效增强处理及根据第二逆光光效模型对第二人脸进行光效增强处理。
可选地，获取图像中人脸所在区域的亮度值与背景区域的亮度值。当人脸所在区域的亮度均值与背景区域的亮度均值的比值大于第二阈值时，则判定图像中的人脸处于顺光，根据人脸的位置建立顺光光效模型，当人脸所在区域的亮度值超过预设亮度值时，根据顺光光效模型对人脸进行光效减弱处理。顺光是指当电子设备的摄像头位于被拍摄的人脸与光源之间时，光源照射到被拍摄的人脸的情况。顺光光效模型是对图像进行光效减弱处理的模型。具体地，顺光光效模型是以人脸的位置的中心点作为模型的极大值点，模拟光线强弱变化的曲线。光效减弱处理是指将图像的亮度进行减弱的处理。电子设备通过预设亮度值，当人脸所在区域的亮度值超过预设亮度值时，电子设备可以根据顺光光效模型获取图像中人脸的像素点对应的像素减弱系数，根据像素减弱系数对图像中人脸的各个像素点进行光效减弱处理。具体可以通过光效减弱系数对图像的像素点亮度进行削减等方式进行光效减弱处理。
可选地，电子设备还可以根据内置的光电传感器确定光源的方向，当电子设备检测到光源方向位于摄像头的前方时，判定图像中人脸处于逆光，建立对应的逆光光效模型，当电子设备检测到光源方向位于摄像头的后方时，判定图像中人脸处于顺光，建立对应的顺光光效模型。根据光效模型对图像中的人脸进行光效处理。
可选地，获取图像中人脸的第一区域和第二区域，第一区域和第二区域分别为人脸左右两侧的区域，当第一区域的亮度均值大于第二区域的亮度均值时，根据第二区域的位置建立侧光光效模型，根据侧光光效模型对人脸进行光效处理。当第一区域的亮度均值大于第二区域的亮度均值时，电子设备可以将第二区域的中心作为光源所在位置建立侧光光效模型，也可以将图像中第二区域所在一侧的中心作为光源所在位置建立侧光光效模型。
可选地，电子设备检测图像中人脸所在位置，根据光效模型对人脸所在区域中的各个像素点进行光效处理。光效模型可以是顺光光效模型、逆光光效模型、侧光光效模型等不限于此。电子设备根据上述光效模型可以获取图像中各个像素点的像素处理系数，可以直接将各个像素点对应的坐标带入到光效模型中，得到像素点的像素处理系数，对图像中人脸所在区域的各个像素点进行光效处理。像素处理系数可以包括像素增强系数和像素减弱系数。
可选地，电子设备将背景区域的亮度值与人脸所在区域的亮度值的比值作为人脸处理系数，获取人脸所在区域的各个像素点及像素点的亮度值，根据人脸处理系数和像素点的亮度值对人脸所在区域的像素点的亮度值进行调整。当背景区域的亮度值与人脸所在区域的亮度值的比值大于1时，说明图像中背景的亮度大于人脸的亮度，电子设备将该比值作为人脸处理系数，对人脸所在区域进行处理，可以增强人脸所在区域的亮度。当背景区域的亮度值与人脸所在区域的亮度值的比值小于1时，说明图像中背景的亮度小于人脸的亮度，电子设备将该比值作为人脸处理系数对人脸所在区域进行处理，可以减弱人脸所在区域的亮度。
应该理解的是，虽然图2-5、7的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-5、7中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
图8为一个实施例的图像处理装置的结构框图。如图8所示，该装置包括获取模块810、判定模块820、模型建立模块830和处理模块840，其中：
获取模块810，用于获取图像中人脸所在区域的亮度值与背景区域的亮度值。
判定模块820，用于当人脸所在区域的亮度值与背景区域的亮度值的比值小于第一阈值时，则判定图像中的人脸处于逆光。
模型建立模块830，用于根据人脸的位置建立逆光光效模型，逆光光效模型是模拟光线强弱变化的模型。
处理模块840，用于根据逆光光效模型对人脸进行光效增强处理。
在一个实施例中，判定模块820还可以用于当人脸所在区域的亮度均值与背景区域的亮度均值的比值大于第二阈值时，则判定图像中的人脸处于顺光。模型建立模块830还可以用于根据人脸的位置建立顺光光效模型。处理模块840还可以用于当人脸所在区域的亮度值超过预设亮度值时，根据顺光光效模型对人脸进行光效减弱处理。
在一个实施例中，获取模块810还可以用于检测图像中的人脸所在区域和背景区域，提取人脸所在区域和背景区域的各个像素点亮度，将人脸所在区域的各个像素点亮度的平均值作为人脸所在区域的亮度值，将背景区域的各个像素点亮度的平均值作为所述背景区域的亮度值。
在一个实施例中，获取模块810还可以用于获取图像中人脸的第一区域和第二区域，第一区域和第二区域分别为人脸左右两侧的区域。模型建立模块830还可以用于当第一区域的亮度均值大于第二区域的亮度均值时，根据第二区域的位置建立侧光光效模型。处理模块840还可以用于根据侧光光效模型对人脸进行光效处理。
在一个实施例中，模型建立模块830还可以用于获取二维高斯分布函数，以人脸的位置的中心点作为二维高斯分布函数的极大值点构建逆光光效模型。
在一个实施例中，处理模块840还可以用于检测图像中的人脸所在区域，根据光效模型对人脸所在区域中的各个像素点进行光效处理。
在一个实施例中，处理模块840还可以用于将背景区域的亮度值与人脸所在区域的亮度值的比值作为人脸处理系数，获取人脸所在区域的各个像素点及像素点的亮度值，根据人脸处理系数和像素点的亮度值对人脸所在区域的像素点的亮度值进行调整。
上述图像处理装置中各个模块的划分仅用于举例说明，在其他实施例中，可将图像处理装置按照需要划分为不同的模块，以完成上述图像处理装置的全部或部分功能。
关于图像处理装置的具体限定可以参见上文中对于图像处理方法的限定，在此不再赘述。上述图像处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
本申请实施例中提供的图像处理装置中的各个模块的实现可为计算机程序的形式。该计算机程序可在终端或服务器上运行。该计算机程序构成的程序模块可存储在终端或服务器的存储器上。该计算机程序被处理器执行时，实现本申请实施例中所描述方法的步骤。
本申请实施例还提供了一种计算机可读存储介质。一个或多个包含计算机可执行指令的非易失性计算机可读存储介质，当所述计算机可执行指令被一个或多个处理器执行时，使得所述处理器执行图像处理方法的步骤。
一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行图像处理方法。
本申请实施例还提供一种电子设备。上述电子设备中包括图像处理电路，图像处理电路可以利用硬件和/或软件组件实现，可包括定义ISP(Image Signal Processing，图像信号处理)管线的各种处理单元。图9为一个实施例中图像处理电路的示意图。如图9所示，为便于说明，仅示出与本申请实施例相关的图像处理技术的各个方面。
如图9所示，图像处理电路包括ISP处理器940和控制逻辑器950。成像设备910捕捉的图像数据首先由ISP处理器940处理，ISP处理器940对图像数据进行分析以捕捉可用于确定和/或成像设备910的一个或多个控制参数的图像统计信息。成像设备910可包括具有一个或多个透镜912和图像传感器914的照相机。图像传感器914可包括色彩滤镜阵列(如Bayer滤镜)，图像传感器914可获取用图像传感器914的每个成像像素捕捉的光强度和波长信息，并提供可由ISP处理器940处理的一组原始图像数据。传感器920(如陀螺仪)可基于传感器920接口类型把采集的图像处理的参数(如防抖参数)提供给ISP处理器940。传感器920接口可以利用SMIA(Standard Mobile Imaging Architecture，标准移动成像架构)接口、其它串行或并行照相机接口或上述接口的组合。
此外，图像传感器914也可将原始图像数据发送给传感器920，传感器920可基于传感器920接口类型把原始图像数据提供给ISP处理器940，或者传感器920将原始图像数据存储到图像存储器930中。
ISP处理器940按多种格式逐个像素地处理原始图像数据。例如，每个图像像素可具有8、10、12或14比特的位深度，ISP处理器940可对原始图像数据进行一个或多个图像处理操作、收集关于图像数据的统计信息。其中，图像处理操作可按相同或不同的位深度精度进行。
ISP处理器940还可从图像存储器930接收图像数据。例如，传感器920接口将原始图像数据发送给图像存储器930，图像存储器930中的原始图像数据再提供给ISP处理器940以供处理。图像存储器930可为存储器装置的一部分、存储设备、或电子设备内的独立的专用存储器，并可包括DMA(Direct Memory Access，直接直接存储器存取)特征。
当接收到来自图像传感器914接口或来自传感器920接口或来自图像存储器930的原始图像数据时，ISP处理器940可进行一个或多个图像处理操作，如时域滤波。处理后的图像数据可发送给图像存储器930，以便在被显示之前进行另外的处理。ISP处理器940从图像存储器930接收处理数据，并对所述处理数据进行原始域中以及RGB和YCbCr颜色空间中的图像数据处理。ISP处理器940处理后的图像数据可输出给显示器970，以供用户观看和/或由图形引擎或GPU(Graphics Processing Unit，图形处理器)进一步处理。此外，ISP处理器940的输出还可发送给图像存储器930，且显示器970可从图像存储器930读取图像数据。在一个实施例中，图像存储器930可被配置为实现一个或多个帧缓冲器。此外，ISP处理器940的输出可发送给编码器/解码器960，以便编码/解码图像数据。编码的图像数据可被保存，并在显示于显示器970设备上之前解压缩。编码器/解码器960可由CPU或GPU或协处理器实现。
ISP处理器940确定的统计数据可发送给控制逻辑器950单元。例如，统计数据可包括自动曝光、自动白平衡、自动聚焦、闪烁检测、黑电平补偿、透镜912阴影校正等图像传感器914统计信息。控制逻辑器950可包括执行一个或多个例程(如固件)的处理器和/或微控制器，一个或多个例程可根据接收的统计数据，确定成像设备910的控制参数及ISP处理器940的控制参数。例如，成像设备910的控制参数可包括传感器920控制参数(例如增益、曝光控制的积分时间、防抖参数等)、照相机闪光控制参数、透镜912控制参数(例如聚焦或变焦用焦距)、或这些参数的组合。ISP控制参数可包括用于自动白平衡和颜色调整(例如，在RGB处理期间)的增益水平和色彩校正矩阵，以及透镜912阴影校正参数。
本实施例中运用图9中图像处理技术可实现上述图像处理方法。
本申请所使用的对存储器、存储、数据库或其它介质的任何引用可包括非易失性和/或易失性存储器。合适的非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)，它用作外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDR SDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种图像处理方法，其特征在于，包括：
获取图像中人脸所在区域的亮度值与背景区域的亮度值；
当所述人脸所在区域的亮度值与所述背景区域的亮度值的比值小于第一阈值时，则判定所述图像中的人脸处于逆光；
根据所述人脸的位置建立逆光光效模型，所述逆光光效模型是模拟光线强弱变化的模型；
根据所述逆光光效模型对所述人脸进行光效增强处理；
获取所述图像中人脸的第一区域和第二区域，所述第一区域和第二区域分别为所述人脸左右两侧的区域；
当所述第一区域的亮度均值大于所述第二区域的亮度均值时，根据所述第二区域的位置建立侧光光效模型；
根据所述侧光光效模型对所述人脸进行光效处理。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
当所述人脸所在区域的亮度均值与所述背景区域的亮度均值的比值大于第二阈值时，则判定所述图像中的人脸处于顺光；
根据所述人脸的位置建立顺光光效模型；
当所述人脸所在区域的亮度值超过预设亮度值时，根据所述顺光光效模型对所述人脸进行光效减弱处理。
3.根据权利要求1所述的方法，其特征在于，所述获取图像中人脸所在区域的亮度值与背景区域的亮度值，包括：
检测所述图像中的人脸所在区域和背景区域；
提取所述人脸所在区域和所述背景区域的各个像素点亮度；
将所述人脸所在区域的各个像素点亮度的平均值作为所述人脸所在区域的亮度值，将所述背景区域的各个像素点亮度的平均值作为所述背景区域的亮度值。
4.根据权利要求1所述的方法，其特征在于，所述根据所述人脸的位置建立逆光光效模型，包括：
获取二维高斯分布函数，以所述人脸的位置的中心点作为二维高斯分布函数的极大值点构建逆光光效模型。
5.根据权利要求1至4中任一项所述的方法，其特征在于，所述方法还包括：
检测所述图像中的人脸所在区域；
根据所述光效模型对所述人脸所在区域中的各个像素点进行光效处理。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
将所述背景区域的亮度值与人脸所在区域的亮度值的比值作为人脸处理系数；
获取所述人脸所在区域的各个像素点及像素点的亮度值；
根据所述人脸处理系数和所述像素点的亮度值对所述人脸所在区域的像素点的亮度值进行调整。
7.一种图像处理装置，其特征在于，包括：
获取模块，用于获取图像中人脸所在区域的亮度值与背景区域的亮度值；
判定模块，用于当所述人脸所在区域的亮度值与所述背景区域的亮度值的比值小于第一阈值时，则判定所述图像中的人脸处于逆光；
模型建立模块，用于根据所述人脸的位置建立逆光光效模型，所述逆光光效模型是模拟光线强弱变化的模型；
处理模块，用于根据所述逆光光效模型对所述人脸进行光效增强处理；
所述获取模块还用于获取图像中人脸的第一区域和第二区域，第一区域和第二区域分别为人脸左右两侧的区域；
所述模型建立模块还用于当第一区域的亮度均值大于第二区域的亮度均值时，根据第二区域的位置建立侧光光效模型；
所述处理模块还用于根据侧光光效模型对人脸进行光效处理。
8.根据权利要求7所述的装置，其特征在于，所述模型建立模块还用于获取二维高斯分布函数，以人脸的位置的中心点作为二维高斯分布函数的极大值点构建逆光光效模型。
9.一种电子设备，包括存储器及处理器，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至6中任一项所述的图像处理方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810488368.5A CN108734676B (zh) | 2018-05-21 | 2018-05-21 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810488368.5A CN108734676B (zh) | 2018-05-21 | 2018-05-21 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108734676A CN108734676A (zh) | 2018-11-02 |
| CN108734676B true CN108734676B (zh) | 2020-12-01 |
Family
ID=63937719
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810488368.5A Expired - Fee Related CN108734676B (zh) | 2018-05-21 | 2018-05-21 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108734676B (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109727212B (zh) * | 2018-12-24 | 2021-05-04 | 维沃移动通信有限公司 | 一种图像处理方法及移动终端 |
| CN109840476B (zh) * | 2018-12-29 | 2021-12-21 | 维沃移动通信有限公司 | 一种脸型检测方法及终端设备 |
| CN109919933B (zh) * | 2019-03-08 | 2023-08-29 | 歌尔光学科技有限公司 | Vr设备及其画面检测方法、装置、计算机可读存储介质 |
| CN111861965B (zh) * | 2019-04-08 | 2024-06-18 | Tcl科技集团股份有限公司 | 图像逆光检测方法、图像逆光检测装置及终端设备 |
| CN112950525B (zh) * | 2019-11-22 | 2024-09-17 | 华为技术有限公司 | 图像检测方法、装置及电子设备 |
| CN110956134B (zh) * | 2019-11-29 | 2023-08-25 | 华人运通(上海)云计算科技有限公司 | 人脸识别方法、装置、设备以及计算机可读存储介质 |
| CN111166290A (zh) * | 2020-01-06 | 2020-05-19 | 华为技术有限公司 | 一种健康状态检测方法、设备和计算机存储介质 |
| CN111507358B (zh) * | 2020-04-01 | 2023-05-16 | 浙江大华技术股份有限公司 | 一种人脸图像的处理方法、装置、设备和介质 |
| CN112261307B (zh) * | 2020-09-27 | 2022-08-19 | 厦门亿联网络技术股份有限公司 | 一种图像曝光方法、装置及存储介质 |
| CN113096231B (zh) * | 2021-03-18 | 2023-10-31 | 北京达佳互联信息技术有限公司 | 一种图像处理方法、装置、电子设备及存储介质 |
| CN113487700A (zh) * | 2021-06-22 | 2021-10-08 | 维沃移动通信有限公司 | 图像处理方法、装置和电子设备 |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1404118A1 (en) * | 2002-09-20 | 2004-03-31 | Seiko Epson Corporation | Backlight adjustment processing of image using image generation record information |
| CN100435562C (zh) * | 2006-12-28 | 2008-11-19 | 上海交通大学 | 基于多区域分割及模糊逻辑的自动曝光方法 |
| CN100480830C (zh) * | 2007-01-30 | 2009-04-22 | 北京中星微电子有限公司 | 一种逆光检测方法、逆光补偿终止检测方法及相应装置 |
| CN101082992A (zh) * | 2007-07-06 | 2007-12-05 | 浙江大学 | 实时高动态范围图像的绘制和显示方法 |
| CN101841631B (zh) * | 2009-03-20 | 2011-09-21 | 微星科技股份有限公司 | 暗部曝光补偿方法及应用该方法的图像处理装置 |
| CN102006422B (zh) * | 2009-09-01 | 2012-10-10 | 华晶科技股份有限公司 | 一种逆光拍摄方法 |
| CN104021531A (zh) * | 2014-06-18 | 2014-09-03 | 厦门美图之家科技有限公司 | 一种改进的基于单尺度Retinex的暗环境图像的增强方法 |
| CN105489170B (zh) * | 2014-09-16 | 2019-08-06 | 青岛海信电器股份有限公司 | 一种背光源的驱动方法、装置及显示设备 |
| CN105791709B (zh) * | 2015-12-29 | 2019-01-25 | 福建星网锐捷通讯股份有限公司 | 带有逆光补偿的自动曝光处理方法及装置 |
| CN105959585B (zh) * | 2016-05-12 | 2019-08-16 | 南昌黑鲨科技有限公司 | 多级逆光检测方法及装置 |
| CN105938552B (zh) * | 2016-06-29 | 2020-04-24 | 北京旷视科技有限公司 | 底图自动更新的人脸识别方法及装置 |
| CN107451969B (zh) * | 2017-07-27 | 2020-01-10 | Oppo广东移动通信有限公司 | 图像处理方法、装置、移动终端及计算机可读存储介质 |
-
2018
- 2018-05-21 CN CN201810488368.5A patent/CN108734676B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN108734676A (zh) | 2018-11-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108734676B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
| CN109767467B (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
| CN107948519B (zh) | 图像处理方法、装置及设备 | |
| CN107977940B (zh) | 背景虚化处理方法、装置及设备 | |
| EP3609177B1 (en) | Control method, control apparatus, imaging device, and electronic device | |
| CN108419028B (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
| EP3480783B1 (en) | Image-processing method, apparatus and device | |
| US11431915B2 (en) | Image acquisition method, electronic device, and non-transitory computer readable storage medium | |
| CN108111749B (zh) | 图像处理方法和装置 | |
| CN110572573B (zh) | 对焦方法和装置、电子设备、计算机可读存储介质 | |
| CN108846807B (zh) | 光效处理方法、装置、终端及计算机可读存储介质 | |
| EP3849170B1 (en) | Image processing method, electronic device, and computer-readable storage medium | |
| CN108717530B (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
| CN107945105B (zh) | 背景虚化处理方法、装置及设备 | |
| CN108198152B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
| CN109242794B (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
| CN107358593B (zh) | 成像方法和装置 | |
| CN108024057B (zh) | 背景虚化处理方法、装置及设备 | |
| WO2019105297A1 (zh) | 图像虚化处理方法、装置、移动设备及存储介质 | |
| CN108616700B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
| CN108322651B (zh) | 拍摄方法和装置、电子设备、计算机可读存储介质 | |
| WO2019105298A1 (zh) | 图像虚化处理方法、装置、移动设备及存储介质 | |
| CN108024058B (zh) | 图像虚化处理方法、装置、移动终端和存储介质 | |
| CN110121031B (zh) | 图像采集方法和装置、电子设备、计算机可读存储介质 | |
| CN107464225B (zh) | 图像处理方法、装置、计算机可读存储介质和移动终端 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201201 |