一種圖像處理方法及移動終端的制作方法
【技術領域】
[0001]本發(fā)明涉及電子設備技術領域，尤其是一種圖像處理方法及移動終端。
【背景技術】
[0002]隨著移動終端的圖像處理功能日趨強大，用戶對拍照效果的要求也越來越高。目前的移動終端相機應用程序可以實現(xiàn)對單人或多人的人臉美化功能，當圖像中存在多人時，能對所有人都進行美化處理或根據人的年齡或性別等屬性信息自動匹配對應的美化模式。
[0003]現(xiàn)有的人臉美化功能，只能同時對所有人進行相同或相似的美化處理，根據人的屬性信息自動匹配美化模式的處理方式，在人物的年齡和自身的臉部特征存在很大差異時，美化效果存在誤差，得不到用戶所期望的美化效果，滿足不了用戶的個性化的美化處理需求。

【發(fā)明內容】

[0004]本發(fā)明實施例提供一種圖像處理方法及移動終端，用以解決現(xiàn)有的人臉美化功能只能同時對所有人進行相同或相似的美化處理，根據人的屬性信息自動匹配美化模式的處理方式，在人物的年齡和自身的臉部特征存在很大差異時，美化效果存在誤差，得不到用戶所期望的美化效果，滿足不了用戶的個性化的美化處理需求的問題。
[0005]本發(fā)明實施例提供一種圖像處理方法，包括:
[0006]獲取圖像中的人臉特征點信息和人體輪廓信息；
[0007]接收用戶的選中美化對象請求，獲取選中操作區(qū)域的坐標信息；
[0008]根據所獲取的選中操作區(qū)域的坐標信息，識別美化對象，所述美化對象為圖像中的一人或多人；
[0009]對所識別的美化對象的人臉區(qū)域執(zhí)行美化處理。
[0010]本發(fā)明實施例還提供一種移動終端，包括:
[0011]獲取模塊，用于獲取圖像中的人臉特征點信息和人體輪廓信息；
[0012]接收模塊，用于接收用戶的選中美化對象請求，獲取選中操作區(qū)域的坐標信息；
[0013]識別模塊，用于根據所獲取的選中操作區(qū)域的坐標信息，識別美化對象，所述美化對象為圖像中的一人或多人；
[0014]處理模塊，用于對所識別的美化對象的人臉區(qū)域執(zhí)行美化處理。
[0015]本發(fā)明實施例提供的圖像處理方法，通過獲取圖像中的人臉特征點信息和人體輪廓信息，接收用戶的選中美化對象請求，獲取選中操作區(qū)域的坐標信息，根據所獲取的選中操作區(qū)域的坐標信息，識別美化對象，該美化對象為圖像中的一人或多人，進而對所識別的美化對象的人臉區(qū)域執(zhí)行美化處理。該方法能實現(xiàn)用戶根據自己的需求，對單人或多人進行不同的人臉美化處理，并且在美化處理過程中，用戶可通過點擊操作，拖動操作，或根據自定義的屏幕手勢選擇不同的美化處理選項進行不同級別的美化處理，人臉美化處理更具個性化，操作便捷，更具趣味性。
【附圖說明】
[0016]圖1是本發(fā)明圖像處理方法的實施例流程圖；
[0017]圖2是本發(fā)明獲取的人體輪廓信息的實施例示意圖；
[0018]圖3是本發(fā)明用戶通過點擊操作選中美化對象的實施例示意圖；
[0019]圖4是本發(fā)明用戶通過劃線操作選中美化對象的實施例示意圖；
[0020]圖5是本發(fā)明用戶通過圈選操作選中美化對象的實施例示意圖；
[0021]圖6是本發(fā)明用戶點擊操作觸發(fā)的美化處理選項圖標分布的實施例示意圖；
[0022]圖7是本發(fā)明用戶長按操作觸發(fā)的美化處理選項圖標分布的實施例示意圖；
[0023]圖8是本發(fā)明用戶拖動美化處理選項圖標的實施例示意圖；
[0024]圖9是本發(fā)明用戶拖動美化處理選項圖標的另一實施例不意圖；
[0025]圖10是本發(fā)明用戶劃連續(xù)軌跡手勢操作的實施例示意圖；
[0026]圖11是本發(fā)明的移動終端的實施例結構示意圖。
[0027]圖12是本發(fā)明用戶自定義美化處理選項的設置界面的實施例示意圖。
【具體實施方式】
[0028]下面將結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例。基于本發(fā)明中的實施例，本領域普通技術人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。
[0029]參見圖1，為本發(fā)明圖像處理方法的實施例流程圖。
[0030]該圖像處理方法可以包括:
[0031]步驟101，獲取圖像中的人臉特征點信息和人體輪廓信息。
[0032]在本發(fā)明實施例中，該圖像為用戶通過移動終端攝像頭拍攝的圖像，或是用戶在移動終端應用程序中選擇的已有的圖像。
[0033]本步驟中，通過檢測圖像中的人臉，然后獲取人臉特征點信息。目前主流的人臉檢測技術有以下四種:基于知識、基于特征提取、基于模板匹配以及基于統(tǒng)計模型的人臉檢測技術，簡述如下:
[0034]基于知識的人臉檢測技術:是將人臉面額器官之間的關系編碼準則化的人臉檢測技術，該技術是自頂向下，依據人臉面部器官的對稱性、灰度差異等先驗知識，制定出一系列的準則。當圖像中的待測區(qū)有符合準則的，則被檢測為人臉。
[0035]基于特征提取的人臉檢測技術:基于特征提取的方法不僅可以從已有的面部特征而且可以從他們的幾何關系進行人臉檢測。它與基于知識的方法相反，它是先利用各種手段尋找人臉的不變特征，然后綜合找到的不變特征來確定待檢測區(qū)域是否是人臉。面部不變特征，如:眉毛、眼睛、鼻子、嘴和發(fā)際。一般利用邊緣檢測器提取，根據提取的特征，建立統(tǒng)計模型來描述特征之間的關系，并確定存在的人臉。
[0036]基于模板匹配的人臉檢測技術:基于模板匹配的方法可以分為兩類:預定模板和變形模板。預定模板方法首先制定出標準的模板，然后計算檢測區(qū)域和模板的相關值，當相關值符合制定的準則就判定檢測區(qū)域為人臉。變形模板首先制定出模板參數，然后根據檢測區(qū)域的數據對參數進行修改直至收斂，以達到檢測出人臉面部器官位置的目的。
[0037]基于統(tǒng)計模型的人臉檢測技術:基于統(tǒng)計理論的人臉檢測是利用統(tǒng)計分析與機器學習的方法來尋找出人臉樣本與非臉樣本各自的統(tǒng)計特征，再使用各自的特征構建分類器。使用分類器完成人臉檢測?；诮y(tǒng)計特征的人臉方法主要有:子空間方法，神經網絡方法，支持向量機方法，隱馬爾可夫模型方法以及Boosting方法。
[0038]本步驟中，檢測圖像中人臉的過程中，可采用上述四種人臉檢測技術中的任意一種。檢測到人臉后，保存人臉區(qū)域的左上角和右下角對應在整個圖像中的坐標信息，該人臉區(qū)域是指能夠檢測到人臉的最小矩形區(qū)域，如圖2所示，可定義圖像的左上角坐標點為(0,0),圖像的高為h，寬為w，則圖像的右下角的坐標為(w，h)，人臉區(qū)域的左上角坐標和右下角坐標落在(0，0)和(w，h)連成的矩形區(qū)域內，用戶也可以自定義坐標系的選擇。
[0039]本步驟中，該獲取人臉特征點信息的過程中，根據檢測到的圖像中的人臉，識別出各個人臉的特征點信息，這些特征點信息能夠標識出人臉中的各個器官的坐標位置信息和大小信息。
[0040]本步驟中，該獲取人體輪廓信息過程中，識別出圖像中的所有人體輪廓點，分別保存各人臉對應的人體輪廓坐標數據，通過連接輪廓點，形成人體輪廓，如圖2所示，圖中黑色圓點為輪廓點，各個線段連接起來的輪廓為人體輪廓。目前人體輪廓識別領域常用的人體模型有兩種:整體模型和簡化模型。整體模型是從序列圖像中提取人體輪廓，根據輪廓的運動特征進行分析識別，包括運動速度、運動序列的時間對稱性、輪廓面的動態(tài)變化等特征。簡化模型則是根據人體解剖學原理建立人體三維運動的簡化模型，然后對模型進行特征分析。
[0