一種基于gpu的移動(dòng)端高質(zhì)量美顏的實(shí)時(shí)處理方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種基于GPU的移動(dòng)端高質(zhì)量美顏的實(shí)時(shí)處理方法,它包括圖像獲取步驟、圖像處理步驟和圖像融合步驟。本發(fā)明借助GPU的硬件加速特性,對(duì)本方法的多個(gè)子步驟進(jìn)行處理,可以解決使用CPU時(shí)的效率低下問(wèn)題,同時(shí)本方法提出并使用的各個(gè)子步驟都能很好的應(yīng)用于GPU加速處理,在保證效率實(shí)時(shí)的同時(shí),可以得到即時(shí)的效果呈現(xiàn),應(yīng)用于單幅圖像的特效處理;同時(shí),本發(fā)明提出一種易于理解且性能優(yōu)異的圖像去噪算法處理框架,利用基于圖像積分圖的快速圖像去噪方案,保證計(jì)算速度與采樣窗口的大小無(wú)關(guān),同時(shí)很好的去除圖像噪聲如斑點(diǎn)的同時(shí)保持細(xì)節(jié)。
【專(zhuān)利說(shuō)明】
一種基于GPU的移動(dòng)端高質(zhì)量美顏的實(shí)時(shí)處理方法
技術(shù)領(lǐng)域
[0001 ]本發(fā)明涉及一種基于GPU的移動(dòng)端高質(zhì)量美顏的實(shí)時(shí)處理方法。
【背景技術(shù)】
[0002] 美顏方法通常由多個(gè)基礎(chǔ)步驟組成,包括圖像中外部光照及人體皮膚等噪聲的去 除、人體皮膚檢測(cè)、人臉檢測(cè)、祛斑、皮膚美白、圖像融合等。
[0003] 圖像去噪作為最基本也是最重要的一環(huán),對(duì)后續(xù)的算法處理具有至關(guān)重要的作 用,目前去噪的算法較多,通常包括高斯平滑、雙線性濾波平滑、平均濾波平滑、基于塊匹配 的三維去噪等算法,其中各算法的性能和效果均有不同程度的差異,以及各自具有不同程 度的局限性,這對(duì)于應(yīng)用場(chǎng)景的算法選擇上有較大的影響。例如,平均濾波平滑效率很高, 但往往會(huì)過(guò)濾掉圖像的更多細(xì)節(jié)如頭發(fā)、睫毛、眉毛等人臉具有明顯特征的區(qū)域;高斯平滑 在濾波半徑較小時(shí)效率較高但濾波半徑較大時(shí)效率很低;雙線性濾波平滑能很好的保留圖 像邊緣細(xì)節(jié)但會(huì)產(chǎn)生混色現(xiàn)象;基于塊匹配的三維去噪算法能很好的處理高斯白噪聲但效 率特別低下。因此,選擇一種能在效率和效果上平衡的算法,對(duì)整體算法的結(jié)果是一種挑 戰(zhàn),同時(shí)又需要很好的適用于相應(yīng)的應(yīng)用場(chǎng)景。
[0004] 皮膚檢測(cè)與人臉檢測(cè),主要需要處理的是皮膚及人臉區(qū)域,保證在皮膚與非皮膚 區(qū)域的接縫處無(wú)明顯人工痕跡,這是由應(yīng)用場(chǎng)景所決定的。當(dāng)用于高分辨率圖像時(shí)人臉檢 測(cè)算法的性能較低,這往往是由于需要進(jìn)行金字塔逐層檢測(cè)人臉區(qū)域,同時(shí)并不適用于其 它皮膚區(qū)域如手臂、肩膀、脖頸等,因此選擇一種適合的皮膚及人臉區(qū)域的檢測(cè)算法,同時(shí) 具備較高的性能,尤為重要。
[0005] 祛斑祛痘主要指皮膚區(qū)域的局部區(qū)域處理,通常的做法是人工手選區(qū)域進(jìn)行祛 除,不適用于圖像的自動(dòng)處理。
[0006] 皮膚美白與圖像增強(qiáng)可以有多種處理方式,包括指數(shù)映射、對(duì)數(shù)映射、冪函數(shù)映 射、線性加深、自動(dòng)色階等,其目的為將圖像中較暗的區(qū)域進(jìn)行增強(qiáng)處理,增強(qiáng)細(xì)節(jié)呈現(xiàn)效 果,同時(shí)更好的保留較亮區(qū)域的細(xì)節(jié)變化,防止出現(xiàn)泛白現(xiàn)象。
[0007] 整體而言,由于美顏方法通常需要若干個(gè)子方法的相互銜接才能完成,因此各子 方法的微弱變化也會(huì)對(duì)最后的效果產(chǎn)生較大的影響,選擇合適的子方法并有效的組合在一 起,同時(shí)滿足效率較高且效果即時(shí)呈現(xiàn),使其具有更好的應(yīng)用前景,這是本發(fā)明將要解決的 問(wèn)題。
【發(fā)明內(nèi)容】
[0008] 本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足,提供一種基于GPU的移動(dòng)端高質(zhì)量美顏 的實(shí)時(shí)處理方法,借助GPU的硬件加速特性,可以解決使用CPU時(shí)的效率低下問(wèn)題,同時(shí)本方 法提出并使用的各個(gè)子步驟都能很好的應(yīng)用于GPU加速處理,在保證效率實(shí)時(shí)的同時(shí),可以 得到即時(shí)的效果呈現(xiàn)。
[0009] 本發(fā)明的目的是通過(guò)以下技術(shù)方案來(lái)實(shí)現(xiàn)的:一種基于GPU的移動(dòng)端高質(zhì)量美顏 的實(shí)時(shí)處理方法,它包括圖像獲取步驟、圖像處理步驟和圖像融合步驟;
[0010]所述的圖像獲取步驟包括:輸入一副RGB彩色圖像;
[0011] 所述的圖像處理步驟包括三個(gè)基于GPU硬件加速的逐像素獨(dú)立執(zhí)行的子步驟:圖 像的整體美化子步驟、圖像的增強(qiáng)處理子步驟和生成圖像的皮膚區(qū)域的遮罩處理子步驟;
[0012] 所述的整體美化子步驟包括以下子步驟:、
[0013] Sill:將輸入圖像的RGB顏色空間轉(zhuǎn)化到Y(jié)UV顏色空間,同時(shí)保留UV通道;
[0014] S112:設(shè)置采樣窗口大小,判斷采樣窗口的大小是否大于預(yù)設(shè)的閾值:如果是則使 用積分圖,否則使用盒子濾波;
[0015] 所述的使用積分圖包括以下子步驟:
[0016] S11211:生成亮度圖像的積分圖,包括一次項(xiàng)與二次項(xiàng)的積分圖,其中迭代公式分 別如下
[0017] sunn. i = sunu. i-ι+sumi-1. i-sumi-1. i-ι+fi. i:
[0018]
[0019] 式中,sum表示直接和,sumsq表示平方和,f表示亮度值,保存上述得到的兩幅積分 圖像;
[0020] S11212:對(duì)于圖像中的所有像素逐個(gè)處理,在以每個(gè)像素為中心的窗口中,分別計(jì) 算此窗口中所有像素的均值和方差,計(jì)算公式如下:
[0021]
[0022]
[0023] VAR = Esq-E2
[0024] 式中,E表示均值,VAR表示方差;i,j分別表示相對(duì)于圖像左上角的垂直和水平方 向的坐標(biāo),N表示窗口半徑;
[0025] 所述的使用盒子濾波的計(jì)算公式如下:
[0026]
[0027]
[0028] VAR = Esq-E2
[0029] 式中,E表示均值,VAR表示方差;m,n分別表示垂直和水平方向與當(dāng)前像素位置的 相對(duì)距離。
[0030] S113:圖像去噪:對(duì)于每一個(gè)像素,在得到基于此像素為中心的窗口的均值和方差 后,根據(jù)得到的均值和方差進(jìn)行平滑濾波,所述的平滑濾波的校正方式為:
[0031]
[0032] fi, j = E*( l-k)+fi, j*k
[0033] 式中,β表示調(diào)節(jié)的參數(shù)值,其值越大,表示平滑的程度越大,則去除的噪聲越大; e是一個(gè)接近于0的小數(shù),其目的是為了防止被除數(shù)為0時(shí)的異常;從對(duì)像素值進(jìn)行校正的 公式中可以得出,當(dāng)調(diào)節(jié)的參數(shù)值越大時(shí),該像素值越接近E;
[0034] S114:對(duì)圖像進(jìn)行銳化處理,對(duì)圖像的紋理細(xì)節(jié)進(jìn)行補(bǔ)償提升,處理公式為:
[0035]
[0036]式中,S表示銳化后的圖像,α表示銳化的程度,即4-鄰域拉普拉斯梯度對(duì)像素值的 貢獻(xiàn)百分比,α值越大,銳化程度越大;
[0037] S115:圖像銳化處理之后,再與去噪前RGB轉(zhuǎn)換得到的UV通道合并成YUV圖像;
[0038] S116:將步驟S115得到的YUV圖像再次轉(zhuǎn)換回RGB顏色空間,以供后續(xù)進(jìn)一步處理;
[0039]所述的圖像的增強(qiáng)處理子步驟采用非線性圖像增強(qiáng),對(duì)圖像進(jìn)行整體美白處理, 通過(guò)提升圖像的暗部細(xì)節(jié)的同時(shí)保持亮度細(xì)節(jié)的方式實(shí)現(xiàn),首先將圖像歸一化至[0,1]的 范圍內(nèi),然后采用指數(shù)函數(shù)映射的方法進(jìn)行處理:
[0040]
[0041] 式中,p表示美白的程度;
[0042]所述的生成圖像的皮膚區(qū)域的遮罩處理子步驟包括以下子步驟:
[0043] S121:檢測(cè)圖像的皮膚區(qū)域:使用閾值處理,首先劃分出皮膚與非皮膚的粗選區(qū) 域,通常人的皮膚區(qū)域的RGB統(tǒng)計(jì)值為[a,b,c],其中a、b、c為對(duì)多張圖像的皮膚與非皮膚區(qū) 域進(jìn)行統(tǒng)計(jì)分類(lèi)而得到的一組值,檢測(cè)時(shí)當(dāng)圖像的像素值大于統(tǒng)計(jì)值時(shí)則劃分為皮膚區(qū) 域,否則為非皮膚區(qū)域,得到一個(gè)皮膚區(qū)域的初步檢測(cè);
[0044] S122:得到皮膚區(qū)域的遮罩后,對(duì)遮罩作進(jìn)一步的細(xì)化處理:采用指定窗口大小的 高斯模糊進(jìn)行遮罩處理,高斯函數(shù)的二維公式如下:
[0045]
[0046] 式中,x,y分別表示垂直和水平方向與當(dāng)前操作像素的相對(duì)距離,〇表示標(biāo)準(zhǔn)差。
[0047] 所述的圖像融合步驟包括:在圖像處理步驟完成后,根據(jù)得到的皮膚區(qū)域的遮罩 分別對(duì)整體美白后的圖像及整體去噪后的圖像進(jìn)行逐像素融合,整合公式為:
[0048] Finali,j = Bi,j*(l_ai.j)+Fi,j*ai.j
[0049] 式中,B表示整體去噪后的圖像,F(xiàn)表示整體美白后的圖像,α表示得到的皮膚區(qū)域 的遮罩,F(xiàn)inal表示圖像融合結(jié)果;
[0050] 完成融合后得到最后的結(jié)果圖像,將結(jié)果圖像進(jìn)行輸出。
[0051 ]步驟S111中所述的將輸入圖像的RGB顏色空間轉(zhuǎn)化到Y(jié)UV顏色空間的轉(zhuǎn)換公式如 下:
[0052]
[0053] 步驟SI 16中所述的將步驟SI 15得到的YUV圖像再次轉(zhuǎn)換回RGB顏色空間得轉(zhuǎn)換公 式如下·
[0054]
[0055] 所述的對(duì)多張圖像的皮膚與非皮膚區(qū)域進(jìn)行統(tǒng)計(jì)分類(lèi)而得到的一組值中的多張 為1000張。
[0056] 本發(fā)明的有益效果是:
[0057] (1)本發(fā)明提出一種易于理解且性能優(yōu)異的圖像去噪算法處理框架,利用基于圖 像積分圖的快速圖像去噪方案,保證計(jì)算速度與采樣窗口的大小無(wú)關(guān),同時(shí)很好的去除圖 像噪聲如斑點(diǎn)的同時(shí)保持細(xì)節(jié)。
[0058] (2)本發(fā)明提出一種更高效的皮膚區(qū)域檢測(cè)處理框架,使用首先進(jìn)行粗步檢測(cè)再 進(jìn)行細(xì)化的多步驟快速處理方法,可以很好在皮膚與非皮膚區(qū)域的接縫處實(shí)行無(wú)縫合成。
[0059] (3)本發(fā)明使用非線性圖像增強(qiáng)方法,對(duì)圖像進(jìn)行整體增強(qiáng)。
[0060] (4)本發(fā)明借助GPU的硬件加速特性,對(duì)本方法的多個(gè)子步驟進(jìn)行處理,可以解決 使用CPU時(shí)的效率低下問(wèn)題,同時(shí)本方法提出并使用的各個(gè)子步驟都能很好的應(yīng)用于GPU加 速處理,在保證效率實(shí)時(shí)的同時(shí),可以得到即時(shí)的效果呈現(xiàn),應(yīng)用于單幅圖像的特效處理。
【附圖說(shuō)明】
[0061 ]圖1為本發(fā)明方法流程圖。
【具體實(shí)施方式】
[0062]下面結(jié)合附圖進(jìn)一步詳細(xì)描述本發(fā)明的技術(shù)方案:如圖1所示,一種基于GPU的移 動(dòng)端高質(zhì)量美顏的實(shí)時(shí)處理方法,它包括圖像獲取步驟、圖像處理步驟和圖像融合步驟; [0063]所述的圖像獲取步驟包括:輸入一副RGB彩色圖像;
[0064]所述的圖像處理步驟包括三個(gè)基于GPU硬件加速的逐像素獨(dú)立執(zhí)行的子步驟:圖 像的整體美化子步驟、圖像的增強(qiáng)處理子步驟和生成圖像的皮膚區(qū)域的遮罩處理子步驟; [0065]所述的整體美化子步驟,主要包括對(duì)人體皮膚區(qū)域平滑處理,如人臉及其它皮膚 區(qū)域的斑點(diǎn)、痣等其它影響美觀的區(qū)域擦除,以及整體光照引進(jìn)的環(huán)境噪聲如曝光不足等, 其它后期處理時(shí)引進(jìn)的其它噪聲如椒鹽噪聲等,包括圖片或者視頻傳輸過(guò)程中的信號(hào)丟 失、編解碼有損處理、方塊效應(yīng)等,包括以下子步驟:
[0066] SI 11:將輸入圖像的RGB顏色空間轉(zhuǎn)化到Y(jié)UV顏色空間,這主要是為了操作于亮度 圖像以提高效率,同時(shí)保留UV通道,所述的將輸入圖像的RGB顏色空間轉(zhuǎn)化到Y(jié)UV顏色空間 的轉(zhuǎn)換公式如下:
[0067] \ / \
y \ /
[0068] 由于生成積分圖的過(guò)程上存在前后上下鄰域像素的計(jì)算相關(guān)性,這會(huì)涉及一次上 下行的開(kāi)銷(xiāo)時(shí)間。在我們的方案中,會(huì)設(shè)定一個(gè)閾值,如果采樣窗口的大小超過(guò)此閾值,則 使用積分圖,否則使用盒子濾波。
[0069] S112:設(shè)置采樣窗口大小,判斷采樣窗口的大小是否大于預(yù)設(shè)的閾值:如果是則使 用積分圖,否則使用盒子濾波;
[0070] 所述的使用積分圖包括以下子步驟:
[0071] S11211:生成亮度圖像的積分圖,包括一次項(xiàng)與二次項(xiàng)的積分圖,其中迭代公式分 別如下
[0072]
[0073]
[0074] 式中,sum表示直接和,sumsq表示平方和,f表示亮度值,保存上述得到的兩幅積分 圖像;可用于下一步圖像去噪的基于窗口的快速濾波,即使在采樣窗口較大時(shí)也不會(huì)影響 計(jì)算效率。
[0075] S11212:對(duì)于圖像中的所有像素逐個(gè)處理,在以每個(gè)像素為中心的窗口中,分別計(jì) 算此窗口中所有像素的均值和方差,計(jì)算公式如下:
[0076]
[0077]
[0078] VAR = Esq-E2
[0079] 式中,E表示均值,VAR表示方差;i,j分別表示相對(duì)于圖像左上角的垂直和水平方 向的坐標(biāo),N表示窗口半徑。
[0080] 所述的使用盒子濾波的計(jì)算公式如下:
[0081]
[0082]
[0083] VAR = Esq-E2
[0084] 式中,E表示均值,VAR表示方差;m,n分別表示垂直和水平方向與當(dāng)前像素位置的 相對(duì)距離。
[0085] 對(duì)亮度圖像進(jìn)行去噪處理,由于人的眼睛對(duì)亮度信號(hào)比色度信號(hào)更敏感,因此在 亮度信號(hào)的噪聲會(huì)比色度信號(hào)噪聲更加敏感,在去除亮度信號(hào)噪聲之后,人的眼睛會(huì)感覺(jué) 到明顯的變化,同時(shí)在提高計(jì)算效率的基礎(chǔ)上不會(huì)影響整體質(zhì)量。
[0086] S113:圖像去噪:對(duì)于每一個(gè)像素,在得到基于此像素為中心的窗口的均值和方差 后,根據(jù)得到的均值和方差進(jìn)行平滑濾波。其原理上圖像越平滑,則得到的方差值越接近于 〇,從而該像素值則越接近均值E。所述的平滑濾波的校正方式為:
[0087]
[0088] fi, j = E*( l-k)+fi, j*k
[0089] 式中,β表示調(diào)節(jié)的參數(shù)值,其值越大,表示平滑的程度越大,則去除的噪聲越大; e是一個(gè)接近于0的小數(shù),其目的是為了防止被除數(shù)為0時(shí)的異常;從對(duì)像素值進(jìn)行校正的 公式中可以得出,當(dāng)調(diào)節(jié)的參數(shù)值越大時(shí),該像素值越接近E;
[0090] S114:對(duì)圖像進(jìn)行銳化處理,對(duì)圖像的紋理細(xì)節(jié)進(jìn)行補(bǔ)償提升,處理公式為:
[0091]
[0092]式中,S表示銳化后的圖像,α表示銳化的程度,即4-鄰域拉普拉斯梯度對(duì)像素值的 貢獻(xiàn)百分比,α值越大,銳化程度越大;
[0093] SI 15:圖像銳化處理之后,再與去噪前RGB轉(zhuǎn)換得到的UV通道合并成YUV圖像;
[0094] S116:將步驟S115得到的YUV圖像再次轉(zhuǎn)換回RGB顏色空間,以供后續(xù)進(jìn)一步處理;
[0095] 所述的將步驟S115得到的YUV圖像再次轉(zhuǎn)換回RGB顏色空間得轉(zhuǎn)換公式如下:
[0096]
[0097]所述的圖像的增強(qiáng)處理子步驟采用非線性圖像增強(qiáng),對(duì)圖像進(jìn)行整體美白處理, 通過(guò)提升圖像的暗部細(xì)節(jié)的同時(shí)保持亮度細(xì)節(jié)的方式實(shí)現(xiàn),首先將圖像歸一化至[0,1]的 范圍內(nèi),然后采用指數(shù)函數(shù)映射的方法進(jìn)行處理:
[0098]
[0099] 式中,p表示美白的程度;
[0100]所述的生成圖像的皮膚區(qū)域的遮罩處理子步驟包括以下子步驟:
[0101] S121:檢測(cè)圖像的皮膚區(qū)域:皮膚區(qū)域與非皮膚區(qū)域相比,通常具有較易區(qū)分的顏 色,尤其是與較暗的黑色區(qū)域相比,對(duì)于美顏的應(yīng)用場(chǎng)景,主要需要區(qū)分的是人的皮膚與人 的頭發(fā)、眉毛、睫毛、眼睛的分區(qū)域處理。
[0102] 使用閾值處理,首先劃分出皮膚與非皮膚的粗選區(qū)域,通常人的皮膚區(qū)域的RGB統(tǒng) 計(jì)值為[a,b,c],其中a、b、c為對(duì)1000張圖像的皮膚與非皮膚區(qū)域進(jìn)行統(tǒng)計(jì)分類(lèi)而得到的一 組值,檢測(cè)時(shí)當(dāng)圖像的像素值大于統(tǒng)計(jì)值時(shí)則劃分為皮膚區(qū)域,否則為非皮膚區(qū)域,得到一 個(gè)皮膚區(qū)域的初步檢測(cè);
[0103] S122:得到皮膚區(qū)域的遮罩后,對(duì)遮罩作進(jìn)一步的細(xì)化處理,而不能直接參與圖像 融合,否則在圖像的皮膚區(qū)域與非皮膚區(qū)域的接縫處會(huì)有明顯的人工痕跡。具體地,采用指 定窗口大小的高斯模糊進(jìn)行遮罩處理,高斯函數(shù)的二維公式如下:
[0104]
[0105] 式中,X,y分別表示垂直和水平方向與當(dāng)前操作像素的相對(duì)距離,σ表示標(biāo)準(zhǔn)差。
[0106] 所述的圖像融合步驟包括:在圖像處理步驟完成后,根據(jù)得到的皮膚區(qū)域的遮罩 分別對(duì)整體美白后的圖像及整體去噪后的圖像進(jìn)行逐像素融合,整合公式為:
[0107] Finali,j = Bi,j*(l_ai.j)+Fi,j*ai.j
[0108] 式中,B表示整體去噪后的圖像,F(xiàn)表示整體美白后的圖像,a表示得到的皮膚區(qū)域 的遮罩,F(xiàn)inal表示圖像融合結(jié)果;
[0109] 完成融合后得到最后的結(jié)果圖像,將結(jié)果圖像進(jìn)行輸出。
[0110] 在整個(gè)方案中,由于涉及的處理步驟較多,但是每個(gè)步驟都可以逐像素獨(dú)立執(zhí)行, 因此在CHJ不能實(shí)時(shí)的情況下,使用基于GHJ的硬件加速,可以實(shí)時(shí)處理,其中移動(dòng)端使用 OpenGL ES加速。
【主權(quán)項(xiàng)】
1. 一種基于GPU的移動(dòng)端高質(zhì)量美顏的實(shí)時(shí)處理方法,其特征在于:它包括圖像獲取步 驟、圖像處理步驟和圖像融合步驟; 所述的圖像獲取步驟包括:輸入一副RGB彩色圖像; 所述的圖像處理步驟包括Ξ個(gè)基于GPU硬件加速的逐像素獨(dú)立執(zhí)行的子步驟:圖像的 整體美化子步驟、圖像的增強(qiáng)處理子步驟和生成圖像的皮膚區(qū)域的遮罩處理子步驟; 所述的整體美化子步驟包括W下子步驟: S111:將輸入圖像的RGB顏色空間轉(zhuǎn)化到Y(jié)UV顏色空間,同時(shí)保留UV通道; S112:設(shè)置采樣窗口大小,判斷采樣窗口的大小是否大于預(yù)設(shè)的闊值:如果是則使用積 分圖,否則使用盒子濾波; 所述的使用積分圖包括W下子步驟: S11211:生成亮度圖像的積分圖,包括一次項(xiàng)與二次項(xiàng)的積分圖,其中迭代公式分別如 下:式中,sum表示直接和,sumsq表示平方和,f表示亮度值,保存上述得到的兩幅積分圖 像; S11212:對(duì)于圖像中的所有像素逐個(gè)處理,在W每個(gè)像素為中屯、的窗口中,分別計(jì)算此 窗口中所有像素的均值和方差,計(jì)算公式如下:式中,E表示均值,VAR表示方差;i,j分別表示相對(duì)于圖像左上角的垂直和水平方向的 坐標(biāo),N表示窗口半徑; 所述的使用盒子濾波的計(jì)算公式如下:VAR=Esq-E^ 式中,E表示均值,VAR表示方差;m,n分別表示垂直和水平方向與當(dāng)前像素位置的相對(duì) 距離; S113:圖像去噪:對(duì)于每一個(gè)像素,在得到基于此像素為中屯、的窗口的均值和方差后, 根據(jù)得到的均值和方差進(jìn)行平滑濾波,所述的平滑濾波的校正方式為:fi,j = E*(l-k)+fi,j*k 式中,β表示調(diào)節(jié)的參數(shù)值,其值越大,表示平滑的程度越大,則去除的噪聲越大;ε是一 個(gè)接近于0的小數(shù),其目的是為了防止被除數(shù)為0時(shí)的異常;從對(duì)像素值進(jìn)行校正的公式中 可W得出,當(dāng)調(diào)節(jié)的參數(shù)值越大時(shí),該像素值越接近Ε; S114:對(duì)圖像進(jìn)行銳化處理,對(duì)圖像的紋理細(xì)節(jié)進(jìn)行補(bǔ)償提升,處理公式為:式中,S表示銳化后的圖像,α表示銳化的程度,即4-鄰域拉普拉斯梯度對(duì)像素值的貢獻(xiàn) 百分比,α值越大,銳化程度越大; S115:圖像銳化處理之后,再與去噪前RGB轉(zhuǎn)換得到的UV通道合并成YUV圖像; S116:將步驟S115得到的YUV圖像再次轉(zhuǎn)換回RGB顏色空間,W供后續(xù)進(jìn)一步處理; 所述的圖像的增強(qiáng)處理子步驟采用非線性圖像增強(qiáng),對(duì)圖像進(jìn)行整體美白處理,通過(guò) 提升圖像的暗部細(xì)節(jié)的同時(shí)保持亮度細(xì)節(jié)的方式實(shí)現(xiàn),首先將圖像歸一化至[〇,1]的范圍 內(nèi),然后采用指數(shù)函數(shù)映射的方法進(jìn)行處理:式中,P表示美白的程度; 所述的生成圖像的皮膚區(qū)域的遮罩處理子步驟包括W下子步驟: S121:檢測(cè)圖像的皮膚區(qū)域:使用闊值處理,首先劃分出皮膚與非皮膚的粗選區(qū)域,通 常人的皮膚區(qū)域的RGB統(tǒng)計(jì)值為[a,b,c],其中a、b、c為對(duì)多張圖像的皮膚與非皮膚區(qū)域進(jìn) 行統(tǒng)計(jì)分類(lèi)而得到的一組值,檢測(cè)時(shí)當(dāng)圖像的像素值大于統(tǒng)計(jì)值時(shí)則劃分為皮膚區(qū)域,否 則為非皮膚區(qū)域,得到一個(gè)皮膚區(qū)域的初步檢測(cè); S122:得到皮膚區(qū)域的遮罩后,對(duì)遮罩作進(jìn)一步的細(xì)化處理:采用指定窗口大小的高斯 模糊進(jìn)行遮罩處理,高斯函數(shù)的二維公式如下:式中,X,y分別表示垂直和水平方向與當(dāng)前操作像素的相對(duì)距離,0表示標(biāo)準(zhǔn)差; 所述的圖像融合步驟包括:在圖像處理步驟完成后,根據(jù)得到的皮膚區(qū)域的遮罩分別 對(duì)整體美白后的圖像及整體去噪后的圖像進(jìn)行逐像素融合,整合公式為: Finali,j = Bi,j*(l-ai.j)+Fi,j*ai.j 式中,B表示整體去噪后的圖像,F(xiàn)表示整體美白后的圖像,α表示得到的皮膚區(qū)域的遮 罩,F(xiàn)inal表示圖像融合結(jié)果; 完成融合后得到最后的結(jié)果圖像,將結(jié)果圖像進(jìn)行輸出。2.根據(jù)權(quán)利要求1所述的一種基于GPU的移動(dòng)端高質(zhì)量美顏的實(shí)時(shí)處理方法,其特征在 于:步驟S111中所述的將輸入圖像的RGB顏色空間轉(zhuǎn)化到Y(jié)UV顏色空間的轉(zhuǎn)換公式如下:步驟S116中所述的將步驟S115得到的YUV圖像再次轉(zhuǎn)換回RGB顏色空間得轉(zhuǎn)換公式如 下:3.根據(jù)權(quán)利要求1所述的一種基于GPU的移動(dòng)端高質(zhì)量美顏的實(shí)時(shí)處理方法,其特征在 于:所述的對(duì)多張圖像的皮膚與非皮膚區(qū)域進(jìn)行統(tǒng)計(jì)分類(lèi)而得到的一組值中的多張為1000 張。
【文檔編號(hào)】G06T3/00GK105976308SQ201610284768
【公開(kāi)日】2016年9月28日
【申請(qǐng)日】2016年5月3日
【發(fā)明人】賴守波, 韓志宏, 余剛
【申請(qǐng)人】成都索貝數(shù)碼科技股份有限公司