本发明属于图像处理技术领域，具体涉及一种获取人脸图像中油光区域的方法和装置。
背景技术：
在拍摄人像照片中，由于光照等原因，容易产生明显的油光现象，让照片中的人物显得年纪大，面部不干净，油腻。所以在一般的婚纱照、亲子照等拍摄时，都会在后期图像处理时使用到一些方法祛油光。这种祛油光的方法大多都只能进行后期的局部处理，需要使用较大的运算资源，因此应用场景非常有限，且需要专业人员进行操作。
技术实现要素：
本申请提供了一种获取人脸图像中油光区域的方法和装置，用于解决包含人脸的图像中油光区域有效识别的问题。
第一方面
本申请的提供了一种获取人脸图像中油光区域的方法，包括：获取包含人脸的第一图像；对所述第一图像进行模糊处理，得到第二图像；基于所述第一图像和第二图像在rgb色彩模型下的像素参数识别出所述第一图像中人脸的肤色区域；获取所述肤色区域中的高光区域，并确认所述高光区域为上述第一图像中的目标油光区域。
第二方面
本申请的提供了一种获取人脸图像中油光区域的装置，其包括：图像获取模块，用于获取包含人脸的第一图像；模糊处理模块，用于对所述第一图像进行模糊处理，得到第二图像；肤色区域识别模块，用于基于所述第一图像和第二图像在rgb色彩模型下的像素参数识别出所述第一图像中人脸的肤色区域；高光区域识别模块，用于获取所述肤色区域中的高光区域，并确认所述高光区域为上述第一图像中的目标油光区域。
本申请通过对获取到的包含人脸的第一图像进行模糊处理，得到图像模糊的第二图像，并基于所述第一图像和第二图像在rgb色彩模型下的像素参数识别出所述第一图像中人脸的肤色区域，然后在所述肤色区域中计算获取到高光区域，并确认所述高光区域为上述第一图像中的目标油光区域。该技术方案实现了对于人像图像中油光区域的有效识别，不会将背景中的高光区域误识为油光区域，且本方法实现过程简单，不需要复杂的计算，在实现为计算机程序时，可以应用于各种图像获取设备、图像处理设备或各种图像处理软件中，具有广大的应用前景。
附图说明
图1示出了根据本申请提供的获取人脸图像中油光区域的方法的实现流程图。
图2示出了上述图1所示实施例中步骤s103的实现流程图。
图3示出了上述图1所示实施例中步骤s104的实现流程图。
图4示出了本申请提供的降低目标油光区域的亮度的一示例实现流程图。
图5示出了根据本申请提供的获取人脸图像中油光区域的装置的结构示意图。
图6示出了图5所示实施例中肤色区域识别模块的结构示意图。
图7示出了图5所示实施例中高光区域识别模块的结构示意图。
图8示出了根据本申请提供的获取人脸图像中油光区域的装置的另一结构示意图。
图9示出了图8所示实施例中油光区域祛除模块的结构示意图。
具体实施方式
本申请发明人经研究发现：祛油光的原理很简单，只需要改变像素的亮度即可，既然如此简单为什么不能在各种智能终端或相机中直接对获取到的图像进行处理来自动祛除油光呢？经发明人进一步研究发现，原因在于在降低像素亮度之前需要找到油光区域，而如果通过简单的亮度检测会容易将背景中的高亮部分误认为油光区域，进而影响图像质量。因此如何识别出人脸区域中的油光区域才是关键，但是经发明人再次深入研究发现，如果先确定人脸区域，然后在进行油光区域识别，需要使用到人脸识别的算法，这些算法需要占用较大的运算资源，从而也很难实现应用场景的广泛化。为此，发明人经过不断地研究和实验，提供了一种仅需要对图像进行简单的像素遍历和像素计算，即可识别出人像油光区域的方法，由于该的实现原理简单，在实现为算法或计算机程序时，使用的代码量非常少，且占用的运算资源非常小。
实施例1
请参见图1，示出了根据本申请提供的获取人脸图像中油光区域的方法的实现流程图，本申请提供的获取人脸图像中油光区域的方法可以应用于各种智能终端中，例如，该智能终端可以包括手机、相机、计算机、平板电脑等各种能够拍照的电子中。
如图1所示，该获取人脸图像中油光区域的方法，包括以下步骤：
s101，获取包含人脸的第一图像。
其中，该第一图像为原图，即通过摄像头拍照获取到的原始图片。当然，该第一图像也可以为经过处理过的图像，该图像中包含人脸油光的区域。
s102，对所述第一图像进行模糊处理，得到第二图像。
其中，对第一图像进行模糊处理可以实现为采用各种现有的图像模糊算法对该第一图像进行模糊处理，例如，可以采用高斯模糊算法对第一图像进行处理来获取模糊图像。
具体的，上述第二图像应当理解为基于第一图像进行模糊处理后的所有像素的参数，也可以为内容与第一图像一致的模糊图像，且第二图像和第一图像是同时存在的。
s103，基于所述第一图像和第二图像在rgb色彩模型下的像素参数识别出所述第一图像中人脸的肤色区域。
其中，由于rgb色彩模型是当前图像常用的图像表示方式，故既可以直接获取到图像的像素参数进行计算。当然，在具体实施中，也可以使用其他色彩模型来表示图像的像素进行计算，当然这种方法往往需要进行换算，效率不如直接采用rgb色彩模型来得高效。本步骤通过像素参数的计算可以识别出第一图像中人脸的肤色区域，相比于人脸识别算法，本步骤不经简单，而且可以对人像皮肤区域进行识别，从而可以识别出人像中其他身体部位的肤色区域，进而在后续步骤中识别出其他身体部位上的高光区域。
s104，获取所述肤色区域中的高光区域，并确认所述高光区域为上述第一图像中的目标油光区域。
其中，本步骤在获得的肤色区域进行高光识别，从而来获取到目标油光区域。当然，由于肤色区域包含人脸区域，如果肤色区域包含其他非人脸的身体区域，且该身体区域也存在高光区域，那么同样会将该高光区域识别出来。也就是说，本实施例中的目标油光区域包含非人脸的其他身体部位的肤色区域的油光区域，例如人像的颈部、手臂或胸部等肤色区域的油光区域。
通过上述方法，可以实现快速识别出对人像中油光区域，而不会对其他非人像区域的高光误识为油光区域，同时该识别过程非常简答，当该方法被实现为计算机程序时不会占用较大的运算资源。
具体的，在一示例实施方式中，见图2，示出了上述图1所示实施例中步骤s103的实现流程图，如图2所示，在该步骤s103中，基于所述第一图像和第二图像在rgb色彩模型下的像素参数识别出所述第一图像中人脸的肤色区域，包括：
s201，遍历第一图像和第二图像在rgb色彩模型下所有像素通道的数值。
其中，在rgb色彩模型下，图像包括红、绿、蓝三个通道。由于第二图像为第一图像的模糊图像，因此基于第一图像的相同坐标的像素在第一图像下和第二图像下的通道值是不同的。例如，在对像素进行计算过程中，第一图像的红通道可以用org.r表示，第一图像的蓝通道可以用org.g表示，第二图像的红通道用blur.r表示，第二图像的绿通道用blur.g表示。
其中，上述对于第一图像和第二图像的像素遍历只需要进行一次遍历，即在遍历过程中同时获取第一图像和第二图像的绿通道、红通道的数值，然后在根据获取到的像素的通道数值分别进行计算。
s202，基于相同坐标的第一图像和第二图像的像素红通道的数值确定该相同坐标的像素的第一皮肤参数，并将所述第一皮肤参数归一化为一预设区间值，得到该相同坐标像素的第一皮肤参数归化值。
其中，这里的预设区间值取值范围为[0,1],及该预设区间为[0,1]。
例如，在一示例性实施方式中，第一皮肤参数可以通过以下计算公式得到：
skin＝(min(org.r，blur.r-0.1)-0.2)*4.0…(1)，
其中，skin表示的当前像素点为肤色的概率，实施min(x，y)表示取x和y中较小值。
将所述第一皮肤参数归一化为一预设区间值可以通过以下计算公式得到：
skin＝clamp(skin,0,1)…(2)，
其中，clamp(a,x,y)表示指将a值限定在x和y之间，上述公式(2)表示当前skin的值被限制在[0-1]之间，如果skin大于1则skin＝1，如skin小于0则等于0。
s203，基于所述第一皮肤参数归化值和该相同坐标的第一图像和第二图像的像素红通道的数值确定该相同坐标的像素的第二皮肤参数，并将所述第二皮肤参数归一化为一预设区间值，得到该相同坐标像素的第二皮肤参数归化值。
其中，再结合上述示例性实施方式来说，第二皮肤参数可以通过以下计算公式得到：
skin＝max(0,org.r-blur.g)*skin*10…(3)，
其中，skin表示的当前像素点为肤色的概率，max(x，y)表示取x和y中较大值。
将所述第二皮肤参数归一化为一预设区间值可以通过以下计算公式得到：
skin＝clamp(skin,0,1)…(4)，
其中，上述公式(4)表示当前skin的值被限制在[0-1]之间，如果skin大于1则skin＝1，如skin小于0则等于0。
s204，将所述第一图像中所有坐标下的像素分别替换为对应的所述第二皮肤参数归化值，以识别出所述第一图像中人脸的肤色区域。
根据本实施例提供的上述公式(1)-(4)的方法，突出的实现了对第一图像和第二图像的像素进行计算后可以得到第一图像的肤色概率蒙版，即识别出人像中的肤色区域。
具体的，在一示例实施方式中，见图3，示出了上述图1所示实施例中步骤s104的实现流程图，如图3所示，在该步骤s104中，获取所述肤色区域中的高光区域，并确认所述高光区域为目标油光区域，包括：
s301，基于相同坐标的所述第一图像像素的红通道和所第二图像像素的属性红通道确定该肤色区域中相同坐标像素的第一高亮参数。
其中，继续上述图2所示实施例中示例来说，该第一高亮参数可以通过以下公式计算得到：
glossy＝max(org.r-0.9,org.r-blurvalue.r)*10*org.r*org.r…(5)，
glossy＝glossy*glossy*glossy*3…(6)；
其中，glossy表示当前高光区域的值，blurvalue.r表示当前像素点位置，对应模糊图当前位置r通道的值。
s302，将该肤色区域中相同坐标的像素的第一高亮参数归一化为一预设区间值，识别出所述肤色区域的高光区域，并确认所述高光区域为第一图像中的目标油光区域。
其中，继续上述示例来说，第一高亮参数归一化为一预设区间值可以通过以下公式来实现：
glossy＝clamp(glossy,0,1)…(7)。
其中，公式(7)中表示当前glossy的值被限制在[0-1]之间，如果skin大于1则glossy＝1，如glossy小于0则等于0。通过上述公式(5)、(6)、(7)的运算，可以逐渐精准定位到高光区域，实现对肤色区域的高光识别，该高光区域即为目标油光区域。
在一示例性实施方式中，在获取所述肤色区域中的高光区域，并确认所述高光区域为目标油光区域的步骤之后，还包括：降低所述目标油光区域的亮度的步骤。通过降低目标油光区域的亮度可以达到祛除油光的目的。
在具体实施中，改变高亮区域的亮度的方法有很多，本领域技术人员在实施本申请的技术方案的时候可以根据需要自行选择。
例如，在一实施例中，见图4，示出了本申请提供的降低目标油光区域的亮度的一示例实现流程图，如图4所示，所述降低所述目标油光区域的亮度的步骤，可以包括步骤：
s401，获取所述高光区域在所述第二图像中对应的模糊区域。
其中，基于上述描述可知，可以通过该高光区域的坐标来获取模糊图像(即第二图像)中相同坐标的像素，即可得到与高光区域对应的模糊区域。
s402，将第二图像中的所述模糊区域覆盖填充所述第一图像中的所述高光区域，并显示覆盖填充后的第一图像。
通过本实施例提供的方法可以实现对第一图像的人像油光祛除处理，得到新的第一图像。
应当理解，上述步骤前的标号并不表示对各步骤执行顺序的先后限制。
实施例2
基于与实施例1相同的构思，相应的，本实施例还提供了一种获取人脸图像中油光区域的装置。
请参见图5，示出了根据本申请提供的获取人脸图像中油光区域的装置的结构示意图，如图5所示，装置500包括：图像获取模块510，用于获取包含人脸的第一图像；模糊处理模块520，用于对该第一图像进行模糊处理，得到第二图像；肤色区域识别模块530，用于基于所述第一图像和第二图像在rgb色彩模型下的像素参数识别出所述第一图像中人脸的肤色区域；高光区域识别模块540，用于获取所述肤色区域中的高光区域，并确认所述高光区域为上述第一图像中的目标油光区域。
请参见图6，示出了图5所示实施例中肤色区域识别模块的结构示意图，如图6所示，所述肤色区域识别模块530包括：像素遍历单元601，用于遍历第一图像和第二图像在rgb色彩模型下所有像素通道的数值；第一像素运算单元602，用于基于相同坐标的第一图像和第二图像的像素红通道的数值确定该相同坐标的像素的第一皮肤参数，并将所述第一皮肤参数归一化为一预设区间值，得到该相同坐标像素的第一皮肤参数归化值；第二像素运算单元603，用于基于所述第一皮肤参数归化值和该相同坐标的第一图像和第二图像的像素红通道的数值确定该相同坐标的像素的第二皮肤参数，并将所述第二皮肤参数归一化为一预设区间值，得到该相同坐标像素的第二皮肤参数归化值；第一像素区域确定单元604，用于将所述第一图像中所有坐标下的像素分别替换为对应的所述第二皮肤参数归化值，以识别出所述第一图像中人脸的肤色区域。
请参见图7，示出了图5所示实施例中高光区域识别模块的结构示意图，如图7所示，所述高光区域识别模块540包括：高光像素识别单元701，用于基于相同坐标的所述第一图像像素的红通道和所第二图像像素的属性红通道确定该肤色区域中相同坐标像素的第一高亮参数；第二像素区域确定单元702，用于将该肤色区域中相同坐标的像素的第一高亮参数归一化为一预设区间值，识别出所述肤色区域的高光区域，并确认所述高光区域为第一图像中的目标油光区域。
请参见图8，示出了根据本申请提供的获取人脸图像中油光区域的装置的另一结构示意图，如图8所示，所述装置500还包括：油光区域祛除模块810，用于降低所述目标油光区域的亮度。
请参见图9，示出了图8所示实施例中油光区域祛除模块的结构示意图，如图9所示，所述油光区域祛除模块810包括：模糊区域获取单元901，用于获取所述高光区域在所述第二图像中对应的模糊区域；像素覆盖填充单元902，用于将第二图像中的所述模糊区域覆盖填充所述第一图像中的所述高光区域，并显示覆盖填充后的第一图像。
1.一种获取人脸图像中油光区域的方法，包括：
获取包含人脸的第一图像；
对所述第一图像进行模糊处理，得到第二图像；
基于所述第一图像和第二图像在rgb色彩模型下的像素参数识别出所述第一图像中人脸的肤色区域；
获取所述肤色区域中的高光区域，并确认所述高光区域为上述第一图像中的目标油光区域。
2.如权利要求1所述的获取人脸图像中油光区域的方法，其特征在于，上述基于所述第一图像和第二图像在rgb色彩模型下的像素参数识别出所述第一图像中人脸的肤色区域，包括步骤：
遍历第一图像和第二图像在rgb色彩模型下所有像素通道的数值；
基于相同坐标的第一图像和第二图像的像素红通道的数值确定该相同坐标的像素的第一皮肤参数，并将所述第一皮肤参数归一化为一预设区间值，得到该相同坐标像素的第一皮肤参数归化值；
基于所述第一皮肤参数归化值和该相同坐标的第一图像和第二图像的像素红通道的数值确定该相同坐标的像素的第二皮肤参数，并将所述第二皮肤参数归一化为一预设区间值，得到该相同坐标像素的第二皮肤参数归化值；
将所述第一图像中所有坐标下的像素分别替换为对应的所述第二皮肤参数归化值，以识别出所述第一图像中人脸的肤色区域。
3.如权利要求2所述的获取人脸图像中油光区域的方法，其特征在于，上述获取所述肤色区域中的高光区域，并确认所述高光区域为上述第一图像中的目标油光区域，包括步骤：
基于相同坐标的所述第一图像像素的红通道和所第二图像像素的属性红通道确定该肤色区域中相同坐标像素的第一高亮参数；
将该肤色区域中相同坐标的像素的第一高亮参数归一化为一预设区间值，识别出所述肤色区域的高光区域，并确认所述高光区域为第一图像中的目标油光区域。
4.如权利要求1-3任一所述的获取人脸图像中油光区域的方法，其特征在于，在上述获取所述肤色区域中的高光区域，并确认所述高光区域为上述第一图像中的目标油光区域的步骤之后，还包括：降低所述目标油光区域的亮度的步骤。
5.如权利要求4所述的获取人脸图像中油光区域的方法，其特征在于，所述降低所述目标油光区域的亮度的步骤，包括：
获取所述高光区域在所述第二图像中对应的模糊区域；
将第二图像中的所述模糊区域覆盖填充所述第一图像中的所述高光区域，并显示覆盖填充后的第一图像。
6.一种获取人脸图像中油光区域的装置，其特征在于，包括：
图像获取模块，用于获取包含人脸的第一图像；
模糊处理模块，用于对所述第一图像进行模糊处理，得到第二图像；
肤色区域识别模块，用于基于所述第一图像和第二图像在rgb色彩模型下的像素参数识别出所述第一图像中人脸的肤色区域；
高光区域识别模块，用于获取所述肤色区域中的高光区域，并确认所述高光区域为上述第一图像中的目标油光区域。
7.如权利要求6所述的获取人脸图像中油光区域的装置，其特征在于，所述肤色区域识别模块包括：
像素遍历单元，用于遍历第一图像和第二图像在rgb色彩模型下所有像素通道的数值；
第一像素运算单元，用于基于相同坐标的第一图像和第二图像的像素红通道的数值确定该相同坐标的像素的第一皮肤参数，并将所述第一皮肤参数归一化为一预设区间值，得到该相同坐标像素的第一皮肤参数归化值；
第二像素运算单元，用于基于所述第一皮肤参数归化值和该相同坐标的第一图像和第二图像的像素红通道的数值确定该相同坐标的像素的第二皮肤参数，并将所述第二皮肤参数归一化为一预设区间值，得到该相同坐标像素的第二皮肤参数归化值；
第一像素区域确定单元，用于将所述第一图像中所有坐标下的像素分别替换为对应的所述第二皮肤参数归化值，以识别出所述第一图像中人脸的肤色区域。
8.如权利要求7所述的获取人脸图像中油光区域的装置，其特征在于，所述高光区域识别模块包括：
高光像素识别单元，用于基于相同坐标的所述第一图像像素的红通道和所第二图像像素的属性红通道确定该肤色区域中相同坐标像素的第一高亮参数；
第二像素区域确定单元，用于将该肤色区域中相同坐标的像素的第一高亮参数归一化为一预设区间值，识别出所述肤色区域的高光区域，并确认所述高光区域为第一图像中的目标油光区域。
9.如权利要求6-8任一所述的获取人脸图像中油光区域的装置，其特征在于，还包括：
油光区域祛除单元，用于降低所述目标油光区域的亮度。
10.如权利要求9所述的获取人脸图像中油光区域的装置，其特征在于，所述油光区域祛除单元包括：
模糊区域获取单元，用于获取所述高光区域在所述第二图像中对应的模糊区域；
像素覆盖填充单元，用于将第二图像中的所述模糊区域覆盖填充所述第一图像中的所述高光区域，并显示覆盖填充后的第一图像。
技术总结