CN107610201A - 基于图像处理的润唇方法及装置 - Google Patents

Abstract

本公开是关于一种基于图像处理的润唇方法及装置。该方法包括：识别原始嘴唇图像中的嘴唇轮廓特征点；根据嘴唇轮廓特征点，确定原始嘴唇图像对应的二值图；将原始嘴唇图像转换至LAB空间，得到原始嘴唇图像对应的L通道图像和A通道图像；根据L通道图像，对二值图进行滤波，得到滤波输出图；根据滤波输出图与A通道图像，得到嘴唇轮廓区域概率图；根据嘴唇轮廓区域概率图中各个像素属于嘴唇区域的概率，对原始嘴唇图像添加唇彩。本公开能够根据嘴唇轮廓区域概率图中各个像素属于嘴唇区域的概率，对原始嘴唇图像中的各个像素添加唇彩，从而在嘴唇轮廓特征点的检测较不准确的情况下，仍然能够获得较好的润唇效果。

Description

基于图像处理的润唇方法及装置

技术领域

本公开涉及图像处理技术领域，尤其涉及基于图像处理的润唇方法及装置。

背景技术

相关技术中的基于图像处理的润唇方法先定位嘴唇区域，再对嘴唇区域的像素进行颜色增强。相关技术中的嘴唇区域检测主要基于色彩空间下唇色的特征以及基于嘴唇区域的特征点检测。在实际进行拍照美颜时，由于光照影响，容易导致唇色不明显，从而容易导致嘴唇区域检测错误。嘴唇区域的特征点检测目前主要采用卷积神经网络等相关方法，在嘴唇姿态不规则(如抿嘴、噘嘴等)或环境光线较差的情况下，容易检测错误。相关技术在嘴唇区域的特征点检测不准的情况下，难以实现较好的润唇效果。

发明内容

为克服相关技术中存在的问题，本公开提供一种基于图像处理的润唇方法及装置。

根据本公开实施例的第一方面，提供一种基于图像处理的润唇方法，包括：

识别原始嘴唇图像中的嘴唇轮廓特征点；

根据所述嘴唇轮廓特征点，确定所述原始嘴唇图像对应的二值图，其中，在所述二值图中，嘴唇区域的像素值为第一预设值，非嘴唇区域的像素值为第二预设值；

将所述原始嘴唇图像转换至LAB空间，得到所述原始嘴唇图像对应的L通道图像和A通道图像；

根据所述L通道图像，对所述二值图进行滤波，得到滤波输出图；

根据所述滤波输出图与所述A通道图像，得到嘴唇轮廓区域概率图；

根据所述嘴唇轮廓区域概率图中各个像素属于嘴唇区域的概率，对所述原始嘴唇图像添加唇彩。

在一种可能的实现方式中，根据所述嘴唇轮廓区域概率图中各个像素属于嘴唇区域的概率，对所述原始嘴唇图像添加唇彩，包括：

根据所述嘴唇轮廓区域概率图中各个像素属于嘴唇区域的概率，确定所述原始嘴唇图像中各个像素对应的唇彩透明度，其中，属于嘴唇区域的概率越大，则唇彩透明度越小；

根据所述原始嘴唇图像中各个像素对应的唇彩透明度，对所述原始嘴唇图像添加唇彩。

在一种可能的实现方式中，根据所述L通道图像，对所述二值图进行滤波，得到滤波输出图，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，得到所述滤波输出图。

在一种可能的实现方式中，根据所述滤波输出图与所述A通道图像，得到嘴唇轮廓区域概率图，包括：

将所述滤波输出图与所述A通道图像中相应像素的像素值相乘，得到各个像素对应的乘积；

将各个像素对应的乘积进行归一化处理，得到所述嘴唇轮廓区域概率图。

根据本公开实施例的第二方面，提供一种基于图像处理的润唇装置，包括：

识别模块，用于识别原始嘴唇图像中的嘴唇轮廓特征点；

第一确定模块，用于根据所述嘴唇轮廓特征点，确定所述原始嘴唇图像对应的二值图，其中，在所述二值图中，嘴唇区域的像素值为第一预设值，非嘴唇区域的像素值为第二预设值；

转换模块，用于将所述原始嘴唇图像转换至LAB空间，得到所述原始嘴唇图像对应的L通道图像和A通道图像；

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，得到滤波输出图；

第二确定模块，用于根据所述滤波输出图与所述A通道图像，得到嘴唇轮廓区域概率图；

添加模块，用于根据所述嘴唇轮廓区域概率图中各个像素属于嘴唇区域的概率，对所述原始嘴唇图像添加唇彩。

在一种可能的实现方式中，所述添加模块包括：

第一确定子模块，用于根据所述嘴唇轮廓区域概率图中各个像素属于嘴唇区域的概率，确定所述原始嘴唇图像中各个像素对应的唇彩透明度，其中，属于嘴唇区域的概率越大，则唇彩透明度越小；

添加子模块，用于根据所述原始嘴唇图像中各个像素对应的唇彩透明度，对所述原始嘴唇图像添加唇彩。

在一种可能的实现方式中，所述滤波模块用于：

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，得到所述滤波输出图。

在一种可能的实现方式中，所述第二确定模块包括：

第二确定子模块，用于将所述滤波输出图与所述A通道图像中相应像素的像素值相乘，得到各个像素对应的乘积；

第三确定子模块，用于将各个像素对应的乘积进行归一化处理，得到所述嘴唇轮廓区域概率图。

根据本公开实施例的第三方面，提供一种基于图像处理的润唇装置，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上述方法。

根据本公开实施例的第四方面，提供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上述方法。

本公开的实施例提供的技术方案可以包括以下有益效果：通过识别原始嘴唇图像中的嘴唇轮廓特征点，根据嘴唇轮廓特征点，确定原始嘴唇图像对应的二值图，将原始嘴唇图像转换至LAB空间，得到原始嘴唇图像对应的L通道图像和A通道图像，根据L通道图像，对二值图进行滤波，得到滤波输出图，根据滤波输出图与A通道图像，得到嘴唇轮廓区域概率图，并根据嘴唇轮廓区域概率图中各个像素属于嘴唇区域的概率，对原始嘴唇图像添加唇彩，由此能够根据嘴唇轮廓区域概率图中各个像素属于嘴唇区域的概率，对原始嘴唇图像中的各个像素添加唇彩，从而在嘴唇轮廓特征点的检测较不准确的情况下，仍然能够获得较好的润唇效果。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1是根据一示例性实施例示出的一种基于图像处理的润唇方法的流程图。

图2是根据一示例性实施例示出的一种基于图像处理的润唇方法中嘴唇轮廓特征点的检测结果图的示意图。

图3是根据一示例性实施例示出的一种基于图像处理的润唇方法中二值图的示意图。

图4是根据一示例性实施例示出的一种基于图像处理的润唇方法中滤波输出图的示意图。

图5是根据一示例性实施例示出的一种基于图像处理的润唇方法中嘴唇轮廓区域概率图的示意图。

图6a是根据一示例性实施例示出的一种基于图像处理的润唇方法中原始嘴唇图像的示意图。

图6b是根据一示例性实施例示出的一种基于图像处理的润唇方法中润唇效果图的示意图。

图7是根据一示例性实施例示出的一种基于图像处理的润唇方法中嘴唇轮廓特征点的检测结果图和润唇效果图的示意图。

图8是根据一示例性实施例示出的一种基于图像处理的润唇方法步骤S16的一示例性的流程图。

图9是根据一示例性实施例示出的一种基于图像处理的润唇方法步骤S15的一示例性的流程图。

图10是根据一示例性实施例示出的一种基于图像处理的润唇装置框图。

图11是根据一示例性实施例示出的一种基于图像处理的润唇装置的一示例性的框图。

图12是根据一示例性实施例示出的一种用于图像处理的润唇的装置800的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

图1是根据一示例性实施例示出的一种基于图像处理的润唇方法的流程图。该方法可以应用于终端设备中。如图1所示，该方法包括步骤S11至步骤S16。

在步骤S11中，识别原始嘴唇图像中的嘴唇轮廓特征点。

在一种可能的实现方式中，可以基于图像信息和嘴唇模型，识别原始嘴唇图像中的嘴唇轮廓特征点。

作为该实现方式的一个示例，图像信息可以包括皮肤颜色信息与嘴唇颜色信息。根据皮肤颜色与嘴唇颜色的差异，可以识别原始嘴唇图像中的嘴唇轮廓。

作为该实现方式的一个示例，嘴唇模型可以基于Active Contour Models等曲线模型。嘴唇模型可以采用卷积神经网络进行训练。

图2是根据一示例性实施例示出的一种基于图像处理的润唇方法中嘴唇轮廓特征点的检测结果图的示意图。

在步骤S12中，根据嘴唇轮廓特征点，确定原始嘴唇图像对应的二值图，其中，在二值图中，嘴唇区域的像素值为第一预设值，非嘴唇区域的像素值为第二预设值。

例如，第一预设值为255，第二预设值为0。

图3是根据一示例性实施例示出的一种基于图像处理的润唇方法中二值图的示意图。

在步骤S13中，将原始嘴唇图像转换至LAB空间，得到原始嘴唇图像对应的L通道图像和A通道图像。

其中，LAB空间中的L表示亮度(Luminosity)，A表示从红色至绿色的范围，B表示从黄色至蓝色的范围。

在一种可能的实现方式中，可以先将原始嘴唇图像转换至XYZ，再由XYZ转换至LAB。

X＝r×0.4124+g×0.3576+b×0.1805；

Y＝r×0.2126+g×0.7152+b×0.0722；

Z＝r×0.0193+g×0.1192+b×0.9505；

其中，r表示原始嘴唇图像中R通道的值，g表示原始嘴唇图像中G通道的值，b表示原始嘴唇图像中B通道的值；

X′＝X/0.95047；

Y′＝Y；

Z′＝Z/1.08883；

若X′＞0.008856，则若X′≤0.008856，则X″＝7.787X′+0.137931；

若Y′＞0.008856，则若Y′≤0.008856，则Y″＝7.787Y′+0.137931；

若Z′＞0.008856，则若Z′≤0.008856，则Z″＝7.787Z′+0.137931；

若Y′＞0.008856，则L＝116Y″-16；若Y′≤0.008856，则L＝903.3Y″；

A＝500(X″-Y″)；

B＝200(Y″-Z″)。

在步骤S14中，根据L通道图像，对二值图进行滤波，得到滤波输出图。

在一种可能的实现方式中，根据L通道图像，对二值图进行滤波，得到滤波输出图，可以包括：将L通道图像作为加权最小二乘法(WLS，Weighted Least Squares)滤波的引导图，对二值图进行加权最小二乘法滤波，得到滤波输出图。

其中，加权最小二乘法滤波是基于全局优化的滤波方法。作为该实现方式的一个示例，可以计算出使以下公式中w的最小的u，并将使以下公式中w的最小的u作为滤波输出图：

其中，

u表示滤波输出图，g表示二值图，L表示引导图，p表示第p个像素，x表示像素的水平方向，y表示像素的竖直方向，λ表示平滑控制参数，α表示用于确定对引导图的梯度敏感程度的参数，ε为常数，ε用于防止零作为被除数。

通过加权最小二乘法滤波，可以让滤波输出图在主要的轮廓上与二值图接近，在细节纹理上与引导图接近。

图4是根据一示例性实施例示出的一种基于图像处理的润唇方法中滤波输出图的示意图。

在步骤S15中，根据滤波输出图与A通道图像，得到嘴唇轮廓区域概率图。

嘴唇区域在LAB空间下，A通道的分量较大。在本实施例中，根据滤波输出图与A通道图像得到嘴唇轮廓区域概率图，由此结合嘴唇轮廓特征点信息与颜色特征信息进行润唇，相比于其他完全依赖颜色特征信息的润唇方法，具有更好的鲁棒性。

图5是根据一示例性实施例示出的一种基于图像处理的润唇方法中嘴唇轮廓区域概率图的示意图。如图5所示，在该嘴唇轮廓区域概率图中，像素的像素值越大，则该像素属于嘴唇区域的概率越大。

在步骤S16中，根据嘴唇轮廓区域概率图中各个像素属于嘴唇区域的概率，对原始嘴唇图像添加唇彩。

在一种可能的实现方式中，对原始嘴唇图像添加的唇彩的颜色可以为用户选择的唇彩颜色。

在另一种可能的实现方式中，对原始嘴唇图像添加的唇彩的颜色可以为系统默认的润唇唇彩颜色。

图6a是根据一示例性实施例示出的一种基于图像处理的润唇方法中原始嘴唇图像的示意图。图6b是根据一示例性实施例示出的一种基于图像处理的润唇方法中润唇效果图的示意图。

图7是根据一示例性实施例示出的一种基于图像处理的润唇方法中嘴唇轮廓特征点的检测结果图和润唇效果图的示意图。在图7中，左列为嘴唇轮廓特征点的检测结果图，右列为润唇效果图。由图7可以看出，本实施例在嘴唇姿态不规则(如抿嘴、噘嘴等)或者环境光线较差等原因导致嘴唇轮廓特征点的检测较不准确的情况下，仍然能够获得较好的润唇效果。

本实施例通过识别原始嘴唇图像中的嘴唇轮廓特征点，根据嘴唇轮廓特征点，确定原始嘴唇图像对应的二值图，将原始嘴唇图像转换至LAB空间，得到原始嘴唇图像对应的L通道图像和A通道图像，根据L通道图像，对二值图进行滤波，得到滤波输出图，根据滤波输出图与A通道图像，得到嘴唇轮廓区域概率图，并根据嘴唇轮廓区域概率图中各个像素属于嘴唇区域的概率，对原始嘴唇图像添加唇彩，由此能够根据嘴唇轮廓区域概率图中各个像素属于嘴唇区域的概率，对原始嘴唇图像中的各个像素添加唇彩，从而在嘴唇轮廓特征点的检测较不准确的情况下，仍然能够获得较好的润唇效果。另外，通过将L通道图像作为加权最小二乘法滤波的引导图，对二值图进行加权最小二乘法滤波，得到滤波输出图，由此使滤波输出图在主要的轮廓上与二值图接近，在细节纹理上与引导图接近。

图8是根据一示例性实施例示出的一种基于图像处理的润唇方法步骤S16的一示例性的流程图。如图8所示，步骤S16可以包括步骤S161和步骤S162。

在步骤S1611中，根据嘴唇轮廓区域概率图中各个像素属于嘴唇区域的概率，确定原始嘴唇图像中各个像素对应的唇彩透明度，其中，属于嘴唇区域的概率越大，则唇彩透明度越小。

在步骤S162中，根据原始嘴唇图像中各个像素对应的唇彩透明度，对原始嘴唇图像添加唇彩。

例如，若嘴唇轮廓区域概率图中像素M属于嘴唇区域的概率为0，则可以确定原始嘴唇图像中像素M’对应的唇彩透明度为100％，即，对于原始嘴唇图像中像素M’不添加唇彩；若嘴唇轮廓区域概率图中像素Q属于嘴唇区域的概率为1，则可以确定原始嘴唇图像中像素Q’对应的唇彩透明度为0；若嘴唇轮廓区域概率图中像素V属于嘴唇区域的概率为0.2，则可以确定原始嘴唇图像中像素V’对应的唇彩透明度为80％，即，对于像素V’添加较不明显的唇彩。其中，像素M在嘴唇轮廓区域概率图中的坐标与像素M’在原始嘴唇图像中的坐标相同，像素Q在嘴唇轮廓区域概率图中的坐标与像素Q’在原始嘴唇图像中的坐标相同，像素V在嘴唇轮廓区域概率图中的坐标与像素V’在原始嘴唇图像中的坐标相同。

该示例根据嘴唇轮廓区域概率图中各个像素属于嘴唇区域的概率，确定原始嘴唇图像中各个像素对应的唇彩透明度，并根据原始嘴唇图像中各个像素对应的唇彩透明度，对原始嘴唇图像添加唇彩，因此，即使对于嘴唇轮廓特征点的检测较不准确，也能够获得较好的润唇效果。

图9是根据一示例性实施例示出的一种基于图像处理的润唇方法步骤S15的一示例性的流程图。如图9所示，步骤S15可以包括步骤S151和步骤S152。

在步骤S151中，将滤波输出图与A通道图像中相应像素的像素值相乘，得到各个像素对应的乘积。

例如，像素D在滤波输出图中的坐标与像素D’在A通道图像中的坐标相同，则像素D与像素D’为滤波输出图与A通道图像中的相应像素。

在步骤S152中，将各个像素对应的乘积进行归一化处理，得到嘴唇轮廓区域概率图。

嘴唇区域在LAB空间下，A通道的分量较大，本示例通过将滤波输出图与A通道图像中相应像素的像素值相乘，得到各个像素对应的乘积，并将各个像素对应的乘积进行归一化处理，得到嘴唇轮廓区域概率图，由此结合了嘴唇轮廓特征点信息与颜色特征信息得到嘴唇轮廓区域概率图，具有更高的鲁棒性。

图10是根据一示例性实施例示出的一种基于图像处理的润唇装置框图。参照图10，该装置包括识别模块101、第一确定模块102、转换模块103、滤波模块104、第二确定模块105和添加模块106。

该识别模块101被配置为识别原始嘴唇图像中的嘴唇轮廓特征点。

该第一确定模块102被配置为根据嘴唇轮廓特征点，确定原始嘴唇图像对应的二值图，其中，在二值图中，嘴唇区域的像素值为第一预设值，非嘴唇区域的像素值为第二预设值。

该转换模块103被配置为将原始嘴唇图像转换至LAB空间，得到原始嘴唇图像对应的L通道图像和A通道图像。

该滤波模块104被配置为根据L通道图像，对二值图进行滤波，得到滤波输出图。

该第二确定模块105被配置为根据滤波输出图与A通道图像，得到嘴唇轮廓区域概率图。

该添加模块106被配置为根据嘴唇轮廓区域概率图中各个像素属于嘴唇区域的概率，对原始嘴唇图像添加唇彩。

图11是根据一示例性实施例示出的一种基于图像处理的润唇装置的一示例性的框图。参照图11：

在一种可能的实现方式中，添加模块106包括第一确定子模块1061和添加子模块1062。

该第一确定子模块1061被配置为根据嘴唇轮廓区域概率图中各个像素属于嘴唇区域的概率，确定原始嘴唇图像中各个像素对应的唇彩透明度，其中，属于嘴唇区域的概率越大，则唇彩透明度越小。

该添加子模块1062被配置为根据原始嘴唇图像中各个像素对应的唇彩透明度，对原始嘴唇图像添加唇彩。

在一种可能的实现方式中，该滤波模块104被配置为将L通道图像作为加权最小二乘法滤波的引导图，对二值图进行加权最小二乘法滤波，得到滤波输出图。

在一种可能的实现方式中，第二确定模块105包括第二确定子模块1051和第三确定子模块1052。

该第二确定子模块1051被配置为将滤波输出图与A通道图像中相应像素的像素值相乘，得到各个像素对应的乘积。

该第三确定子模块1052被配置为将各个像素对应的乘积进行归一化处理，得到嘴唇轮廓区域概率图。

本实施例通过识别原始嘴唇图像中的嘴唇轮廓特征点，根据嘴唇轮廓特征点，确定原始嘴唇图像对应的二值图，将原始嘴唇图像转换至LAB空间，得到原始嘴唇图像对应的L通道图像和A通道图像，根据L通道图像，对二值图进行滤波，得到滤波输出图，根据滤波输出图与A通道图像，得到嘴唇轮廓区域概率图，并根据嘴唇轮廓区域概率图中各个像素属于嘴唇区域的概率，对原始嘴唇图像添加唇彩，由此能够根据嘴唇轮廓区域概率图中各个像素属于嘴唇区域的概率，对原始嘴唇图像中的各个像素添加唇彩，从而在嘴唇轮廓特征点的检测较不准确的情况下，仍然能够获得较好的润唇效果。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

图12是根据一示例性实施例示出的一种用于图像处理的润唇的装置800的框图。例如，装置800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图12，装置800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。

处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。

多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到装置800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由装置800的处理器820执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (10)

1.一种基于图像处理的润唇方法，其特征在于，包括：

识别原始嘴唇图像中的嘴唇轮廓特征点；

根据所述嘴唇轮廓特征点，确定所述原始嘴唇图像对应的二值图，其中，在所述二值图中，嘴唇区域的像素值为第一预设值，非嘴唇区域的像素值为第二预设值；

将所述原始嘴唇图像转换至LAB空间，得到所述原始嘴唇图像对应的L通道图像和A通道图像；

根据所述L通道图像，对所述二值图进行滤波，得到滤波输出图；

根据所述滤波输出图与所述A通道图像，得到嘴唇轮廓区域概率图；

根据所述嘴唇轮廓区域概率图中各个像素属于嘴唇区域的概率，对所述原始嘴唇图像添加唇彩。

2.根据权利要求1所述的方法，其特征在于，根据所述嘴唇轮廓区域概率图中各个像素属于嘴唇区域的概率，对所述原始嘴唇图像添加唇彩，包括：

根据所述嘴唇轮廓区域概率图中各个像素属于嘴唇区域的概率，确定所述原始嘴唇图像中各个像素对应的唇彩透明度，其中，属于嘴唇区域的概率越大，则唇彩透明度越小；

根据所述原始嘴唇图像中各个像素对应的唇彩透明度，对所述原始嘴唇图像添加唇彩。

3.根据权利要求1所述的方法，其特征在于，根据所述L通道图像，对所述二值图进行滤波，得到滤波输出图，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，得到所述滤波输出图。

4.根据权利要求1所述的方法，其特征在于，根据所述滤波输出图与所述A通道图像，得到嘴唇轮廓区域概率图，包括：

将所述滤波输出图与所述A通道图像中相应像素的像素值相乘，得到各个像素对应的乘积；

将各个像素对应的乘积进行归一化处理，得到所述嘴唇轮廓区域概率图。

5.一种基于图像处理的润唇装置，其特征在于，包括：

识别模块，用于识别原始嘴唇图像中的嘴唇轮廓特征点；

第一确定模块，用于根据所述嘴唇轮廓特征点，确定所述原始嘴唇图像对应的二值图，其中，在所述二值图中，嘴唇区域的像素值为第一预设值，非嘴唇区域的像素值为第二预设值；

转换模块，用于将所述原始嘴唇图像转换至LAB空间，得到所述原始嘴唇图像对应的L通道图像和A通道图像；

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，得到滤波输出图；

第二确定模块，用于根据所述滤波输出图与所述A通道图像，得到嘴唇轮廓区域概率图；

添加模块，用于根据所述嘴唇轮廓区域概率图中各个像素属于嘴唇区域的概率，对所述原始嘴唇图像添加唇彩。

6.根据权利要求5所述的装置，其特征在于，所述添加模块包括：

第一确定子模块，用于根据所述嘴唇轮廓区域概率图中各个像素属于嘴唇区域的概率，确定所述原始嘴唇图像中各个像素对应的唇彩透明度，其中，属于嘴唇区域的概率越大，则唇彩透明度越小；

添加子模块，用于根据所述原始嘴唇图像中各个像素对应的唇彩透明度，对所述原始嘴唇图像添加唇彩。

7.根据权利要求5所述的装置，其特征在于，所述滤波模块用于：

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，得到所述滤波输出图。

8.根据权利要求5所述的装置，其特征在于，所述第二确定模块包括：

第二确定子模块，用于将所述滤波输出图与所述A通道图像中相应像素的像素值相乘，得到各个像素对应的乘积；

第三确定子模块，用于将各个像素对应的乘积进行归一化处理，得到所述嘴唇轮廓区域概率图。

9.一种基于图像处理的润唇装置，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。