[go: up one dir, main page]

CN108875594A - 一种人脸图像的处理方法、装置以及存储介质 - Google Patents

一种人脸图像的处理方法、装置以及存储介质 Download PDF

Info

Publication number
CN108875594A
CN108875594A CN201810524777.6A CN201810524777A CN108875594A CN 108875594 A CN108875594 A CN 108875594A CN 201810524777 A CN201810524777 A CN 201810524777A CN 108875594 A CN108875594 A CN 108875594A
Authority
CN
China
Prior art keywords
lip
facial image
region
cluster centre
image
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.)
Granted
Application number
CN201810524777.6A
Other languages
English (en)
Other versions
CN108875594B (zh
Inventor
张子鋆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN201810524777.6A priority Critical patent/CN108875594B/zh
Publication of CN108875594A publication Critical patent/CN108875594A/zh
Application granted granted Critical
Publication of CN108875594B publication Critical patent/CN108875594B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/04—Context-preserving transformations, e.g. by using an importance map
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Probability & Statistics with Applications (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明实施例公开了一种人脸图像的处理方法、装置以及存储介质，其中人脸图像的处理方法包括：获取人脸图像；根据预设映射关系对所述人脸图像进行预处理，得到预处理后图像；划分所述人脸图像，得到所述人脸图像的唇部区域；根据预设算法对所述唇部区域进行处理，得到所述唇部区域的唇彩模板；合成所述人脸图像、预处理后图像以及唇彩模板，得到合成后的人脸图像。通过对人脸图像处理，得到预处理图像以及唇彩模板，然后再合成人脸图像、预处理图像以及唇彩模板，因此提高了唇彩与唇部的贴合度，进而提高了人脸图像的美妆效果。

Description

一种人脸图像的处理方法、装置以及存储介质
技术领域
本发明涉及图像处理技术领域，具体涉及一种人脸图像的处理方法、装置以及存储介质。
背景技术
随着智能移动设备的普及以及拍照功能的完善，越来越多的人选择在智能移动设备进行日常的拍摄，但是并非所有拍摄的照片都能达到人们预期的效果。因此，为了让拍摄的照片能够达到预期的效果，许多人选择通过数字图像编辑软件的图片美化功能来美化照片。
图片美化功能包括实时美颜、美妆以及滤镜等，以美妆功能为例，现有的美妆技术方案主要基于图像的空间位置信息使得妆容与图像贴合，即对图像进行分析，得到人脸的图像特征点，并输入妆容的图像特征点，然后对人脸的图像特征点以及妆容的图像特征点完成三角划分与贴合，最后将美妆后的图像输出给用户。
然后，现有的技术方案主要依靠图像的空间位置信息，当唇部形态发生变化时，就会导致唇彩与唇部不完全贴合，造成唇彩与唇部的贴合度下降的问题，从而减弱了美妆效果。
发明内容
本发明实施例提供一种人脸图像的处理方法、装置以及存储介质，可以提高唇彩与唇部的贴合度，从而增强了美妆效果。
本发明实施例提供了一种人脸图像的处理方法，包括：
获取人脸图像；
根据预设映射关系对所述人脸图像进行预处理，得到预处理后图像；
划分所述人脸图像，得到所述人脸图像的唇部区域；
根据预设算法对所述唇部区域进行处理，得到所述唇部区域的唇彩模板；
合成所述人脸图像、预处理后图像以及唇彩模板，得到合成后的人脸图像。
相应的，本发明实施例还提供了一种人脸图像的处理装置，包括：
获取单元，用于获取人脸图像；
第一处理单元，用于根据预设映射关系对所述人脸图像进行预处理，得到预处理后图像；
划分单元，用于划分所述人脸图像，得到所述人脸图像的唇部区域；
第二处理单元，用于根据预设算法对所述唇部区域进行处理，得到所述唇部区域的唇彩模板；
合成单元，用于合成所述人脸图像、预处理后图像以及唇彩模板，得到合成后的人脸图像。
在本发明的一些实施例中，所述划分单元包括：
识别子单元，用于对所述人脸图像进行识别，得到所述人脸图像的特征点集合；
截取子单元，用于根据所述特征点集合截取所述人脸图像，得到所述人脸图像的唇部区域。
在本发明的一些实施例中，所述第二处理单元具体用于：
计算唇部区域中的特征向量的均值，得到聚类中心；
计算唇部区域中任一特征向量与所述聚类中心之间的欧式距离；
根据所述欧式距离对所述唇部区域进行更新，并返回计算唇部区域中的特征向量的均值，得到聚类中心的步骤，直至第n次计算得到的聚类中心与第n-1次计算得到的聚类中心相同为止，所述n为正整数；
获取所述第n次计算得到的聚类中心对应的唇部区域，得到最终唇部区域；
根据所述最终唇部区域，以确定所述最终唇部区域对应的唇彩模板。
在本发明的一些实施例中，所述第二处理单元具体用于：
根据所述欧式距离重新归类特征点集合，得到归类后的特征点集合；
根据所述归类后的特征点集合重新截取所述人脸图像，得到所述人脸图像重新截取后的唇部区域。
在本发明的一些实施例中，所述第二处理单元具体用于：
计算所述唇部相关区域中的特征向量的均值，得到第一聚类中心以及，计算所述非唇部相关区域中的特征向量的均值，得到第二聚类中心；
计算唇部区域中任一特征向量与第一聚类中心之间的欧式距离，得到第一欧式距离；以及，计算唇部区域中任一特征向量与第二聚类中心之间的欧式距离，得到第二欧式距离；
根据所述第一欧式距离对所述唇部相关区域进行更新，并返回计算唇部相关区域中的特征向量的均值和非唇部相关区域中的特征向量的均值的步骤，直至第n次计算得到的第一聚类中心与第n-1次计算得到的第一聚类中心相同，且第n次计算得到的第二聚类中心与第n-1次计算得到的第二聚类中心相同为止，所述n为正整数；
获取所述第n次计算得到的第一聚类中心对应的唇部相关区域，得到最终唇部相关区域；
根据所述最终唇部相关区域，以确定所述最终唇部相关区域对应的唇彩模板。
在本发明的一些实施例中，所述第二处理单元包括：
区域提取子单元，用于提取所述最终唇部相关区域的特征点集合；
模板构建子单元，用于根据所述最终唇部相关区域的特征点集合构建唇彩模板，得到所述最终唇部相关区域对应的唇彩模板。
在本发明的一些实施例中，所述第一处理单元包括：
色彩提取子单元，用于根据预设映射关系从颜色查询表中提取与所述人脸图像对应的色彩；
色彩填充子单元，用于将与所述人脸图像对应的色彩填入所述人脸图像中，得到预处理后图像。
在本发明的一些实施例中，所述装置还包括：
构建单元，用于设置色彩库，构建所述色彩库与所述人脸图像之间的映射关系。
在本发明的一些实施例中，所述人脸图像合成单元，具体用于对所述人脸图像采样得到第一像素值集合，对所述预处理后图像采样得到第二像素值集合，合成所述第一像素值集合、第二像素值集合以及唇彩模板，得到合成后的人脸图像。
本发明实施例在获取人脸图像后，一方面根据预设映射关系对该人脸图像进行预处理，得到预处理后图像；另一方面，划分该人脸图像，得到该人脸图像的唇部区域，并根据预设算法对唇部区域进行处理，得到该唇部区域的唇彩模板；然后，合成人脸图像、预处理后图像以及唇彩模板，得到合成后的人脸图像。通过对人脸图像处理，得到预处理图像以及唇彩模板，然后再合成人脸图像、预处理图像以及唇彩模板，因此提高了唇彩与唇部的贴合度，进而提高了人脸图像的美妆效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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发明的一些实施例，对于本领域技术人员来讲，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1a是本发明实施例提供的人脸图像的处理方法的场景示意图；
图1b是本发明实施例提供的人脸图像的处理方法的流程示意图；
图2a是本发明实施例提供的人脸图像的处理方法的另一流程示意图；
图2b本发明实施例提供的人脸图像的处理方法中理方法中特征点集合的示例图；
图2c是通过一般方法得到的美妆模板；
图2d～图2f现有技术中唇彩与人脸图像不贴合的示例图；
图2g是本发明实施例提供的人脸图像的理方法中特征点集合的另一示例图；
图3a是本发明实施例提供的人脸图像的处理装置的结构示意图；
图3b是本发明实施例提供的人脸图像的处理装置的另一结构示意图；
图4是本发明实施例提供的终端的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供一种人脸图像的处理方法、装置以及存储介质。
其中，该人脸图像的处理装置具体可以集成在平板PC(Personal Computer)、手机等具备储存单元并安装有微处理器而具有运算能力的终端机中。例如，以该人脸图像的处理装置具体集成在手机为例，参见图1a，手机在获取到人脸图像后，一方面，可以根据预设映射关系对人脸图像进行预处理，得到预处理后图像，另一方面，可以划分人脸图像，得到该人脸图像的唇部区域，并根据预设算法对唇部区域进行处理，得到该唇部区域的唇彩模板，然后合成人脸图像、预处理后图像以及唇彩模板，得到合成后的人脸图像。
以下分别进行详细说明。需说明的是，以下实施例的序号不作为对实施例优选顺序的限定。
实施例一、
一种人脸图像的处理方法，包括：获取人脸图像，根据预设映射关系对人脸图像进行预处理，得到预处理后图像，划分人脸图像，得到该人脸图像的唇部区域，根据预设算法对唇部区域进行处理，得到该唇部区域的唇彩模板，合成人脸图像、预处理后图像以及唇彩模板，得到合成后的人脸图像。
请参阅图1b，图1b为本发明实施例提供的人脸图像的处理方法的流程示意图。该人脸图像的处理方法的具体流程可以如下：
S101、获取人脸图像。
其中，该人脸图像可以指的通过手机拍摄得到的人脸图像，也可以是已经保存在手机中的本地人脸图像。
S102、根据预设映射关系对所述人脸图像进行预处理，得到预处理后图像。
由于噪声、光照或者设备本身的原因，通常获取的原始图像的质量不是很高，因此对图像进行预处理，使得图像更清晰，图像特征更明显，便于进一步对图像进行识别和分析。对图像进行预处理的方法包括颜色空间变化和去噪。在本实施例中，主要是对获取的人脸图像进行颜色空间的变化，以得到预处理后的人脸图像。
例如，在对人脸图像进行预处理之前，可以先设置一个色彩库，然后构建色彩库和人脸图像之间的映射关系，即构建一个颜色查询表，然后再根据颜色查询表对人脸图像进行预处理，得到预处理后的人脸图像。其中，该颜色查询表记录唇彩信息。
需要说明的是，本实施例中预处理指的是通过颜色查询表即预设映射关系修改输入的人脸图像的色相、饱和度以及亮度值的处理方法，比如，将唇彩信息通过像素色彩的查询与变换映射到输入的人脸图像上，得到预处理后的人脸图像。
S103、划分所述人脸图像，得到所述人脸图像的唇部区域。
具体的，可以利用人脸的几何特征，提取具有尺寸、旋转和位移不变性的人脸特征点，比如可以提取出如眼睛、鼻子以及嘴唇等部位的关键特征点位置。例如，选取人脸的9个特征点，这些特征点的分布具有角度不变性，分别为2个眼球中心点、4个眼角点、两鼻孔的中点以及2个嘴角点。
但是，在进行人脸特征提取时，由于无法将局部的边缘信息有效地组织起来，传统的边缘检测算子不能可靠地提取人脸的特征，比如眼睛或者嘴唇的区域，所以可以采用如Susan算子的算法来提取人脸的特征。Susan算子的原理为：以像素为半径的圆形区域，即面积覆盖像素位置为掩膜，考察人脸图像中的每个点在该区域范围内的所有点的像素值，与当前点的像素值的一致程度。
需要说明的是，由于人脸表情的不同可能会引起嘴唇形状有较大的变动，并且嘴唇区域比较容易受到胡须等因素的干扰，因此唇部区域的特征点提取的准确性会受到较大的影响。由于嘴角点的位置受表情等影响相对变动较小，角点的位置较准确，所以采取唇部区域的重要特征点为两个嘴角点的定位方式。
需要说明的是，步骤S102与步骤S103的执行顺序可以不分先后。
S104、根据预设算法对所述唇部区域进行处理，得到所述唇部区域的唇彩模板。
具体的，可以根据模糊聚类算法对步骤S103中获得的唇部进行处理，然后来得到该唇部区域的唇彩模板。模糊聚类算法中比较经典的是FCM(fuzzy c-means，模糊c-均值聚类算法)，在本实施例中，所使用的模糊聚类算法是在FCM的算法基础上加上了轮廓函数，即FCMS(fuzzy c-means with shape function)，在对唇部区域进行处理时，利用了唇部区域的颜色信息以及空间位置信息。
首先介绍一下模糊这个概念，所谓模糊是指这个概念的外延具有不确定性，或者说它的外延是不清晰的。比如“年轻”这个概念，它的内涵我们是知道的，但是它的外延，即什么年龄段内的人符合年轻，是很难说清楚的，因为“年轻”跟“不年轻”之间没有一个确定的边界，这就是模糊的概念。有人认为20岁就是“年轻”，那么21岁按照确定性的规划就属于“不年轻”。但是，也有人认为20岁和21岁同样都属于“年轻”的范畴，还有人认为21岁有0.9分像年轻，0.1分像不年轻，这里的0.9跟0.1指的是一种相似的程度。把这种一个样本属于结果的这种相似的程度称为样本的隶属度，表示一个样本相似于不同结果的一个程度指标。
由于人脸唇部区域的颜色与其周边的肤色具有很大的差异，因此可以采用这种聚类算法提取唇部区域的信息，以得到唇部区域的唇彩模板。
接下来，介绍一下FCMS算法。FCMS算法是在FCM算法的基础上增加了轮廓函数，轮廓函数在目标函数中起到相异度度量的作用，使得那些具有相似颜色信息但是处在不同区域的像素可以被清晰地区分。为了达到这个目的，一个聚类的轮廓函数的设计需要满足，对于这个聚类内部的像素有一个较小值，对于这个聚类外部的其他像素有一个较大的值。
例如，假设I是N*M的图像，X＝{x1,1,…,xr,s,…,xN,M}表示，xr,s∈R，是一个q维的颜色向量，用来表示位置(r，s)上的像素。di,r,s表示特征向量xr,s到第i个聚类中心vi的欧式距离，xr,s和vi的相异度度量定义为其中定义了色彩相异性，定义了空间距离相异性，它描述了点(r,s)到椭圆p＝{xc,yc,w,h,θ}的距离，椭圆内部的点小于1，椭圆外部的点大于1。(xc,yc)是椭圆的中心，w,h分别是椭圆的长短轴，θ是椭圆的倾角，这里引入椭圆方程主要是因为嘴唇的轮廓近似椭圆。α是调节两者权重的权重因子。累加所有像素对所有聚类的相异度度量，目标最小，即能得到唇部区域以及唇部区域对应的唇彩模板。
S105、合成所述人脸图像、预处理后图像以及唇彩模板，得到合成后的人脸图像。
具体的，将人脸图像、预处理后图像以及唇彩模板作为输入，并对人脸图像进行采样以及对预处理图像进行采样，得到两个输入纹理的像素值，然后再根据唇彩模板以及这两个输入纹理的像素值合成图像，得到合成后的人脸图像。
可以理解的是，本发明实施例中纹理包括通常意义上的物体的纹理(即是物体表面呈现凹凸不平的沟纹)，同时也包括在物体的光滑表面上的彩色图案，通常我们更多地称之为花纹。对于花纹而言，就是在物体表面绘出彩色花纹或图案，产生了纹理后的物体表面依然光滑如故。对于沟纹而言，实际上也是要在表面绘出彩色花纹或图案，同时要求视觉上给人以凹凸不平感即可。
本实施例提供的一种人脸图像的处理方法，一方面根据预设映射关系对人脸图像进行预处理，得到预处理后图像；另一方面，划分该人脸图像，得到该人脸图像的唇部区域，并根据预设算法对唇部区域进行处理，得到该唇部区域的唇彩模板；最后，根据人脸图像、预处理后图像以及唇彩模板，得到合成后的人脸图像。通过对人脸图像处理，得到预处理图像以及唇彩模板，然后再合成人脸图像、预处理图像以及唇彩模板，因此提高了唇彩与唇部的贴合度，进而提高了人脸图像的美妆效果。
实施例二、
根据实施例所述的方法，以下将举例进一步详细说明。
在本实施例中将以该人脸图像的处理装置具体集成在终端中为例进行说明。
请参阅图2a，一种人脸图像的处理的方法，具体流程可以如下：
步骤S201、终端获取人脸图像。
例如，终端具体可以获取需要处理的人脸图像，该终端可以是手机终端，该人脸图像可以指的是通过手机拍摄得到的人脸图像，也可以是已经保存在手机中的本地人脸图像。
步骤S202、终端根据预设映射关系从颜色查询表中提取与所述人脸图像对应的色彩。
由于噪声、光照或者设备本身的原因，通常终端通过拍摄得到的原始图像的质量不是很高，因此对图像进行预处理，使得图像更清晰，图像特征更明显，便于进一步对图像进行识别和分析。对图像进行预处理的方法包括颜色空间变化和去噪。在本实施例中，主要是对获取的人脸图像进行颜色空间的变化，以得到预处理后的人脸图像。
优选的，在终端对人脸图像进行预处理之前，可以先设置一个色彩库，然后构建色彩库和人脸图像之间的映射关系，即构建一个颜色查询表，然后终端再根据映射关系，从颜色查询表中提取与人脸图像对应的色彩，比如，根据映射关系从颜色查询表中提取与人脸图像唇部区域对应的色彩，可选的，该色彩可以是唇彩的色彩，也可以是增强唇部颜色的色彩。
步骤S203、终端将与所述人脸图像对应的色彩填入所述人脸图像中，得到预处理后图像。
紧接着在步骤S203，终端从颜色查询表中提取出与人脸图像对应的色彩后，比如，终端从颜色查询表中提取到与人脸图像唇部区域对应的色彩，然后将色彩填入到人脸图像的唇部区域中，得到预处理后图像。需要说明的是，终端从颜色查询表中提取到与人脸图像唇部区域对应的色彩可以是一个色彩集合，而具体填入到人脸图像唇部区域中的色彩可以由发起指令的用户选择，也可以由终端随机选择。
步骤S204、终端对所述人脸图像进行识别，得到所述人脸图像的特征点集合。
具体的，终端对获取的人脸图像进行识别，利用人脸的几何特征，提取具有尺寸、旋转和位移不变性的人脸特征点，可以提取出如眼睛、鼻子以及嘴唇等部位的关键特征点位置。
请参阅图2b，比如，首先可以选取人脸的9个特征点，这些特征点的分布具有角度不变性，分别为2个眼球中心点、4个眼角点、两鼻孔的中点以及2个嘴角点。然后，再根据这9个特征点进一步选取更多的特征点，可以得到眼睛轮廓的16个特征点、鼻子轮廓的8个特征点、嘴唇的16个特征点以及脸部轮廓的18个特征点等等，,从而能够得到更完整的该人脸图像的特征点集合。
需要说明的时，由于人脸表情的不同可能会引起嘴唇形状有较大的变动，并且嘴唇区域比较容易受到胡须等因素的干扰，因此唇部区域的特征点提取的准确性会受到较大的影响。由于嘴角点的位置受表情等影响相对变动较小，角点的位置较准确，所以采取唇部区域的重要特征点为两个嘴角点的定位方式。
需要说明的是，步骤S202与步骤S204的执行顺序可以不分先后。
步骤S205、终端根据所述特征点集合截取所述人脸图像，得到所述人脸图像的唇部区域。
具体的，终端得到人脸图像的特征点集合后，将特征点集合中的所有特征点重新划分。
例如，可以通过特征点的位置划分特征点集合，从而得到特征点集合中的至少两个特征点子集合，然后，终端再根据特征点子集合截取出人脸图像的唇部区域和非唇部区域。
又比如，可以通过特征点的位置划分特征点集合，从而得到特征点集合中的若干个特征点子集合，包括：唇部区域的特征点子集合、脸部轮廓的特征点子集合、眼睛区域的特征点子集合以及鼻子区域的特征点子集合等等，然后终端再根据这些特征点子集合截取出人脸图像的唇部区域、脸部轮廓、眼睛区域以及鼻子区域等等。
步骤S206、终端根据预设算法对所述唇部区域进行处理，得到所述唇部区域的唇彩模板。
首先，介绍一下通过采用一般方法得到的美妆模板，请参阅图2c，主要是利用图形处理器中的顶点着色器完成人脸图像与美妆模板的贴合，这种技术的优点在于它的实时性。但是也由于它对人脸特征点的标定有着比较高的精度要求与实时计算要求，因此，当其中有一个条件不满足时，就容易出现妆容漂移或者是妆容不跟人脸的问题，比如，当用户在嘟嘴、张嘴或者抿嘴的情况下，唇彩的贴合程度会降低许多，如图2d～图2f所示，在本实施例中主要讨论唇彩出现漂移以及唇彩不跟人脸的问题。
在本实施例中，终端可以根据预设算法对唇部区域进行处理，得到唇部区域的唇彩模板。
具体的，终端可以根据预设算法对唇部区域进行处理，该预设算法可以是FCMS算法，通过FCMS算法对唇部区域进行一系列的计算，从而得到唇部区域的唇彩模板，关于FCMS算法的介绍请参考前面实施例，在此不再赘述。
需要说明的是，在本实施例中，终端通过预设算法对唇部区域进行处理，得到唇部区域的唇彩模板，可以解决现有技术中唇彩出现漂移以及唇彩不跟人脸的问题，因此提高了人脸图像的美妆效果。
比如，在一些实施例中，步骤S206具体可以包括：
(11)终端计算唇部区域中的特征向量的均值，得到聚类中心；
(12)终端计算唇部区域中任一特征向量与所述聚类中心之间的欧式距离；
(13)终端根据所述欧式距离对所述唇部区域进行更新，并返回计算唇部区域中的特征向量的均值，得到聚类中心的步骤，直至第n次计算得到的聚类中心与第n-1次计算得到的聚类中心相同为止，所述n为正整数；
(14)终端获取所述第n次计算得到的聚类中心对应的唇部区域，得到最终唇部区域；
(15)终端根据所述最终唇部区域，以确定所述最终唇部区域对应的唇彩模板。
即，在该实施方式中，首先，终端还是按照前面实施例的步骤获取人脸图像唇部区域，然后，计算唇部区域中特征向量的均值，得到聚类中心。紧接着，计算唇部区域中任一特征向量与聚类中心之间的欧式距离，并且根据欧氏距离对唇部区域进行更新以得到新的唇部区域，再然后，返回计算聚类中心的步骤直到第n次计算得到的聚类中心与第n-1次计算得到聚类中心相同时，迭代停止。最后，获取第n次聚类中心对应的唇部区域，并以该唇部区域为掩模，从而得到与其对应的唇彩模板。
具体的，终端获取到人脸图像的唇部区域后，终端的中央处理器会计算该人脸图像唇部区域中特征向量的均值，从而得到唇部区域的聚类中心。紧接着，计算唇部区域任一特征向量与聚类中心之间的欧氏距离，并且根据欧氏距离对唇部区域进行更新以得到新的唇部区域，再然后，返回计算聚类中心的步骤直到第n次计算得到的聚类中心与第n-1次计算得到聚类中心相同时，迭代停止。最后，获取第n次聚类中心对应的唇部区域，并以该唇部区域为掩模，从而得到与其对应的唇彩模板。
需要说明的是，当终端第二次计算得到的聚类中心与第一次计算得到聚类中心相同时，则停止计算，并获取第二次聚类中心对应的唇部区域，以该唇部区域作为掩模，从而得到与其对应的唇彩模板。
而，当终端第二次计算得到的聚类中心与第一次计算得到聚类中心不相同时，终端则继续进行第三次计算聚类中心的步骤，并将第三次计算得到的聚类中心与第二计算得到的聚类中心比较，当终端第三次计算得到的聚类中心与第二次计算得到的聚类中心相同时，则停止计算，并且终端获取第三次聚类中心对应的唇部区域，以该唇部区域作为掩膜，从而得到与其对应的唇彩模板。
即，判断第n次计算得到的聚类中心与第n-1次计算得到的聚类中心是否一致；
若一致，则停止计算，并获取第n次聚类中心对应的唇部区域；
若不一致，则返回计算聚类中心的步骤。
在本实施例中，根据欧式距离对唇部区域进行更新以得到新的唇部区域，具体可以为：
根据欧式距离重新归类特征点集合，得到归类后的特征点集合；根据归类后的特征点集合重新截取人脸图像，得到人脸图像重新截取后的唇部区域，该重新截取后的唇部区域即为本实施例中新的唇部区域。具体的，终端根据每个特征点与聚类中心之间的欧式距离重新归类特征点集合，然后再根据归类后的特征点集合重新截取人脸图像，其中，归类后的特征点集合至少两个特征点子集合，用以限定人脸图像的唇部区域和非唇部区域。
又比如，在一些实施例中，唇部区域包括唇部相关区域以及非唇部相关区域，步骤S206具体可以包括：
(21)终端计算所述唇部相关区域中的特征向量的均值，得到第一聚类中心；以及，
计算所述非唇部相关区域中的特征向量的均值，得到第二聚类中心；
(22)终端计算唇部区域中任一特征向量与第一聚类中心之间的欧式距离，得到第一欧式距离；以及，
计算唇部区域中任一特征向量与第二聚类中心之间的欧式距离，得到第二欧式距离；
(23)终端根据所述第一欧式距离对所述唇部相关区域进行更新，并返回计算唇部相关区域中的特征向量的均值和非唇部相关区域中的特征向量的均值的步骤，直至第n次计算得到的第一聚类中心与第n-1次计算得到的第一聚类中心相同，且第n次计算得到的第二聚类中心与第n-1次计算得到的第二聚类中心相同为止，所述n为正整数；
(24)终端获取所述第n次计算得到的第一聚类中心对应的唇部相关区域，得到最终唇部相关区域；
(25)终端根据所述最终唇部相关区域，以确定所述最终唇部相关区域对应的唇彩模板。
在该实施方式中，终端还是按照前面实施例的步骤获取人脸图像唇部区域，该唇部区域包括唇部相关区域和非唇部相关区域。
下面以图2g进行具体说明，将65,66设置为左右端点，以35,69为上下端点的矩形为唇部区域S，依次以顶点65,67,68,69,70,71,66,72,73,74,65,82,81,80,66,79,78,77,76,75,65为路径圈出的区域为唇部相关区域C1,非唇部相关区域C2＝S-C1，以C1中特征向量的均值作为它的聚类中心V1，即第一聚类中心,以C2中特征向量的均值作为它的聚类中心V2,即第二聚类中心，终端迭代遍历S中所有特征向量，并且计算它们到第一聚类中心的欧式距离，得到第一欧式聚类以及,计算它们到第二聚类中心的欧式距离，得到第二欧式距离，并根据第一欧式距离和第二欧式距离重新归类特征点，然后重新计算新的聚类中心，直到每个聚类中心都不再发生变化。迭代停止时，最终唇部相关区域中的特征点就是唇部相关区域的一个更加精准的分割。然后，以最终唇部相关区域作为掩模，以得到最终唇部相关区域的唇彩模板。该过程可以形式化地描述为以下伪码：
C1＝{X|X∈Bezier-Path{Pi}}，C2＝S-C1
V1＝E(X)，X∈C1，V2＝E(X)，X∈C2
do
V′1＝V1，V′2＝V2
d1＝||X-V1||，d2＝||X-V2||
if(d1≤d2)C1＝C2∪X
else C2＝C2∪X
V1＝E(X),X∈C1，V2＝E(X)，X∈C2
while(||V′1-V1||<ε,||V′2-V2||<ε)
output mask{C1}
需要说明的是，本实施例中每个聚类中心都不再发生变化指的是：第n次计算得到的第一聚类中心与第n-1次计算得到的第一聚类中心相同，且第n次计算得到的第二聚类中心与第n-1次计算得到的第二聚类中心相同。当第n次计算得到的第一聚类中心与第n-1次计算得到的第一聚类中心相同，第n次计算得到的第二聚类中心与第n-1次计算得到的第二聚类中心不同时，则继续执行计算第一聚类中心以及计算第二聚类中心的步骤。
即，终端判断第n次计算得到的第一聚类中心与第n-1次计算得到的第一聚类中心是否一致，以及终端判断第n次计算得到的第二聚类中心与第n-1次计算得到的第二聚类中心是否一致；
若终端第n次计算得到的第一聚类中心与第n-1次计算得到的第一聚类中心一致，以及终端第n次计算得到的第二聚类中心与第n-1次计算得到的第二聚类中心一致，则停止计算，并获取第n次第一聚类中心对应的唇部区域；
若不一致，终端则返回计算第一聚类中心以及计算第二聚类中心的步骤。
步骤S207、终端合成所述人脸图像、预处理后图像以及唇彩模板，得到合成后的人脸图像。
具体的，将人脸图像、预处理后图像以及唇彩模板作为终端的输入，然后终端对人脸图像进行采样以及对预处理图像进行采样，得到两个输入纹理的像素值，然后终端再根据唇彩模板以及这两个输入纹理的像素值合成图像，得到合成后的人脸图像。
可以理解的是，本发明实施例中纹理包括通常意义上的物体的纹理(即是物体表面呈现凹凸不平的沟纹)，同时也包括在物体的光滑表面上的彩色图案，通常我们更多地称之为花纹。对于花纹而言，就是在物体表面绘出彩色花纹或图案，产生了纹理后的物体表面依然光滑如故。对于沟纹而言，实际上也是要在表面绘出彩色花纹或图案，同时要求视觉上给人以凹凸不平感即可。
可选的，步骤S207可以包括：
终端对所述人脸图像采样得到第一像素值集合；对所述预处理后图像采样得到第二像素值集合；合成所述第一像素值集合、第二像素值集合以及唇彩模板，得到合成后的人脸图像。
具体的，对人脸图像中的第一预设区域采样得到第一像素值集合，对预处理后图像中的第二预设区域采样得到第二像素值集合，最后合成第一像素值集合、第二像素值集合以及唇彩模板，得到合成后的人脸图像。需要说明的是，第一预设区域可以是人脸图像的全部区域，也可以为部分区域；第二预设区域可以是人脸图像的全部区域，也可以为部分区域。优选的，第一预设区域可以是人脸图像的非唇部区域，而第二预设区域可以是预处理后图像的唇部区域。
本实施例提供的一种人脸图像的处理方法，一方面终端根据预设映射关系对人脸图像进行预处理，得到预处理后图像；另一方面，终端划分该人脸图像，得到该人脸图像的唇部区域，并根据预设算法对唇部区域进行处理，得到该唇部区域的唇彩模板；最后，终端根据人脸图像、预处理后图像以及唇彩模板，得到合成后的人脸图像。通过终端对人脸图像处理，得到预处理图像以及唇彩模板，然后终端再合成人脸图像、预处理图像以及唇彩模板，因此提高了唇彩与唇部的贴合度，进而提高了人脸图像的美妆效果。
实施例三、
为便于更好的实施本发明实施例提供的人脸图像的处理方法，本发明实施例还提供一种基于上述人脸图像的处理方法的装置(简称处理装置)。其中名词的含义与上述人脸图像的处理方法中相同，具体实现细节可以参考方法实施例中的说明。
请参阅图3a，图3a为本发明实施例提供的人脸图像的处理装置的结构示意图，其中该处理装置可以包括人脸图像获取单元301、第一处理单元302、人脸图像划分单元303、第二处理单元304以及人脸图像合成单元305，具体可以如下：
获取单元301，用于获取人脸图像。
具体的，获取单元301可以用于获取人脸图像，该人脸图像可以指的通过手机拍摄得到的人脸图像，也可以是已经保存在手机中的本地人脸图像。
第一处理单元302，用于根据预设映射关系对所述人脸图像进行预处理，得到预处理后图像。
优选的，第一处理单元302可以是一个颜色映射器，具体实施时，该第一处理单元302将人脸图像与颜色查询表作为输入，并且，第一处理单元302将唇彩颜色通过色彩的查询与变换映射到人脸图像上，得到预处理的人脸图像。
划分单元303，用于划分所述人脸图像，得到所述人脸图像的唇部区域。
具体的，划分单元303可以划分人脸图像，划分出人脸图像的如眼睛、鼻子以及嘴唇等部位，进而得到人脸图像的唇部区域。
第二处理单元304，用于根据预设算法对所述唇部区域进行处理，得到所述唇部区域的唇彩模板。
具体的，可以根据模糊聚类算法对获得的唇部进行处理，然后来得到该唇部区域的唇彩模板。模糊聚类算法中比较经典的是FCM(fuzzy c-means，模糊c-均值聚类算法)，在本实施例中，所使用的模糊聚类算法是在FCM的算法基础上加上了轮廓函数，即FCMS((fuzzy c-means with shape function)，在对唇部区域进行处理时，利用了唇部区域的颜色信息以及空间位置信息。
合成单元305，用于合成所述人脸图像、预处理后图像以及唇彩模板，得到合成后的人脸图像。
具体的，合成单元305将人脸图像、预处理后图像以及唇彩模板作为输入，并且合成单元305对人脸图像进行采样以及对预处理图像进行采样，得到两个输入纹理的像素值，然后再根据唇彩模板以及这两个输入纹理的像素值合成图像，得到合成后的人脸图像。
在本发明的一些实施例中，所述人脸图像划分单元包括识别子单元和截取子单元，如下：
识别子单元，用于对所述人脸图像进行识别，得到所述人脸图像的特征点集合；
截取子单元，用于根据所述特征点集合截取所述人脸图像，得到所述人脸图像的唇部区域。
具体的，识别子单元可以识别人脸图像的特征点，从而得到人脸图像的特征点集合，比如可以识别出如眼睛、鼻子以及嘴唇等部位的关键特征点位置。然后截取子单元根据人脸图像的特征点集合截取人脸图像，比如，可以根据特征点的位置对人脸图像进行截取，从而得到人脸图像的唇部区域。
在本发明的一些实施例中，所述第二处理单元304具体可以用于：
计算唇部区域中的特征向量的均值，得到聚类中心；计算唇部区域中任一特征向量与所述聚类中心之间的欧式距离；根据所述欧式距离对所述唇部区域进行更新，并返回计算唇部区域中的特征向量的均值，得到聚类中心的步骤，直至第n次计算得到的聚类中心与第n-1次计算得到的聚类中心相同为止，所述n为正整数；获取所述第n次计算得到的聚类中心对应的唇部区域，得到最终唇部区域；用于根据所述最终唇部区域，以确定所述最终唇部区域对应的唇彩模板。
在本发明的一些实施例中，第二处理单元具体用于：
根据欧式距离重新归类特征点集合，得到归类后的特征点集合；
根据归类后的特征点集合重新截取人脸图像，得到人脸图像重新截取后的唇部区域，该重新截取后的唇部区域即为本实施例中新的唇部区域。
又比如，在本发明的一些实施例中，所述第二处理单元具体还可以用于：
计算所述唇部相关区域中的特征向量的均值，得到第一聚类中心以及，计算所述非唇部相关区域中的特征向量的均值，得到第二聚类中心；
计算唇部区域中任一特征向量与第一聚类中心之间的欧式距离，得到第一欧式距离；以及，计算唇部区域中任一特征向量与第二聚类中心之间的欧式距离，得到第二欧式距离；
根据所述第一欧式距离对所述唇部相关区域进行更新，并返回计算唇部相关区域中的特征向量的均值和非唇部相关区域中的特征向量的均值的步骤，直至第n次计算得到的第一聚类中心与第n-1次计算得到的第一聚类中心相同，且第n次计算得到的第二聚类中心与第n-1次计算得到的第二聚类中心相同为止，所述n为正整数；
获取所述第n次计算得到的第一聚类中心对应的唇部相关区域，得到最终唇部相关区域；
根据所述最终唇部相关区域，以确定所述最终唇部相关区域对应的唇彩模板。
可以理解的是，在本发明的一些实施例中，所述第二处理单元还可以包括区域提取子单元和构建子单元，具体可以如下：
区域提取子单元，用于提取所述最终唇部相关区域的特征点集合；
构建子单元，用于根据所述最终唇部相关区域的特征点集合构建唇彩模板，得到所述最终唇部相关区域对应的唇彩模板。
在本发明的一些实施例中，所述第一处理单元可以包括色彩提取子单元和色彩填充子单元，具体可以如下：
色彩提取子单元，用于根据预设映射关系从颜色查询表中提取与所述人脸图像对应的色彩；
色彩填充子单元，用于将与所述人脸图像对应的色彩填入所述人脸图像中，得到预处理后图像。
请参阅图3b，在本发明的一些实施例中，所述装置还包括构建单元306，如下：
构建单元306，用于设置色彩库；构建所述色彩库与所述人脸图像之间的映射关系。
具体实施时，以上各个单元可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个单元的具体实施可参见前面的方法实施例，在此不再赘述。
本发明实施例提供的一种人脸图像的处理方法，一方面第一处理单元302根据预设映射关系对人脸图像进行预处理，得到预处理后图像；另一方面，人脸图像划分单元303划分该人脸图像，得到该人脸图像的唇部区域，然后第二处理单元304根据预设算法对唇部区域进行处理，得到该唇部区域的唇彩模板；最后，人脸图像合成单元305根据人脸图像、预处理后图像以及唇彩模板，得到合成后的人脸图像，因此提高了唇彩与唇部的贴合度，进而提高了人脸图像的美妆效果。
实施例四、
相应的，本发明实施例还提供一种终端，如图4所示，该终端可以包括射频(RF，Radio Frequency)电路601、包括有一个或一个以上计算机可读存储介质的存储器602、输入单元603、显示单元604、传感器605、音频电路606、无线保真(WiFi，Wireless Fidelity)模块607、包括有一个或者一个以上处理核心的处理器608、以及电源609等部件。本领域技术人员可以理解，图4中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
RF电路601可用于收发信息或通话过程中，信号的接收和发送，特别地，将基站的下行信息接收后，交由一个或者一个以上处理器608处理；另外，将涉及上行的数据发送给基站。通常，RF电路601包括但不限于天线、至少一个放大器、调谐器、一个或多个振荡器、用户身份模块(SIM，Subscriber Identity Module)卡、收发信机、耦合器、低噪声放大器(LNA，Low Noise Amplifier)、双工器等。此外，RF电路601还可以通过无线通信与网络和其他设备通信。所述无线通信可以使用任一通信标准或协议，包括但不限于全球移动通讯系统(GSM，Global System of Mobile communication)、通用分组无线服务(GPRS，GeneralPacket Radio Service)、码分多址(CDMA，Code Division Multiple Access)、宽带码分多址(WCDMA，Wideband Code Division Multiple Access)、长期演进(LTE，Long TermEvolution)、电子邮件、短消息服务(SMS，Short Messaging Service)等。
存储器602可用于存储软件程序以及模块，处理器608通过运行存储在存储器602的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器602可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据终端的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器602可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器602还可以包括存储器控制器，以提供处理器608和输入单元603对存储器602的访问。
输入单元603可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地，在一个具体的实施例中，输入单元603可包括触敏表面以及其他输入设备。触敏表面，也称为触摸显示屏或者触控板，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面上或在触敏表面附近的操作)，并根据预先设定的程式驱动相应的连接装置。可选的，触敏表面可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器608，并能接收处理器608发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面。除了触敏表面，输入单元603还可以包括其他输入设备。具体地，其他输入设备可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元604可用于显示由用户输入的信息或提供给用户的信息以及终端的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元604可包括显示面板，可选的，可以采用液晶显示器(LCD，Liquid Crystal Display)、有机发光二极管(OLED，Organic Light-Emitting Diode)等形式来配置显示面板。进一步的，触敏表面可覆盖显示面板，当触敏表面检测到在其上或附近的触摸操作后，传送给处理器608以确定触摸事件的类型，随后处理器608根据触摸事件的类型在显示面板上提供相应的视觉输出。虽然在图4中，触敏表面与显示面板是作为两个独立的部件来实现输入和输入功能，但是在某些实施例中，可以将触敏表面与显示面板集成而实现输入和输出功能。
终端还可包括至少一种传感器605，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板的亮度，接近传感器可在终端移动到耳边时，关闭显示面板和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于终端还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
音频电路606、扬声器，传声器可提供用户与终端之间的音频接口。音频电路606可将接收到的音频数据转换后的电信号，传输到扬声器，由扬声器转换为声音信号输出；另一方面，传声器将收集的声音信号转换为电信号，由音频电路606接收后转换为音频数据，再将音频数据输出处理器608处理后，经RF电路601以发送给比如另一终端，或者将音频数据输出至存储器602以便进一步处理。音频电路606还可能包括耳塞插孔，以提供外设耳机与终端的通信。
WiFi属于短距离无线传输技术，终端通过WiFi模块607可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图4示出了WiFi模块607，但是可以理解的是，其并不属于终端的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。
处理器608是终端的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器602内的软件程序和/或模块，以及调用存储在存储器602内的数据，执行终端的各种功能和处理数据，从而对手机进行整体监控。可选的，处理器608可包括一个或多个处理核心；优选的，处理器608可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器608中。
终端还包括给各个部件供电的电源609(比如电池)，优选的，电源可以通过电源管理系统与处理器608逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源609还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
尽管未示出，终端还可以包括摄像头、蓝牙模块等，在此不再赘述。具体在本实施例中，终端中的处理器608会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器602中，并由处理器608来运行存储在存储器602中的应用程序，从而实现各种功能：
获取人脸图像，根据预设映射关系对所述人脸图像进行预处理，得到预处理后图像，划分所述人脸图像，得到所述人脸图像的唇部区域，根据预设算法对所述唇部区域进行处理，得到所述唇部区域的唇彩模板；合成所述人脸图像、预处理后图像以及唇彩模板，得到合成后的人脸图像。
本发明实施例在获取人脸图像后，一方面根据预设映射关系对该人脸图像进行预处理，得到预处理后图像；另一方面，划分该人脸图像，得到该人脸图像的唇部区域，并根据预设算法对唇部区域进行处理，得到该唇部区域的唇彩模板；然后，合成人脸图像、预处理后图像以及唇彩模板，得到合成后的人脸图像。通过对人脸图像处理，得到预处理图像以及唇彩模板，然后再合成人脸图像、预处理图像以及唇彩模板，因此提高了唇彩与唇部的贴合度，进而提高了人脸图像的美妆效果。
实施例五、
本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。
为此，本发明实施例提供一种存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本发明实施例所提供的任一种人脸图像的处理方法中的步骤。例如，该指令可以执行如下步骤：
获取人脸图像，根据预设映射关系对所述人脸图像进行预处理，得到预处理后图像，划分所述人脸图像，得到所述人脸图像的唇部区域，根据预设算法对所述唇部区域进行处理，得到所述唇部区域的唇彩模板；合成所述人脸图像、预处理后图像以及唇彩模板，得到合成后的人脸图像。
以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
其中，该存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、磁盘或光盘等。
由于该存储介质中所存储的指令，可以执行本发明实施例所提供的任一种人脸图像的处理方法中的步骤，因此，可以实现本发明实施例所提供的任一种人脸图像的处理方法所能实现的有益效果，详见前面的实施例，在此不再赘述。
以上对本发明实施例所提供的一种人脸图像的处理方法、装置以及存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (15)

1.一种人脸图像的处理方法，其特征在于，包括：
获取人脸图像；
根据预设映射关系对所述人脸图像进行预处理，得到预处理后图像；
划分所述人脸图像，得到所述人脸图像的唇部区域；
根据预设算法对所述唇部区域进行处理，得到所述唇部区域的唇彩模板；
合成所述人脸图像、预处理后图像以及唇彩模板，得到合成后的人脸图像。
2.根据权利要求1所述的方法，其特征在于，所述划分所述人脸图像，得到所述人脸图像的唇部区域，包括：
对所述人脸图像进行识别，得到所述人脸图像的特征点集合；
根据所述特征点集合截取所述人脸图像，得到所述人脸图像的唇部区域。
3.根据权利要求2所述的方法，其特征在于，所述根据预设算法对所述唇部区域进行处理，得到所述唇部区域的唇彩模板，包括：
计算唇部区域中的特征向量的均值，得到聚类中心；
计算唇部区域中任一特征向量与所述聚类中心之间的欧式距离；
根据所述欧式距离对所述唇部区域进行更新，并返回执行计算唇部区域中的特征向量的均值，得到聚类中心的步骤，直至第n次计算得到的聚类中心与第n-1次计算得到的聚类中心相同为止，所述n为正整数；
获取所述第n次计算得到的聚类中心对应的唇部区域，得到最终唇部区域；
根据所述最终唇部区域，以确定所述最终唇部区域对应的唇彩模板。
4.根据权利要求3所述的方法，其特征在于，所述根据所述欧式距离对所述唇部区域进行更新，包括：
根据所述欧式距离重新归类特征点集合，得到归类后的特征点集合；
根据所述归类后的特征点集合重新截取所述人脸图像，得到所述人脸图像重新截取后的唇部区域。
5.根据权利要求3所述的方法，其特征在于，所述唇部区域包括唇部相关区域以及非唇部相关区域，所述根据预设算法对所述唇部区域进行处理，得到所述唇部区域的唇彩模板，包括：
计算所述唇部相关区域中的特征向量的均值，得到第一聚类中心；以及，
计算所述非唇部相关区域中的特征向量的均值，得到第二聚类中心；
计算唇部区域中任一特征向量与第一聚类中心之间的欧式距离，得到第一欧式距离；以及，
计算唇部区域中任一特征向量与第二聚类中心之间的欧式距离，得到第二欧式距离；
根据所述第一欧式距离对所述唇部相关区域进行更新，并返回计算唇部相关区域中的特征向量的均值和非唇部相关区域中的特征向量的均值的步骤，直至第n次计算得到的第一聚类中心与第n-1次计算得到的第一聚类中心相同，且第n次计算得到的第二聚类中心与第n-1次计算得到的第二聚类中心相同为止，所述n为正整数；
获取所述第n次计算得到的第一聚类中心对应的唇部相关区域，得到最终唇部相关区域；
根据所述最终唇部相关区域，以确定所述最终唇部相关区域对应的唇彩模板。
6.根据权利要求5所述的方法，其特征在于，所述根据所述最终唇部相关区域，以确定所述最终唇部相关区域对应的唇彩模板，包括：
提取所述最终唇部相关区域的特征点集合；
根据所述最终唇部相关区域的特征点集合构建唇彩模板，得到所述最终唇部相关区域对应的唇彩模板。
7.根据权利要求1至6任一项所述的方法，其特征在于，所述根据预设算法对所述人脸图像进行处理，得到预处理后图像，包括：
根据预设映射关系从颜色查询表中提取与所述人脸图像对应的色彩；
将与所述人脸图像对应的色彩填入所述人脸图像中，得到预处理后图像。
8.根据权利要求7所述的方法，其特征在于，所述根据预设映射关系从颜色查询表中提取与所述人脸图像对应的色彩的步骤之前，还包括：
设置色彩库；
构建所述色彩库与所述人脸图像之间的映射关系。
9.根据权利要求1至6任一项所述的方法，其特征在于，所述合成所述人脸图像、预处理后图像以及唇彩模板，得到美化后的人脸图像步骤，包括：
对所述人脸图像采样得到第一像素值集合；
对所述预处理后图像采样得到第二像素值集合；
合成所述第一像素值集合、第二像素值集合以及唇彩模板，得到合成后的人脸图像。
10.一种人脸图像的处理装置，其特征在于，包括：
获取单元，用于获取人脸图像；
第一处理单元，用于根据预设映射关系对所述人脸图像进行预处理，得到预处理后图像；
划分单元，用于划分所述人脸图像，得到所述人脸图像的唇部区域；
第二处理单元，用于根据预设算法对所述唇部区域进行处理，得到所述唇部区域的唇彩模板；
合成单元，用于合成所述人脸图像、预处理后图像以及唇彩模板，得到合成后的人脸图像。
11.根据权利要求10所述的装置，其特征在于，所述划分单元包括：
识别子单元，用于对所述人脸图像进行识别，得到所述人脸图像的特征点集合；
截取子单元，用于根据所述特征点集合截取所述人脸图像，得到所述人脸图像的唇部区域。
12.根据权利要求11所述的装置，其特征在于，所述第二处理单元具体用于：
计算唇部区域中的特征向量的均值，得到聚类中心；
计算唇部区域中任一特征向量与所述聚类中心之间的欧式距离；
根据所述欧式距离对所述唇部区域进行更新，并返回计算唇部区域中的特征向量的均值，得到聚类中心的步骤，直至第n次计算得到的聚类中心与第n-1次计算得到的聚类中心相同为止，所述n为正整数；
获取所述第n次计算得到的聚类中心对应的唇部区域，得到最终唇部区域；
根据所述最终唇部区域，以确定所述最终唇部区域对应的唇彩模板。
13.根据权利要求12所述的装置，其特征在于，所述第二处理单元具体用于：
根据所述欧式距离重新归类特征点集合，得到归类后的特征点集合；
根据所述归类后的特征点集合重新截取所述人脸图像，得到所述人脸图像重新截取后的唇部区域。
14.根据权利要求12所述的装置，其特征在于，所述第二处理单元具体用于：
计算所述唇部相关区域中的特征向量的均值，得到第一聚类中心；以及，计算所述非唇部相关区域中的特征向量的均值，得到第二聚类中心；
计算唇部区域中任一特征向量与第一聚类中心之间的欧式距离，得到第一欧式距离；以及，计算唇部区域中任一特征向量与第二聚类中心之间的欧式距离，得到第二欧式距离；
根据所述第一欧式距离对所述唇部相关区域进行更新，并返回计算唇部相关区域中的特征向量的均值和非唇部相关区域中的特征向量的均值的步骤，直至第n次计算得到的第一聚类中心与第n-1次计算得到的第一聚类中心相同，且第n次计算得到的第二聚类中心与第n-1次计算得到的第二聚类中心相同为止，所述n为正整数；
获取所述第n次计算得到的第一聚类中心对应的唇部相关区域，得到最终唇部相关区域；
根据所述最终唇部相关区域，以确定所述最终唇部相关区域对应的唇彩模板。
15.一种存储介质，其特征在于，所述存储介质存储有多条指令，所述指令适于处理器进行加载，以执行权利要求1至9任一项所述的人脸图像的处理方法中的步骤。
CN201810524777.6A 2018-05-28 2018-05-28 一种人脸图像的处理方法、装置以及存储介质 Active CN108875594B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810524777.6A CN108875594B (zh) 2018-05-28 2018-05-28 一种人脸图像的处理方法、装置以及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810524777.6A CN108875594B (zh) 2018-05-28 2018-05-28 一种人脸图像的处理方法、装置以及存储介质

Publications (2)

Publication Number Publication Date
CN108875594A true CN108875594A (zh) 2018-11-23
CN108875594B CN108875594B (zh) 2023-07-18

Family

ID=64335374

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810524777.6A Active CN108875594B (zh) 2018-05-28 2018-05-28 一种人脸图像的处理方法、装置以及存储介质

Country Status (1)

Country Link
CN (1) CN108875594B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109671016A (zh) * 2018-12-25 2019-04-23 网易（杭州）网络有限公司 人脸模型的生成方法、装置、存储介质及终端
CN109754375A (zh) * 2018-12-25 2019-05-14 广州华多网络科技有限公司 图像处理方法、系统、计算机设备、存储介质和终端
CN110349108A (zh) * 2019-07-10 2019-10-18 北京字节跳动网络技术有限公司 处理图像的方法、装置、电子设备、及存储介质
CN111127352A (zh) * 2019-12-13 2020-05-08 北京达佳互联信息技术有限公司 一种图像处理方法、装置、终端及存储介质
CN111860593A (zh) * 2020-06-15 2020-10-30 北京华电天仁电力控制技术有限公司 一种基于生成对抗网络的风机叶片故障检测方法
CN114359030A (zh) * 2020-09-29 2022-04-15 合肥君正科技有限公司 一种人脸逆光图片的合成方法
CN114764927A (zh) * 2020-12-31 2022-07-19 合肥君正科技有限公司 一种分区域增强的人脸逆光图片的制作方法
CN114972053A (zh) * 2021-12-21 2022-08-30 大连东软信息学院 一种仿真唇彩美妆方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103236066A (zh) * 2013-05-10 2013-08-07 苏州华漫信息服务有限公司 一种基于人脸特征分析的虚拟试妆方法
CN103914699A (zh) * 2014-04-17 2014-07-09 厦门美图网科技有限公司 一种基于色彩空间的自动唇彩的图像增强的方法
US20160196665A1 (en) * 2013-07-30 2016-07-07 Holition Limited Locating and Augmenting Object Features in Images
CN105787878A (zh) * 2016-02-25 2016-07-20 杭州格像科技有限公司 一种美颜处理方法及装置
CN107229905A (zh) * 2017-05-05 2017-10-03 广州视源电子科技股份有限公司 嘴唇渲染颜色的方法、装置及电子设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103236066A (zh) * 2013-05-10 2013-08-07 苏州华漫信息服务有限公司 一种基于人脸特征分析的虚拟试妆方法
US20160196665A1 (en) * 2013-07-30 2016-07-07 Holition Limited Locating and Augmenting Object Features in Images
CN103914699A (zh) * 2014-04-17 2014-07-09 厦门美图网科技有限公司 一种基于色彩空间的自动唇彩的图像增强的方法
CN105787878A (zh) * 2016-02-25 2016-07-20 杭州格像科技有限公司 一种美颜处理方法及装置
CN107229905A (zh) * 2017-05-05 2017-10-03 广州视源电子科技股份有限公司 嘴唇渲染颜色的方法、装置及电子设备

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11328455B2 (en) 2018-12-25 2022-05-10 Netease (Hangzhou) Network Co., Ltd. Method and apparatus for generating face model, storage medium, and terminal
CN109754375A (zh) * 2018-12-25 2019-05-14 广州华多网络科技有限公司 图像处理方法、系统、计算机设备、存储介质和终端
CN109671016A (zh) * 2018-12-25 2019-04-23 网易（杭州）网络有限公司 人脸模型的生成方法、装置、存储介质及终端
CN110349108A (zh) * 2019-07-10 2019-10-18 北京字节跳动网络技术有限公司 处理图像的方法、装置、电子设备、及存储介质
CN111127352A (zh) * 2019-12-13 2020-05-08 北京达佳互联信息技术有限公司 一种图像处理方法、装置、终端及存储介质
CN111860593A (zh) * 2020-06-15 2020-10-30 北京华电天仁电力控制技术有限公司 一种基于生成对抗网络的风机叶片故障检测方法
CN111860593B (zh) * 2020-06-15 2023-08-18 国能信控互联技术有限公司 一种基于生成对抗网络的风机叶片故障检测方法
CN114359030A (zh) * 2020-09-29 2022-04-15 合肥君正科技有限公司 一种人脸逆光图片的合成方法
CN114359030B (zh) * 2020-09-29 2024-05-03 合肥君正科技有限公司 一种人脸逆光图片的合成方法
CN114764927A (zh) * 2020-12-31 2022-07-19 合肥君正科技有限公司 一种分区域增强的人脸逆光图片的制作方法
CN114764927B (zh) * 2020-12-31 2024-05-28 合肥君正科技有限公司 一种分区域增强的人脸逆光图片的制作方法
CN114972053A (zh) * 2021-12-21 2022-08-30 大连东软信息学院 一种仿真唇彩美妆方法
CN114972053B (zh) * 2021-12-21 2024-09-17 大连东软信息学院 一种仿真唇彩美妆方法

Also Published As

Publication number Publication date
CN108875594B (zh) 2023-07-18

Similar Documents

Publication Publication Date Title
CN108875594A (zh) 一种人脸图像的处理方法、装置以及存储介质
US20220301341A1 (en) Method for processing images and electronic device
CN109191410B (zh) 一种人脸图像融合方法、装置及存储介质
CN110163806A (zh) 一种图像处理方法、装置以及存储介质
CN107818288B (zh) 标志牌信息获取方法及装置
CN108717719A (zh) 卡通人脸图像的生成方法、装置及计算机存储介质
CN103745193B (zh) 一种肤色检测方法及装置
CN106991367B (zh) 确定人脸转动角度的方法和装置
CN106296617B (zh) 人脸图像的处理方法及装置
CN107944380A (zh) 身份识别方法、装置及存储设备
CN109859211A (zh) 一种图像处理方法、移动终端及计算机可读存储介质
CN104281833B (zh) 色情图像识别方法和装置
CN109145926A (zh) 相似图片识别方法及计算机设备
CN108985220A (zh) 一种人脸图像处理方法、装置及存储介质
CN110443769A (zh) 图像处理方法、图像处理装置及终端设备
CN106204552B (zh) 一种视频源的检测方法和装置
CN108259746B (zh) 一种图像色彩检测方法及移动终端
CN109063558A (zh) 一种图像分类处理方法、移动终端及计算机可读存储介质
CN110765924A (zh) 一种活体检测方法、装置以及计算机可读存储介质
CN108182028A (zh) 一种控制方法、终端及计算机可读存储介质
CN109213407A (zh) 一种截图方法及终端设备
CN109165606A (zh) 一种车辆信息的获取方法、装置以及存储介质
CN110069122A (zh) 一种屏幕控制方法、终端及计算机可读存储介质
CN109685907A (zh) 基于增强现实的图像结合方法及系统
CN108209925A (zh) 一种人体身高的测量方法、装置和移动终端

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