[发明专利]肤色增强的处理方法、装置及图像处理装置

说明书

本发明公开了一种肤色增强的处理方法、装置及图像处理装置，其中方法包括以下步骤：获取图像中人脸的肤色区域的图像信息，图像信息包括肤色区域内各像素点的第一颜色向量，第一颜色向量包括红色分量色差值和蓝色分量色差值；根据红色分量色差值以及蓝色分量色差值，计算肤色区域内的肤色中心区域；根据肤色区域内像素点与肤色中心区域之间的关系，计算肤色区域内各像素点的第一颜色向量的偏移量；根据第一颜色向量的偏移量对图像进行肤色增强处理。本发明对动态肤色模型中的肤色中心区域的选取进行设置，使得肤色中心区域的选取肤色人眼对色差的感受，真实地反应了当前场景下的真实肤色，使该处理方法具有较好的肤色增强效果，具有广泛的适用性。

技术领域

本发明涉及图像处理技术领域，具体涉及一种肤色增强的处理方法、装置及图像处理装置。

背景技术

在图像处理技术领域，尤其是人体图像处理中，肤色增强是比较重要的一环，肤色增强是肤色美颜的一部分，但是肤色美颜主要的关注点是在皮肤的纹理和质感，而肤色增强则是侧重于皮肤颜色的微调从而使画面看上去更加符合审美需求。

目前主流的肤色增强主要分为肤色检测和肤色变换两步组成，其中，肤色检测方法一般是基于静态肤色模型的。所谓静态肤色模型就是在图像输入之前就已经通过相关的参数规定好了颜色空间中哪些区域属于肤色哪些区域不属于肤色，对于不属于肤色区域的像素不进行任何处理，而对于落在肤色区域内的像素点，再根据其在肤色区域内的位置来赋予该像素点的肤色调节权值，比较普遍的做法是，根据统计模型判定肤色的概率，其值越高则赋予该点的肤色调节的权值就越大。静态肤色模型适用于色温恒定，亮度均匀且类肤色物体较少的场景下对人物肤色进行全方位的调整。目前静态肤色模型主要分为：区域划分、高斯建模、贝叶斯直方图统计三种，三种模型的各有优缺点，且基本原理相似，高通的静态肤色模型就采用了区域划分的方法。

第二步的肤色变换就是将第一步检测出来的肤色区域朝着审美偏向的目标肤色偏移。静态肤色模型容易造成肤色的遗漏和伪肤色的出现，产生这种效应的原因是当前场景下肤色分布规律和静态模型下统计的肤色分布差别较大，造成同一个人脸，部分区域被遗漏从而产生了斑块效应，消除斑块效应的一个办法就是扩大肤色识别区域从而缩小权值差距，但是这么做就会增加图片的伪肤色，这是一对很难协调的矛盾。

为解决上述斑块效应与图片的伪肤色之间的矛盾，现有技术中一般基于动态肤色模型进行肤色检测，即在前场景下通过特征提取检测人脸，再统计该场景下人脸肤色的分布的频率，并将肤色出现频率最高的像素点或者所有像素的肤色平均值作为肤色中心来动态得修改肤色区域。

然而由于该算法并没有考虑到人眼对于不同色彩关注的敏感度，因此其虽然能够减轻斑块效应但是并不能消除斑块效应。

发明内容

有鉴于此，本发明实施例提供了一种肤色增强的处理方法、装置及图像处理装置，以解决肤色增强的处理效果不佳的问题。

本发明第一方面提供了一种肤色增强的处理方法，包括以下步骤：

获取图像中人脸的肤色区域的图像信息，所述图像信息包括所述肤色区域内各像素点的第一颜色向量，所述第一颜色向量包括红色分量色差值和蓝色分量色差值；

根据所述红色分量色差值以及所述蓝色分量色差值，计算所述肤色区域内的肤色中心区域；

根据所述肤色区域内像素点与所述肤色中心区域之间的关系，计算所述肤色区域内各像素点的第一颜色向量的偏移量；

根据所述第一颜色向量的偏移量对所述图像进行肤色增强处理。

可选地，所述根据所述红色分量色差值以及所述蓝色分量色差值，计算所述肤色区域内的肤色中心区域，包括以下步骤：

计算所述肤色区域内各像素点的像素色差值，所述像素色差值为对应像素点的红色分量色差值减去蓝色分量色差值；