[发明专利]一种人脸图像去油光的方法

说明书

本发明涉及一种人脸图像去油光的方法，S1获取人脸原图像S并进行肤质分类确定油光等级；S2计算S中每个像素点处的σ_max并将S存储为灰度图像Ⅰ；S3计算S每个像素点处的λ_max并将其存储为灰度图像Ⅱ；S4用灰度图像Ⅱ作为引导图像，对图像灰度图像Ⅰ应用进行滤波得到预处理图像；S5预处理图像中每个像素选和σ_max中大的一个；S6重复步骤S4和S5，直到每个像素点的则执行下一步；S7对预处理图像处理得到预处理后图像；S7当预处理后图像的油光等级低于S的且不大于预设油光等级阈值时，将预处理后图像作为图像D输出，否则返回S2并更新S。经实验本方法具有去油光效果明显。

技术领域

本发明涉及美颜方法，特别涉及一种人脸图像去油光的方法。

背景技术

随着近年来硬件技术的快速迭代，无论是数码相机，还是智能手机，拍照功能不断提高，成像像素越来越大，拍摄的人像清晰度越来越高，由此带来的人脸皮肤的斑点、痘印、皱纹等瑕疵内容也会被拍摄下来。针对这一问题，在人像美颜领域，需要对人脸皮肤进行磨皮操作，有效地去除人像图片中的噪点、黑点、瑕疵，实现脸部光滑、质感、柔化。需要对黝黑、偏黄的皮肤进行美白操作，使皮肤变得白皙、红润。

现有的彩色图片去除高光的方法大致分为两种：一种是基于多张图片，利用多视角和成策略去除镜面反射分量，另一种是基于单张图片，利用空间域分析或色彩空间分析等方法去除镜面反射分量。然而实际情况下难以获得多张图片，所以对单张图片去除高光的算法就尤为重要。Tan等人提出了SF图，利用specular-to-diffuse机制成功分离出漫反射分量和镜面反射分量，但在分离过程中像素点的色度会发生变化，导致图像颜色失真。Shen等人在Tan的基础上提出改进的SF图，首先将图像像素分类成簇，通过使用最大值和范围之间的强度对比计算图像的镜面反射分量，但同样会导致图像纹理特征的损失。Yang等人直接应用低通滤波器，利用最大漫反射色度估计值作为值域的双边滤波对图像的最大色度图进行处理，但是由于缺乏全局信息，同样会降低图像的纹理特征，Kim等人提出一个MAP优化框架来分离单个图像的漫反射分量，虽然方法稳定性较强，鲁棒性较好，但处理复杂纹理图像仍然难以保存纹理特征。

发明内容

针对现有技术存在的上述问题，本发明要解决的技术问题是：如何给出一种鲁棒性高且获得的图像自然的图像去油光方法。

为解决上述技术问题，本发明采用如下技术方案：一种人脸图像去油光的方法，包括如下步骤：

S1:获取人脸原图像S，对人脸原图像S进行肤质分类，确定人脸原图像S的油光等级；

油光等级分类为四级油光、三级油光、二级油光和一级油光，给每个油光等级依次赋值；

S2:计算人脸原图像S每个像素点处的最大色度σ_max，并将人脸原图像S存储为灰度图像Ⅰ；

S3:计算人脸原图像S每个像素点处近似漫反射色度的最大值λ_max，并将其存储为灰度图像Ⅱ；

S4:使用灰度图像Ⅱ作为引导图像，对图像灰度图像Ⅰ应用联合双边滤波器，将滤波后的图像存储为预处理图像；

S5:计算预处理图像中的每个像素p的σ_max(p)，比较和σ_max，取最大值如公式2-17所示：

S6:重复步骤S4和S5，直到每个像素的则执行下一步；

S7:确定预处理图像中每个像素点p的σ_max(p)所选的RGB中通道，每个像素点p的所选通道的像素为σ_max(p)×255，然后将每个像素点p未选择的两个通道的像素与所选通道的像素进行迭代得到预处理后图像；