一种底层斑的检测方法、电子设备及可读存储介质与流程

1.本发明涉及图像处理技术领域，特别涉及一种底层斑的检测方法、电子设备及可读存储介质。


背景技术：

2.图像处理(image processing)，用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。图像处理一般指数字图像处理。数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组，该数组的元素称为像素，其值称为灰度值。
3.现有技术中，对于人脸正面的一些缺陷，例如，斑点、痘痕、疤痕等进行识别时，无法将相似的缺陷进行区别，导致在图像处理过程中无法针对缺陷进行适当的处理，影响到最终的图像呈现效果。


技术实现要素：

4.为了解决现有技术的问题，正脸棕斑图与预设图进行对比，能够实现与其他面部特征进行区别，避免遗漏底层斑的检测，提高对底层斑检测的准确性；本发明实施例提供了一种app标签的确定方法、电子设备及可读存储介质。所述技术方案如下：
5.一方面，一种底层斑的检测方法，所述方法包括如下步骤：
6.s101、获取用户的正脸棕斑图；
7.s103、对所述正脸棕斑图进行图像处理，得到目标图像和所述目标图像的检测区域列表a＝(a1，a2，a3，
……
am)，ai是指第i个检测区域，i＝1
……
m，m为检测区域数量，其中，所述图像处理至少采用高斯滤波算法、中值模糊算法或自适应二值化算法中一种或者多种组合；
8.s105、将ai映射到正脸偏振光图中，得到所述正脸偏振光图的映射区域列表b＝(b1，b2，b3，
……
，bm)，bi是指ai对应的映射区域；
9.s107、遍历ai且当目标相似度小于预设的相似度阈值时，确定ai为底层斑区域，其中，所述目标相似度是指ai与bi的相似度。
10.另一方面，一种电子设备，包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如上述任一项所述底层斑的检测方法。
11.另一方面，一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如上述任一项所述底层斑的检测方法。
12.本发明提供的一种底层斑的检测方法、电子设备及可读存储介质，具有如下技术效果：
13.本发明能够获取用户的正脸棕斑图，对所述正脸棕斑图进行图像处理，得到目标图像和所述目标图像的检测区域列表，其中，采用多种预处理算法，将任一检测区域映射到
正脸偏振光图中，得到所述正脸偏振光图的映射区域列表；遍历任一检测区域当检测区域对应的目标相似度小于预设的相似度阈值时，确定检测区域是否为底层斑区域，能够实现与其他面部特征进行区别，避免遗漏底层斑的检测，提高对底层斑检测的准确性。
附图说明
14.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，对于本领域普通技术人员来讲，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。
15.图1是本发明实施例一提供的一种底层斑的检测方的流程示意图；
16.图2是本发明实施例一提供的一种确定ai为底层斑区域的流程示意图。
具体实施方式
17.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，本领域普通技术人员在没有做出创造性劳动的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。
18.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
19.实施例一
20.如图1所示，本实施例一提供了一种底层斑的检测方法，所述方法包括如下步骤：
21.s101、获取用户的正脸棕斑图；
22.具体地，所述正脸棕斑图通过底层斑检测器进行生成，所述底层斑检测器是指用于生成含有用户人脸底层斑对应图像的检测装置。
23.s103、对所述正脸棕斑图进行图像处理，得到目标图像和所述目标图像的检测区域列表a＝(a1，a2，a3，
……
am)，ai是指第i个检测区域，i＝1
……
m，m为检测区域数量，其中，所述图像处理采用一种或者多种算法组合。
24.在一个具体的实施例中，所述图像处理采用自适应二值化算法以得到确定目标图像：
25.将所述原始图进行图像灰度化处理，得到目标灰度图；
26.遍历所述目标灰度图的每个像素点且将所述目标灰度图的像素点与其对应的阈值进行对比，得到所述目标图像，其中，
27.当所述目标灰度图的像素点＞其对应的阈值时，则所述目标灰度图的像素点取值为1；
28.当所述目标灰度图的像素点≤其对应的阈值时，则所述目标灰度图的像素点取值为0。
29.具体地，所述目标灰度图的像素点对应的阈值可采用任意一种自适应阈值进行确定，在此不再赘述。
30.上述方法能够通过自适应二值化算法进行预处理，去除图像中的噪声，便于将底层斑图像与预设的图像进行对比区别，提高对底层斑检测的准确性。
31.s105、将ai映射到正脸偏振光图中，得到所述正脸偏振光图的映射区域列表b＝(b1，b2，b3，
……
，bm)，bi是指ai对应的映射区域；
32.具体地，所述正脸偏振光图通过主检测器进行生成，所述主检测器包括生成含有用户人脸对应的面部特征对应的图像的检测装置，所述面部特征包括痘痕、眉毛、疤痕等特征，即所述正脸偏振光图能够体现痘痕、斑点、眉毛、疤痕等特征。
33.s107、遍历ai且当目标相似度小于预设的相似度阈值时，确定ai为底层斑区域，其中，所述目标相似度是指ai与bi之间的相似度。
34.具体地，所述方法还包括如下方法确定目标相似度：
35.获取ai对应的图像特征向量(ai1，ai2，ai3，
……
，ain)，其中，aij是指第j个图像特征对应的特征值，j＝1
……
n，n为图像特征数量，aij对应的图像特征包括：颜色特征、形状特征和纹理特征一种或者多种组合，优先地，aij对应的图像特征包括：颜色特征、形状特征和纹理特征；
36.遍历ai对应的图像特征向量，得到相似度向量f＝(f1，f2，f3，
……
，fn)，fj是指aij对应的相似度值；
37.当aij满足预设的特征条件，将fj取值为0；
38.当aij未满足预设的特征条件，将fj取值为1；
39.根据f和f对应的权重向量w＝(w1，w2，w3，
……
，wn)，计算得到目标相似度h，h符合如下条件：
[0040][0041]
其中，所述预设特征条件是指aij对应的图像特征阈值。
[0042]
具体地，w1≥w2≥w3≥
……
≥wn，优先地，w1＝w2＝w3＝
……
＝wn。
[0043]
在一个具体的实施例中，所述图像特征分别为：颜色特征、形状特征和纹理特征；
[0044]
如图2所示，所述方法还包括如下方法确定ai为底层斑区域：
[0045]
s201、当图像特征为颜色特征时，获取ai对应第一像素点列表q＝(q1，q2，q3，
……
，qp)，得到ai对应的目标方差t，qx是指第x个像素点对应的rgb值，x＝1
……
p，p像素点数量，其中，t符合如下条件：
[0046]
其中，r是指bi对应的rgb均值，qx符合如下条件：
[0047]
qx＝rx
×
wr gx
×
wg bx
×
wb，其中，rx是指第x个像素点对应红色通道的强度值，
gx是指第x个像素点对应绿色通道的强度值，bx是指第x个像素点对应蓝色通道的强度值，wr是指rx对应的权重，wg是指gx对应的权重，wb是指bx对应的权重；
[0048]
s203、遍历q且将t和qx分别与其对应的第一阈值和对应的第二阈值
[0049]
s205、当或者时，确定ai为非底层斑区域；
[0050]
s207、当且时，对ai对应的其他图像特征进行判断,以确定ai为底层斑区域。
[0051]
具体地，符合如下条件：
[0052]
其中，d为颜色特征的参数。
[0053]
进一步地，s207还包括如下步骤：
[0054]
当图像特征为形状特征时，获取ai的四个顶点坐标分别为(xi1，yi1)、(xi2，yi1)、(xi1，yi2)和(xi2，yi2)和bi的四个顶点坐标分别为(xi1，yi2)和(xi2，yi2)和bi的四个顶点坐标分别为和
[0055]
根据ai的四个顶点坐标和bi的四个顶点坐标，得到目标面积比s；
[0056]
当s≤预设的面积比阈值时，则确定ai为非底层斑区域；
[0057]
当s＞预设的面积比阈值时，则对ai对应的其他图像特征进行判断,以确定ai为底层斑区域；
[0058]
具体地，s符合如下条件：
[0059][0060]
当图像特征为纹理特征时，ai对应第二像素点列表c＝(c1，c2，c3，
……
，cp)，cx是指第x个像素点对应的方差列表；
[0061]
遍历cx＝(cx1，cx2，cx3)且，当cx1，cx2和cx3分别≤预设的方差阈值
[0062]
具体地，cx1符合如下条件：
[0063]
其中，是指ai内红色通道对应的强度均值；
[0064]
具体地，cx2符合如下条件：
[0065]
其中，是指ai内绿色通道对应的强度均值；
[0066]
具体地，cx1符合如下条件：
[0067]
其中，是指ai内蓝色通道对应的强度均值。
[0068]
上述方法能够通过颜色特征、形状特征和纹理特征三个图像特征进行判断，有效的三个图像特征加以与其他面部特征进行区别，避免遗漏底层斑的检测，提高对底层斑检测的准确性。
[0069]
实施例二
[0070]
实施例二提供了一种底层斑的检测方法，所述方法包括如下步骤：
[0071]
s101、获取用户的正脸棕斑图；
[0072]
具体地，所述正脸棕斑图通过底层斑检测器进行生成，所述底层斑检测器是指用于生成含有用户人脸底层斑对应图像的检测装置。
[0073]
s103、对所述正脸棕斑图进行图像处理，得到目标图像和所述目标图像的检测区域列表a＝(a1，a2，a3，
……
am)，ai是指第i个检测区域，i＝1
……
m，m为检测区域数量，其中，所述图像处理采用一种或者多种算法组合。
[0074]
在一个具体的实施例中，当所述图像处理采用自适应二值化算法同时还采用高斯滤波算法或中值模糊算法一种，高斯滤波算法的优先级或中值模糊算法的优先级＞自适应二值化算法的优先级；
[0075]
优先地，所述图像处理采用高斯滤波算法进行预处理，具体实施步骤：
[0076]
将所述正脸棕斑图划分成kxk的目标图像模板，k为单数；
[0077]
获取所述正脸棕斑图对应的单元区域列表z＝(z1，z2，z3，
……
，zkxk)，其中，zt是指第t个单元区域，t＝1
……
kxk；
[0078]
所述目标图像模板的中心处为坐标原点，得到任一zt对应的坐标(xt，yt)；
[0079]
根据所述坐标(xt，yt)，计算得到zt对应的元素值，以使得根据zt对应的元素值和对应的标准差，得到所述正脸棕斑图对应的高斯模板
[0080]
基于所述正脸棕斑图对应的高斯模板，得到第一图像；
[0081]
具体地，所述第一图像是指经过高斯算法处理的图像，能够有效的和平滑的过滤噪声，未影响到图像其他特征的获取或判断。
[0082]
具体地，本领域技术人员能够根据实际需求设定高斯模板对应的标准差，用于根据高斯模板得到所需图像，在此不再赘述。
[0083]
进一步地，所述图像处理采用自适应二值化算法进行预处理，具体实施步骤：
[0084]
将所述第一图像进行图像灰度化处理，得到目标灰度图；
[0085]
遍历所述目标灰度图的每个像素点且将所述目标灰度图的像素点与其对应的阈值进行对比，得到所述目标图像，其中，
[0086]
当所述目标灰度图的像素点＞其对应的阈值时，则所述目标灰度图的像素点取值为1；
[0087]
当所述目标灰度图的像素点≤其对应的阈值时，则所述目标灰度图的像素点取值为0。
[0088]
具体地，所述目标灰度图的像素点对应的阈值可采用任意一种自适应阈值进行确定，在此不再赘述。
[0089]
上述方法能够通过自适应二值化算法进行预处理，去除图像中的噪声，便于将底层斑图像与预设的图像进行对比区别，提高对底层斑检测的准确性。
[0090]
s105、将ai映射到正脸偏振光图中，得到所述正脸偏振光图的映射区域列表b＝
(b1，b2，b3，
……
，bm)，bi是指ai对应的映射区域；
[0091]
具体地，所述正脸偏振光图通过主检测器进行生成，所述主检测器包括生成含有用户人脸对应的面部特征对应的图像的检测装置，所述面部特征包括痘痕、眉毛、疤痕等特征，即所述正脸偏振光图能够体现痘痕、斑点、眉毛、疤痕等特征。
[0092]
s107、遍历ai且当目标相似度小于预设的相似度阈值时，确定ai为底层斑区域，其中，所述目标相似度是指ai与bi之间的相似度。
[0093]
具体地，所述方法还包括如下方法确定目标相似度：
[0094]
获取ai对应的图像特征向量(ai1，ai2，ai3，
……
，ain)，其中，aij是指第j个图像特征对应的特征值，j＝1
……
n，n为图像特征数量，aij对应的图像特征包括：颜色特征、形状特征和纹理特征一种或者多种组合，优先地，aij对应的图像特征包括：颜色特征、形状特征和纹理特征；
[0095]
遍历ai对应的图像特征向量，得到相似度向量f＝(f1，f2，f3，
……
，fn)，fj是指aij对应的相似度值；
[0096]
当aij满足预设的特征条件，将fj取值为0；
[0097]
当aij未满足预设的特征条件，将fj取值为1；
[0098]
根据f和f对应的权重向量w＝(w1，w2，w3，
……
，wn)，计算得到目标相似度h，h符合如下条件：
[0099][0100]
其中，所述预设特征条件是指aij对应的图像特征阈值。
[0101]
具体地，w1≥w2≥w3≥
……
≥wn，优先地，w1＝w2＝w3＝
……
＝wn。
[0102]
在一个具体的实施例中，所述图像特征分别为：颜色特征、形状特征和纹理特征；
[0103]
如图2所示，所述方法还包括如下方法确定ai为底层斑区域：
[0104]
s201、当图像特征为颜色特征时，获取ai对应第一像素点列表q＝(q1，q2，q3，
……
，qp)，得到ai对应的目标方差t，qx是指第x个像素点对应的rgb值，x＝1
……
p，p像素点数量，其中，t符合如下条件：
[0105]
其中，r是指bi对应的rgb均值，qx符合如下条件：
[0106]
qx＝rx
×
wr gx
×
wg bx
×
wb，其中，rx是指第x个像素点对应红色通道的强度值，gx是指第x个像素点对应绿色通道的强度值，bx是指第x个像素点对应蓝色通道的强度值，wr是指rx对应的权重，wg是指gx对应的权重，wb是指bx对应的权重；
[0107]
s203、遍历q且将t和qx分别与其对应的第一阈值和对应的第二阈值
[0108]
s205、当或者时，确定ai为非底层斑区域；
[0109]
s207、当且时，对ai对应的其他图像特征进行判断,以确定ai为
底层斑区域。
[0110]
具体地，符合如下条件：
[0111]
其中，d为颜色特征的参数。
[0112]
进一步地，s207还包括如下步骤：
[0113]
当图像特征为形状特征时，获取ai的四个顶点坐标分别为(xi1，yi1)、(xi2，yi1)、(xi1，yi2)和(xi2，yi2)和bi的四个顶点坐标分别为(xi1，yi2)和(xi2，yi2)和bi的四个顶点坐标分别为和
[0114]
根据ai的四个顶点坐标和bi的四个顶点坐标，得到目标面积比s；
[0115]
当s≤预设的面积比阈值时，则确定ai为非底层斑区域；
[0116]
当s＞预设的面积比阈值时，则对ai对应的其他图像特征进行判断,以确定ai为底层斑区域；
[0117]
具体地，s符合如下条件：
[0118][0119]
当图像特征为纹理特征时，ai对应第二像素点列表c＝(c1，c2，c3，
……
，cp)，cx是指第x个像素点对应的方差列表；
[0120]
遍历cx＝(cx1，cx2，cx3)且，当cx1，cx2和cx3分别≤预设的方差阈值
[0121]
具体地，cx1符合如下条件：
[0122]
其中，是指ai内红色通道对应的强度均值；
[0123]
具体地，cx2符合如下条件：
[0124]
其中，是指ai内绿色通道对应的强度均值；
[0125]
具体地，cx1符合如下条件：
[0126]
其中，是指ai内蓝色通道对应的强度均值。
[0127]
上述方法能够通过颜色特征、形状特征和纹理特征三个图像特征进行判断，有效的三个图像特征加以与其他面部特征进行区别，避免遗漏底层斑的检测，提高对底层斑检测的准确性。
[0128]
实施例三
[0129]
实施例三提供了一种底层斑的检测方法，所述方法包括如下步骤：
[0130]
s101、获取用户的正脸棕斑图；
[0131]
具体地，所述正脸棕斑图通过底层斑检测器进行生成，所述底层斑检测器是指用于生成含有用户人脸底层斑对应图像的检测装置。
[0132]
s103、对所述正脸棕斑图进行图像处理，得到目标图像和所述目标图像的检测区域列表a＝(a1，a2，a3，
……
am)，ai是指第i个检测区域，i＝1
……
m，m为检测区域数量，其中，所述图像处理采用一种或者多种算法组合。
[0133]
在一个具体的实施例中，当所述图像处理采用高斯滤波算法、中值模糊算法和自适应二值化算法时，高斯滤波算法的优先级＞中值模糊算法的优先级＞自适应二值化算法的优先级。
[0134]
优先地，所述图像处理采用高斯滤波算法进行预处理，具体实施步骤：
[0135]
将所述正脸棕斑图划分成kxk的第一目标图像模板，k为单数；
[0136]
获取所述正脸棕斑图对应的单元区域列表z＝(z1，z2，z3，
……
，zkxk)，其中，zt是指第t个单元区域，t＝1
……
kxk；
[0137]
所述目标图像模板的中心处为坐标原点，得到任一zt对应的坐标(xt，yt)；
[0138]
根据所述坐标(xt，yt)，计算得到zt对应的元素值，以使得根据zt对应的元素值和对应的标准差，得到所述正脸棕斑图对应的高斯模板
[0139]
基于所述正脸棕斑图对应的高斯模板，得到第一图像；
[0140]
具体地，所述第一图像是指经过高斯算法处理的图像，能够有效的和平滑的过滤噪声，未影响到图像其他特征的获取或判断。
[0141]
具体地，本领域技术人员能够根据实际需求设定高斯模板对应的标准差，用于根据高斯模板得到所需图像，在此不再赘述。
[0142]
进一步地，所述图像处理采用中值模糊算法进行预处理，具体实施步骤：
[0143]
将第一图像划分成kxk的第二目标图像模板，k为单数；
[0144]
基于第二目标图像模板，对第一图像进行中值滤波处理，得到第二图像。
[0145]
上述方法，能够对图像扫描噪声的处理效果更佳，同时在一定条件下中值滤波对图像的边缘信息保护效果更佳，可以避免图像细节的模糊；此外，采用与高斯滤波相同的图像模板，能够提高了计算效率，保证在二种处理之间稳定性。
[0146]
进一步地，所述图像处理采用自适应二值化算法进行预处理，具体实施步骤：
[0147]
将所述第二图像进行图像灰度化处理，得到目标灰度图；
[0148]
遍历所述目标灰度图的每个像素点且将所述目标灰度图的像素点与其对应的阈值进行对比，得到所述目标图像，其中
[0149]
当所述目标灰度图的像素点＞其对应的阈值时，则所述目标灰度图的像素点取值为1；
[0150]
当所述目标灰度图的像素点≤其对应的阈值时，则所述目标灰度图的像素点取值为0。
[0151]
具体地，所述目标灰度图的像素点对应的阈值可采用任意一种自适应阈值进行确定，在此不再赘述。
[0152]
上述方法能够通过自适应二值化算法进行预处理，去除图像中的噪声，便于将底层斑图像与预设的图像进行对比区别，提高对底层斑检测的准确性。
[0153]
s105、将ai映射到正脸偏振光图中，得到所述正脸偏振光图的映射区域列表b＝
(b1，b2，b3，
……
，bm)，bi是指ai对应的映射区域；
[0154]
具体地，所述正脸偏振光图通过主检测器进行生成，所述主检测器包括生成含有用户人脸对应的面部特征对应的图像的检测装置，所述面部特征包括痘痕、眉毛、疤痕等特征，即所述正脸偏振光图能够体现痘痕、斑点、眉毛、疤痕等特征。
[0155]
s107、遍历ai且当目标相似度小于预设的相似度阈值时，确定ai为底层斑区域，其中，所述目标相似度是指ai与bi之间的相似度。
[0156]
具体地，所述方法还包括如下方法确定目标相似度：
[0157]
获取ai对应的图像特征向量(ai1，ai2，ai3，
……
，ain)，其中，aij是指第j个图像特征对应的特征值，j＝1
……
n，n为图像特征数量，aij对应的图像特征包括：颜色特征、形状特征和纹理特征一种或者多种组合，优先地，aij对应的图像特征包括：颜色特征、形状特征和纹理特征；
[0158]
遍历ai对应的图像特征向量，得到相似度向量f＝(f1，f2，f3，
……
，fn)，fj是指aij对应的相似度值；
[0159]
当aij满足预设的特征条件，将fj取值为0；
[0160]
当aij未满足预设的特征条件，将fj取值为1；
[0161]
根据f和f对应的权重向量w＝(w1，w2，w3，
……
，wn)，计算得到目标相似度h，h符合如下条件：
[0162][0163]
其中，所述预设特征条件是指aij对应的图像特征阈值。
[0164]
具体地，w1≥w2≥w3≥
……
≥wn，优先地，w1＝w2＝w3＝
……
＝wn。
[0165]
在一个具体的实施例中，所述图像特征分别为：颜色特征、形状特征和纹理特征；
[0166]
如图2所示，所述方法还包括如下方法确定ai为底层斑区域：
[0167]
s201、当图像特征为颜色特征时，获取ai对应第一像素点列表q＝(q1，q2，q3，
……
，qp)，得到ai对应的目标方差t，qx是指第x个像素点对应的rgb值，x＝1
……
p，p像素点数量，其中，t符合如下条件：
[0168]
其中，r是指bi对应的rgb均值，qx符合如下条件：
[0169]
qx＝rx
×
wr gx
×
wg bx
×
wb，其中，rx是指第x个像素点对应红色通道的强度值，gx是指第x个像素点对应绿色通道的强度值，bx是指第x个像素点对应蓝色通道的强度值，wr是指rx对应的权重，wg是指gx对应的权重，wb是指bx对应的权重；
[0170]
s203、遍历q且将t和qx分别与其对应的第一阈值和对应的第二阈值
[0171]
s205、当或者时，确定ai为非底层斑区域；
[0172]
s207、当且时，对ai对应的其他图像特征进行判断,以确定ai为
底层斑区域。
[0173]
具体地，符合如下条件：
[0174]
其中，d为颜色特征的参数。
[0175]
进一步地，s207还包括如下步骤：
[0176]
当图像特征为形状特征时，获取ai的四个顶点坐标分别为(xi1，yi1)、(xi2，yi1)、(xi1，yi2)和(xi2，yi2)和bi的四个顶点坐标分别为(xi1，yi2)和(xi2，yi2)和bi的四个顶点坐标分别为和
[0177]
根据ai的四个顶点坐标和bi的四个顶点坐标，得到目标面积比s；
[0178]
当s≤预设的面积比阈值时，则确定ai为非底层斑区域；
[0179]
当s＞预设的面积比阈值时，则对ai对应的其他图像特征进行判断,以确定ai为底层斑区域；
[0180]
具体地，s符合如下条件：
[0181][0182]
当图像特征为纹理特征时，ai对应第二像素点列表c＝(c1，c2，c3，
……
，cp)，cx是指第x个像素点对应的方差列表；
[0183]
遍历cx＝(cx1，cx2，cx3)且，当cx1，cx2和cx3分别≤预设的方差阈值
[0184]
具体地，cx1符合如下条件：
[0185]
其中，是指ai内红色通道对应的强度均值；
[0186]
具体地，cx2符合如下条件：
[0187]
其中，是指ai内绿色通道对应的强度均值；
[0188]
具体地，cx1符合如下条件：
[0189]
其中，是指ai内蓝色通道对应的强度均值。
[0190]
上述方法能够通过颜色特征、形状特征和纹理特征三个图像特征进行判断，有效的三个图像特征加以与其他面部特征进行区别，避免遗漏底层斑的检测，提高对底层斑检测的准确性。
[0191]
实施例一至实施例三提供了一种底层斑的检测方法均能够获取用户的正脸棕斑图，对所述正脸棕斑图进行图像处理，得到目标图像和所述目标图像的检测区域列表，其中，采用多种预处理算法，将任一检测区域映射到正脸偏振光图中，得到所述正脸偏振光图
的映射区域列表；遍历任一检测区域当检测区域对应的目标相似度小于预设的相似度阈值时，确定检测区域是否为底层斑区域，能够实现与其他面部特征进行区别，避免遗漏底层斑的检测，提高对底层斑检测的准确性；
[0192]
其次，实施例三相对于实施例二和实施例一采用多种算法结合，避免图像中存在噪声干扰，影响到底层斑的检测，提高对底层斑检测的准确性；同时多种算法结合进行预处理，提高了图像的清晰度，有利于图像呈现效果。
[0193]
本发明的实施例还提供了一种电子设备，包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如上述的底层斑的检测方法。
[0194]
本发明实施例的计算机设备以多种形式存在，包括但不限于：
[0195]
(1)移动通信设备：这类设备的特点是具备移动通信功能，并且以提供话音、数据通信为主要目标。这类终端包括：智能手机(例如tphone)、多媒体手机、功能性手机，以及低端手机等。
[0196]
(2)超移动个人计算机设备：这类设备属于个人计算机的范畴，有计算和处理功能，一般也具备移动上网特性。这类终端包括：pda、mtd和umpc设备等，例如tpad。
[0197]
(3)便携式娱乐设备：这类设备可以显示和播放多媒体内容。该类设备包括：音频、视频播放器(例如tpod)，掌上游戏机，电子书，以及智能玩具和便携式车载导航设备。
[0198]
(4)服务器：提供计算服务的设备，服务器的构成包括处理器、硬盘、内存、系统总线等，服务器和通用的计算机架构类似，但是由于需要提供高可靠的服务，因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。
[0199]
(5)其他具有数据交互功能的电子装置。
[0200]
本发明的实施例还提供了一种计算机可读存储介质，所述存储介质可设置于电子设备之中以保存用于实现方法实施例中一种底层斑的检测方法相关的至少一条指令或至少一段程序，该至少一条指令或该至少一段程序由该处理器加载并执行以实现上述方法实施例提供的底层斑的检测方法。
[0201]
可选地，在本实施例中，上述存储介质可以位于计算机网络的多个网络服务器中的至少一个网络服务器。可选地，在本实施例中，上述存储介质可以包括但不限于：u盘、只读存储器(rom，read
‑
only memory)、随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
[0202]
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。