图像处理方法和装置与流程

1.本发明涉及计算机技术领域，尤其涉及一种图像处理方法和装置。


背景技术：

2.面部美化处理技术已经普遍应用于拍照、视频通信、直播等方面。面部美化处理可以采用人脸蒙版的方式进行美化处理，即采用一张抠除人脸五官的蒙版，对人脸除了五官的部分进行美化处理。面部美化处理能够消除面部皮肤部分的斑点、瑕疵或者杂色等。但是采用人脸蒙版处理后的图像的边界处会有非常明显的边界感，从而影响了美化处理后的图像效果。


技术实现要素：

3.有鉴于此，本发明实施例提供一种图像处理方法和装置，能够使处理后的图像中处理区域与未处理域呈良好过渡。
4.第一方面，本发明实施例提供了一种图像处理方法，包括：
5.获取待处理图像；
6.确定所述待处理图像中的人脸中心点与人脸区域；
7.确定所述人脸区域中各目标像素点的处理强度，所述目标像素点的处理强度与所述目标像素点对应的目标距离成反比，所述目标距离为所述目标像素点与所述人脸中心点之间的距离；
8.利用各所述目标像素点的处理强度，对所述人脸区域进行面部美化处理。
9.可选地，所述确定所述待处理图像中的人脸中心点与人脸区域，包括：
10.确定所述人脸区域的第一关键点，并将所述第一关键点确定为所述人脸中心点；
11.确定所述人脸区域的第二关键点及第三关键点，并确定所述第二关键点与所述第三关键点之间的关键距离；
12.利用所述关键距离及预设系数，确定人脸直径；
13.以所述第一关键点为圆心，以所述人脸直径为直径，确定所述待处理图像的人脸区域。
14.可选地，所述利用各所述目标像素点的处理强度，对所述人脸区域进行面部美化处理，包括：
15.从所述人脸区域中确定出当前区域；
16.确定所述当前区域是否为肤色区域；
17.在所述当前区域为肤色区域的情况下，利用所述当前区域中各像素点的处理强度，对所述当前区域进行面部美化处理。
18.可选地，所述确定所述待处理图像对应的人脸中心点与人脸区域，包括：
19.对所述待处理图像进行降采样处理；
20.在降采样处理后的图像中，确定出所述人脸中心点与所述人脸区域。
21.可选地，所述利用各所述目标像素点的处理强度，对所述人脸区域进行面部美化处理之后，还包括：
22.将面部美化处理后的图像与所述待处理图像进行融合处理，生成美颜图像。
23.可选地，所述对所述待处理图像进行降采样处理之前，还包括：
24.获取目标终端的终端参数；
25.在所述终端参数满足预设条件的情况下，执行所述对所述待处理图像进行降采样处理的步骤。
26.可选地，所述利用各所述目标像素点的处理强度，对所述人脸区域进行面部美化处理之后，还包括：
27.确定所述面部美化处理后的图像中的各人脸分区域的肤色亮度；
28.根据各所述人脸分区域的肤色亮度，确定各人脸分区域的调节系数；
29.采用各所述人脸分区域的调节系数，对相应的人脸分区域进行美白处理。
30.第二方面，本发明实施例提供了一种图像处理装置，包括：
31.图像获取模块，用于获取待处理图像；
32.区域确定模块，用于确定所述待处理图像中的人脸中心点与人脸区域；
33.强度确定模块，用于确定所述人脸区域中各目标像素点的处理强度，所述目标像素点的处理强度与所述目标像素点对应的目标距离成反比，所述目标距离为所述目标像素点与所述人脸中心点之间的距离；
34.处理模块，用于利用各所述目标像素点的处理强度，对所述人脸区域进行面部美化处理。
35.第三方面，本发明实施例提供了一种电子设备，包括：
36.一个或多个处理器；
37.存储装置，用于存储一个或多个程序，
38.当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述任一实施例所述的方法。
39.第四方面，本发明实施例提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现上述任一实施例所述的方法。
40.上述发明中的一个实施例具有如下优点或有益效果：人脸区域中各目标像素点的处理强度与目标像素点对应的目标距离成反比，目标距离为目标像素点与人脸中心点之间的距离。在人脸区域中，从人脸中心点向外，处理强度逐渐减小，使处理区域边界处的像素点的处理强度较小。因此，能够使处理区域与未处理区域呈良好过渡。
41.上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
42.附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
43.图1是本发明实施例可以应用于其中的示例性应用场景的示意图；
44.图2是本发明一个实施例提供的一种图像处理方法的流程示意图；
45.图3是本发明一个实施例提供的另一种图像处理方法的流程示意图；
46.图4是本发明的一个实施例提供的在一种美化处理区域使用的人脸关键点的示意图；
47.图5是本发明一个实施例提供的又一种图像处理方法的流程示意图；
48.图6是本发明的一个实施例提供的在一种rtt(渲染到纹理，render-to-texture)处理流程的示意图；
49.图7是本发明一个实施例提供的再一种图像处理方法的流程示意图；
50.图8是本发明的一个实施例提供的一种图像处理装置的结构示意图；
51.图9是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
52.以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
53.图1是本发明实施例可以应用于其中的示例性应用场景的示意图。如图1所示，系统架构100中可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
54.终端设备101、102、103中可部署图像展示客户端、拍照客户端、直播客户端或者浏览器等。终端设备101、102、103可利用客户端或者浏览器与服务器105进行交互。终端设备101、102、103可以是手机、笔记本、平板电脑、膝上型便携计算机等等。
55.用户向终端设备101、102、103发出观看直播或图像的请求。终端设备101、102、103通过网络104向服务器105发送服务请求。服务器105接收到服务请求后，、获取待处理图像；确定所述待处理图像中的人脸中心点与人脸区域；确定所述人脸区域中各目标像素点的处理强度，所述目标像素点的处理强度与所述目标像素点对应的目标距离成反比，所述目标距离为所述目标像素点与所述人脸中心点之间的距离；利用各所述目标像素点的处理强度，对所述人脸区域进行面部美化处理，再将面部美化处理的图像返回给终端设备101、102、103。
56.需要说明的是，本发明实施例所提供的图像处理方法一般由服务器105执行，相应地，图像处理装置一般设置于服务器105中。
57.应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
58.图2是本发明一个实施例提供的一种图像处理方法的流程示意图，如图2所示，该方法包括：
59.步骤201：获取待处理图像。
60.待处理图像中包含有人脸区域。待处理图像中可包括一个人脸区域或多个人脸区域。待处理图像可以是已存储的图片、拍照时预览的图片，也可以是从视频中截取的视频帧等。
61.步骤202：确定待处理图像中的人脸中心点与人脸区域。
62.人脸中心点为人脸区域的中心位置。可根据具体需要设定人脸中心点。例如，可以将鼻尖位置设置为人脸中心点，可以将眉心和唇珠之间的中间点设置为人脸中心点。还可以通过人脸识别技术，对待处理图像进行人脸检测，获取到人脸区域，再计算出该人脸区域的中心点。
63.人脸区域为待处理图像中显示有人脸的区域。可以对待处理图像进行图像识别，来获取人脸区域。也可以将待处理图像输入至人脸关键点模型中，获取人脸的多个关键点，再根据多个关键点，确定出人脸区域。人脸关键点模型可以选用blazeface模型、mt3dmm模型等。
64.步骤203：确定人脸区域中各目标像素点的处理强度，目标像素点的处理强度与目标像素点对应的目标距离成反比，目标距离为目标像素点与人脸中心点之间的距离。
65.面部美化处理是一种图像处理方法，可以消除面部图像中的斑点或者杂色等瑕疵，能够使得人物脸部更加细腻。在面部图像中，人脸面部的斑点、痘印、胎记、伤痕等通常显示为高频信息。面部美化处理可先将痘印、胎记、伤痕等高频信息滤除。再获取光滑皮肤对应的低频信息，并采用该低频信息对高频信息的区域进行填充。由于不能对人脸五官进行面部美化处理，现有技术中通常采用一张抠除人脸五官的蒙版，仅对面部皮肤区域进行美化处理。但这种方式又会使处于蒙版边界处的处理区域与未处理区域之间的边界界限明显。
66.处理强度反映了去除瑕疵的程度以及人脸部的细腻程度。处理强度可通过需要滤除的人脸图像中高频信息的频率强度来确定。一般地，需要滤除的频率强度越低，处理强度越强，瑕疵越少，皮肤越细腻。
67.在本发明的一个实施例中，面部美化处理效果可以通过双边滤波算法实现的，对人脸区域进行美化处理，需要实现人脸全范围的美化处理。人脸与环境的分界处，为防止突兀的变化，处理强度逐渐减小。处理强度减小可以通过一个反比例函数来控制的，距离脸部中心点越近，处理强度越大，一定范围内(与每个人脸的大小姿态等有关)，距离脸部中心点越远，处理强度越小。从而实现从中心向外处理强度逐渐减小，呈现过渡效果。
68.步骤204：利用各目标像素点的处理强度，对人脸区域进行面部美化处理。
69.在本发明实施例中，人脸区域中各目标像素点的处理强度与目标像素点对应的目标距离成反比，目标距离为所述目标像素点与所述人脸中心点之间的距离。从人脸中心点向外，处理强度逐渐减小。具体地，以人脸中心点为中心，处理强度逐渐变小，人脸中心点的处理强度最大，面部美化处理的处理区域与未处理区域边界处的像素点的处理强度等于或小于预设强度值，预设强度值可以为零或者接近零的值。使最终美化处理后的图像中处理区域与未处理区域呈良好过渡。
70.移动端直播基础美颜功能的开发通常基于opengl es实现。而对于pc(个人计算机，personal computer)直播的美颜方案中，pc直播基于obs开源pc推流工具，开发美颜功能时要考虑数据对接，上层直播推流工具基于windows微软公司创建的多媒体编程接口directx(direct extension)。
71.directx是由微软公司创建的多媒体编程接口，是一种应用程序接口。directx可以让以windows为平台的游戏或多媒体程序获得更高的执行效率，加强3d图形和声音效果，
并提供设计人员一个共同的硬件驱动标准，让游戏开发者不必为每一品牌的硬件来写不同的驱动程序，也降低用户安装及设置硬件的复杂度。
72.由于opengl与directx的对接可能会出现问题。故移动端基于opengl es的美颜等功能无法直接应用于pc端。为避免后续过多问题，本发明实施例提供了利用directx实现pc直播美颜优化的方法，底层美颜方法或图像处理方法使用directx进行开发。pc直播基于obs开源pc推流工具，开发美颜功能时要考虑数据对接。上层采用directx进行开发，以实现更好的兼容性，提供的美颜sdk也使用directx进行开发。
73.美颜功能中，静态图片的面部美化处理根据肤色检测算法的结果进行区域美化处理，能够达到较好的效果。美颜中面部美化处理区域基于肤色检测结果，直播过程中，画面每帧都在变化，肤色检测效果欠佳，导致处理区域过大，整个直播画面过糊。
74.基于此能够准确确定待处理图像中的人脸区域，防止直播画面不清晰。图3是本发明一个实施例提供的另一种图像处理方法的流程示意图，如图3所示，该方法包括：
75.步骤301：获取待处理图像。
76.步骤302：确定人脸区域的第一关键点，并将第一关键点确定为人脸中心点。
77.利用图像识别技术，在待处理图像中确定出目标区域。目标区域为可能包括人脸的区域。将目标区域输入至人脸关键点模型中，能获取人脸的多个关键点的坐标信息和人脸位姿信息等。第一关键点用于表征人脸区域的中心点。第一关键点可根据具体需求进行设定。例如，对于68个人脸关键点的人脸模型，可以选取位置序号为34的人脸关键点作为第一关键点。对于49个人脸关键点的人脸模型，可以选取位置序号为13的人脸关键点作为第一关键点。
78.步骤303：确定人脸区域的第二关键点及第三关键点。
79.第二关键点和第三关键点分别位于人脸中心点距离两侧对称位置的两个关键点。例如，第二关键点和第三关键点可以为人脸区域中与人脸中心点距离最远的两个关键点。第二关键点和第三关键可根据具体需求进行设定。例如，对于68个人脸关键点的人脸模型，可以分别选取位置序号为1和17的人脸关键点作为第二关键点和第三关键点。对于49个人脸关键点的人脸模型，可以分别选取位置序号为1和10的人脸关键点作为第二关键点和第三关键点。
80.步骤304：根据第一关键点、第二关键点第三关键点，确定人脸区域。
81.第一关键点用于表征人脸区域的中心点。第二关键点和第三关键点分别位于人脸中心点距离两侧对称位置的两个关键点。利用第一关键点、第二关键点第三关键点，即可确定人脸区域。
82.步骤305：确定人脸区域中各目标像素点的处理强度，目标像素点的处理强度与目标像素点对应的目标距离成反比，目标距离为目标像素点与人脸中心点之间的距离。
83.步骤306：利用各目标像素点的处理强度，对人脸区域进行面部美化处理。
84.现有技术中，直播过程中的人并非静止画面，仅利用肤色检测算法来对结果区域进行面部美化处理的时候很不准确，主播服装、直播间环境、展示的商品等都可能被识别为皮肤，导致的后果就是直播画面处理区域过大，环境和展示的商品等都被处理，影响了用户的购物体验，不利于提升直播间转换率。本发明实施例的方案在多个人脸关键点中选取第一关键点、第二关键点第三关键点，并利用第一关键点、第二关键点第三关键点限定美化处
理区域，避免商品被误识别而导致模糊。
85.通常的面部美化处理算法，有两种常用的方式，第一种是为了实现环境不模糊，可以采用人脸蒙版的方式，采用一张抠除人脸五官的蒙版，对人脸除了五官的部分进行美化处理，然后与原图进行混合，这样能得到只处理脸部的效果，但是弊端在于蒙版边界处会有非常明显的边界线(一侧处理一侧未处理，边界感很明显)。第二种是全图采用肤色检测算法，仅对通过肤色检测的区域进行美化处理，该种方法易造成环境误识别为皮肤，进而造成除皮肤之外的环境部分被美化处理，使得环境或者商品变模糊。
86.基于此，本发明实施例设计了一种确定人脸区域的方法：确定所述第二关键点与所述第三关键点之间的关键距离；利用所述关键距离及预设系数，确定人脸直径；以所述第一关键点为圆心，以所述人脸直径为直径，确定所述待处理图像的人脸区域。
87.上述方法为仅对以人脸中心为圆心，一定半径内的圆形区域做美化处理，在实现良好的美化效果的同时，能维持环境和商品原本的清晰度。具体方案为：获取人脸中心关键点，从中心向外强度均匀减小，处理与未处理区域呈良好过渡，区域内利用肤色检测去除五官区域，不是肤色区域则拒绝被平滑，从而实现对脸部区域的面部美化处理，避免眉毛与眼睛等器官的模糊，实现支持人脸美化效果。此外，还可将美化处理后的图像与原图像进行融合，从而保证获得人脸美化效果的同时，避免商品信息模糊。
88.图4是本发明的一个实施例提供的在一种美化处理区域使用的人脸关键点的示意图。如图4所示，在拿到人脸关键点信息之后，取人脸中心位置序号为46的人脸关键点作为第一关键点，即为绘制圆的中心点。分别以脸颊两侧的2，30关键点作为第二关键点和第三关键点。将第二关键点与第三关键点之间的距离乘以预设系数的结果作为直径，绘制圆形区域。仅在该圆形区域内，从人脸中心点向外的处理强度均匀减小，从而使得处理与未处理区域呈现良好的过渡效果。
89.在本发明的一个实施例中，还可通过如下方法确定人脸区域：确定所述人脸区域的人脸位姿信息；利用所述第一关键点、第二关键点、第三关键点与所述人脸位姿信息，确定所述人脸区域。由于人脸在直播过程中会发生转向等行为，为了保证结果的精确性，需要将人脸位姿信息加入到计算中，从而获得更精准的人脸区域。例如，利用图像识别技术，在待处理图像中确定出人脸区域。将人脸区域输入至人脸关键点模型中，获取人脸的多个关键点的坐标信息和人脸位姿信息等。再根据人脸位姿信息，从多个关键点中确定出人脸中心点。
90.此外，pc端直播时，摄像头分辨率可以切换多个，为了得到与人脸方向一致的椭圆区域，也可将分辨率的宽高比纳入人脸区域的计算当中。
91.从算法的角度来看，面部美化处理主要通过滤波、肤色检测算法等实现。面部美化处理是用滤波器将痘印、胎记、伤痕等高频信息给滤除，再用光滑皮肤等低频信息进行填充。利用人脸关键点圈定人脸区域之后，结合皮肤检测算法，可以得到人脸蒙版，然后将其与滤波结果混合，实现美化效果，背景等其余区域使用原图，细节得以保留。直播带货较注重脸上的美颜效果，权衡而言，这种做法虽然不能让所有裸露的皮肤进行美化处理，但较好的保证了人脸面部美化，商品细节保留的诉求。肤色检测等算法仅在该区域中进行，从而减轻环境模糊，减轻计算压力，增强最终面部美化效果，提升算法性能。
92.本发明实施例实现的美颜算法可概括为低分辨率滤波和肤色检测及高分辨率高
反差和美白。高反差保留算法就是保留原图中反差比较大的地方，比如，一幅人脸图像中，反差比较大的地方就是五官了，在进行面部美化的时候通常会对原图进行平滑处理，然而处理完之后丢失了图片的细节信息，因此，可通过高反差保留或者其他高通滤波器保留图片的细节信息，然后将平滑之后的图像和高频图像进行光线性混合，可以得到更好的效果。
93.在本发明的一个实施例中，所述利用各所述目标像素点的处理强度，对所述人脸区域进行面部美化处理，包括：从所述人脸区域中确定出当前区域；确定所述当前区域是否为肤色区域；在所述当前区域为肤色区域的情况下，利用所述当前区域中各像素点的处理强度，对所述当前区域进行面部美化处理。
94.本发明实施例的图像处理方法可采用的滤波算法为双边滤波算法。主要流程为：取出绿色通道，对绿色通道进行高斯模糊，得到模糊后的值samplecolor；原图绿色通道值减去samplecolor，加上0.5(即128)，这两个步骤即ps中的高反差保留(上面提到)；对上述结果进行3-5次强光处理，此步骤可以使噪声更加突出；计算原图的灰度值，公式为0.299*r 0.587*g 0.114*b，得到灰度图片之后，将灰度值作为阈值，用来排除非皮肤部分，根据灰度值计算，将原图与结果图合成。
95.皮肤区域的色彩即便是光照变化较大时，也会集中在一个相对较窄的区域内，利用该原理进行肤色检测。本发明实施例中的肤色检测算可法采用混合高斯概率模型，运用ycbcr色彩空间的肤色模型，利用混合高斯分布的特性对肤色进行对比分割，基于高斯肤色模型的图像皮肤区域分割算法。
96.首先是色彩空间模型选取：选用混合高斯模型，理由如下：具有不同种族的肤色直方图并不完全满足单峰高斯分布，通过研究可采用多峰的高斯分布来精确表示，提出如下的混合高斯模型：
[0097][0098]
上式中，p(x)为肤色像素在色彩空间中的混合概率密度，p(x|wi)为分量的概率密度，p(wi)为分量的先验概率，i＝1，2，
……
，m为混合密度的分量个数。该模型表明肤色的每个像素密度都属于概率密度的混合体。在这个模型中主要难点是对混合高斯模型的参数估计，其参数的估计常采用基于极大似然的算法。利用该算法需要进行迭代，而迭代的收敛速度受参数的初值影响，同时与分量密度个数关系很大，分量越多，运算越复杂。这种方法肤色的检测效率较高、，误检率较小，但是模型的确定(即模型的参数估计)较难，速度相对来说比较慢，不适合快速的肤色检测。
[0099]
基于ycbcr空间的高斯肤色模型，建立肤色模型：
[0100][0101]
其中，x＝(cbcr)
t
。
[0102]
通过计算，得到m和c的值如下：
[0103]
m＝[117.4316 148.5599]
[0104][0105]
图5是本发明一个实施例提供的又一种图像处理方法的流程示意图，如图5所示，
该方法包括：
[0106]
步骤501：获取待处理图像。
[0107]
步骤502：对待处理图像进行降采样处理。
[0108]
降采样处理用于降低待处理图像的分辨率。可通过多种方式对待处理图像进行降采样处理。如可以直接对待处理图像进行降采样处理，生成符合预设分辨率的图像，也可以利用rtt技术实现降采样处理。
[0109]
图6是本发明的一个实施例提供的在一种rtt处理流程的示意图。rtt技术实际上就是使用一张2d纹理作为渲染目标，但一般需要新建的2d纹理。与此同时，这个纹理还能够绑定到着色器资源视图(srv)供着色器所使用，即原本用作输出的纹理现在用作输入。
[0110]
为了减少计算量，在拿到直播画面的图像数据之后要使用rtt技术。采用directx的rtt技术，设定符合预设要求的纹理作为渲染目标，例如，使用一张宽高各为待处理图像的1/2的2d纹理。结合所得到的目标区域，实现在小图上进行计算，减少计算总量，提升gpu(图形处理器，graphics processing unit)性能。
[0111]
步骤503：在降采样处理后的图像中，确定出人脸中心点与人脸区域。
[0112]
步骤504：确定待处理图像中的人脸中心点与人脸区域。
[0113]
步骤505：确定人脸区域中各目标像素点的处理强度，目标像素点的处理强度与目标像素点对应的目标距离成反比，目标距离为目标像素点与人脸中心点之间的距离。
[0114]
步骤506：利用各目标像素点的处理强度，对人脸区域进行面部美化处理。
[0115]
步骤507：将面部美化处理后的图像与待处理图像进行融合处理，生成美颜图像。
[0116]
面部美化算法较为消耗gpu性能，尤其是在显卡一般的机型，为了提高性能，在获得人脸区域之后，对待处理图像进行降采样处理，在降采样处理后的图上运行较为复杂的面部美化算法。
[0117]
降采样之后的图像会比较模糊，为了解决此问题，将脸部降采样处理后的图像结果与待处理图像进行混合，以保证除脸部外的区域的清晰度。具体地，可采用采用线性混合的方式将面部美化处理后的图像与待处理图像进行融合处理，公式如下：
[0118]
美化图像的像素值＝待处理图像的像素值*(1-处理强度值) 面部美化处理后的图像的像素值*处理强度值。
[0119]
在本发明的一个实施例中，所述对所述待处理图像进行降采样处理之前，还包括：获取目标终端的终端参数；在所述终端参数满足预设条件的情况下，执行所述对所述待处理图像进行降采样处理的步骤。当终端参数满足预设条件时，为了维持其良好性能，对其使用降采样处理。当终端参数不满足预设条件时，如用户选择的分辨率较低、终端的性能较高时，无需使用降采样处理。
[0120]
在算法具体实施时，捕获用户的gpu、cpu等硬件信息和用户当前选择的视频分辨率，在用户选择较低的分辨率时(例如640*480)，不进行降采样(此时视频输出图像已经较为模糊，机器满足性能要求)，仅在用户机型低于调研数据且选择了较高分辨率时启用美颜算法的降采样，从而提升选择高分辨率图像时候的性能，同时避免低分辨率画面更为模糊。
[0121]
在本发明的一个实施例中，所述利用各所述目标像素点的处理强度，对所述人脸区域进行面部美化处理之后，还包括：确定所述面部美化处理后的图像中的各人脸分区域的肤色亮度；根据各所述人脸分区域的肤色亮度，确定各人脸分区域的调节系数；采用各所
述人脸分区域的调节系数，对相应的人脸分区域进行美白处理。
[0122]
美白处理用于使图像中人脸的皮肤变得细腻白皙。可采用lut方式进行美白处理，该方式是指通过类似ps等软件中调节亮度/对比度、曲线、色彩平衡等方式，或者通过某种亮度调节曲线的方式，来生成对应的lut，以lut滤镜方式实现皮肤美白。它的优点是使用颜色滤镜lut，速度快，便于实时处理。
[0123]
整个人脸区域可拆分为多个人脸分区域。人脸分区域为人脸图像中具有相同或类似图像属性的区域。可采用人工智能识别技术对待处理图像进行人脸识别，以获取待处理图像中的多个人脸分区域。
[0124]
可通过多种方式确定各人脸分区域的肤色亮度。例如，获取某一人脸分区域内的所有像素点或所有关键点的亮度值，并可将亮度平均值或加权和，作为该人脸分区域的肤色亮度。肤色亮度公式如下所示：
[0125][0126]
其中，w(x,y)是原图像素(x,y)的肤色亮度，v(x,y)是增强之后的肤色亮度，β是调节系数，值越大，美白强度越强。
[0127]
可根据预设对应关系，确定肤色亮度对应的调节系数。一般地，肤色亮度与调节系数反相关，也即肤色亮度越小，调节系数越大，美白强度越大。肤色亮度越大，调节系数越小，美白强度越小。
[0128]
对面部美化处理后的图像进一步进行美白处理，使得最终生成的美颜图像有较好的展示效果。
[0129]
为使本发明实施例的方法更加便于理解，以下对本发明的一个具体的美颜实施方案进行阐述。本发明实施例中的图像处理方法主要指面部美化处理和美白。面部美化处理需要把脸部皮肤区域处理的细腻、光滑。美白需要将皮肤区域处理的白皙、红润。图7是本发明一个实施例提供的再一种图像处理方法的流程示意图。如图7所示，用directx实现美颜效果的一个流程图。输入为相机图像和人脸关键点数据，主要的渲染流程为降采样图像处理及肤色映射美白，输出结果为美颜后图像。拿到相机数据之后，先通过rtt技术实现将纹理绘制到1/4小图上，然后在小图上进行面部美化算法，包括滤波、肤色检测等步骤面部美化处理后的图像在整体上被模糊处理，使得整个图像不够通彻透亮，所以需要再对其进行锐化处理。然后得到的结果图像，再与肤色映射的美白结果进行融合，即得到面部美化与美白效果叠加的美颜输出图像。
[0130]
在本发明实施例中，pc机器型号多，性能差异大，为了让尽可能多的机型支持pc美颜功能，需要提升美颜算法的性能，pc美颜算法中使用了rtt技术，该技术是可以用于实现美颜的降采样方案，将高反差等相对较耗性能的算法在小图上实现，以提升pc直播美颜功能模块的性能。技术原理是使用一张宽高各为原图1/2的2d纹理作为渲染目标，实现在小图上进行计算，减少计算总量，提升gpu性能。
[0131]
面部美化处理通常采用人脸蒙版的方案，但是这种方案会造成处理与非处理区域的边缘很明显，因而效果不够理想。肤色检测算法可以避免人脸边缘生硬的过渡，肤色检测算法在检测静止图片时效果较好，但是，直播过程中画面稳定性较差，再加上商品等有大量与肤色相近的区域，因而检测结果不够准确，造成的后果是一些环境中的物品也被美化处
理，造成环境区域模糊。为了改善该情况，本发明实施例的方案采用的方法为仅对以人脸中心为圆心，一定半径内的圆形区域做面部美化处理，在实现良好的面部美化效果的同时，能维持环境和商品原本的清晰度。具体方案为：获取人脸中心关键点，从中心向外强度均匀减小，处理与非处理区域呈良好过渡，区域内利用肤色检测去除五官区域，不是肤色区域则拒绝被平滑，从而实现对脸部区域的面部美化处理，避免眉毛与眼睛等器官的模糊，实现支持人脸美化效果。将美化处理后的图像与原图像进行融合，从而保证获得人脸美化效果的同时，避免商品信息模糊。
[0132]
此外，本发明实施例的方案还获取终端中cpu性号、gpu型号、摄像头选择的分辨率等数据，用于辅助提升pc美颜性能的同时较好的维持良好的画面清晰度。利用白名单等形式加以判断，当cpu、gpu满足相应天阶图的某阈值，则为了维持其良好性能，对其使用降采样的分辨率，当用户选择的分辨率较低时，判断用户机器能够维持较好性能，无需使用。
[0133]
图8是本发明的一个实施例提供的一种图像处理装置的结构示意图，如图8所示，该装置包括：
[0134]
图像获取模块801，用于获取待处理图像；
[0135]
区域确定模块802，用于确定所述待处理图像中的人脸中心点与人脸区域；
[0136]
强度确定模块803，用于确定所述人脸区域中各目标像素点的处理强度，所述目标像素点的处理强度与所述目标像素点对应的目标距离成反比，所述目标距离为所述目标像素点与所述人脸中心点之间的距离；
[0137]
处理模块804，用于利用各所述目标像素点的处理强度，对所述人脸区域进行面部美化处理。
[0138]
可选地，区域确定模块802具体用于：
[0139]
确定所述人脸区域的第一关键点，并将所述第一关键点确定为所述人脸中心点；
[0140]
确定所述人脸区域的第二关键点及第三关键点，并确定所述第二关键点与所述第三关键点之间的关键距离；
[0141]
利用所述关键距离及预设系数，确定人脸直径；
[0142]
以所述第一关键点为圆心，以所述人脸直径为直径，确定所述待处理图像的人脸区域。
[0143]
可选地，处理模块804具体用于：
[0144]
从所述人脸区域中确定出当前区域；
[0145]
确定所述当前区域是否为肤色区域；
[0146]
在所述当前区域为肤色区域的情况下，利用所述当前区域中各像素点的处理强度，对所述当前区域进行面部美化处理。
[0147]
可选地，区域确定模块802具体用于：
[0148]
对所述待处理图像进行降采样处理；
[0149]
在降采样处理后的图像中，确定出所述人脸中心点与所述人脸区域。
[0150]
可选地，该装置还包括：
[0151]
融合模块805，用于将面部美化处理后的图像与所述待处理图像进行融合处理，生成美颜图像。
[0152]
可选地，该装置还包括：
[0153]
参数获取模块806，用于获取目标终端的终端参数。
[0154]
可选地，该装置还包括：
[0155]
美颜模块806，用于对所述面部美化处理后的图像进行美白处理，生成所述待处理图像对应的美颜图像。
[0156]
本发明实施例提供了一种电子设备，包括：
[0157]
一个或多个处理器；
[0158]
存储装置，用于存储一个或多个程序，
[0159]
当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述任一实施例的方法。
[0160]
下面参考图9，其示出了适于用来实现本发明实施例的终端设备的计算机系统900的结构示意图。图9示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
[0161]
如图9所示，计算机系统900包括中央处理单元(cpu)901，其可以根据存储在只读存储器(rom)902中的程序或者从存储部分908加载到随机访问存储器(ram)903中的程序而执行各种适当的动作和处理。在ram 903中，还存储有系统900操作所需的各种程序和数据。cpu 901、rom 902以及ram 903通过总线904彼此相连。输入/输出(i/o)接口905也连接至总线904。
[0162]
以下部件连接至i/o接口905：包括键盘、鼠标等的输入部分906；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分907；包括硬盘等的存储部分908；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至i/o接口905。可拆卸介质911，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器910上，以便于从其上读出的计算机程序根据需要被安装入存储部分908。
[0163]
特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分909从网络上被下载和安装，和/或从可拆卸介质911被安装。在该计算机程序被中央处理单元(cpu)901执行时，执行本发明的系统中限定的上述功能。
[0164]
需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限
于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。
[0165]
附图中的流程图和框图，图示了根据本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0166]
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：图像获取模块、区域确定模块、强度确定模块及处理模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，图像获取模块还可以被描述为“获取待处理图像的模块”。
[0167]
作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：
[0168]
获取待处理图像；
[0169]
确定所述待处理图像中的人脸中心点与人脸区域；
[0170]
确定所述人脸区域中各目标像素点的处理强度，所述目标像素点的处理强度与所述目标像素点对应的目标距离成反比，所述目标距离为所述目标像素点与所述人脸中心点之间的距离；
[0171]
利用各所述目标像素点的处理强度，对所述人脸区域进行面部美化处理。
[0172]
根据本发明实施例的技术方案，人脸区域中各目标像素点的处理强度与目标像素点对应的目标距离成反比，目标距离为所述目标像素点与所述人脸中心点之间的距离。从人脸中心点向外，处理强度逐渐减小，因此，能够使处理区域与未处理区域呈良好过渡。
[0173]
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。