一种高反差磨皮算法制造技术

本发明专利技术涉及一种高反差磨皮算法，S1获取人脸原图像S，对人脸原图像S进行保边滤波得到图像A；S2对图像A和人脸原图像S进行高反差计算得到图像F；S3对图像F以半径r2进行高斯模糊得到图像H；S4对图像H和图像S进行线性光图层混合计算，得到图像E；S5对图像A进行皮肤检测和人脸检测，得到皮肤掩码图像M；S6根据图像F，将图像A和图像E进行融合，得到图像G；S7根据参数r3将图像G和图像S进行融合，得到最终的输出图像D输出。高反差磨皮算法是利用滤波器较好的柔化干燥、粗糙的皮肤，具有较好的应用效果，适合于人脸图像的精致修调，而且也不会存在失真、虚假的效果，适合投入应用之中。适合投入应用之中。适合投入应用之中。

【技术实现步骤摘要】
一种高反差磨皮算法


[0001]本专利技术涉及美颜方法，特别涉及一种高反差磨皮算法。

技术介绍

[0002]随着经济的发展，生活水平的进步，摄影行业的规模持续增长，其中的人像摄影主要包括婚纱摄影、儿童摄影、全家福等，市场需求量增长趋势明显。人像摄影的后期影像处理，主要针对的是人脸和人体皮肤的美化。大规模的影楼照片和个人照片需要专业的、快速的、参数自适应的自动美肤算法进行处理。
[0003]现在市面上商业或开源的美颜磨皮算法或者模型存在一些弊端，磨皮过度导致皮肤失真，纹理无保留，或者模型过于复杂，商用效果较差。
[0004]人像磨皮算法的主要理论基础有两点，皮肤斑点区域的颜色减淡和皮肤斑点区域的滤波。基于这两点，人像磨皮算法可分为以下几种：通用磨皮算法、通道磨皮算法、细节叠加磨皮算法等。
[0005]通用磨皮算法是最基础的磨皮算法，其风格属于光滑型。通道磨皮算法起源于PhotoShop中的磨皮操作，是基于人像蓝色通道计算的一种磨皮算法，其原理是对皮肤的暗斑区域进行调亮，使得暗斑颜色简单，从而达到暗斑小时的近似磨皮的效果，其风格属于自然光滑型。细节叠加磨皮是使用双重尺度的保边滤波依次叠加细节信息的磨皮方法，该方法在大半径平滑图像之上叠加不同的细节信息，以达到磨皮的需求。
[0006]上述技术所涉及的具体磨皮算法要么所需时间过长，要么具体效果不佳。如表面模糊算法，虽然效果略优于高斯滤波磨皮算法，具有良好的保边作用，但其所需要的时间过长，因为表面模糊算法需要对图像的RGB三个分量分别进行计算，对于三层分量中的每一个像素点都要计算其卷积矩阵。高斯滤波算法虽然速度略快于表面模糊算法，但高斯滤波算法会将一些边界区域的皮肤同样进行模糊，不具有良好的保边作用。

技术实现思路

[0007]针对现有技术存在的上述问题，本专利技术要解决的技术问题是：如何确保图像在磨皮去噪的同时具有很好的保真效果。
[0008]为解决上述技术问题，本专利技术采用如下技术方案：一种高反差磨皮算法，包括如下步骤：
[0009]S1：获取人脸原图像S，对人脸原图像S进行保边滤波得到图像A；
[0010]S2：对图像A和人脸原图像S进行高反差计算得到图像F，计算公式如下：
[0011]B＝S
‑
Gauss(S，r1)+128
ꢀꢀꢀ
(1
‑
1)；
[0012]S3：对图像F以半径r2进行高斯模糊得到图像H；
[0013]S4：对图像H和图像S进行线性光图层混合计算，得到图像E，图层的线性光混合计算公式1
‑
2如下：
[0014]E＝2*C+S
‑
256
ꢀꢀꢀ
(1
‑
2)；
[0015]S5：对图像A进行皮肤检测和人脸检测，得到皮肤掩码图像M；
[0016]S6：根据图像F，将图像A和图像E进行融合，得到图像G，融合的公式1
‑
3如下：
[0017]G＝A*(1
‑
M)+M*E
ꢀꢀꢀ
(1
‑
3)；
[0018]S7：根据参数r3将图像G和图像S进行融合，得到最终的输出图像D，融合公式1
‑
4如下：
[0019]D＝S*(1
‑
r3)+G*r3ꢀꢀꢀ
(1
‑
4)。
[0020]作为改进，所述S中所述对人脸原图像S采用双边滤波对人脸原图像S进行保边滤波，具体过程如下：
[0021]根据公式1
‑
15弱化皮肤瑕疵和斑点：
[0022][0023]I
filtered
(x)表示经过双边滤波后的点的像素值，x
i
的是图片中的像素点，I(x
i
)表示的是此像素点的像素值，Ω表示的是以一中心点，半径为r的正方形所组成的点的平面集合，f
r
表示的是范围核I(x)表示的是中心点的像素值；
[0024]根据公式1
‑
6计算坐标(i，j)点的双边滤波后的像素值：
[0025][0026]根据公式1
‑
7计算出w1(i，j，k，l)，此处i和j对应于(0，0)点，k和1对应于此正方形中其他部分的坐标值，σ
d
为手动设置的值，I1(i，j)即I1(0，0)即为中心点的像素值，I1(k，l)表示此正方形中其他点的像素值，σ
r
为手动设置的值：
[0027][0028]根据公式1
‑
8将对应点的像素值对应点的w1(j，j，k，l)相加即可得到该点双边滤波后的像素值：
[0029][0030]归一化函数W
p
定义为公式1
‑
9：
[0031][0032]使用空间接近度和强度差来赋值给权重W
p
；
[0033][0034][0035]W
p
＝g
s
*f
r
ꢀꢀꢀ
(1
‑
12)；
[0036]其中g
s
为空间接近度的空间核，f
r
为强度差的范围核；
[0037]设定图像中正在进行去噪的像素的坐标为(i，j)，使用的周围像素之一的坐标是(k，l)，设范围核和空间核是高斯核函数，为像素(k，l)赋值的用于去噪像素(i，j)的权重公式1
‑
13如下：
[0038][0039]其中，σ
d
和σ
r
是平滑参数，I2(i，j)和I2(k，l)分别是像素(i，j)和像素(k，l)的强度，在计算权重之后，再将其归一化，公式1
‑
14为：
[0040][0041]其中，I3(i，j)是像素(i，j)的去噪强度。
[0042]作为改进，所述S3对图像F以半径r2进行高斯模糊得到图像H的过程如下：
[0043]S31：将所述图像F分成RGB三个通道的灰度图像；
[0044]S32：对S31得到三个灰度图像中的所有像素点分别采用公式1
‑
5进行高斯滤波：
[0045][0046]其中，(x，y)表示窗口内的点坐标，σ表示的是人为设定的一个参数值；
[0047]S33：将通过S32高斯滤波得到的三个通道的图进行迭代得到图像H。
[0048]作为改进，所述S5图像A进行皮肤检测和人脸检测，得到人脸的皮肤掩码图像M的过程如下：
[0049]S51：建立皮肤分割模型，该模型包括用于提取图像特征骨干网络，用于生成掩模图的生成器和用于判定生成掩模图准确性的判别器；
[0050]采用U
‑
NET++作为皮肤分割模型，采用ResNet
‑
101作为骨本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高反差磨皮算法，其特征在于：包括如下步骤：S1：获取人脸原图像S，对人脸原图像S进行保边滤波得到图像A；S2：对图像A和人脸原图像S进行高反差计算得到图像F，计算公式如下：B＝S
‑
Gauss(S，r1)+128
ꢀꢀꢀꢀꢀ
(1
‑
1)；S3：对图像F以半径r2进行高斯模糊得到图像H；S4：对图像H和图像S进行线性光图层混合计算，得到图像E，图层的线性光混合计算公式1
‑
2如下：E＝2*C+S
‑
256
ꢀꢀꢀꢀꢀꢀꢀ
(1
‑
2)；S5：对图像A进行皮肤检测和人脸检测，得到皮肤掩码图像M；S6：根据图像F，将图像A和图像E进行融合，得到图像G，融合的公式1
‑
3如下：G＝A*(1
‑
M)+M*E
ꢀꢀꢀꢀꢀꢀꢀ
(1
‑
3)；S7：根据参数r3将图像G和图像S进行融合，得到最终的输出图像D，融合公式1
‑
4如下：D＝S*(1
‑
r3)+G*r3ꢀꢀꢀꢀꢀꢀꢀ
(1
‑
4)。2.如权利要求2所述一种高反差磨皮算法，其特征在于，所述S中所述对人脸原图像S采用双边滤波对人脸原图像S进行保边滤波，具体过程如下：根据公式1
‑
15弱化皮肤瑕疵和斑点：I
filtered
(x)表示经过双边滤波后的点的像素值，x
i
的是图片中的像素点，I(x
i
)表示的是此像素点的像素值，Ω表示的是以一中心点，半径为r的正方形所组成的点的平面集合，f
r
表示的是范围核I(x)表示的是中心点的像素值；根据公式1
‑
6计算坐标(i，j)点的双边滤波后的像素值：根据公式1
‑
7计算出w1(i，j，k，l)，此处i和j对应于(0，0)点，k和l对应于此正方形中其他部分的坐标值，σ
d
为手动设置的值，I1(i，j)即I1(0，0)即为中心点的像素值，I1(k，l)表示此正方形中其他点的像素值，σ
r
为手动设置的值：根据公式1
‑
8将对应点的像素值对应点的w1(j，j，k，l)相加即可得到该点双边滤波后的像素值：归一化函数W
p
定义为公式1
‑
9：使用空间接近度和强度差来赋值给权重W
p
；；
W
p
＝g
s
*f
r
ꢀꢀꢀꢀꢀꢀꢀ<...

【专利技术属性】
技术研发人员：何鑫，杨梦宁，李小斌，汪涵，李亚涛，向刚，陈开润，
申请(专利权)人：重庆米弘科技有限公司，
类型：发明
国别省市：