一种数字图像自动祛除斑点的方法技术

本发明专利技术公开了一种数字图像自动祛除斑点的方法，其特征在于：通过对图像A依次进行灰度化、对比度增强、梯度极大值查找、皮肤排除、孤立点消除、高斯模糊、阈值处理、区域表求和得到结果D；最后根据结果D与梯度极大值查找的结果对图像A里的斑点进行泊松方程处理，得到自动祛痘祛斑祛痣的最终效果。本方案完全省却了数字图像祛斑操作中手动的动作，整个过程可自动完成，无需手动标定和选择斑点，节省了操作时间和步骤。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了，其特征在于：通过对图像A依次进行灰度化、对比度增强、梯度极大值查找、皮肤排除、孤立点消除、高斯模糊、阈值处理、区域表求和得到结果D；最后根据结果D与梯度极大值查找的结果对图像A里的斑点进行泊松方程处理，得到自动祛痘祛斑祛痣的最终效果。本方案完全省却了数字图像祛斑操作中手动的动作，整个过程可自动完成，无需手动标定和选择斑点，节省了操作时间和步骤。【专利说明】
本专利技术涉及一种数字图像的处理方法，具体涉及一种自动祛除数字图像中斑点的图像处理方法。
技术介绍
随着数字便携设备的普及，各种设备包括手机、平板电脑中也随之大量地应用了数字摄像装置，使用户拍摄照片的门槛大大降低，各种和生活有关的拍摄可以通过简单的操作完成，具有十分便利的特点。特别是对个人的自拍，已成为我们日常生活中常见的行为，甚至已经作为一种社交的技术手段。这类针对人像，特别是脸谱的拍摄，通常需要自拍后对图像进行调整和美化。这类操作比较常见的一种就是将图像里一些不想展现的元素祛除(例如痘、斑、痣等)。虽然现在的图像处理软件很多都可以满足用户的大部分需求，具备这类祛斑的功能，但是现有的祛斑操作仍然步骤繁多，不够便利和快速。如此，如何尽量少地让用户操作，如何更智能、快速地祛除数字图像的暗斑，成为一个亟待解决的问题。
技术实现思路
针对现有数字图像处理方法缺少快速、自动的处理的解决办法，本专利技术提出一种数字图像自动祛斑的方法，其方案如下:，它包括以下步骤:I)接收一数字图像A，对图像A进行灰度化处理，得到灰度图像B ;该处理采用下列两式中的一个:Gray=0.299*Red+0.587*Green+0.114*Blue ；Gray=(Red*306+Green*601+Blue*l17+512) / 1024 ；其中，Gray为该灰度图像B各像素点的灰度值，Red、Green、Blue分别为图像A各像素点红、绿、蓝三个通道的颜色值；2)对灰度图像B进行对比度增强处理，公式为:nResult=nColor+(nColor-128)* (1.0+Contrast) / 255其中，nResult表示对比度增强后的灰度值，nColor表示要进行对比度增强的灰度值，Contrast为对比度增强的强度，范围；3)对灰度图像B进行梯度极大值查找，步骤如下:-1 -2 -1首先用O O O与灰度图像B里的逐个像素点进行卷积运算，然后将计算后的I 2 I结果进行统计，并将统计结果保存到一个大小为256的数组里，根据统计结果的计算得到阈值K，根据阈值K对卷积运算后的结果进行阈值化处理，大于等于阈值K的设置为255，小于阈值K的设置为0，最终得到梯度结果C ；4)对梯度结果C先后进行皮肤排除与孤立点消除处理；图片A的宽为w,图片的高为h ;皮肤识别后的数据为pEdgeTable ;i表示当前像素点的行数，j表示当前的列数；皮肤排除的步骤:判断当前的像素点是否是皮肤；如果是皮肤的话，则将其所对应的梯度结果C上的值设置为255 ;该皮肤判断的方法可采用多种现有技术，如下述文献提及的方法 M.J.Jones and J.Μ.Rehg, “Statistical Color Models with Application toSkin Detection”Proc.CVPR.1999.该孤立点消除处理步骤为:a.建立边缘个数统计表,过程如下:建立一个数组pSumTable,并都初始化为O,数组的大小为(w+l)*(h+l);接着从第2行开始进行计算，并且每行计算时都是从第2列开始的(即第一行和第一列的数据都不用参与这个计算)，每行从预设PassSum=O开始赋值；pass Sum=p ass Sum+(pEdgeTable&0X 01)；pSumTable=pSumTable+passSum ；b.剔除不连续的点:设定一个大小为3X3的窗口，首先判断pEdgeTable当前像素点的值是否等于0，如果等于0，则继续遍历下一个像素点，否则执行下面操作:计算pEdgeTable当前像素点为中心的所述窗口内其他像素的值；假设上为top，下为bottom,左为left,右为right,则top=max(0, j-1)；bottom=min(h, j+2)； right=min(w, i+2)；left=max(0, i_l)；假设上一个搜索窗口内的Edge个数为preWinEdgeCount ;当前搜索窗口内的Edge个数为 curWinEdgeCount ；先计算上一个搜索窗口内的Edge个数:pi= (w+1)*top+left ；p2= (w+1)*bottom+left ；offset=right-left ；preffinEdgeCount=pSumTable+pSumTable-pSumTable--pSumTable；接下来预设r=2，并做循环，直到r大于5则跳出循环，以下为循环的步骤:计算当前搜索窗口内的Edge个数:top=max (0, j-r)；bottom=min(h, j+r+1)；right=min(w, i+r+1)；left=max(0, i_r)；pi= (w+1)*top+left ；p2= (w+1)*bottom+left ；offset=right-left ；curffinEdgeCount=pSumTable+pSumTable-pSumTable--pSumTable；判断curWinEdgeCount-preWinEdgeCount是否小于2,如果小于的话，则认定为不连续的边缘，归为奇异点，将pEdgeTable在该像素点的值设为O ;否则将preWinEdgeCount=CurffinEdgeCount ；6)对梯度结果C进行高斯模糊处理，并做阈值处理；高斯模糊是用正态分布计算图像中每个像素的变换:【权利要求】1.，其特征在于:它包括以下步骤:1)接收一数字图像A，对图像A进行灰度化处理，得到灰度图像B;该处理采用下列两式中的一个:Gray = 0.299*Red+0.587*Green+0.114*Blue:Gray = (Red*306+Green*601+Blue*l17+512)/1024 ；其中，Gray为该灰度图像B各像素点的灰度值,Red、Green、Blue分别为图像A各像素点红、绿、蓝三个通道的颜色值；2)对灰度图像B进行对比度增强处理，公式为:nResult=nColor+ (nColor-128)*(1.0+Contrast)/255其中，nResult表示对比度增强后的灰度值，nColor表示要进行对比度增强的灰度值，Contrast为对比度增强的强度，范围；3)对灰度图像B进行梯度极大值查找，步骤如下: 首先用 2.根据权利要求1所述，其特征在于:所述步骤2)中，所述对比度增强的强度Contrast为0.15。3.根据权利要求1所述，其特征在于:所述步骤5)中的阈值K2设为20。4.根据权利要求中 R 为 200，T 为 128。I所述，其特征在于:所述步骤7)【文档编号】G06T5/00GK103440633SQ201310404195【公开日】2013年12本文档来自技高网...

【技术保护点】
一种数字图像自动祛除斑点的方法，其特征在于：它包括以下步骤：1)接收一数字图像A，对图像A进行灰度化处理，得到灰度图像B；该处理采用下列两式中的一个：Gray＝0.299*Red+0.587*Green+0.114*Blue：Gray＝(Red*306+Green*601+Blue*117+512)/1024；其中，Gray为该灰度图像B各像素点的灰度值，Red、Green、Blue分别为图像A各像素点红、绿、蓝三个通道的颜色值；2)对灰度图像B进行对比度增强处理，公式为：nResult=nColor+(nColor?128)*(1.0+Contrast)/255其中，nResult表示对比度增强后的灰度值，nColor表示要进行对比度增强的灰度值，Contrast为对比度增强的强度，范围[0.0，1.0]；3)对灰度图像B进行梯度极大值查找，步骤如下：首先用-1-2-1000121与灰度图像B里的逐个像素点进行卷积运算，然后将计算后的结果进行统计，并将统计结果保存到一个大小为256的数组里，根据统计结果的计算得到阈值K，根据阈值K对卷积运算后的结果进行阈值化处理，大于等于阈值K的设置为255，小于阈值K的设置为0，最终得到梯度结果C；4)对梯度结果C先后进行皮肤排除与孤立点消除处理；图片A的宽为w，图片的高为h；皮肤识别后的数据为pEdgeTable；i表示当前像素点的行数，j表示当前的列数；皮肤排除的步骤：判断当前的像素点是否是皮肤；如果是皮肤的话，则将其所对应的梯度结果C上的值设置为255；该孤立点消除处理步骤为：a.建立边缘个数统计表，过程如下：建立一个数组pSumTable，并都初始化为0，数组的大小为(w+1)*(h+1)；接着从第2行开始进行计算，并且每行计算时都是从第2列开始的(即第一行和第一列的数据都不用参与这个计算)，每行从预设passSum=0开始赋值；passSum=passSum+(pEdgeTable[j*(w+1)+i]＆0×01)；pSumTable[j*(w+1)+i]=pSumTable[(j?1)*(w+1)+i]+passSum；b.剔除不连续的点：设定一个大小为3×3的窗口，首先判断pEdgeTable当前像素点的值是否等于0，如果等于0，则继续遍历下一个像素点，否则执行下面操作：计算pEdgeTable当前像素点为中心的所述窗口内其他像素的值；假设上为top，下为bottom，左为left，右为right，则top=max(0，j?1)；bottom=min(h，j+2)；right=min(w，i+2)；left=max(0，i?1)；假设上一个搜索窗口内的Edge个数为preWinEdgeCount；当前搜索窗口内的Edge个数为curWinEdgeCount；先计算上一个搜索窗口内的Edge个数：p1=(w+1)*top+left；p2=(w+1)*bottom+left；offset=right?left：preWinEdgeCount=pSumTable[p2+offset]+pSumTable[p1]?pSumTable[p2]?pSumTable[p1+offset]；接下来预设r=2，并做循环，直到r大于5则跳出循环，以下为循环的步骤：计算当前搜索窗口内的Edge个数：top=max(0，j?r)；bottom=min(h，j+r+1)；right=min(w，i+r+1)；left=max(0，i?r)；p1=(w+1)*top+left；p2=(w+1)*bottom+left；offset=right?left：curWinEdgeCount=pSumTable[p2+offset]+pSumTable[p1]?pSumTable[p2]?pSumTable[p1+offset]；判断curWinEdgeCount?preWinEdgeCount是否小于2，如果小于的话，则认定为不连续的边缘，归为奇异点，将pEdgeTable在该像素点的值设为0；否则将preWinEdgeCount=curWinEdgeCount；5)对梯度结果C进行高斯模糊处理，并做阈值处理；高斯模糊是用正态分布计算图像中每个像素的变换：G(u,v)=12πσ2e-(u2+v2)/(2σ2)其中r是模糊半径，σ是正态分布的标准偏差，u是原像素点在x轴上的位置偏移值。V是原像素点在y轴上的位置偏移值；阈值的公式为：如果大于等于阈值K2的话，则值设置为255，否则设置为...

【技术特征摘要】

【专利技术属性】
技术研发人员：张伟，傅松林，李志阳，张长定，
申请(专利权)人：厦门美图网科技有限公司，
类型：发明
国别省市：