【技术实现步骤摘要】
本专利技术涉及一种基于GPU的移动端高质量美颜的实时处理方法。
技术介绍
美颜方法通常由多个基础步骤组成,包括图像中外部光照及人体皮肤等噪声的去除、人体皮肤检测、人脸检测、祛斑、皮肤美白、图像融合等。图像去噪作为最基本也是最重要的一环,对后续的算法处理具有至关重要的作用,目前去噪的算法较多,通常包括高斯平滑、双线性滤波平滑、平均滤波平滑、基于块匹配的三维去噪等算法,其中各算法的性能和效果均有不同程度的差异,以及各自具有不同程度的局限性,这对于应用场景的算法选择上有较大的影响。例如,平均滤波平滑效率很高,但往往会过滤掉图像的更多细节如头发、睫毛、眉毛等人脸具有明显特征的区域;高斯平滑在滤波半径较小时效率较高但滤波半径较大时效率很低;双线性滤波平滑能很好的保留图像边缘细节但会产生混色现象;基于块匹配的三维去噪算法能很好的处理高斯白噪声但效率特别低下。因此,选择一种能在效率和效果上平衡的算法,对整体算法的结果是一种挑战,同时又需要很好的适用于相应的应用场景。皮肤检测与人脸检测,主要需要处理的是皮肤及人脸区域,保证在皮肤与非皮肤区域的接缝处无明显人工痕迹,这是由应用场景所决定的。当用于高分辨率图像时人脸检测算法的性能较低,这往往是由于需要进行金字塔逐层检测人脸区域,同时并不适用于其它皮肤区域如手臂、肩膀、脖颈等,因此选择一种适合的皮肤及人脸区域的检测算法,同时具备较高的性能,尤为重要。祛斑祛痘主要指皮肤区域的局部区域处理,通常的做法是人工手选区域进行祛除,不适用于图像的自动处理。皮肤美白与图像增强可以有多种处理方式,包括指数映射、对数映射、幂函数映射、线性加深、 ...
【技术保护点】
一种基于GPU的移动端高质量美颜的实时处理方法,其特征在于:它包括图像获取步骤、图像处理步骤和图像融合步骤;所述的图像获取步骤包括:输入一副RGB彩色图像;所述的图像处理步骤包括三个基于GPU硬件加速的逐像素独立执行的子步骤:图像的整体美化子步骤、图像的增强处理子步骤和生成图像的皮肤区域的遮罩处理子步骤;所述的整体美化子步骤包括以下子步骤:S111:将输入图像的RGB颜色空间转化到YUV颜色空间,同时保留UV通道;S112:设置采样窗口大小,判断采样窗口的大小是否大于预设的阈值:如果是则使用积分图,否则使用盒子滤波;所述的使用积分图包括以下子步骤:S11211:生成亮度图像的积分图,包括一次项与二次项的积分图,其中迭代公式分别如下:sumi,j=sumi,j‑1+sumi‑1,j‑sumi‑1,j‑1+fi,j;sumsqi,j=sumsqi,j-1+sumsqi-1,j-sumsqi-1,j-1+fi,j2;]]>式中,sum表示直接和,sumsq表示平方和,f表示亮度值,保存上述得到的两幅积分图像;S11212:对于图像中的所有像素逐个处理,在以每个像素为中心的窗口中,分别计算此窗 ...
【技术特征摘要】
1.一种基于GPU的移动端高质量美颜的实时处理方法,其特征在于:它包括图像获取步骤、图像处理步骤和图像融合步骤;所述的图像获取步骤包括:输入一副RGB彩色图像;所述的图像处理步骤包括三个基于GPU硬件加速的逐像素独立执行的子步骤:图像的整体美化子步骤、图像的增强处理子步骤和生成图像的皮肤区域的遮罩处理子步骤;所述的整体美化子步骤包括以下子步骤:S111:将输入图像的RGB颜色空间转化到YUV颜色空间,同时保留UV通道;S112:设置采样窗口大小,判断采样窗口的大小是否大于预设的阈值:如果是则使用积分图,否则使用盒子滤波;所述的使用积分图包括以下子步骤:S11211:生成亮度图像的积分图,包括一次项与二次项的积分图,其中迭代公式分别如下:sumi,j=sumi,j-1+sumi-1,j-sumi-1,j-1+fi,j; sumsq i , j = sumsq i , j - 1 + sumsq i - 1 , j - sumsq i - 1 , j - 1 + f i , j 2 ; ]]>式中,sum表示直接和,sumsq表示平方和,f表示亮度值,保存上述得到的两幅积分图像;S11212:对于图像中的所有像素逐个处理,在以每个像素为中心的窗口中,分别计算此窗口中所有像素的均值和方差,计算公式如下: E = sum i + N , j + N - sum i + N , j - N - 1 - sum i - N - 1 , j + N + sum i - N - 1 , j - N - 1 ( 2 * N + 1 ) * ( 2 * N + 1 ) ]]> E s q = sumsq i + N , j + N - sumsq i + N , j - N - 1 - sumsq i - N - 1 , j + N + sumsq i - N - 1 , j - N - 1 ( 2 * N + 1 ) * ( 2 * N + 1 ) ]]>VAR=Esq-E2式中,E表示均值,VAR表示方差;i,j分别表示相对于图像左上角的垂直和水平方向的坐标,N表示窗口半径;所述的使用盒子滤波的计算公式如下: E = Σ m = - N N Σ n = - N N f i + m , j + n ( 2 * N + 1 ) * ( 2 * N + 1 ) ]]> E s q = Σ m = - N N Σ n = - N N f i + m , j + n 2 ( 2 * N + 1 ) * ( 2 * N + 1 ) ]]>VAR=Esq-E2式中,E表示均值,VAR表示方差;m,n分别表示垂直和水平方向与当前像素位置的相对距离;S113:图像去噪:对于每一个像素,在得到基于此像素为中心的窗口的均值和方差后,根据得到的均值和方差进行平滑滤波,所述的平滑滤波的校正方式为: k = V A R V A R + β + ϵ ...
【专利技术属性】
技术研发人员:赖守波,韩志宏,余刚,
申请(专利权)人:成都索贝数码科技股份有限公司,
类型:发明
国别省市:四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。