油光区域分割方法、装置及移动终端与流程

本申请涉及计算机技术领域，具体而言，涉及一种油光区域分割方法、装置及移动终端。

背景技术：

油光指的是因为面部出油而造成的面部高光。而面部出油量常常与一个人的肤质相关，所以常用油光量来判断一个人的肤质。

发明人在研究过程中发现，油光最明显的特征就是亮，体现在面部区域中也就是高光区域，但是面部区域的高光区域又不一定都是油光，一些强烈的背景光也会造成面部的高光。而现有的油光分割方案主要是针对整张面部区域，根据高光的特征进行建模来提取油光的区域，但是没有针对环境光造成的误检进行特殊的处理，导致油光误检率高，油光区域分割不准确。

技术实现要素：

为了克服现有技术中的上述不足，本申请的目的在于提供一种油光区域分割方法、装置及移动终端，能够有效避免环境光造成的油光误检，提高油光区域分割的准确性。

为了实现上述目的，本申请实施例采用的技术方案如下：

第一方面，本申请实施例提供一种油光区域分割方法，所述方法包括：

从目标图像中提取面部皮肤区域；

获取所述面部皮肤区域对应的面部皮肤暗图；

基于预设超参数和所述面部皮肤暗图建立所述面部皮肤暗图的高斯模型；

通过所述高斯模型对所述面部皮肤暗图进行分析，得到所述面部皮肤暗图的油光概率图，其中，所述油光概率图中包括有所述面部皮肤暗图中每个像素点的油光概率；

基于所述油光概率图从所述面部皮肤区域中分割出油光区域。

可选地，所述从目标图像中提取面部皮肤区域的步骤，包括：

对所述目标图像进行人脸识别，获取人脸区域以及多个人脸特征点；

根据所述多个人脸特征点将所述人脸区域中的无关区域剔除，得到面部皮肤区域，其中，所述无关区域包括五官区域、眼周区域、面部边缘区域、口周区域、鼻周区域中的其中一种或者多种组合。

可选地，所述获取所述面部皮肤区域对应的面部皮肤暗图的步骤，包括：

获取所述面部皮肤区域中每个像素点的rgb值，其中，所述rgb值包括r值、g值以及b值；

将所述r值、所述g值以及所述b值中的最小值作为每个像素点的暗图值；

基于每个像素点的暗图值对所述面部皮肤区域进行亮度处理，得到对应的面部皮肤暗图。

可选地，所述基于预设超参数和所述面部皮肤暗图建立所述面部皮肤暗图的高斯模型的步骤，包括：

获取所述面部皮肤暗图中每个像素点的像素值；

基于所述面部皮肤暗图中每个像素点的像素值计算得到所述面部皮肤暗图中的像素值均值和像素值方差；

基于所述预设超参数、像素值均值和像素值方差建立所述面部皮肤暗图的高斯模型。

可选地，所述通过所述高斯模型对所述面部皮肤暗图进行分析，得到所述面部皮肤暗图的油光概率图的步骤，包括：

通过所述高斯模型计算所述面部皮肤暗图中每个像素点的油光概率值；

根据计算的每个像素点的油光概率值得到所述面部皮肤暗图的油光概率图。

可选地，所述通过所述高斯模型计算所述面部皮肤暗图中每个像素点的油光概率值的计算公式为：

其中，a、b为预设超参数，μ为所述面部皮肤暗图的像素值均值，σ为所述面部皮肤暗图的像素值方差，x为所述面部皮肤暗图中每个像素点的像素值，f(x)为每个像素点的油光概率值。

可选地，所述基于所述油光概率图从所述面部皮肤区域中分割出油光区域的步骤，包括：

根据所述油光概率图从所述面部皮肤区域中查找油光概率大于预设概率阈值的各个目标像素点；

将各个目标像素点所在区域从所述面部皮肤区域中分割得到油光区域，其中，所述油光区域包括多个高光区域。

可选地，所述将各个目标像素点所在区域从所述面部皮肤区域中分割得到油光区域的步骤，还包括：

计算所述油光区域的每个高光区域中各个像素点的梯度，以得到每个高光区域中各个像素点的平均梯度，其中，所述梯度为像素点的水平梯度和竖直梯度的幅值；

判断每个高光区域中各个像素点的平均梯度是否小于预设梯度阈值，得到判断结果；

根据所述判断结果将平均梯度小于预设梯度阈值的高光区域从所述油光区域中滤除。

第二方面，本申请实施例还提供一种一种油光区域分割装置，所述装置包括：

提取模块，用于从目标图像中提取面部皮肤区域；

获取模块，用于获取所述面部皮肤区域对应的面部皮肤暗图；

模型建立模块，用于基于预设超参数和所述面部皮肤暗图建立所述面部皮肤暗图的高斯模型；

分析模块，用于通过所述高斯模型对所述面部皮肤暗图进行分析，得到所述面部皮肤暗图的油光概率图，其中，所述油光概率图中包括有所述面部皮肤暗图中每个像素点的油光概率；

分割模块，用于基于所述油光概率图从所述面部皮肤区域中分割出油光区域。

第三方面，本申请实施例还提供一种移动终端，所述移动终端包括：

存储介质；

处理器；以及

油光区域分割装置，所述油光区域分割装置存储于所述存储介质中并包括由所述处理器执行的软件功能模块，所述装置包括：

提取模块，用于从目标图像中提取面部皮肤区域；

获取模块，用于获取所述面部皮肤区域对应的面部皮肤暗图；

模型建立模块，用于基于预设超参数和所述面部皮肤暗图建立所述面部皮肤暗图的高斯模型；

分析模块，用于通过所述高斯模型对所述面部皮肤暗图进行分析，得到所述面部皮肤暗图的油光概率图，其中，所述油光概率图中包括有所述面部皮肤暗图中每个像素点的油光概率；

分割模块，用于基于所述油光概率图从所述面部皮肤区域中分割出油光区域。

第四方面，本申请实施例还提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被执行时实现上述的油光区域分割方法。

相对于现有技术而言，本申请具有以下有益效果：

本申请实施例提供的油光区域分割方法、装置及移动终端，通过从目标图像中提取面部皮肤区域，并获取面部皮肤区域对应的面部皮肤暗图，然后，基于预设超参数和面部皮肤暗图建立面部皮肤暗图的高斯模型，并通过高斯模型对面部皮肤暗图进行分析，得到面部皮肤暗图的油光概率图，最后，基于油光概率图从面部皮肤区域中分割出油光区域。由此，能够有效避免环境光造成的油光误检，提高油光区域分割的准确性。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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它相关的附图。

图1为本申请实施例提供的油光区域分割方法的流程示意图；

图2为图1中所示的步骤s210包括的各个子步骤的流程示意图；

图3为本申请实施例提供的油光区域分割装置的功能模块图；

图4为本申请实施例提供的用于上述油光区域分割方法的移动终端的结构示意框图。

图标：100-移动终端；110-总线；120-处理器；130-存储介质；140-总线接口；150-网络适配器；160-用户接口；200-油光区域分割装置；210-提取模块；220-获取模块；230-模型建立模块；240-分析模块；250-分割模块。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其它实施例，都属于本申请保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

请参阅图1，为本申请实施例提供的油光区域分割方法的一种流程示意图。所应说明的是，本申请实施例提供的油光区域分割方法不以图1及以下所述的具体顺序为限制。所述方法的具体流程如下：

步骤s210，从目标图像中提取面部皮肤区域。

作为一种实施方式，请参阅图2，所述步骤s210可以通过如下子步骤实现：

子步骤s211，对所述目标图像进行人脸识别，获取人脸区域以及多个人脸特征点。

可选地，本实施例通过人脸特征点检测模型对所述目标图像进行人脸识别，获取人脸区域以及多个人脸特征点。其中，该人脸特征点检测模型可通过深度学习训练，例如，用户可通过在训练样本图像中标注多个人脸特征点并输入到深度学习模型中进行训练，最后得到该人脸特征点检测模型。该人脸特征点检测模型可以对每个输入的图像进行人脸特征点检测，输出多个人脸特征点，例如可以是面部108个位置的坐标，比如嘴角，眼角等等，以此来来获得面部位置的定位。

子步骤s212，根据所述多个人脸特征点将所述人脸区域中的无关区域剔除，得到面部皮肤区域。

发明人在研究中发现，面部区域中一般包括一些无关区域，这些无关区域会对后续的油光区域分割造成干扰，这些无关区域可包括五官区域、眼周区域、面部边缘区域、口周区域、鼻周区域中的其中一种或者多种组合。例如，眼周区域中可能会存在眼影影响，面部边缘区域可能会存在面部阴影的影响，口周区域和鼻周区域可能会存在因为五官造成的面部阴影的影响。

为此，本实施例中，可通过上述得到的多个人脸特征点提取所述人脸区域中的高可靠性区域，高可靠性区域也即剔除掉上述无关区域的面部皮肤区域，这样利用人脸特征点选取高可靠性区域进行后续的油光分割，可以提高算法的鲁棒性，降低了阴影、光照等对油光分割的影响。

值得说明的是，在其它实施方式中，也可以采用其它图像分割方法剔除上述的无关区域，例如还可以通过大量训练样本训练卷积神经网络等直接分割出上述的面部皮肤区域。

步骤s220，获取所述面部皮肤区域对应的面部皮肤暗图。

由于一些强烈的背景光会造成面部的高光，现有的油光分割方案主要是针对整张面部区域，根据高光的特征进行建模来提取油光的区域，但是没有针对环境光造成的误检进行特殊的处理，导致油光误检率高，油光区域分割不准确。为此，发明人在研究过程中发现，在绝大多数非天空的局部区域里，某一些像素总会有至少一个颜色通道具有很低的值，换言之，该区域光强度的最小值是个很小的数。

基于上述分析，发明人创新性地发现通过获取所述面部皮肤区域对应的面部皮肤暗图，可以有效减小环境光对油光分割的影响。

详细地，作为一种实施方式，首先，获取所述面部皮肤区域中每个像素点的rgb值，其中，所述rgb值包括r值、g值以及b值。rgb色彩模式是通过对红(r)、绿(g)、蓝(b)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的，rgb即是代表红、绿、蓝三个通道的颜色。

在得到每个像素点的rgb值后，可将所述r值、所述g值以及所述b值中的最小值作为每个像素点的暗图值，也即每个像素点的暗图值darkimage(i,j)＝min{imagergb(i,j)}。然后，基于每个像素点的暗图值对所述面部皮肤区域进行亮度处理，得到对应的面部皮肤暗图。例如，若该面部皮肤区域为128*128尺寸，则该面部皮肤区域一共就有128*128个(r，g，b)，取min(r，g，b)则可代表该像素点的暗图值，在得到128*128个暗图值后可以得到所述面部皮肤区域对应的面部皮肤暗图。

步骤s230，基于预设超参数和所述面部皮肤暗图建立所述面部皮肤暗图的高斯模型。

如上所述，在得到面部皮肤暗图后，首先获取所述面部皮肤暗图中每个像素点的像素值，然后基于所述面部皮肤暗图中每个像素点的像素值计算得到所述面部皮肤暗图中的像素值均值和像素值方差，其中像素值均值可以作为高斯模型的期望值，像素值方差可以作为高斯模型的标准差。而后，基于所述预设超参数、像素值均值和像素值方差建立所述面部皮肤暗图的高斯模型。

其中，预设超参数为通过实验确定的固定参数，具体数值可根据实际需求进行确定，在此不作具体限制。

步骤s240，通过所述高斯模型对所述面部皮肤暗图进行分析，得到所述面部皮肤暗图的油光概率图。

本实施例中，可通过上述建立的高斯模型计算所述面部皮肤暗图中每个像素点的油光概率值，具体计算公式可以如下：

其中，a、b为预设超参数，μ为所述面部皮肤暗图的像素值均值，σ为所述面部皮肤暗图的像素值方差，x为所述面部皮肤暗图中每个像素点的像素值，f(x)为每个像素点的油光概率值，油光概率值越大，表面该像素点为油光区域的概率越大。

然后，可根据计算的每个像素点的油光概率值得到所述面部皮肤暗图的油光概率图，基于油光概率图即可得到所述面部皮肤区域中哪一部分为油光区域。

步骤s250，基于所述油光概率图从所述面部皮肤区域中分割出油光区域。

本实施中，可通过设定的与预设概率阈值从所述面部皮肤区域中分割出油光区域，也即，可根据所述油光概率图从所述面部皮肤区域中查找油光概率大于预设概率阈值的各个目标像素点，然后将各个目标像素点所在区域从所述面部皮肤区域中分割得到油光区域。由此，通过避免环境光造成的油光误检，这样分割出来的油光区域，准确性更高。

值得说明的是，上述预设概率阈值可根据实际情况进行设置，本实施例对此不作具体限制。

发明人在研究过程中还发现，上述分割出的油光区域包括多个高光区域，这些高光区域中有些区域为油光区域，但有些区域为背景光造成的误检区域。因此，尽管通过获取所述面部皮肤区域对应的面部皮肤暗图，可以有效减小环境光对油光分割的影响，但是上述分割出的油光区域依然还存在背景光的影响，也即非油光造成的高光区域也会被分割出来。

基于上述研究，发明人提出下述方案以改善上述误检问题：

首先，计算所述油光区域的每个高光区域中各个像素点的梯度，以得到每个高光区域中各个像素点的平均梯度，其中，所述梯度为像素点的水平梯度和竖直梯度的幅值。接着，判断每个高光区域中各个像素点的平均梯度是否小于预设梯度阈值，得到判断结果。最后，根据所述判断结果将平均梯度小于预设梯度阈值的高光区域从所述油光区域中滤除。由此，利用梯度巧妙地去除了环境光造成的油光分割的误检测，提高了油光分割算法的精准度。

进一步地，请参阅图3，本申请实施例还提供一种油光区域分割装置200，所述装置可以包括：

提取模块210，用于从目标图像中提取面部皮肤区域。

获取模块220，用于获取所述面部皮肤区域对应的面部皮肤暗图。

模型建立模块230，用于基于预设超参数和所述面部皮肤暗图建立所述面部皮肤暗图的高斯模型。

分析模块240，用于通过所述高斯模型对所述面部皮肤暗图进行分析，得到所述面部皮肤暗图的油光概率图，其中，所述油光概率图中包括有所述面部皮肤暗图中每个像素点的油光概率。

分割模块250，用于基于所述油光概率图从所述面部皮肤区域中分割出油光区域。

可以理解的是，本实施例中的各功能模块的具体操作方法可参照上述方法实施例中相应步骤的详细描述，在此不再重复赘述。

进一步地，请参阅图4，为本申请实施例提供的用于上述油光区域分割方法的移动终端100的一种结构示意框图。本实施例中，所述移动终端100可以由总线110作一般性的总线体系结构来实现。根据移动终端100的具体应用和整体设计约束条件，总线110可以包括任意数量的互连总线和桥接。总线110将各种电路连接在一起，这些电路包括处理器120、存储介质130和总线接口140。可选地，移动终端100可以使用总线接口140将网络适配器150等经由总线110连接。网络适配器150可用于实现移动终端100中物理层的信号处理功能，并通过天线实现射频信号的发送和接收。用户接口160可以连接外部设备，例如：键盘、显示器、鼠标或者操纵杆等。总线110还可以连接各种其它电路，如定时源、外围设备、电压调节器或者功率管理电路等，这些电路是本领域所熟知的，因此不再详述。

可以替换的，移动终端100也可配置成通用处理系统，例如通称为芯片，该通用处理系统包括：提供处理功能的一个或多个微处理器，以及提供存储介质130的至少一部分的外部存储器，所有这些都通过外部总线体系结构与其它支持电路连接在一起。

可替换的，移动终端100可以使用下述来实现：具有处理器120、总线接口140、用户接口160的asic(专用集成电路)；以及集成在单个芯片中的存储介质130的至少一部分，或者，移动终端100可以使用下述来实现：一个或多个fpga(现场可编程门阵列)、pld(可编程逻辑器件)、控制器、状态机、门逻辑、分立硬件部件、任何其它适合的电路、或者能够执行本申请通篇所描述的各种功能的电路的任意组合。

其中，处理器120负责管理总线110和一般处理(包括执行存储在存储介质130上的软件)。处理器120可以使用一个或多个通用处理器和/或专用处理器来实现。处理器120的例子包括微处理器、微控制器、dsp处理器和能够执行软件的其它电路。应当将软件广义地解释为表示指令、数据或其任意组合，而不论是将其称作为软件、固件、中间件、微代码、硬件描述语言还是其它。

在图4中存储介质130被示为与处理器120分离，然而，本领域技术人员很容易明白，存储介质130或其任意部分可位于移动终端100之外。举例来说，存储介质130可以包括传输线、用数据调制的载波波形、和/或与无线节点分离开的计算机制品，这些介质均可以由处理器120通过总线接口140来访问。可替换地，存储介质130或其任意部分可以集成到处理器120中，例如，可以是高速缓存和/或通用寄存器。

所述处理器120可执行上述实施例，具体地，所述存储介质130中可以存储有所述油光区域分割装置200，所述处理器120可以用于执行所述油光区域分割装置200。

进一步地，本申请实施例还提供了一种非易失性计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的油光区域分割方法。

综上所述，本申请实施例提供的油光区域分割方法、装置及移动终端，通过从目标图像中提取面部皮肤区域，并获取面部皮肤区域对应的面部皮肤暗图，然后，基于预设超参数和面部皮肤暗图建立面部皮肤暗图的高斯模型，并通过高斯模型对面部皮肤暗图进行分析，得到面部皮肤暗图的油光概率图，最后，基于油光概率图从面部皮肤区域中分割出油光区域。由此，能够有效避免环境光造成的油光误检，提高油光区域分割的准确性。

在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的系统、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，所述模块、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方式中，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，两个连续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，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动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。

另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

可以替换的，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其它可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的电子设备、服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solidstatedisk(ssd))等。

需要说明的是，在本文中，术语"包括"、"包含"或者其任何其它变体意在涵盖非排它性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句"包括一个……"限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其它的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。