一种实现图像局部变色的方法及终端的制作方法
【技术领域】
[0001]本发明涉及图像成像技术领域，尤其涉及一种实现图像局部变色的方法及终端。
【背景技术】
[0002]目前的智能终端如手机、平板电脑等都具有照相功能，然而，使用现在的智能终端进行拍照，都是被拍摄物本身是什么颜色拍照出来就是什么颜色，即使是经过照片后处理，在色彩方面也只是增减饱和度等，且不能对被拍摄物的局部位置进行变色，即无法让拍出的照片对同一个目标位置拍出不同的颜色。
【发明内容】
[0003]本发明提供了一种实现图像局部变色的方法及终端，以使同一张图像中的同一个目标位置可以拍出不同的颜色，增加拍摄的趣味性。
[0004]一方面，提供了一种实现图像局部变色的方法，包括:
[0005]识别生成的图像中待局部变色的目标位置；
[0006]检测识别出的目标位置的RGB值；
[0007]对所述目标位置的RGB值进行变换，得到所述目标位置的颜色变换成预设颜色的图像。
[0008]另一方面，提供了一种终端，包括:
[0009]第一识别单元，用于识别生成的图像中待局部变色的目标位置；
[0010]检测单元，用于检测识别出的目标位置的RGB值；
[0011 ] 第一变换单元，用于对所述目标位置的RGB值进行变换，得到所述目标位置的颜色变换成预设颜色的图像。
[0012]可见，根据本发明提供的一种实现图像局部变色的方法及终端，通过识别生成的图像中待局部变色的目标位置，然后对该目标位置进行颜色变换，可以使同一张图像中的同一个目标位置可以拍出不同的颜色，增加拍摄的趣味性。
【附图说明】
[0013]为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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他的附图。
[0014]图1为本发明实施例提供的一种实现图像局部变色的方法的流程示意图；
[0015]图2为示例的待局部变色的图像；
[0016]图3为本发明实施例提供的另一种实现图像局部变色的方法的流程示意图；
[0017]图4为示例的获取Haar-1ike特征的原始矩形特征的示意图；
[0018]图5为本发明实施例提供的一种终端的结构示意图；
[0019]图6为本发明实施例提供的另一种终端的结构示意图。
【具体实施方式】
[0020]下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0021]如果用户在拍照后能使出现在同一位置的颜色不同的照片供用户选择存储，那将是一个有趣的体验。本发明提供一种实现图像局部变色的方法及终端，通过识别生成的图像中待局部变色的目标位置，然后对该目标位置进行颜色变换，可以使同一张图像中的同一个目标位置可以拍出不同的颜色，增加拍摄的趣味性。
[0022]下面结合图1-图4，对本发明实施例提供的实现图像局部变色的方法进行详细描述:
[0023]请参阅图1，为本发明实施例提供的一种实现图像局部变色的方法的流程示意图，该方法包括以下步骤:
[0024]步骤S101，识别生成的图像中待局部变色的目标位置。
[0025]本实施例是对生成的图像的局部位置进行变色，关键是要识别待局部变色的目标位置。如图2示例的待局部变色的图像，要进行局部变色的目标位置或目标物体是这棵树，而天空和草地的颜色都不改变。例如，可以应用Haar分类器算法对图像进行识别，获取待变色的目标位置。
[0026]步骤S102，检测识别出的目标位置的RGB值。
[0027]颜色的变化即是对红(R)、绿(G)、蓝⑶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。在变换颜色之前，首先要检测识别出图像的目标位置原来的RGB值。
[0028]步骤S103，对所述目标位置的RGB值进行变换，得到所述目标位置的颜色变换成预设颜色的图像。
[0029]根据想要得到的颜色，进行RGB值的计算，然后对目标位置的RGB值进行变换，即变换得到想要得到的颜色，而对该图像的目标位置之外的RGB值不进行改变，从而实现图像的局部变色。例如，可以将图2中的树变换成各种颜色，而不是图像中原本的绿色，而天空和草地的颜色不改变，用户可以选择保存其中的一张或多张树的颜色不同的照片，增加拍摄的趣味性。
[0030]根据本发明实施例提供的一种实现图像局部变色的方法，通过识别生成的图像中待局部变色的目标位置，然后对该目标位置进行颜色变换，可以使同一张图像中的同一个目标位置可以拍出不同的颜色，增加拍摄的趣味性。
[0031]请参阅图3，为本发明实施例提供的另一种实现图像局部变色的方法的流程示意图，该方法包括以下步骤:
[0032]步骤S201，应用AdaBoost算法训练样本的Haar特征后得到区分所述目标位置和非目标位置的强分类器，筛选级联所有强分类器为Haar分类器。
[0033]步骤S202，应用所述Haar分类器的Haar特征进行所述目标位置的识别。
[0034]步骤S203，在识别过程中，利用积分图算法对所述Haar分类器的Haar特征的计算进行加速。
[0035]步骤S201-S203为应用Haar分类器算法对图像进行识别，获取待变色的目标位置的具体步骤。
[0036]HAAR特征法是通过使用在各种不同场景等外部条件下得到的局部特征数据样本做培养，得到的相应局部特征的分类器，在进行局部特征检测时，通过在分类器中查找匹配，判断是否为相应的特征，从而实现检测局部特征。整体的操作步骤如下:
[0037]Haar分类器=Haar-1ike特征+积分图方法+AdaBoost+级联。
[0038]1.Haar-1ike 特征:
[0039]将图4中的任意一个矩形放到检测物体的区域上，然后，将白色区域的像素和减去黑色区域的像素和，得到的值我们称之为物体特征值，你把这个矩形放到一个非检测物体区域，那么计算出的特征值应该和物体特征值是不一样的。
[0040]2.积分图方法:
[0041]每遇到一个图片样本，每遇到一个子窗口图像，我们都面临着如何计算当前子图像特征值的问题，一个Haar-1ike特征在一个窗口中怎样排列能够更好的体现检测目标的特征，这是未知的，所以才要训练，而训练之前我们只能通过排列组合穷举所有这样的特征，仅以最基本四个特征为例，在一个24X24size的窗口中任意排列至少可以产生数以10万计的特征，对这些特征求值的计算量是非常大的。而积分图就是只遍历一次图像就可以求出图像中所有区域像素和的快速算法，大大的提高了图像特征值计算的效率。
[0042]其中，步骤S203可包括以下步骤:
[0043]A:计算像素点行方向的累加；
[0044]B:逐行扫描所述图像，递归计算每个所述像素点行方向的累加得到积分图像的值；
[0045]C:根据所述积分图像的值扫描所述图像构造出积分图像；
[0046]D:通过所述积分图像对所述Haar分类器的Haar特征进行计算。
[0047]3.AdaBoost:
[0048]来确定什么样的矩形特征怎么样的组合到一块可以更好的区分