出待检测目标和非目标。
[0049]4.级联:
[0050]就是将Adaboost组成的组合全部级联起来，提高准确率。
[0051 ] 步骤S204，检测识别出的目标位置的RGB值。
[0052]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。
[0053]步骤S205，对所述生成的图像的YUV数据中的目标位置对应的数据的RGB值变换为与预设颜色对应的RGB值，得到变换后的YUV数据。
[0054]步骤S206，根据所述变换后的YUV数据，输出设定格式的图像。
[0055]在输出图片或图像之前，照相机的传感器输出的是YUV数据，变换目标位置的RGB值，即是对YUV数据中的目标位置对应的数据的RGB值进行变换。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。在对目标位置的RGB进行变换后，得到变换RGB值后的YUV数据，将YUV数据压成设定格式的图像，输出到相册。
[0056]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；采用Haar分类器进行目标位置的识另IJ，筛选式级联方式提高了分类器的准确率，积分图算法的使用加速了算法的速度。
[0057]下面结合图5-图6，对本发明实施例提供的实现图像局部变色的终端进行详细描述:
[0058]请参阅图5，为本发明实施例提供的一种终端的结构示意图，该终端1000包括:
[0059]第一识别单元11，用于识别生成的图像中待局部变色的目标位置。
[0060]本实施例是对生成的图像的局部位置进行变色，关键是第一识别单元11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。
[0061]检测单元12，检测识别出的目标位置的RGB值。
[0062]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，检测单元12首先要检测识别出图像的目标位置原来的RGB值。
[0063]第一变换单元13，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。
[0064]第一变换单元13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。
[0065]根据本发明实施例提供的一种终端，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。
[0066]请参阅图6，为本发明实施例提供的另一种终端的结构示意图，该终端2000包括:
[0067]第一识别单元21，用于应用Haar分类器算法对图像进行识别，获取待变色的目标位置。
[0068]具体地，第一识别单元21包括Haar分类器训练单元211、第二识别单元212和加速识别单元213。
[0069]Haar分类器训练单元211，用于应用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。
[0070]第二识别单元212，用于应用所述Haar分类器的Haar特征进行所述目标位置的识别。
[0071]加速识别单元213，用于在识别过程中，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。
[0072]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。整体的操作如下:
[0073]Haar分类器=Haar-1ike特征+积分图方法+AdaBoost+级联。
[0074]1.Haar-1ike 特征:
[0075]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。
[0076]2.积分图方法:
[0077]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。
[0078]其中，加速识别单元213可包括第一计算单元、第二计算单元、积分图像构造单元和第三计算单元。其中:
[0079]第一计算单元:用于计算像素点行方向的累加；
[0080]第二计算单元:用于逐行扫描所述图像，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；
[0081]积分图像构造单元，用于根据所述积分图像的值扫描所述图像构造出积分图像；
[0082]第三计算单元，用于通过所述积分图像对所述Haar分类器的Haar特征进行计算。
[0083]3.AdaBoost:
[0084]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出待检测目标和非目标。
[0085]4.级联:
[0086]就是将Adaboost组成的组合全部级联起来，提高准确率。
[0087]检测单元22，用于检测识别出的目标位置的RGB值。
[0088]颜色的变化即是对红(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。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。
[0089]第一变换单元23，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。
[0090]在本实施例中，第一变换单元23包括第二变换单元231和输出单元232。
[0091]第二变换单元231，用于对所述生成的图像的YUV数据中的目标位置对应的数据的RGB值变换为与预设颜色对应的RGB值，得到变换后的YUV数据。
[0092]输出单元232，用于根据所述变换后的YUV数据，输出设定格式的图像。
[0093]在输出图片或图像之前，照相机的传感器输出的是YUV数据，变换目标位置的RGB值，即是对YUV数据中的目标位置对应的