调整（现有技术是对对应 于所述图像的整个色彩空间执行亮度调整），所以本发明不会使人体肤色的亮度太亮或太 暗，也不会产生色偏的缺点。另外，相较于现有技术，因为所述肤色机率单元是利用一线性 梯形模型或一线性三角模型近似Gaussian分布，所以本发明可大幅减少所述肤色机率单 元的运算负担及增加硬件计算的可行性。
【附图说明】
[0012] 图1是本发明一第一实施例公开一种美化图像中人体肤色的装置的示意图。
[0013] 图2是说明第一低通滤波器产生对应图像中一个像素的第一亮度值的示意图。
[0014] 图3是说明利用线性梯形模型近似Gaussian分布的示意图。
[0015] 图4是说明利用线性三角模型近似Gaussian分布的示意图。
[0016]图5是本发明一第二实施例公开一种美化图像中人体肤色的方法的流程图。
[0017]图6是本发明一第三实施例公开一种调整图像中人体肤色亮度的方法的流程图。
[0018] 其中，附图标记说明如下：
[0019] 100 装置
[0020] 102 第一接收单元
[0021] 104 第二接收单元
[0022] 106 滤波模块
[0023]108 肤色机率单元
[0024]110 第一混合单元
[0025]112 饱合度调整单元
[0026] 114 第二混合单元
[0027]1062 第一低通滤波器
[0028]1064 第二低通滤波器
[0029]200 像素
[0030]300 线性梯形模型
[0031] 400 线性三角模型
[0032]IM 图像
[0033]MIM人体肤色美化的图像
[0034] 500-514^600-610 步骤
【具体实施方式】
[0035]请参照图1，图1是本发明一第一实施例公开一种美化图像中人体肤色的装置100 的示意图。如图1所示，装置1〇〇包含一第一接收单元102、一第二接收单元104、一滤波模 块106、一肤色机率单元108、一第一混合单元110、一饱合度调整单元112及一第二混合单 兀114,其中滤波模块106包含一第一低通滤波器1062和一第二低通滤波器1064,其中第 一低通滤波器1062和一第二低通滤波器1064可为双边滤波器（bilateralfilter)、均值 滤波器（meanfilter)、中值滤波器（medianfilter)，或其它低通滤波器。如图1所示，第 一接收单元102接收图像頂中的Y值以及第二接收单元104接收图像頂中的Cb值和Cr 值。但本发明并不受限于图像IM是一YCbCr图像。也就是说图像IM也可为一YUV图像或 一RGB图像。当图像頂是一YUV图像时，第一接收单元102是接收图像頂中的Y值以及 第二接收单元104是接收图像IM中的U值和V值；当图像IM是一RGB图像时，图像IM需 先转换为一YCbCr图像或一YUV图像。当第一接收单元102接收图像頂中的Y值后，第一 低通滤波器1062是根据图像頂中的Y值，产生对应图像頂中每一像素的一第一亮度值， 以及第二低通滤波器1064根据图像頂中的Y值，产生对应图像頂中每一像素的一第二亮 度值，其中对应第一低通滤波器1062的第一核心（kernel,convolutionmask)是小于对应 第二低通滤波器1064的第二核心。例如，对应第一低通滤波器1062的第一核心的大小为 3*3以及对应第二低通滤波器1064的第二核心的大小为7*7。但本发明并不受限于对应第 一低通滤波器1062的第一核心的大小为3*3以及对应第二低通滤波器1064的第二核心的 大小为7*7。请参照图2,图2是说明第一低通滤波器1062产生对应图像頂中一像素200 的一第一亮度值IY_F (x) 2M的示意图。如图2所示，因为第一低通滤波器1062 (例如均值滤 波器）对应像素200的第一核心（3*3)包含9个像素（包含位于第一核心（3*3)中心的像 素200)，所以第一低通滤波器1062可根据对应像素200的第一核心所包含9个像素的亮度 值，产生对应像素200的第一亮度值IYF(x)2。。。例如对应像素200的第一亮度值IYF(x)2。。 可为对应像素200的第一核心所包含9个像素的亮度值的平均值。另外，本发明并不受限 于第一低通滤波器1062对应像素200的第一核心包含9个像素。另外，第二低通滤波器 1064根据图像頂中的Y值，产生对应图像頂中每一像素的一第二亮度值的原理和第一低 通滤波器1062根据图像頂中的Y值，产生对应图像頂中每一像素的一第一亮度值的原理 相同，在此不再赘述。
[0036] 请参照图3,图3是说明利用一线性梯形模型300近似Gaussian分布的示意图，其 中图3的纵坐标是机率值以及图3的横坐标是对应图像頂中的Cb值。如图3所示，线性 梯形模型300具有顶点a、b、c、d，其中线性梯形模型300的顶点a、b、c、d是根据Gaussian 分布的平均值（mean)和共变异数（covariance)所产生，线性梯形模型300的顶点a、b、c、 d是对应图像頂中不同的Cb值，且式（1)可用以定义线性梯形模型300。另外，图像頂中 的Cr值是对应另一类似图3的线性梯形模型。因此，对应图像頂中的Cb值的线性梯形模 型300和对应图像IM中的Cr值的线性梯形模型可组成一二维Trapezoid模型。因此，肤 色机率单元108即可根据二维Trapezoid模型和图像IM中的Cb值与Cr值，产生图像IM 中每一像素对应人体肤色的机率值，也就是说肤色机率单元108可根据二维Trapezoid模 型和图像頂中的Cb值与Cr值，产生对应图像頂的肤色机率图。
[0037]
(1)
[0038] 如式⑴所示，Ia (x)为对应一像素x的Cb值。因此，将对应像素x的Cb值代入 式（1)即可得对应像素x的Cb值的第一肤色机率值。同理，也可根据上述原理，产生对应 像素x的Cr值的第二肤色机率值。因此，肤色机率单元108即可利用二维Trapezoid模型 将对应像素x的Cb值的第一肤色机率值和对应像素x的Cr值的第二肤色机率值相乘，产 生像素x对应人体肤色的机率值。
[0039] 另外，请参照图4,图4是说明利用一线性三角模型400近似Gaussian分布的示意 图，其中图4的纵坐标是机率值以及图3的横坐标是对应图像頂中的Cb值。如图4所示， 线性三角模型400具有顶点a、b、c，其中线性三角模型400的顶点a、b、c是根据Gaussian 分布的平均值和共变异数所产生，线性三角模型400的顶点a、b、c是对应图像頂中不同的 Cb值，且式（2)可用以定义线性三角模型400。另外，图像頂中的Cr值是对应另一类似图 4的线性三角模型。因此，对应图像頂中的Cb值的线性三角模型400和对应图像頂中的Cr值的线性三角模型也可组成一二维Trapezoid模型。因此，肤色机率单元108即可根据 二维Trapezoid模型和图像頂中的Cb值与Cr值，产生对应图像頂中每一像素对应人体 肤色的机率值，也就是说肤色机率单元108可根据二维Trapezoid模型和图像IM中的Cb 值与Cr值，产生对应图像頂的肤色机率图。
[0040]
(2)
[0041] 另外，在本发明的另一实施例中，肤色机率单元108是根据图像頂中的Cb值、Cr 值和一有关于人体肤色的高斯模型（也就是说肤色机率单元108已内存有关于人体肤色的 高斯模型，所以不必通过图3或图4产生二维Trapezoid模型），产生图像頂中每一像素对 应一人体肤色的机率值。
[0042] 如图1所示，当滤波模块106根据图像頂中的Y值，产生对应图像頂中每一像素 的第一亮度值与第二亮度值，以及肤色机率单元108根据图像頂中的Cb值和Cr值，产生 图像IM中每一像素对应人体肤色的机率值后，第一混合单元110即可根据式（3)、对应图像 頂中每一像素的第一亮度值和第二亮度值和图像頂中每一像素对应人体肤色的机率值， 产生对应图像頂中每一像素的肤色亮度调整值。
[0043] I'Y(x) = (1-a) ?IY-F(x) +a?IY-s(x)2Lgain (3)
[0044] 如式⑶所示，I'Y(x)是对应图像頂中像素x的肤色亮度调整值，IYF(x)是对应 像素x的一第一亮度值，IYS(x)是对应像素x的一第二亮度值，a是像素x对应人体肤色 的机率值，以及Lgain是对应像素x的亮度增益值。
[0045] 如图1所示，当第二接收单元104接收图像頂中Cb值和Cr值后，饱合度调整单 元112根据式（4)和图像頂中Cb值，产生对应图像頂中每一像素的Cb值的调整值，以及 根据式（5)和图像頂中Cr值，产生对应图像頂中每一像素的Cr值的调整值。
[0046]rcb(x) =Sgain(Icb(x)-128)+128 (4)
[0047] rCr(x) =Sgain(ICr(x)-128)+128 (5)
[0048] 如式⑷所示，Icb (x)是对应图像頂中像素x的Cb值，I'cb (x)是对应像素x的 Cb值的调整值，I& (x)是对应像素x的Cr值，I'&(x)是对应像素x的Cr值的调整值，以及 Sgain是对应像素x的饱和增益值。
[0049] 如图1所示，当第一混合单元110根据对应图像頂中每一像素的第一亮度值和第 二亮度值，以及图像頂中每一像素对应人体肤色的机率值，产生对应图像頂中每一像素的 肤色亮度调整值，