一种基于图像变形的眼部图像处理方法、系统及拍摄终端的制作方法
【技术领域】
[0001] 本发明涉及图像处理技术领域，特别是一种基于图像变形的眼部图像处理方法及 其应用该方法的系统、拍摄终端。
【背景技术】
[0002] 随着便携设备的不断普及，摄像头也成为其基本配置，并且其硬软件的功能也随 之丰富，其中长期被关注而完善的功能就是自拍。这种需求极大地发挥了便携设备的能力， 在任何地方，都可以使用户留影，给生活、社交和工作都带来了极大的方便和情趣。
[0003] 在自拍功能的需求中，眼睛效果的处理，特别是美化更是人们关注的重点。不单单 是出于爱美的考虑，每个人都希望自己能够拥有更加美丽迷人的眼睛。很多时候因为拍摄 环境、效果、时机差强人意，就使得眼睛的效果无法达到要求，这种情况就需要对拍摄的图 像其眼睛部位进行处理。现有常见的办法，是通过拍摄后的数字图像处理来对眼睛部位进 行改善，这种方式最简单而直接，易于理解，不仅简单而且安全可靠。于是，为了解决此一问 题，目前的方式都是借助于数字图像编辑软件，在数字成像输出的后期对眼睛进行处理。但 是，实际情况中并非所有的人都能够恰当地运用图像编辑软件，特别是眼部处理，更不仅仅 是软件本身的功能造成了不便，考虑到眼部图像像素的复杂程度，个人的美学基础、操作熟 练程度都会造成难以入门和掌握，于是，针对眼部的处理，传统的方式操作复杂、门槛高，而 且编辑时间长，难以把握，效果不稳定，容易导致图像失真。
【发明内容】
[0004] 本发明为解决上述问题，提供了一种基于图像变形的眼部图像处理方法、系统及 拍摄终端，准确率更高，图像失真率更低，整体效果更好。
[0005] 为实现上述目的，本发明采用的技术方案为：
[0006] 首先，本发明提供一种基于图像变形的眼部图像处理方法，其包括以下步骤：
[0007] 10.对待处理图像进行人脸识别，获取脸部区域特征点；
[0008] 20.从所述的脸部区域特征点中提取出眼部区域特征点；
[0009] 30.对所述的眼部区域特征点根据预设的扩散比例进行向外扩散的计算；
[0010] 40.根据扩散前和扩散后的眼部区域特征点的位置对所述的待处理图像进行基于 特征点的图像变形算法的处理，得到眼部区域放大的效果图像。
[0011] 优选的，所述的步骤10中获取脸部区域特征点，是指获取与眼部区域相邻的脸部 区域的特征点或者脸部整体区域的特征点。
[0012] 优选的，所述的步骤20中的眼部区域特征点，包括左眼区域的左眼角点、右眼角 点、上眼眶顶点、下眼眶顶点，和/或右眼区域的左眼角点、右眼角点、上眼眶顶点、下眼眶 顶点。
[0013] 优选的，所述的步骤30中对所述的眼部区域特征点根据预设的扩散比例进行向 外扩散的计算，其计算公式如下：
[0014] New Points = Old Points+(01d Points+Center Points)*t%；
[0015] 其中，New Points是指扩散后的左眼区域特征点或者右眼区域特征点的坐标值， Old Points是指扩散前的对应的左眼区域特征点或者右眼区域特征点的坐标值，Center Points是指左眼中心点或者右眼中心点的坐标值，t%是指扩散比例。
[0016] 优选的，所述的左眼中心点或者右眼中心点的坐标值的计算方法如下：
[0017] Center Points = Sum (Old Points)/Num；
[0018] 其中，Sum(01d Points)是指扩散前的左眼区域特征点或者右眼区域特征点的坐 标值的和，Num为对应的左眼区域特征点或者右眼区域特征点的数量，Center Points为计 算得到的左眼中心点或者右眼中心点的坐标值。
[0019] 优选的，所述的步骤40中根据扩散前和扩散后的眼部区域特征点的位置对所述 的待处理图像进行基于特征点的图像变形算法的处理得到眼部区域放大的效果图像，进一 步包括以下步骤：
[0020] 41.根据扩散前和扩散后的眼部区域特征点的位置计算待处理图像的所有脸部区 域特征点在水平和竖直两个方向的移动向量dx和dy。
[0021] 42.根据所述的脸部区域特征点的移动向量计算效果图像的每个像素点的颜色 值。
[0022] 优选的，所述的步骤40中对所述的待处理图像进行基于特征点的图像变形算法 的处理后，还进一步对变形后的图像进行锐化处理。
[0023] 其次，本发明还提供一种基于图像变形的眼部图像处理系统，其包括：
[0024] 人脸识别模块，用于对待处理图像进行人脸识别，获取脸部区域特征点；
[0025] 眼部区域特征点提取模块，用于从所述的脸部区域特征点中提取出眼部区域特征 占.
[0026] 扩散计算模块，用于对所述的眼部区域特征点根据预设的扩散比例进行向外扩散 的计算；
[0027] 变形处理模块，用于根据扩散前和扩散后的眼部区域特征点的位置对所述的待处 理图像进行基于特征点的图像变形算法的处理，得到眼部区域放大的效果图像。
[0028] 优选的，还包括锐化处理模块，用于对变形后的图像进行锐化处理。
[0029]另外，本发明还提供一种拍摄终端，其特征在于，该拍摄终端包括如上所述的基于 图像变形的眼部图像处理系统。
[0030] 优选的，所述拍摄终端包括：手机、数码相机或平板电脑。
[0031] 本发明的有益效果是：
[0032] 本发明的一种基于图像变形的眼部图像处理方法、系统及拍摄终端，其通过对待 处理图像进行人脸识别，获取脸部区域特征点，并从所述的脸部区域特征点中提取出眼部 区域特征点，然后对所述的眼部区域特征点根据预设的扩散比例进行向外扩散的计算，根 据扩散前和扩散后的眼部区域特征点的位置对所述的待处理图像进行基于特征点的图像 变形算法的处理，得到眼部区域放大的效果图像；本发明不仅眼部区域变形的准确率更高， 图像失真率更低，整体效果更好，而且算法空间复杂度和时间复杂度低，具有较高的工程应 用的价值。
【附图说明】
[0033] 此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发 明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
[0034] 图1为本发明基于图像变形的眼部图像处理方法的流程简图；
[0035] 图2为本发明基于图像变形的眼部图像处理系统的结构示意图；
[0036] 图3为本发明拍摄终端的结构示意图；
[0037] 图4为眼部区域特征点的提取示意图。
【具体实施方式】
[0038] 为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是 本发明一部分实施例，而不是全部的实施例。应当理解，此处所描述的具体实施例仅用以解 释本发明，并不用于限定本发明。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。
[0039] 如图1所示，本发明的一种基于图像变形的眼部图像处理方法，其包括以下步骤：
[0040] 10.对待处理图像进行人脸识别，获取脸部区域特征点；
[0041] 20.从所述的脸部区域特征点中提取出眼部区域特征点；
[0042] 30.对所述的眼部区域特征点根据预设的扩散比例进行向外扩散的计算；
[0043] 40.根据扩散前和扩散后的眼部区域特征点的位置对所述的待处理图像进行基于 特征点的图像变形算法的处理，得到眼部区域放大的效果图像。
[0044] 所述的步骤10中对待处理图像进行人脸识别，该人脸识别可以使用以下算法：
[0045]1.基于模板匹配的方法：模板分为二维模板和三维模板，核心思想：利用人的脸 部特征规律建立一个立体可调的模型框架，在定位出人的脸部位置后用模型框架定位和 调整人的脸部特征部位，解决人脸识别过程中的观察角度、遮挡和表情变化等因素影响。
[0046]2.基于奇异值特征方法：人脸图像矩阵的奇异值特征反映了图像的本质属性，可 以利用它来进行分类识别。
[0047] 3.子空间分析法：因其具有描述性强、计算代价小、易实现及可分性好等特点，被 广泛地应用于人脸特征提取，成为了当前人脸识别的主流方法之一。
[0048] 4.局部保持投影（Locality Preserving Projections，LPP)是一种新的子空间 分析方法，它是非线性方法Laplacian Eigen map的线性近似，既解决了 PCA等传统线性方 法难以保持原始数据非线性流形的缺点，又解决了非线性方法难以获得新样本点低维投影 的缺点。
[0049] 5.主成分分析（PCA) :PCA模式识别领域一种重要的方法，已被广泛地应用于人脸 识别算法中，基于PCA人脸识别系统在应用中面临着一个重要障碍：增量学习问题。增量 PCA算法由新增样本重构最为重要PCS，但该方法随着样本的增加，需要不断舍弃一些不重 要PC，以维持子空间维数不变，因而该方法精度稍差。
[0050] 6.其他方法：弹性匹配方法、特征脸法（基于KL变换）、人工神经网络法、支持向 量机法、基于积分图像特征法（adaboost学习）、基于概率模型法。
[0051]所述的步骤10中获取脸部区域特征点，是指获取与眼部区域相邻的脸部区域的 特征点或者脸部整体区域的特征点。本实施例中，通过上述的人脸识别算法，得到脸部区域 的106个特征点。
[0052] 所述的步骤20中的眼部区域特征点，包括左眼区域的左眼角点、右眼角点、上眼 眶顶点、下眼眶顶点，和/或右眼区域的左眼角点、右眼角点、上眼眶顶点、下眼眶顶点。本 实施例中，是从106个脸部区域特征点中提取出24个眼部区域特征点，其中包括左眼区域 的12个特征点和右眼区域的12个特征点，如图4所示，12个特征点中，所述的左眼角点、右 眼角点、上眼眶顶点、下眼眶顶点这四个特征点对眼部区域的扩散变形起主要作用。
[0053] 所述的步骤30中对所述的眼部区域特征点根据预设的扩散比例进行向外扩散的 计算，其计算公式如下：
[0054] New Points =