专利名称：一种图像调整的方法和系统的制作方法
技术领域：
本发明涉及图像处理技术，尤其涉及一种图像调整的方法和系统。
背景技术：
目前的图像调整方法，尤其是人脸表情图像的调整方法主要是将原始图像中的人脸区域看作一个整体区域，利用已有的变形技术来生成有特殊效果的人脸图片，例如，通过构造简单的变形网格然后进行重采样来得到特殊效果的图片，也可以利用一些数学变换来得到特殊效果的图片。但是，由于这些方法中没有准确地提取出人脸器官轮廓，无法准确地对人脸器官进行变形处理，因此，这样调整后生成的图片与真实情况相比会有比较明显的失真，用户体验较差。
发明内容
本发明提供一种图像调整的方法和系统，以解决现有技术中存在的图像调整后生成的图片失真，用户体验较差的问题。
本发明提供一种图像调整的方法，该方法包括确定原始图像中特征区域的特征轮廓象素点的坐标；利用调整参数与象素点坐标的对应关系调整所述特征轮廓象素点的坐标；重采样调整后的特征轮廓包含的区域中的象素点，得到调整后的图像。
所述确定原始图像中特征区域的特征轮廓象素点的坐标包括确定原始图像中特征区域的象素参考点的坐标，根据所述象素参考点的坐标利用活动形状模型算法确定所述特征区域的特征轮廓象素点的坐标。
所述确定原始图像中特征区域的象素参考点的坐标包括将所述特征区域中灰度变化率达到阈值的象素点设置为象素参考点，并得到该象素参考点的坐标。
所述特征区域为人脸区域，则所述特征轮廓象素点的坐标为人脸器官轮廓象素点的坐标，所述象素参考点为眼角和嘴角处象素点。
所述调整参数为主分量分析参数，该主分量分析参数是通过对至少两个样本的训练获得的。
所述重采样调整后的特征轮廓包含的区域中的象素点包括将原始图像中特征轮廓包含的区域中的象素信息重采样至调整后的特征轮廓包含的区域中。
本发明还提供一种图像调整的系统，该系统包括轮廓确定单元，用于确定原始图像中特征区域的特征轮廓象素点的坐标；调整单元，用于利用调整参数与象素点坐标的对应关系调整所述特征轮廓象素点的坐标；重采样单元，用于重采样调整后的特征轮廓包含的区域中的象素点，得到调整后的图像。
所述轮廓确定单元包括坐标确定单元，用于确定原始图像中特征区域的象素参考点的坐标；执行单元，用于根据所述象素参考点的坐标利用活动形状模型算法确定所述特征区域的特征轮廓象素点的坐标。
所述坐标确定单元包括判断单元，用于将所述特征区域中灰度变化率达到阈值的象素点设置为象素参考点；获得单元，用于得到所述象素参考点的坐标。
所述重采样单元包括信息确定单元，用于确定原始图像中特征轮廓包含的区域中的象素信息；操作单元，用于将所述象素信息重采样至调整后的特征轮廓包含的区域中。
本发明通过确定原始图像中特征区域的特征轮廓象素点的坐标，并利用调整参数与象素点坐标的对应关系调整所述特征轮廓象素点的坐标，进而重采样调整后的特征轮廓包含的区域中的象素点，得到调整后的图像的方法，实现图像自动调整，特别是人脸表情自动调整，且调整后的图像逼真，用户体验较好。
图1为本发明实施例系统结构示意图；图2为本发明实施例步骤流程示意图；图3为本发明实施例中人脸器官轮廓示意图；图4为本发明实施例中调整后人脸器官轮廓示意图；图5为本发明实施例中获得的人脸表情图像。
具体实施例方式
本发明提供了一种图像调整的方法，首先，确定原始图像中特征区域的特征轮廓象素点的坐标；然后，利用调整参数与象素点坐标的对应关系调整所述特征轮廓象素点的坐标；最后，重采样调整后的特征轮廓包含的区域中的象素点，得到调整后的图像。
下面结合具体实施例详细说明本发明。
如图1所示，为本发明实施例系统结构示意图，该系统包括轮廓确定单元11、调整单元12和重采样单元13，其中，轮廓确定单元11用于确定原始图像中特征区域的特征轮廓象素点的坐标；调整单元12用于利用调整参数与象素点坐标的对应关系调整所述特征轮廓象素点的坐标；重采样单元13用于重采样调整后的特征轮廓包含的区域中的象素点，得到调整后的图像。
所述轮廓确定单元11包括坐标确定单元21和执行单元22，其中，坐标确定单元21用于确定原始图像中特征区域的象素参考点的坐标；执行单元22用于根据所述象素参考点的坐标利用活动形状模型算法确定所述特征区域的特征轮廓象素点的坐标。
进一步地，所述坐标确定单元21包括判断单元31和获得单元32，其中，判断单元31用于将所述特征区域中灰度变化率达到阈值的象素点设置为象素参考点；获得单元32用于得到所述象素参考点的坐标。
所述重采样单元13包括信息确定单元23和操作单元24，其中，信息确定单元23用于确定原始图像中特征轮廓包含的区域中的象素信息；操作单元24用于将所述象素信息重采样至调整后的特征轮廓包含的区域中。
如图2所示，为本发明实施例中方法步骤流程示意图，该方法包括步骤201确定原始图像中特征区域的特征轮廓象素点的坐标。
在本发明实施例中，设定原始图像的特征区域为人脸区域，特征轮廓为人脸器官轮廓，为了达到尽可能好的效果，可以设定该人脸区域为无表情的人脸正面区域。
原始图像中的特征区域是人脸区域，首先要在该人脸区域中确定象素参考点的坐标，在该人脸区域中确定出象素参考点的方法可以有多种，例如，将人脸区域中灰度变化率达到阈值的象素点设置为象素参考点，并得到该象素参考点的坐标。实际上，人脸区域中灰度变化率比较大的区域一般都是纹理比较丰富的区域，如眼角和嘴角处等，因此，可以从这些灰度变化率比较大的区域中确定出一些灰度变化率达到阈值的象素点作为象素参考点，并得到这些象素参考点的坐标。当然，也可以利用其它的方法来确定，如根据先验知识确定某些固定点为象素参考点。
当确定原始图像中特征区域的象素参考点后，可以进一步根据所述象素参考点的坐标利用活动形状模型(Active Shape Model，ASM)算法确定所述人脸区域的人脸器官轮廓象素点的坐标。在ASM算法中，首先采集大量的人脸器官轮廓样本，然后利用主分量分析(Principal Components Analysis，PCA)计算人脸器官轮廓样本空间的主分量。主分量的几何意义就是样本在高维数据空间中的一个分布比较集中的方向。在进行人脸器官轮廓定位时，ASM从初始轮廓位置开始进行搜索，每搜索一次就将搜索的结果投影到主分量上得到投影值，利用投影值计算出约束后的人脸器官轮廓象素点，通过迭代方法就可以比较准确的定位出人脸的器官轮廓象素点位置，如图3所示，为本发明实施例中为确定的人脸器官轮廓示意图。
步骤202利用调整参数与象素点坐标的对应关系调整所述特征轮廓象素点的坐标。
在本发明实施例中，由于所述调整参数与象素点坐标存在对应关系，因此利用调整参数就可以确定象素点坐标的改变。当然，在本发明中，调整参数可以利用多种算法获得，例如，该调整参数可以为PCA参数，该PCA参数是通过对至少两个样本的训练获得的，当然，实际上是对大量的样本训练获得的。
本发明实施例中，利用ASM算法对人脸器官特征轮廓的象素点坐标进行了统计，然后，可以根据训练得到的PCA参数来调整该轮廓的象素点坐标，该调整方法可以为确定所述PCA参数与象素点坐标的对应关系，利用保存的PCA参数和所述对应关系调整原始图像人脸区域的人脸器官轮廓象素点的坐标，得到调整后的人脸器官轮廓象素点的坐标。为了得到不同表情的数据，可以利用先验知识来获得固定的PCA参数，例如，根据对100个样本的训练来获得不同表情的PCA参数。
步骤203重采样调整后的特征轮廓包含的区域中的象素点，得到调整后的图像。
利用该人脸器官轮廓的象素点坐标点构建三角网，并建立调整后的人脸器官轮廓的象素点坐标和所述原始图像中人脸器官轮廓的象素点坐标之间每个三角形的映射关系，然后，将原始图像中人脸器官轮廓包含的区域中的象素信息重采样至调整后的人脸器官轮廓包含的区域中就能够获得调整后的人脸不同表情的图片，如图4所示，为本实施例中调整后人脸器官轮廓示意图。
在本实施例中的所述映射关系的函数表达式为公式(1)
x′=ax+by+cy′=dx+ey+f---(1)]]>如果将(x，y)看作人脸器官轮廓的一个象素点的坐标，这个函数将一个点的位置映射到另外一个位置(x′，y′)。每个点可以列出两个方程，最少三个点就可以结算出映射关系方程的未知数，所以两个三角形之间可以建立一个映射关系。建立映射关系的好处是将三角形离散化后的点映射到另外一个三角形之内，这样就可以进行采样。
在采样的时候，首先可以对三角形进行离散化，即求出三角形包含的每个象素点的值。因此人脸器官轮廓上的每个象素点的坐标都是在图像坐标系下定义的，每三个点可以构成一个三角形，离散化的目的就是在三角形覆盖的区域分解为一个个的离散点，并计算离散点在图像坐标系中的坐标值。
然后利用映射关系将所述离散点在图像坐标系中的坐标值计算到正面图片中，并进行双线性内插就能够获得较好的采样效果。
根据实验分析，我们可以知道不同主分量如何控制人脸器官轮廓的变化。根据这些变化，我们可以事先设定好不同表情的人脸器官轮廓在每个主分量的投影值。在生成新的人脸表情图像时，直接根据这些投影值就可以得到不同表情的人脸器官轮廓。将新生成的人脸器官轮廓构成三角网，并为每个三角形填充颜色就可以得到不同表情的人脸图像，如图5所示，为利用本实施例中方法后获得的人脸表情图像。当然，映射关系可以有多种，重采样的方法也不只本实施例中设定的这一种，用户可以根据自身需要选择合适的映射关系和重采样方法。
通过本发明，实现图像自动调整，特别是人脸表情自动调整，且调整后的图像逼真，用户体验较好。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
权利要求
1.一种图像调整的方法，其特征在于，该方法包括确定原始图像中特征区域的特征轮廓象素点的坐标；利用调整参数与象素点坐标的对应关系调整所述特征轮廓象素点的坐标；重采样调整后的特征轮廓包含的区域中的象素点，得到调整后的图像。
2.如权利要求1所述的方法，其特征在于，所述确定原始图像中特征区域的特征轮廓象素点的坐标包括确定原始图像中特征区域的象素参考点的坐标，根据所述象素参考点的坐标利用活动形状模型算法确定所述特征区域的特征轮廓象素点的坐标。
3.如权利要求2所述的方法，其特征在于，所述确定原始图像中特征区域的象素参考点的坐标包括将所述特征区域中灰度变化率达到阈值的象素点设置为象素参考点，并得到该象素参考点的坐标。
4.如权利要求2所述的方法，其特征在于，所述特征区域为人脸区域，则所述特征轮廓象素点的坐标为人脸器官轮廓象素点的坐标，所述象素参考点为眼角和嘴角处象素点。
5.如权利要求1所述的方法，其特征在于，所述调整参数为主分量分析参数，该主分量分析参数是通过对至少两个样本的训练获得的。
6.如权利要求1所述的方法，其特征在于，所述重采样调整后的特征轮廓包含的区域中的象素点包括将原始图像中特征轮廓包含的区域中的象素信息重采样至调整后的特征轮廓包含的区域中。
7.一种图像调整的系统，其特征在于，该系统包括轮廓确定单元，用于确定原始图像中特征区域的特征轮廓象素点的坐标；调整单元，用于利用调整参数与象素点坐标的对应关系调整所述特征轮廓象素点的坐标；重采样单元，用于重采样调整后的特征轮廓包含的区域中的象素点，得到调整后的图像。
8.如权利要求7所述系统，其特征在于，所述轮廓确定单元包括坐标确定单元，用于确定原始图像中特征区域的象素参考点的坐标；执行单元，用于根据所述象素参考点的坐标利用活动形状模型算法确定所述特征区域的特征轮廓象素点的坐标。
9.如权利要求8所述系统，其特征在于，所述坐标确定单元包括判断单元，用于将所述特征区域中灰度变化率达到阈值的象素点设置为象素参考点；获得单元，用于得到所述象素参考点的坐标。
10.如权利要求7所述系统，其特征在于，所述重采样单元包括信息确定单元，用于确定原始图像中特征轮廓包含的区域中的象素信息；操作单元，用于将所述象素信息重采样至调整后的特征轮廓包含的区域中。
全文摘要
本发明公开了一种图像调整的方法，该方法包括确定原始图像中特征区域的特征轮廓象素点的坐标；利用调整参数与象素点坐标的对应关系调整所述特征轮廓象素点的坐标；重采样调整后的特征轮廓包含的区域中的象素点，得到调整后的图像。通过本发明，实现图像自动调整，特别是人脸表情自动调整，且调整后的图像逼真，用户体验较好。本发明还公开了一种图像调整的系统。
文档编号G06T5/00GK101021943SQ200710065230
公开日2007年8月22日 申请日期2007年4月6日 优先权日2007年4月6日
发明者谢东海, 黄英, 王浩 申请人:北京中星微电子有限公司