一种图像美容的加速方法
【专利摘要】本发明公开了一种图像美容的加速方法，其通过对待处理图像的美容处理进行分解，得到多个基础算法以及各个基础算法的输入源，并对所述的基础算法进行CPU和GPU的性能测试得到该基础算法的CPU处理值和GPU处理值，根据所述基础算法的CPU处理值和GPU处理值对该基础算法进行硬件配置，并根据基础算法的输入源设置各个基础算法之间的执行顺序，最后根据所述的硬件配置和执行顺序对待处理图像进行图像美容处理，从而极大的提高了图像美容处理的效率，特别适用于各种算法复杂步骤繁多的美容处理，美容效果更好更自然。
【专利说明】一种图像美容的加速方法
【技术领域】
[0001] 本发明涉及图像处理方法，特别是一种图像美容的加速方法。
【背景技术】
[0002] 随着用户对于图像处理方面的要求不断超出CPU的计算能力，CPU处理能力也不 断强大，但在进入3D时代后，人们发现庞大的3D图像处理数据计算使得CPU越来越不堪 重荷，并且远远超出其计算能力。随着图形计算需求日益增多，作为计算机的显示芯片也 飞速发展。随后人们发现显示芯片的计算能力也无法满足快速增长的图形计算需求时，图 形，图像计算等计算的功能被脱离出来单独成为一块芯片设计，这就是现在的图形计算处 理器-GPU (Graphics Processing Unit)，也就是显卡。
[0003] GPU以其高速的浮点运算能力迅速地吸引了人们的眼球，并且在向量计算方面能 够获得比CPU高出十倍的计算效率，GPU并行计算的能力更是强大，它内部具有快速存储系 统，此外，GPU的硬件设计能够管理数千个并行线程，这数千个线程全部由GPU创建和管理 而不需要开发人员进行任何编程与管理。然而，如此强大的计算能力是具有针对性的，如 Z-buffering、纹理映射与光照计算等，这类计算都是针对大量的平行数据，运算的数据量 大，但是运算的类型却并不复杂，还具有类似性，计算性强但是逻辑性不强。而CPU是设计 用来处理通用任务的处理、加工、运算以及系统核心控制等工作，CPU的微架构是为高效率 处理数据相关性不大的计算类、复杂繁琐的非计算类等工作而优化的。所以目前CPU和GPU 还在自己的轨道上各司其职，人们都只是简单地利用单纯的CPU硬件或者GPU硬件进行算 法的处理，或者只是通过CPU读取图像，再通过GPU进行算法的并行处理，无法将两者进行 很好的结合。
[0004] 目前，随着美容算法的不断升级与优化，越来越多效果好而性能慢的模糊算法被 研究出来，例如双边滤波等，而且在对图像进行美容处理时，还会对图像进行人脸定位、皮 肤识别、皮肤优化、瘦脸瘦身、亮眼、鼻子高光、立体感等更多的步骤来使效果更好，但是处 理的时间随着步骤的增加而增加，需要一种能够运用CPU和GPU进行综合处理的图像美容 方法，来加快图像美容速度。
【发明内容】
[0005] 本发明为解决上述问题，提供了一种图像美容的加速方法，其通过将图像美容算 法分解成多个基础算法，并根据各个基础算法的特性以及他们之间的相关性设置执行顺序 对图像同时进行CPU和GPU的硬件并行处理，极大的提高了图像美容处理的效率。
[0006] 为实现上述目的，本发明采用的技术方案为：
[0007] -种图像美容的加速方法，其特征在于，包括以下步骤：
[0008] 10.对待处理图像的美容处理进行分解，得到多个基础算法以及各个基础算法的 输入源；
[0009] 20.对所述的基础算法进行CPU和GPU的性能测试，并根据性能测试的结果标记该 基础算法的CPU处理值和GPU处理值；
[0010] 30.根据所述基础算法的CPU处理值和GPU处理值对该基础算法进行硬件配置；
[0011] 40.根据所述基础算法的输入源，设置各个基础算法之间的执行顺序；
[0012] 50.根据所述的基础算法的硬件配置和执行顺序对待处理图像进行图像美容处 理。
[0013] 优选的，所述的基础算法包括以下两种或两种以上的组合：模糊处理、人脸定位、 皮肤识别、模糊合成、皮肤优化、瘦脸瘦身、亮眼、鼻子高光。
[0014] 优选的，所述的步骤50中根据所述的基础算法的硬件配置和执行顺序对待处理 图像进行图像美容处理，进一步包括：
[0015] 51.在GPU执行模糊处理，同时，在CPU依次执行人脸定位和皮肤识别；
[0016] 52.在GPU依次执行模糊合成和皮肤优化；
[0017] 53.在GPU执行瘦脸瘦身，同时，在CPU分别执行亮眼和鼻子高光；
[0018] 54.将步骤53的处理结果进行合成处理。
[0019] 优选的，所述的模糊处理的输入源是原始图像，处理后得到模糊图像；所述的人脸 定位的输入源是原始图像进行，处理后得到人脸区域和关键点定位；所述的皮肤识别的输 入源是原始图像，处理后得到皮肤概率图；所述的模糊合成的输入源是包括原始图像、模糊 图像和皮肤概率图，合成处理后得到模糊合成图；所述的皮肤优化的输入源是皮肤概率图 和模糊合成图，利用皮肤概率图对模糊合成图进行处理得到优化图；所述的瘦脸瘦身、亮 目艮、鼻子高光的输入源均是优化图，其分别利用优化图进行各自区域的处理，最后进行合成 处理得到最终结果图。
[0020] 优选的，所述的模糊处理包括以下一种或一种以上的组合：中值模糊处理、高斯模 糊处理、均值模糊处理、卷积处理。
[0021] 优选的，所述的皮肤识别，主要是利用对皮肤颜色的分析与建立数据库，对待处理 图像进行每个像素点的皮肤概率的判断；所述的模糊合成主要是根据皮肤识别的结果对待 处理图像与模糊处理后的模糊图像以皮肤识别的结果作为透明度进行效果合成。
[0022] 优选的，所述的皮肤优化，主要是对皮肤区域的颜色进行色调的调整，调整算法包 括以下一种或一种以上的组合：亮度对比度调整、饱和度调整、曲线调整、色阶调整、颜色调 整。
[0023] 本发明的有益效果是：
[0024] 本发明的一种图像美容的加速方法，其通过对待处理图像的美容处理进行分解， 得到多个基础算法以及各个基础算法的输入源，并对所述的基础算法进行CPU和GPU的性 能测试得到该基础算法的CPU处理值和GPU处理值，根据所述基础算法的CPU处理值和GPU 处理值对该基础算法进行硬件配置，并根据基础算法的输入源设置各个基础算法之间的执 行顺序，最后根据所述的硬件配置和执行顺序对待处理图像进行图像美容处理，从而极大 的提高了图像美容处理的效率，特别适用于各种算法复杂步骤繁多的美容处理，美容效果 更好更自然。
【专利附图】
【附图说明】
[0025] 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：
[0026] 图1为本发明一种图像美容的加速方法的流程简图。
【具体实施方式】
[0027] 为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白，以下结 合附图及实施例对本发明进行进一步详细说明。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。
[0028] 如图1所示，本发明的一种图像美容的加速方法，其包括以下步骤：
[0029] 10.对待处理图像的美容处理进行分解，得到多个基础算法以及各个基础算法的 输入源；
[0030] 20.对所述的基础算法进行CPU和GPU的性能测试，并根据性能测试的结果标记该 基础算法的CPU处理值和GPU处理值；
[0031] 30.根据所述基础算法的CPU处理值和GPU处理值对该基础算法进行硬件配置；
[0032] 40.根据所述基础算法的输入源，设置各个基础算法之间的执行顺序；
[0033] 50.根据所述的基础算法的硬件配置和执行顺序对待处理图像进行图像美容处 理。
[0034] 所述的步骤10中，基础算法包括以下两种或两种以上的组合：a.模糊处理、b.人 脸定位、c.皮肤识别、d.模糊合成、e.皮肤优化、f.瘦脸瘦身、g.亮眼、h.鼻子高光。具体 如下：
[0035] a.所述的模糊处理包括以下一种或一种以上的组合：中值模糊处理、高斯模糊处 理、均值模糊处理、卷积处理。其中：
[0036] 中值模糊处理：即中值滤波处理，主要是对要处理的像素点周围的N*N模板像素 点的颜色值进行从大到小或者从小到大的排序，得到排序后最中间的那个颜色值，即中位 数，然后将该像素点的颜色值设置为其中位数的颜色值；其中，N为模糊的半径。
[0037] 高斯模糊处理：其主要是采用正态分布计算图像中每个像素的变换，其中，在N维 空间的正态分布方程为：
【权利要求】
1. 一种图像美容的加速方法，其特征在于，包括以下步骤：
10.对待处理图像的美容处理进行分解，得到多个基础算法以及各个基础算法的输入 源；
20.对所述的基础算法进行CPU和GPU的性能测试，并根据性能测试的结果标记该基础 算法的CPU处理值和GPU处理值；
30.根据所述基础算法的CPU处理值和GPU处理值对该基础算法进行硬件配置；
40.根据所述基础算法的输入源，设置各个基础算法之间的执行顺序；
50. 根据所述的基础算法的硬件配置和执行顺序对待处理图像进行图像美容处理。
2. 根据权利要求1所述的一种图像美容的加速方法，其特征在于：所述的基础算法包 括以下两种或两种以上的组合：模糊处理、人脸定位、皮肤识别、模糊合成、皮肤优化、瘦脸 瘦身、亮眼、鼻子高光。
3. 根据权利要求2所述的一种图像美容的加速方法，其特征在于：所述的步骤50中根 据所述的基础算法的硬件配置和执行顺序对待处理图像进行图像美容处理，进一步包括：
51. 在GPU执行模糊处理，同时，在CPU依次执行人脸定位和皮肤识别；
52. 在GPU依次执行模糊合成和皮肤优化；
53. 在GPU执行瘦脸瘦身，同时，在CPU分别执行亮眼和鼻子高光；
54. 将步骤53的处理结果进行合成处理。
4. 根据权利要求3所述的一种图像美容的加速方法，其特征在于：所述的模糊处理的 输入源是原始图像，处理后得到模糊图像；所述的人脸定位的输入源是原始图像进行，处理 后得到人脸区域和关键点定位；所述的皮肤识别的输入源是原始图像，处理后得到皮肤概 率图；所述的模糊合成的输入源是包括原始图像、模糊图像和皮肤概率图，合成处理后得到 模糊合成图；所述的皮肤优化的输入源是皮肤概率图和模糊合成图，利用皮肤概率图对模 糊合成图进行处理得到优化图；所述的瘦脸瘦身、亮眼、鼻子高光的输入源均是优化图，其 分别利用优化图进行各自区域的处理，最后进行合成处理得到最终结果图。
5. 根据权利要求2或3或4所述的一种图像美容的加速方法，其特征在于：所述的模 糊处理包括以下一种或一种以上的组合：中值模糊处理、高斯模糊处理、均值模糊处理、卷 积处理。
6. 根据权利要求2或3或4所述的一种图像美容的加速方法，其特征在于：所述的皮 肤识别，主要是利用对皮肤颜色的分析与建立数据库，对待处理图像进行每个像素点的皮 肤概率的判断；所述的模糊合成主要是根据皮肤识别的结果对待处理图像与模糊处理后的 模糊图像以皮肤识别的结果作为透明度进行效果合成。
7. 根据权利要求2或3或4所述的一种图像美容的加速方法，其特征在于：所述的皮 肤优化，主要是对皮肤区域的颜色进行色调的调整，调整算法包括以下一种或一种以上的 组合：亮度对比度调整、饱和度调整、曲线调整、色阶调整、颜色调整。
【文档编号】G06T5/00GK104392409SQ201410718813
【公开日】2015年3月4日 申请日期:2014年12月1日 优先权日:2014年12月1日
【发明者】张伟, 傅松林, 李志阳, 张长定 申请人:厦门美图之家科技有限公司