一种图像处理方法及移动终端的制作方法
【技术领域】
[0001]本发明涉及电子设备技术领域，尤其是一种图像处理方法及移动终端。
【背景技术】
[0002]随着移动终端的图像处理功能日趋强大，用户对拍照效果的要求也越来越高。目前的移动终端相机应用程序可以实现对单人或多人的人脸美化功能，当图像中存在多人时，能对所有人都进行美化处理或根据人的年龄或性别等属性信息自动匹配对应的美化模式。
[0003]现有的人脸美化功能，只能同时对所有人进行相同或相似的美化处理，根据人的属性信息自动匹配美化模式的处理方式，在人物的年龄和自身的脸部特征存在很大差异时，美化效果存在误差，得不到用户所期望的美化效果，满足不了用户的个性化的美化处理需求。
【发明内容】
[0004]本发明实施例提供一种图像处理方法及移动终端，用以解决现有的人脸美化功能只能同时对所有人进行相同或相似的美化处理，根据人的属性信息自动匹配美化模式的处理方式，在人物的年龄和自身的脸部特征存在很大差异时，美化效果存在误差，得不到用户所期望的美化效果，满足不了用户的个性化的美化处理需求的问题。
[0005]本发明实施例提供一种图像处理方法，包括:
[0006]获取图像中的人脸特征点信息和人体轮廓信息；
[0007]接收用户的选中美化对象请求，获取选中操作区域的坐标信息；
[0008]根据所获取的选中操作区域的坐标信息，识别美化对象，所述美化对象为图像中的一人或多人；
[0009]对所识别的美化对象的人脸区域执行美化处理。
[0010]本发明实施例还提供一种移动终端，包括:
[0011]获取模块，用于获取图像中的人脸特征点信息和人体轮廓信息；
[0012]接收模块，用于接收用户的选中美化对象请求，获取选中操作区域的坐标信息；
[0013]识别模块，用于根据所获取的选中操作区域的坐标信息，识别美化对象，所述美化对象为图像中的一人或多人；
[0014]处理模块，用于对所识别的美化对象的人脸区域执行美化处理。
[0015]本发明实施例提供的图像处理方法，通过获取图像中的人脸特征点信息和人体轮廓信息，接收用户的选中美化对象请求，获取选中操作区域的坐标信息，根据所获取的选中操作区域的坐标信息，识别美化对象，该美化对象为图像中的一人或多人，进而对所识别的美化对象的人脸区域执行美化处理。该方法能实现用户根据自己的需求，对单人或多人进行不同的人脸美化处理，并且在美化处理过程中，用户可通过点击操作，拖动操作，或根据自定义的屏幕手势选择不同的美化处理选项进行不同级别的美化处理，人脸美化处理更具个性化，操作便捷，更具趣味性。
【附图说明】
[0016]图1是本发明图像处理方法的实施例流程图；
[0017]图2是本发明获取的人体轮廓信息的实施例示意图；
[0018]图3是本发明用户通过点击操作选中美化对象的实施例示意图；
[0019]图4是本发明用户通过划线操作选中美化对象的实施例示意图；
[0020]图5是本发明用户通过圈选操作选中美化对象的实施例示意图；
[0021]图6是本发明用户点击操作触发的美化处理选项图标分布的实施例示意图；
[0022]图7是本发明用户长按操作触发的美化处理选项图标分布的实施例示意图；
[0023]图8是本发明用户拖动美化处理选项图标的实施例示意图；
[0024]图9是本发明用户拖动美化处理选项图标的另一实施例不意图；
[0025]图10是本发明用户划连续轨迹手势操作的实施例示意图；
[0026]图11是本发明的移动终端的实施例结构示意图。
[0027]图12是本发明用户自定义美化处理选项的设置界面的实施例示意图。
【具体实施方式】
[0028]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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。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。
[0029]参见图1，为本发明图像处理方法的实施例流程图。
[0030]该图像处理方法可以包括:
[0031]步骤101，获取图像中的人脸特征点信息和人体轮廓信息。
[0032]在本发明实施例中，该图像为用户通过移动终端摄像头拍摄的图像，或是用户在移动终端应用程序中选择的已有的图像。
[0033]本步骤中，通过检测图像中的人脸，然后获取人脸特征点信息。目前主流的人脸检测技术有以下四种:基于知识、基于特征提取、基于模板匹配以及基于统计模型的人脸检测技术，简述如下:
[0034]基于知识的人脸检测技术:是将人脸面额器官之间的关系编码准则化的人脸检测技术，该技术是自顶向下，依据人脸面部器官的对称性、灰度差异等先验知识，制定出一系列的准则。当图像中的待测区有符合准则的，则被检测为人脸。
[0035]基于特征提取的人脸检测技术:基于特征提取的方法不仅可以从已有的面部特征而且可以从他们的几何关系进行人脸检测。它与基于知识的方法相反，它是先利用各种手段寻找人脸的不变特征，然后综合找到的不变特征来确定待检测区域是否是人脸。面部不变特征，如:眉毛、眼睛、鼻子、嘴和发际。一般利用边缘检测器提取，根据提取的特征，建立统计模型来描述特征之间的关系，并确定存在的人脸。
[0036]基于模板匹配的人脸检测技术:基于模板匹配的方法可以分为两类:预定模板和变形模板。预定模板方法首先制定出标准的模板，然后计算检测区域和模板的相关值，当相关值符合制定的准则就判定检测区域为人脸。变形模板首先制定出模板参数，然后根据检测区域的数据对参数进行修改直至收敛，以达到检测出人脸面部器官位置的目的。
[0037]基于统计模型的人脸检测技术:基于统计理论的人脸检测是利用统计分析与机器学习的方法来寻找出人脸样本与非脸样本各自的统计特征，再使用各自的特征构建分类器。使用分类器完成人脸检测。基于统计特征的人脸方法主要有:子空间方法，神经网络方法，支持向量机方法，隐马尔可夫模型方法以及Boosting方法。
[0038]本步骤中，检测图像中人脸的过程中，可采用上述四种人脸检测技术中的任意一种。检测到人脸后，保存人脸区域的左上角和右下角对应在整个图像中的坐标信息，该人脸区域是指能够检测到人脸的最小矩形区域，如图2所示，可定义图像的左上角坐标点为(0,0),图像的高为h，宽为w，则图像的右下角的坐标为(w，h)，人脸区域的左上角坐标和右下角坐标落在(0，0)和(w，h)连成的矩形区域内，用户也可以自定义坐标系的选择。
[0039]本步骤中，该获取人脸特征点信息的过程中，根据检测到的图像中的人脸，识别出各个人脸的特征点信息，这些特征点信息能够标识出人脸中的各个器官的坐标位置信息和大小信息。
[0040]本步骤中，该获取人体轮廓信息过程中，识别出图像中的所有人体轮廓点，分别保存各人脸对应的人体轮廓坐标数据，通过连接轮廓点，形成人体轮廓，如图2所示，图中黑色圆点为轮廓点，各个线段连接起来的轮廓为人体轮廓。目前人体轮廓识别领域常用的人体模型有两种:整体模型和简化模型。整体模型是从序列图像中提取人体轮廓，根据轮廓的运动特征进行分析识别，包括运动速度、运动序列的时间对称性、轮廓面的动态变化等特征。简化模型则是根据人体解剖学原理建立人体三维运动的简化模型，然后对模型进行特征分析。
[0