一種圖像分離方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理、圖像區(qū)域分割和識別領(lǐng)域，尤其涉及一種圖像分離方法及 裝置，用于分離人物圖像中的膚色子圖。
【背景技術(shù)】
[0002] 隨著拍照的普及，人們對于照片的要求越來越高，因此需要對圖像的處理要求也 越來越高，而對于人物圖像中，膚色區(qū)域識別為圖像處理的基礎(chǔ)，現(xiàn)有技術(shù)中常采用以下兩 種方法識別人物圖像中的膚色區(qū)域，一是對膚色建立多顏色空間模型，如采用RGB/YIQ，經(jīng) 過對各人種膚色進行統(tǒng)計或者機器學習得出。采用多顏色空間能夠彌補單顏色統(tǒng)計的不 足，提高了膚色區(qū)域的識別率，是現(xiàn)在主流的膚色分割方法；二是采用聚類分割算法，再從 聚類結(jié)果中根據(jù)膚色統(tǒng)計模型或者機器學習模型來確定；而這兩類主流方法都基于顏色空 間使用統(tǒng)計或者機器學習的方法來建立膚色模型。面對多種人種，多種年齡段，這個膚色模 型無法達到高效，常常有漏檢或者多檢的情況，對于各類膚色很容易誤判，把不是膚色檢測 成膚色區(qū)域。

【發(fā)明內(nèi)容】

[0003] 為了解決上述技術(shù)問題，本發(fā)明提供了一種圖像分離方法及裝置，解決了現(xiàn)有技 術(shù)中人物圖像中膚色區(qū)域的分離技術(shù)中常常存在漏檢或者多檢，且容易對類膚色區(qū)域誤判 的問題。
[0004] 依據(jù)本發(fā)明的一個方面，提供了一種圖像分離方法，用于分離人物圖像中的膚色 子圖，包括：
[0005] 獲取人物圖像中的膚色區(qū)域；
[0006] 篩選膚色區(qū)域中人臉所在位置處的第一膚色子區(qū)域，該人臉所在位置通過人臉識 別得到；
[0007] 提取第一膚色子區(qū)域的像素特征信息；
[0008] 采用聚類算法將膚色區(qū)域劃分為多個第二膚色子區(qū)域；
[0009] 合并與第一膚色子區(qū)域像素特征信息比值在預(yù)定范圍內(nèi)的第二膚色子區(qū)域，得到 初級膚色子圖。
[0010] 可選地，在得到初級膚色子圖的步驟之后還包括：
[0011] 對人物圖像進行灰度化處理，提取人物圖像中人物的輪廓；
[0012] 采用連通域算法，在輪廓中找到初級膚色子圖的所在位置，得到初級膚色子圖的 連通區(qū)域；
[0013] 獲取人物圖像中對應(yīng)該連通區(qū)域的區(qū)域，則得到完整的膚色子圖。
[0014] 可選地，在獲取人物圖像中的膚色區(qū)域的步驟之前還包括：對人物圖像進行預(yù)處 理操作，預(yù)處理操作包括：去噪濾波、彩色均衡化。
[0015] 可選地，獲取人物圖像中的膚色區(qū)域的步驟包括：
[0016] 將人物圖像在RGB顏色空間下進行一次過濾；
[0017] 將經(jīng)過一次過濾后的人物圖像從RGB顏色空間轉(zhuǎn)換到Y(jié)IQ顏色空間，并對其進行 二次過濾，得到膚色區(qū)域。
[0018] 可選地，提取第一膚色子區(qū)域的像素特征信息的步驟包括：
[0019] 統(tǒng)計第一膚色子區(qū)域內(nèi)的像素點，并根據(jù)像素點的統(tǒng)計結(jié)果計算第一膚色子區(qū)域 的像素均值；
[0020] 計算人物圖像中人臉所在的中心區(qū)域內(nèi)像素的HSI均值，得到第一膚色子區(qū)域的 顏色特征。
[0021] 可選地，獲取第二膚色子區(qū)域的步驟包括：
[0022] 采用RGB轉(zhuǎn)HSI算法，將膚色區(qū)域從RGB顏色空間轉(zhuǎn)換到HSI顏色空間；
[0023] 采用K-mean聚類算法將膚色區(qū)域劃分為多個子圖，得到第二膚色子區(qū)域。
[0024] 依據(jù)本發(fā)明的另一個方面，還提供了一種圖像分離裝置，用于分離人物圖像中的 膚色子圖，包括 ：
[0025] 第一獲取模塊，用于獲取人物圖像中的膚色區(qū)域；
[0026] 第一分割模塊，用于篩選膚色區(qū)域中人臉所在位置處的第一膚色子區(qū)域；
[0027] 人臉識別模塊，用于對人物圖像進行人臉識別，得到人臉所在位置；
[0028] 第一提取模塊，用于提取所述第一膚色子區(qū)域的像素特征信息；
[0029] 第二分割模塊，用于采用聚類算法將膚色區(qū)域劃分為多個第二膚色子區(qū)域；
[0030] 聚合模塊，用于合并與第一膚色子區(qū)域像素特征信息比值在預(yù)定范圍內(nèi)的第二膚 色子區(qū)域，得到初級膚色子圖。
[0031] 可選地，該圖像分離裝置還包括：
[0032] 第二提取模塊，用于提取經(jīng)灰度化處理后的人物圖像中人物的輪廓；
[0033] 連通模塊，用于采用連通域算法，在輪廓中找到初級膚色子圖的所在位置，得到初 級膚色子圖的連通區(qū)域；
[0034] 第二獲取模塊，用于獲取人物圖像中對應(yīng)連通區(qū)域的區(qū)域，則得到完整的膚色子 圖。
[0035] 可選地，該圖像分離裝置還包括：
[0036] 預(yù)處理模塊，用于對人物圖像進行預(yù)處理操作，預(yù)處理操作包括：去噪濾波、彩色 均衡化。
[0037] 可選地，第一獲取模塊包括：
[0038] 第一過濾模塊，用于將人物圖像在RGB顏色空間下進行一次過濾；
[0039] 第二過濾模塊，用于將經(jīng)過一次過濾后的人物圖像從RGB顏色空間轉(zhuǎn)換到Y(jié)IQ顏 色空間，并對其進行二次過濾，得到膚色區(qū)域。
[0040] 可選地，第一提取模塊包括：
[0041] 第一計算模塊，用于統(tǒng)計第一膚色子區(qū)域內(nèi)的像素點，并根據(jù)像素點的統(tǒng)計結(jié)果 計算第一膚色子區(qū)域的像素均值；
[0042] 第二計算模塊，用于計算人物圖像中人臉所在的中心區(qū)域內(nèi)像素的HSI均值，得 到第一膚色子區(qū)域的顏色特征。
[0043] 可選地，第二分割模塊包括：
[0044] 轉(zhuǎn)換模塊，用于采用RGB轉(zhuǎn)HSI算法，將膚色區(qū)域從RGB顏色空間轉(zhuǎn)換到HSI顏色 空間；
[0045] 劃分模塊，用于采用K-mean聚類算法將膚色區(qū)域劃分為多個子圖，得到第二膚色 子區(qū)域。
[0046] 本發(fā)明的實施例的有益效果是：一種圖像分離方法及裝置，用于分離人物圖像中 的膚色子圖，通過對人物圖像進行兩次過濾得到膚色區(qū)域，并對該膚色區(qū)域進行第一次分 割得到人臉所在位置處的第一膚色子區(qū)域，進行第二次分割得到第二膚色子區(qū)域，再將與 第一膚色子區(qū)域像素特征信息比值在預(yù)定范圍內(nèi)的第二膚色子區(qū)域進行合并，得到該人物 圖像中初級膚色子圖，通過兩次分割方式，避免了現(xiàn)有圖像分離技術(shù)中存在漏檢的現(xiàn)象；而 基于人臉識別獲得的第一膚色子區(qū)域的像素特征信息最接近人物膚色的像素特征信息，將 與第一膚色子區(qū)域像素特征信息的比值在預(yù)定范圍內(nèi)的第二膚色子區(qū)域進行合并，得到初 級膚色子圖，這樣就將膚色區(qū)域篩選出來，而去除類膚色區(qū)域，避免了多檢的現(xiàn)象，提高了 圖像分離的精確度。
【附圖說明】
[0047] 圖1表示本發(fā)明的圖像分離方法的流程圖；
[0048] 圖2表示本發(fā)明的圖像分離方法的具體流程圖；
[0049] 圖3表示本發(fā)明的圖像分離裝置的結(jié)構(gòu)示意圖。
【具體實施方式】
[0050] 下面將參照附圖更詳細地描述本發(fā)明的示例性實施例。雖然附圖中顯示了本發(fā)明 的示例性實施例，然而應(yīng)當理解，可以以各種形式實現(xiàn)本發(fā)明而不應(yīng)被這里闡述的實施例 所限制。相反，提供這些實施例是為了能夠更透徹地理解本發(fā)明，并且能夠?qū)⒈景l(fā)明的范圍 完整的傳達給本領(lǐng)域的技術(shù)人員。
[0051] 實施例
[0052] 如圖1所示，本發(fā)明的實施例提供了一種圖像分離方法，用于分離人物圖像中的 膚色子圖，該圖像分離方法包括：
[0053] 步驟10 :獲取人物圖像中的膚色區(qū)域；
[0054] 現(xiàn)有技術(shù)中對人物圖像中膚色區(qū)域的提取方法有很多種，利用多空間顏色模型的 方式可以提高膚色區(qū)域的識別率，是主流的膚色區(qū)域提取方法，本發(fā)明的膚色區(qū)域提取采 用傳統(tǒng)的雙顏色空間分割法，獲取人物圖像中全部膚色區(qū)域，即實現(xiàn)第一次分割；
[0055] 可選地，將待分離膚色子圖的人物圖像，在RGB顏色空間，即紅綠藍模型，進行一 次過濾，將經(jīng)過一次過濾后的人物圖像從RGB顏色空間，轉(zhuǎn)換到Y(jié)IQ顏色空間，并對其進行 二次過濾，即可得到膚色區(qū)域，過濾掉人物圖像中的非膚色區(qū)域。其中，Y表示灰度值，I、Q 表示色調(diào)。
[0056]