基于图像色彩分割的发色变换方法、系统及终端与流程

本发明涉及计算机图像处理技术领域，具体地，涉及一种基于图像色彩分割的发色变换方法、系统及终端，是一种图像分割及色彩变换的图像处理方法。

背景技术：

随着计算机性能的不断提升，以及图像采集设备的不断发展，图像的应用已经深透到人们的日常生活、生产消费及科学研究等领域。针对头发特征的检测、表述、分析和使用也被大家广泛关注和研究，但头发是人类外观的一个重要特征，头发分析至少有两个潜在的应用领域：人类识别和面部图像索引。但是，由于头发外观和属性可以如此容易地改变，因此它们被广泛认为是用于面部识别的不稳定特征。此外，头发一直是计算机图形和动画的重要研究课题。而在日常生活中，人们在拍照的时候也喜欢用一些相关的美图软件，软件中关于发色变换的功能也非常引人注目。

但是现阶段关于头发方面的研究进展极为缓慢，目前关于发色变换方面，基本没有相关的现有技术，并且对于头发部分的分割技术和方法也不成熟，对于边缘部分的分割还存在误差。

技术实现要素：

本发明提供了一种基于图像色彩分割的发色变换方法、系统及终端，基于人们原本的发色(例如黑色)，通过对图片的预处理和对干扰因素的排除，在图像处理过程中，将头发颜色转换成需要的颜色。

本发明是通过以下技术方案实现的。

根据本发明的一个方面，提供了一种基于图像色彩分割的发色变换方法，包括：

s1，采集图像，对图像进行预处理；

s2，对s1中得到的预处理后的图像进行背景滤除处理；

s3，对s2中得到的图像中的人像进行人脸识别和人眼识别，进一步分割出头发模块，并对眼睛部分进行遮蔽处理；

s4，提取原图像中发色像素的多个像素点，并求出多个像素点的平均值以代替发色像素，基于替代后的发色像素，对s3中得到的进行遮蔽处理后的图像进行发色变换处理；

s5，对s4中得到的发色变换后的图像进行背景恢复处理。

优选地，所述s1，包括：

对图片对比度和亮度进行调整，采用如下计算公式：：

g(x,y)＝a×f(x,y)+b

其中，f(x,y)代表源图像第x行、第y列的像素点的c通道的数值；g(x,y)代表目标图像第x行、第y列的像素点的c通道的数值；a参数表示放大的倍数，a>0；b参数为偏置，用来调节亮度。

优选地，所述a大于等于0.0、小于等于3.0。

优选地，所述s2，包括：

基于像素点变化率分离图像的前景和背景；采用混合高斯模型表征图像中各个像素点的特征，在新一帧图像获得后更新混合高斯模型，用当前图像中的每个像素点与混合高斯模型匹配，如果匹配成功则判定该点为背景点，否则为前景点；

所述混合高斯模型包括k个高斯模型，其中，对于表征背景的高斯模型，设，对于一个图像中的背景，该背景中特定像素亮度的分布满足高斯分布，即对图像中的背景w，其每一个像素点(x,y)的亮度均满足w(x,y)～n(u,d)，则：

其中，p(x)表示一维高斯分布的概率密度函数，u和d分别为表征背景的高斯模型中每个象素点属性中的平均值参数和方差参数；

对于一幅给定的图像q，当：

其中，t为一个常数阈值，像素点(x,y)为背景点，反之则为前景点；

然后，对每一帧图像进行背景的更新，则：

wt(x,y)＝p×wt-1(x,y)+(1-p)×qt(x,y)

其中，wt(x,y)表示t时的背景像素参数；p为一个常数(范围为0-1)，用来反映背景更新率，p越大，背景更新的越慢；qt(x,y)表示t时图像的的像素参数；

获取背景后，进入图像循环；将静态图像中标注出的人物视为前景，然后将背景删除，得到图像中的前景。

优选地，所述k取值为3～5。

优选地，所述s3，采用人脸识别和人眼识别的方法，基于级联增强分类器的算法检测图像中的面部区域并训练眼睛检测器以将眼睛定位在面部区域内；该分类器具体操作如下：

对于每个分类器计算训练样本的特征值，对这些特征值进行排序；

计算所有属于人脸的样本的特征值的和t1以及所有属于非人脸的样本的特

征值的和t0；

计算第i个样本前所有属于人脸的样本的特征值的和s1i以及属于非人脸的

样本的特征值的和s0i；

计算r＝min((s1+(t0i-s0i)),(s0+(t1i-s1i)))；

计算得到的最小的r值即为所求阈值。有了阈值，采用决策树构成一个弱分类器，如下所示：

其中x是子图像窗口，f是特征，p的作用是控制不等号方向，使得不等号都为"<"，θ是阈值；

提高错误分类的样本的权重，并舍弃正确分类的样本，加入新的样本，新的样本的权重为1/n，其中n为总的样本个数，进行新一轮的弱分类器的训练；

经过t轮后，训练出t个弱分类器；将这t个弱分类器根据他们的分类错误率加权求和构成一个强分类器，如下所示：

其中αt是第t个弱分类器的权重，βt是第t个弱分类器的错误率；

最后定位出眼睛位置后，对眼部进行遮蔽隐藏处理。

优选地，所述s4，包括：

首先将原图像中头发颜色的多个像素值提取出来，存入文本中，对这些像素值求均值，得到头发像素的平均rgb像素值，然后将该平均rgb像素值导入发色变换部分的原始发色像素值，将图像由rgb模型转换为ycrcb模型，得到：

y＝0.257×r+0.504×g+0.098×b+16

cb＝-0.148×r-0.504×g+0.439×b+128

cr＝0.439×r-0.368×g+0.071×b+128；

模型转换后，对图像的头发颜色进行转换，对颜色转换部分采用漫水填充法，设置能够连通发色像素的上下限范围，对上下限范围区域像素进行不同颜色填充，得到转换后的图像后，再将图像由ycrcb模型转换为rgb模型，得到发色变化后的结果图像。

优选地，所述s5，包括：

得到变色完成后的图像，通过对删除背景后的图像白色背景进行透明化处理，再与原始背景进行叠加，得到恢复背景的最终图像。

根据本发明的第二个方面，提供了一种基于图像色彩分割的发色变换系统，包括：

图像采集模块，采集图像，并对采集的图像进行预处理；

背景处理模块，对预处理后的图像进行背景滤除处理；人像识别模块，对背景恢复后的图像中的人像进行人脸识别和人眼识别，进一步分割出头发模块，并对眼睛部分进行遮蔽处理；

发色变换模块，提取原图像中发色像素的多个像素点，并求出多个像素点的平均值以代替发色像素，基于替代后的发色像素，对进行遮蔽处理后的图像进行发色变换处理；

背景恢复模块，发色变换完成后，基于变换后的图像，对该图像的背景恢复成原图像背景，得到完整的发色变换图像。

根据本发明的第三个方面，提供了一种终端，包括存储器、处理器及存储在存储器上并能够在处理器上运行的计算机程序，所述处理器执行所述计算机程序时能够用于执行上述任一项所述的方法。

与现有技术相比，本发明具有如下的有益效果：

本发明提供的基于图像色彩分割的发色变换方法、系统及终端，提出了一种简单而方便的发色变换方法，该方法对漫水填充法进行了改进，不用进行鼠标取点，即可实现自动对已设定的像素进行换色处理。另外通过背景滤除等方法，排除了背景因素等带来的干扰；并且对图片的预处理，可改善图片画质，提高变色效果。另外，该方法可以用于对摄像头采集到的实时视频的发色变换，实现良好的实时性和现场性。算法运行速度快，准确率高，鲁棒性好，且针对不同的发型，均有较好的检测效果。

附图说明

通过阅读参照以下附图对发色变换实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1发色变换方法流程图；

图2发色提取和发色变换过程流程图；

图3背景恢复流程图；

图4图片美化效果图；其中，(a)为光线过暗效果图，(b)为正常美化效果图，(c)为曝光过度效果图；

图5背景滤除示意图；其中，(a)为原图，(b)为前景分割效果图，(c)为背景滤除效果图；

图6背景恢复示意图；其中，(a)为原图，(b)为前景分割效果图，(c)为背景滤除效果图，(d)为背景恢复效果图；

图7人脸识别和人眼识别示意图；

图8发色变换对比示意图；其中，(a)为原图，(b)为发色变换效果图；

图9完整发色变换示意图。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。

图1为本发明实施例提供的一种基于图像色彩分割的发色变换系统的流程图。首先获取新图像，对图片进行预处理，通过改变图片的亮度和对比度等因素改变图片的效果，以提高发色变换的效果；其二对图片进行背景滤除处理，将多色背景换成白色，以避免背景的杂色对发色变换造成影响；其三根据人眼识别和人脸识别，将人的眼睛部分的黑色进行遮蔽处理，以免眼睛部位的黑色像素和头发黑色像素混淆；其四对经过一系列处理后的图片进行头发色素提取，通过多个点的像素值求平均，作为头发像素值，从而对头发进行颜色变换处理；最后将背景恢复，得到完整的发色变换后的图片。

下面结合附图，对本发明实施例提供的基于图像色彩分割的发色变换方法的具体步骤进一步详述如下：

步骤1：采集图像(包括图片和视频)，对图像进行预处理，美化图像效果，改善图像的亮度等效果，参见图4中(a)～(c)。

首先载入已保存的图像，或从摄像头中获取实时采集到的图片或视频，对载入的图像进行预处理，对图像进行亮度、对比度、锐化、和饱和度的调整，以达到图像的优化、色彩增强等效果。

对图像对比度和亮度的调整一般通过下面公式计算：

g(x,y)＝a×f(x,y)+b

其中，f(x,y)代表源图像第x行、第y列的像素点的c通道的数值；g(x,y)代表目标图像x行、y列的像素点的c通道的数值；a参数(a>0)表示放大的倍数(一般在0.0～3.0之间)；b参数一般称为偏置，用来调节亮度。

通过这个公式可以得到处理后的像素值，但是为了防止像素值越界(0～255)，所以进行了容错处理保证数值在0～255之间(a,b数值可以适当修改观察结果变化)。另外，还可以通过在图像上方设置对比度和亮度的滑动条，可实时调节图像效果。优化后的效果图参见图3。

步骤2：得到预处理后的图像后，对图像进行背景滤除处理。

为了去除背景对发色变换的干扰，在发色变换前，对图像(图片或视频)采取背景滤除处理。高斯模型去除背景法是背景去除的一种常用的方法，对于分离前景和背景的基准是判断像素点变化率，会把变化慢的学习为背景，变化快的视为前景。混合高斯模型使用k(基本为3到5)个高斯模型来表征图像中各个像素点的特征，在新一帧图像获得后更新混合高斯模型，用当前图像中的每个像素点与混合高斯模型匹配，如果成功则判定该点为背景点，否则为前景点。

单分布高斯背景模型假设，对一个图像中的背景，特定像素亮度的分布满足高斯分布，即对图像中的背景w，其每一个像素点(x,y)的亮度均满足w(x,y)～n(u,d)：

这样高斯背景模型的每个象素属性包括两个参数：平均值u和方差d。

对于一幅给定的图像q，当：

其中，t为一个常数阈值，像素点(x,y)为背景点，反之则为前景点；

然后，对每一帧图像进行背景的更新，则：

wt(x,y)＝p×wt-1(x,y)+(1-p)×qt(x,y)

其中，wt(x,y)表示t时的背景像素参数；p为一个常数(范围为0-1)，用来反映背景更新率，p越大，背景更新的越慢；qt(x,y)表示t时图像的的像素参数；

获取背景后，进入图像循环。另外需要把静态图像中标注出的人物视为前景，然后把背景删除，得到想要的图像中的前景，参见图5中(a)～(c)。

步骤3：对图像中的人像进行人脸识别和人眼识别，进一步分割出头发模块，并对眼睛部分进行遮蔽处理；

参见图7，采用人脸识别和人眼识别的方法，基于级联增强分类器的算法检测图像中的面部区域并训练眼睛检测器以将眼睛定位在面部区域内；

该分类器具体操作如下：

(1)对于每个分类器计算训练样本的特征值，对这些特征值进行排序；

(2)计算所有属于人脸的样本的特征值的和t1，和所有属于非人脸的样本的特征值的和t0；

(3)计算第i个样本前所有属于人脸的样本的特征值的和s1i和属于非人脸的样本的特征值的和s0i；

(4)计算r＝min((s1+(t0i-s0i)),(s0+(t1i-s1i)))；

计算得到的最小的r值即为所求阈值。有了阈值，我们便用决策树构成了一个简单的弱分类器，如下所示：

其中x子图像窗口，f是特征，p的作用是控制不等号方向，使得不等号都为"<"，θ是阈值；

(5)提高错误分类的样本的权重，并舍弃正确分类的样本，加入新的样本，新的样本的权重为1/n，其中n为总的样本个数进行新一轮的弱分类器的训练；

(6)经过t轮后，训练出t个弱分类器；将这t个弱分类器根据他们的分类错误率加权求和构成一个强的分类器，如下所示：

其中αt是第t个弱分类器的权重，βt是第t个弱分类器的错误率；

定位出人眼位置后，对眼部进行遮蔽隐藏处理，即将眼睛遮住，以避免眼睛和眉毛的黑色部分对头发变色有所干扰。人脸识别和人眼识别及隐藏，对发色的定位的帮助非常大。

步骤4：提取原图像中的发色像素，取多个像素点，并求出像素点的平均值以代替发色像素，基于该替代后的发色像素，对图像进行发色变换处理。

对于发色变换，该方法采取了基于像素值的颜色变换方法，首先将图片中头发颜色的像素值提取出来，得到头发像素的平均rgb像素点，基于该rgb像素值，对发色进行颜色变换，参见图2。

首先将图片中头发颜色的像素值提取出来，存入文本中，因提取过程中不是个别点像素值的提取，而是头发上的很多个像素点，然后将这些点求均值，得到头发像素的平均rgb像素点；然后将该像素值导入程序中发色变换部分的原始发色像素值，将图像由rgb模型转换为ycrcb模型(ycrcb颜色空间中，y代表的是亮度，cr与cb代表的都是色度)。

y＝0.257×r+0.504×g+0.098×b+16

cr＝0.439×r-0.368×g+0.071×b+128

cb＝-0.148×r-0.504×g+0.439×b+128

模型转换后，对图像的头发颜色进行转换，对颜色转换部分采用漫水填充法，设置可连通发色像素的上下限范围，以黑色为例，设置黑色像素的上下限范围，对该范围内的像素进行不同颜色(如红色)填充，以达到改变头发颜色目的。得到转换后的图像后，再转换回rgb模型，得到发色变换后的图像。

步骤5：对得到的发色变换后的图像进行背景恢复处理，得到最终完整发色变换结果。背景恢复示意图，如图6中(a)～(d)所示。

得到发色变换后的图像，如图8中(a)和(b)所示，但该图像经过背景滤除，背景为单一白色；通过对滤除背景后的图像背景(即白色背景)进行透明化处理，再与原始背景进行叠加，得到恢复背景的最终图像，参见图9。

本发明实施例同时提供了一种基于图像色彩分割的发色变换系统，包括：

图像采集模块，采集图像，并对采集的图像进行预处理；

背景处理模块，对预处理后的图像进行背景滤除处理；

人像识别模块，对背景恢复后的图像中的人像进行人脸识别和人眼识别，进一步分割出头发模块，并对眼睛部分进行遮蔽处理；

发色变换模块，提取原图像中发色像素的多个像素点，并求出多个像素点的平均值以代替发色像素，基于替代后的发色像素，对进行遮蔽处理后的图像进行发色变换处理。

背景恢复模块，基于变换后的图像，对该图像的白色背景恢复成原图像背景，得到完整的发色变换图像。

基于以上实施例提供的基于图像色彩分割的发色变换方法及系统，本发明实施例还提供了一种终端，包括存储器、处理器及存储在存储器上并能够在处理器上运行的计算机程序，所述处理器执行所述计算机程序时能够用于执行本发明上述实施例中提供的任一项所述的方法。

本发明上述实施例提供的一种基于图像色彩分割的发色变换方法、系统及终端，在对图片进行美化处理和色彩调节的基础上，基于人们原本的发色(如黑色)，将头发颜色转换成需要的颜色。首先通过输入采集到的图像或视频，对原始图像进行对比度和亮度的调节，并进行背景滤除处理，减少背景中和头发性质相同的像素的干扰；然后采用人脸识别和人眼识别，进一步对头发区域进行识别，并排除脸部如眼睛和眉毛的影响；最后，根据头发分割区域提取头发像素并进行颜色变换。本发明技术操作简单，可有效排除干扰，快速、准确地实现发色的变换。

需要说明的是，本发明提供的所述方法中的步骤，可以利用所述系统中对应的模块予以实现，本领域技术人员可以参照所述系统的技术方案实现所述方法的步骤流程，即，所述系统中的实施例可理解为实现所述方法的优选例，在此不予赘述。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。