图像处理方法、装置、设备及存储介质与流程

1.本发明涉及图像处理技术领域，尤其涉及一种图像处理方法、装置、设备及存储介质。


背景技术：

2.随着移动互联技术的兴起，在线试妆、视频直播、手机拍照技术得到了很大的发展。由此衍生的视频、拍照的美颜、线上试妆等技术得到广泛应用，随着修图软件的普及率越来越高，大家对修图软件的美颜功能的要求也越来越高，但是现有的修图软件进行美颜处理的时候效果不够自然，这样容易导致图片失真。
3.上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。


技术实现要素：

4.本发明的主要目的在于提供一种图像处理方法、装置、设备及存储介质，旨在解决现有技术如何从而通过美颜功能处理的图像更加真实的技术问题。
5.为实现上述目的，本发明提供了一种图像处理方法，所述方法包括以下步骤：
6.获取预览图像以及所述预览图像的原始人脸面部图像；
7.对所述原始人脸面部图像的面部区域进行模糊处理，得到模糊图像；
8.对所述模糊图像进行高反差保留处理，得到高反差图像；
9.对所述原始人脸面部图像以及所述高反差图像进行通道值处理，确定目标磨皮强度；
10.根据所述目标磨皮强度对所述模糊图像以及所述原始人脸面部图像进行线性混合处理，确定目标人脸图像。
11.可选地，所述对所述模糊图像进行高反差保留处理，得到高反差图像，包括：
12.基于所述原始人脸面部图像中各像素点的像素值与所述模糊图像中对应的像素点的像素值之间的差值，得到初始高反差保留图像；
13.对所述初始高反差保留图像进行滤波处理，得到高反差图像。
14.可选地，所述获取所述预览图像的原始人脸面部图像之前，还包括：
15.对所述预览图像进行人脸识别，得到面部图像；
16.对所述面部图像进行图像处理，得到原始人脸面部图像。
17.可选地，所述对所述原始人脸面部图像以及所述高反差图像进行通道值处理，确定目标磨皮强度，包括：
18.对所述人脸面部图像与模糊图像的蓝色通道值进行调节，得到通道差值；
19.将所述高反差图像中的各个像素通道值进行比较，得到目标通道值；
20.根据所述目标通道值、通道差值以及预设磨皮强度，得到目标磨皮强度。
21.可选地，所述根据所述目标磨皮强度对所述模糊图像以及所述原始人脸面部图像
进行线性混合处理，确定目标人脸图像，包括：
22.根据所述目标磨皮强度与所述模糊图像确定第一磨皮图像；
23.根据所述目标磨皮强度与所述原始人脸面部图像确定第二磨皮图像；
24.根据所述第一磨皮图像与所述第二磨皮图像得到目标人脸图像。
25.可选地，所述根据所述目标磨皮强度对所述模糊图像以及所述原始人脸面部图像进行线性混合处理，确定目标人脸图像之后，还包括：
26.获取所述目标人脸图像中面部区域每一个像素的像素值对应的肤色值；
27.根据预设的美白肤色值与面部肤色值之间的对应关系确定所述目标人脸图像的肤色值对应的目标美白肤色值；
28.将所述目标人脸图像的肤色值调整为所述目标美白肤色值，得到第一人脸图像。
29.可选地，所述将对所述目标人脸图像的肤色值调整为所述美白肤色值，得到第一人脸图像之后，还包括：
30.获取所述第一人脸图像中各个人脸部位对应的类型以及所述人脸部位对应的位置信息，并根据所述类型在预设样本贴图库中查找目标贴图，得到所述人脸部位对应的目标贴图；
31.根据所述位置信息将人脸部位与所述人脸部位对应的目标贴图进行融合，得到目标预览图像。
32.可选地，所述获取所述人脸部位对应位置信息，包括：
33.将所述第一人脸图像输入人脸关键点模型，得到所述第一人脸图像对应的关键点集合；
34.在所述关键点集合中抽取出类型对应的目标关键点；
35.基于各个目标关键点通过预设三角剖分规则提取出对应的三角剖分网格，得到目标三角剖分网格；
36.通过所述目标三角剖分网格确定所述第一人脸图像中各个人脸部位对应类型的位置信息。
37.可选地，所述根据所述位置信息将人脸部位与所述人脸部位对应的目标贴图进行融合，得到目标预览图像，包括：
38.确定所述人脸部位对应的目标贴图中的样本部位关键点；
39.基于各个样本部位关键点通过预设三角剖分规则中提取出对应的三角剖分网格，得到样本三角剖分网格；
40.通过所述样本三角剖分网格确定所述目标贴图的样本位置信息；
41.将所述目标贴图的样本位置信息与所述人脸部位的位置信息进行对应，得到对应结果；
42.根据所述对应结果将所述目标贴图贴到所述人脸部位，得到目标预览图像。
43.此外，为实现上述目的，本发明还提出一种图像处理装置，所述图像处理装置包括：
44.获取模块，用于获取预览图像以及所述预览图像的原始人脸面部图像；
45.模糊处理模块，用于对所述原始人脸面部图像的面部区域进行模糊处理，得到模糊图像；
46.高反差处理模块，用于对所述模糊图像进行高反差保留处理，得到高反差图像；
47.通道值处理模块，用于对所述原始人脸面部图像以及所述高反差图像进行通道值处理，确定目标磨皮强度；
48.混合模块，用于根据所述目标磨皮强度对所述模糊图像以及所述原始人脸面部图像进行线性混合处理，确定目标人脸图像。
49.此外，为实现上述目的，本发明还提出一种图像处理设备，所述图像处理设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的图像处理程序，所述图像处理程序配置为实现如上文所述的图像处理方法的步骤。
50.此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有图像处理程序，所述图像处理程序被处理器执行时实现如上文所述的图像处理方法的步骤。
51.本发明通过获取预览图像以及所述预览图像的原始人脸面部图像；对所述原始人脸面部图像的面部区域进行模糊处理，得到模糊图像；对所述模糊图像进行高反差保留处理，得到高反差图像；对所述原始人脸面部图像以及所述高反差图像进行通道值处理，确定目标磨皮强度；根据所述目标磨皮强度对所述模糊图像以及所述原始人脸面部图像进行线性混合处理，确定目标人脸图像。由于通过对原始人脸面部图像进行模糊处理以及高反差保留处理，从而使美颜处理基于原始人脸面部图像，可保留原始人脸面部图像的部分特征，使美颜功能处理的图像更贴近处理对象，提高处理后图像的真实性。
附图说明
52.图1是本发明实施例方案涉及的硬件运行环境的图像处理设备的结构示意图；
53.图2为本发明图像处理方法第一实施例的流程示意图；
54.图3为本发明图像处理方法第二实施例的流程示意图；
55.图4为本发明图像处理方法第三实施例的流程示意图；
56.图5为本发明图像处理装置第一实施例的结构框图。
57.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
58.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。
59.参照图1，图1为本发明实施例方案涉及的硬件运行环境的图像处理设备结构示意图。
60.如图1所示，该图像处理设备可以包括：处理器1001，例如中央处理器(central processing unit，cpu)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(wireless-fidelity，wi-fi)接口)。存储器1005可以是高速的随机存取存储器(random access memory，ram)存储器，也可以是稳定的非易失性存储器(non-volatile memory，nvm)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
61.本领域技术人员可以理解，图1中示出的结构并不构成对图像处理设备的限定，可
以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
62.如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及图像处理程序。
63.在图1所示的图像处理设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明图像处理设备中的处理器1001、存储器1005可以设置在图像处理设备中，所述图像处理设备通过处理器1001调用存储器1005中存储的图像处理程序，并执行本发明实施例提供的图像处理方法。
64.本发明实施例提供了一种图像处理方法，参照图2，图2为本发明一种图像处理方法第一实施例的流程示意图。
65.本实施例中，所述图像处理方法包括以下步骤：
66.步骤s10：获取预览图像以及所述预览图像的原始人脸面部图像。
67.需要说明的是，本实施例的执行主体可为图像处理设备，还可为其他可实现相同或相似功能的设备，本实施例对此不作限制，在本实施例中，以图像处理设备为例进行说明。
68.应当理解的是，预览图像是通过图像处理设备拍摄用户得到的图像，由于预览图像包括人脸部分以及背景部分，因此需要将预览图像进行人脸识别以及图像处理，因此，可以获取预览图像以及预览图像的原始人脸面部图像。
69.进一步的，步骤s10之前，还包括:
70.对所述预览图像进行人脸识别，得到面部图像；对所述面部图像进行图像处理，得到原始人脸面部图像。
71.易于理解的是，通过将预览图像进行人脸识别，得到面部图像，并将面部图像通过图像处理设备中的预设处理工具进行图像处理，得到原始人脸面部图像。其中，进行的人脸识别功能可以为本领域技术人员设置，本实施例对此不作限制，预设处理工具可以为开放图形库(open graphics library，open gl)，通过将面部图像加载至open gl中，可以确定原始人脸面部图像，因此，原始人脸面部图像可以包括面部区域、人脸部位、面部图像中每个像素点的坐标信息以及像素点颜色，其中，像素点颜色为红色通道值r、绿色通道值g、蓝色通道值b。
72.步骤s20：对所述原始人脸面部图像的面部区域进行模糊处理，得到模糊图像。
73.可以理解的是，在具体实施过程中模糊处理可以为高斯模糊处理，本实施例对此不作限制，因此通过对原始人脸面部图像的面部区域进行高斯模糊处理，从而可以得到进行高斯模糊处理后的模糊图像。
74.步骤s30：对所述模糊图像进行高反差保留处理，得到高反差图像。
75.应当理解的是，在具体实施过程中进行基于原始图像中各像素点的像素值与模糊图像中对应的像素点的像素值之间的差值，得到初始高反差保留图像，从而实现得到锐化的图像。
76.可以理解的是，采用高反差保留对应混合模式中的强光模式计算公式为：color＝2*color1*color2，强光程度一般取3的倍数，而对于高反差的颜色来说，color1和color2是可以为同一个，在本实施例中可以为增强图像对应的像素点颜色，强光程度为24，本实施例对此不作限制。即本实施例中的进行高反差保留处理可以为color＝2*colora*colora*24，
其中，colora为初始高反差保留图像对应的像素点颜色。
77.需要说明的是，经过强光混合模式处理后，通过高反差保留得到原始人脸面部图像面部区域中的痘印、暗斑以及边沿等地方放大24倍的效果图，实现原始面部图像中的痘印、暗斑以及边沿等地方更清晰。
78.应当理解的是，对初始高反差图像进行高斯模糊处理，由于在经过高反差保留处理时将边沿进行了处理，因此，对初始高反差图像再次执行高斯模糊处理实现对初始高反差图像保边预处理，从而得到高反差图像。
79.步骤s40：对所述原始人脸面部图像以及所述高反差图像进行通道值处理，确定目标磨皮强度。
80.易于理解的是，通过基于面部图像的经验值对原始人脸面部图像以及高反差图像进行蓝色通道值调节，得到通道差值，并筛选出高反差图像中rgb通道的最大值作为目标通道值，因此可以根据目标通道值、通道差值以及预设磨皮强度得到目标磨皮强度。
81.步骤s50：根据所述目标磨皮强度对所述模糊图像以及所述原始人脸面部图像进行线性混合处理，确定目标人脸图像。
82.应当理解的是，在确定磨皮强度后，根据已知的磨皮强度以及模糊图像、原始面部图像进行线性混合处理，然后输出目标人脸图像，即对原始人脸面部图像的面部区域进行磨皮处理后的图像，例如，已知的磨皮强度为x，则基于磨皮强度对原始人脸面部图像以及模糊图像进行线性混合处理过程可以为：colora＝color b*x+color c*(1-x)，其中color b为原始面部图像，color c为模糊图像。
83.本实施例通过获取预览图像以及所述预览图像的原始人脸面部图像；对所述原始人脸面部图像的面部区域进行模糊处理，得到模糊图像；对所述模糊图像进行高反差保留处理，得到高反差图像；对所述原始人脸面部图像以及所述高反差图像进行通道值处理，确定目标磨皮强度；根据所述目标磨皮强度对所述模糊图像以及所述原始人脸面部图像进行线性混合处理，确定目标人脸图像。通过对原始人脸面部图像进行模糊处理以及高反差保留处理，从而通过美颜功能处理的图像更加真实。
84.参考图3，图3为本发明一种图像处理方法第二实施例的流程示意图。
85.基于上述第一实施例，本实施例图像处理方法在所述步骤s30，包括：
86.步骤s301：基于所述原始人脸面部图像中各像素点的像素值与所述模糊图像中对应的像素点的像素值之间的差值，得到初始高反差保留图像。
87.应当理解的是，由于在经过高斯模糊之后的图像，也会把需要突出的五管等也模糊掉，因此需要进行高反差保留，其中，可以通过原始图像中各像素点的像素值与所述模糊图像中对应的像素点的像素值之间的进行差值处理，然后将原图和高反差保留图进行叠加，可以得到锐化的初始高反差保留图像。
88.步骤s302：对所述初始高反差保留图像进行滤波处理，得到高反差图像。
89.可以理解的是，由于高反差处理以后，图像比较暗淡，所以这里进行一个强光操作，并经过强光混合模式处理后，通过高反差保留得到原始人脸面部图像面部区域中的痘印、暗斑以及边沿等地方放大24倍的效果图，实现原始面部图像中的痘印、暗斑以及边沿等地方更清晰。
90.应当理解的是，对初始高反差图像进行高斯模糊处理，由于在经过高反差保留处
理时将边沿进行了处理，因此，对初始高反差图像再次执行高斯模糊处理实现对初始高反差图像保边预处理，从而得到高反差图像。
91.进一步的，所述步骤s40，包括：
92.步骤s401：对所述原始人脸面部图像与模糊图像的蓝色通道值进行调节，得到通道差值。
93.应当理解的是，通过基于面部图像的经验值对原始人脸面部图像以及高反差图像进行蓝色通道值调节，从而得到通道差值，其中，对所述原始人脸面部图像与模糊图像的蓝色通道值进行调节得到通道差值的计算公式为：
94.value＝clamp((min(colorb.b,colorc.b)-0.2)*5.0,0.0,1.0),
95.其中，colorb为原始人脸面部图像，colorc为模糊图像，value为通道差值。
96.步骤s402：将所述高反差图像中的各个像素通道值进行比较，得到目标通道值。
97.易于理解的是，将所述高反差图像中的各个像素通道值进行比较并筛选出高反差图像中rgb通道的最大值作为目标通道值，其中，将高反差图像中的各个像素通道值进行比较得到目标通道值的计算公式为：
98.maxchannelcolor＝max(max(colord.r,colord.g),colord.b),
99.其中，maxchannelcolor为目标通道值，colord为高反差图像。
100.步骤s403：根据所述目标通道值、通道差值以及预设磨皮强度，得到目标磨皮强度。
101.应当理解的是，根据所述目标通道值、通道差值以及预设磨皮强度，得到目标磨皮强度的计算公式为：
102.x＝(1.0-maxchannelcolor/(maxchannelcolor+0.2))*value*intensity，
103.其中，maxchannelcolor为目标通道值，value为通道差值，intensity为预设磨皮强度，在具体实施过程中预设磨皮强度可以为1，本实施例对此不作限制。
104.进一步的，所述步骤s50，包括：
105.步骤s501：根据所述目标磨皮强度与所述模糊图像确定第一磨皮图像。
106.应当理解的是，根据目标磨皮强度与模糊图像确定第一磨皮图像的计算公式为：
107.color1＝color c*(1-x)，
108.其中，colorc为模糊图像，color1为第一磨皮图像。
109.步骤s502：根据所述目标磨皮强度与所述原始人脸面部图像确定第二磨皮图像。
110.可以理解的是，根据目标磨皮强度与原始人脸面部图像确定第二磨皮图像的计算公式为：
111.color2＝color b*-x，
112.其中，colorb为原始人脸面部图像，color2为第二磨皮图像。
113.步骤s503：根据所述第一磨皮图像与所述第二磨皮图像得到目标人脸图像。
114.易于理解的是，根据第一磨皮图像与第二磨皮图像得到目标人脸图像的计算公式为：
115.colora＝color 1+color 2，
116.其中，colora为目标人脸图像，进一步的可以理解为：colora＝color b*x+color c*(1-x)。
117.本实施例通过获取预览图像以及所述预览图像的原始人脸面部图像；基于所述原始人脸面部图像中各像素点的像素值与所述模糊图像中对应的像素点的像素值之间的差值，得到初始高反差保留图像；对所述初始高反差保留图像进行滤波处理，得到高反差图像；对所述人脸面部图像与模糊图像的蓝色通道值进行调节，得到通道差值；将所述高反差图像中的各个像素通道值进行比较，得到目标通道值；根据所述目标通道值、通道差值以及预设磨皮强度，得到目标磨皮强度；根据所述目标磨皮强度与所述模糊图像确定第一磨皮图像；根据所述目标磨皮强度与所述原始人脸面部图像确定第二磨皮图像；根据所述第一磨皮图像与所述第二磨皮图像得到目标人脸图像。通过对原始人类面部图像的面部区域进行高斯模糊、高通滤波、高反差保留以及保边预处理等处理过程得到模糊图像以及磨皮强度，并基于模糊图像、原始人脸面部图像以及磨皮强度进行磨皮调节，从而实现对原始面部图像的磨皮处理。
118.参考图4，图4为本发明一种原始面部图像方法第三实施例的流程示意图。
119.基于上述第一实施例，所述步骤s50之后，还包括：
120.步骤s601：获取所述目标人脸图像中面部区域每一个像素的像素值对应的肤色值。
121.应当理解的是，通过将面部图像加载至open gl中，open gl中的片段着色器可以计算出目标人脸图像中面部区域每一个像素的像素值对应的肤色值，因此，可以获取目标人脸图像中面部区域每一个像素的像素值对应的肤色值。
122.步骤s602：根据预设的美白肤色值与面部肤色值之间的对应关系确定所述目标人脸图像的肤色值对应的目标美白肤色值。
123.可以理解的是，通过预设的美白肤色值与面部肤色值之间的对应关系来确定标人脸图像的肤色值对的应的目标美白肤色值，其中，预设的美白肤色值与面部肤色值之间的对应关系可以为本领域技术人员设置，本实施例对此不作限制。
124.步骤s603：将所述目标人脸图像的肤色值调整为所述目标美白肤色值，得到第一人脸图像。
125.易于理解的是，通过将目标人脸图像的肤色值基于目标美白肤色值进行调节，从而实现对磨皮后的目标人脸图像美白处理，从而得到第一人脸图像，即第一人脸图像是对目标人脸图像进行美白处理后的图像。
126.进一步的，所述步骤s603之后，还包括：
127.步骤s701：获取所述第一人脸图像中各个人脸部位对应的类型以及所述人脸部位对应的位置信息，并根据所述类型在预设样本贴图库中查找目标贴图，得到所述人脸部位对应的目标贴图。
128.需要说明的是，人脸部位可以为眉毛、眼睛以及颧骨等类型，因此，可以获取第一人脸图像中各个人脸部位对应的类型，并将第一人脸图像输入人脸关键点模型中，从而得到述第一人脸图像对应的关键点集合，在关键点集合中抽取出类型对应的目标关键点，基于各个目标关键点通过预设三角剖分规则提取出对应的三角剖分网格，得到目标三角剖分网格，通过目标三角剖分网格确定第一人脸图像中各个人脸部位对应类型的位置信息，例如，人脸部位对应的类型为眉毛，通过输入人脸关键点模型可以确定眉毛左右两边分别对应的九个关键点，以及每个关键点所对应的坐标位置，从而可以确定眉毛的位置信息，其
中，关键点所对应的坐标位置可以是通过open gl中的顶点着色器计算得到的。
129.可以理解的是，预设三角剖分规则可以是通过三角剖分法实现的，三角剖分法主要是通过在人脸图像上标注若干对应的关键点，按照关键点把整张人脸图像分割成若干块三角形区域，而该若干块三角形区域连接形成对应的三角剖分网格，从而基于三角剖分网格确定人脸部位对应类型的位置信息。
130.易于理解的是，根据类型在预设样本贴图库中查找目标贴图，得到所述人脸部位对应的目标贴图，其中，预设样本贴图库存储有人脸部位对应的类型与美颜样本贴图的映射关系，预设样本贴图库可以为本领域技术人员设置，本实施例对此不作限制，不同的人脸部位对应的类型可以对应不同的样本贴图，例如，人脸部位对应的类型为眼睛，如果眼间距不同，确定的眼睛的目标贴图不同。
131.进一步的，所述获取所述人脸部位对应位置信息，包括：
132.将所述第一人脸图像输入人脸关键点模型，得到所述第一人脸图像对应的关键点集合；在所述关键点集合中抽取出类型对应的目标关键点；基于各个目标关键点通过预设三角剖分规则提取出对应的三角剖分网格，得到目标三角剖分网格；通过所述目标三角剖分网格确定所述第一人脸图像中各个人脸部位对应类型的位置信息。
133.应当理解的是，人脸关键点模型通过获取大量的人脸面部图片的人脸部位进行人脸关键点的标定，一般对人脸部位进行106个点的标定，从而得到人脸部位对应的关键点集合，然后对标定的人脸部位对应的关键点进行深度学习并输出人脸关键点模型，从而可以实现对于任何人脸图片进行人脸关键点模型处理都可以获取到人脸部位对应的106个点标注的关键点集合。
134.可以理解的是，在关键点集合中抽取出类型对应的目标关键点以及关键点数量，并基于人脸部位对应的类型目标关键点以及关键点数量进行三角剖分，可以构建出该关键点数量三角剖分网格对于的目标三角剖分网格，从而基于目标三角剖分网格确定第一人脸图像中各个人脸部位对应类型的位置信息。
135.步骤s702：根据所述位置信息将人脸部位与所述人脸部位对应的目标贴图进行融合，得到目标预览图像。
136.需要说明的是，在目标贴图后可以对目标贴图进行关键点标注，从而得到目标贴图对应的样本部位的关键点，基于各个样本部位关键点通过预设三角剖分规则中提取出对应的三角剖分网格，得到样本三角剖分网格，将样本位置信息中的三角剖分后的关键点在人脸部位的位置信息进行对应，在对应成功后，目标贴图贴到人脸部位上，从而可以得到美颜后的人脸部位。
137.易于理解的是，例如，若需要对眉毛进行美颜处理，一般是直接将眉毛的样本贴图贴到原有眉毛上，因此，首先确定样本贴图对应的美妆眉毛，然后将美妆眉毛对应的关键点通过预设三角剖分规则中提取出对应的三角剖分网格，得到样本三角剖分网格，通过样本三角剖分网格得到美妆眉毛的样本位置，并将美妆眉毛的样本位置贴到眉毛的位置上，从而实现将美妆眉毛绘制在原有眉毛上。
138.进一步的，所述步骤s702，包括：
139.确定所述人脸部位对应的目标贴图中的样本部位关键点；基于各个样本部位关键点通过预设三角剖分规则中提取出对应的三角剖分网格，得到样本三角剖分网格；通过所
述样本三角剖分网格确定所述目标贴图的样本位置信息；将所述目标贴图的样本位置信息与所述人脸部位的位置信息进行对应，得到对应结果；根据所述对应结果将所述目标贴图贴到所述人脸部位，得到目标预览图像。
140.需要说明的是，样本部位关键点可以为目标贴图所在的标准关键点。由于需要实现目标贴图在人脸部位对应的位置信息上进行预设功能的美化，因此，需要确定目标贴图中的样本部位关键点，各个样本部位关键点通过预设三角剖分规则中提取出对应的三角剖分网格，从而可以根据三角剖分网格确定样本部位的位置信息，然后将目标贴图的样本位置信息与所述人脸部位的位置信息中的各个关键点进行位置点、数量以及网格的对应，得到对应结果，当对应结果是相同时可以将目标贴图贴到人脸部位，从而得到目标预览图像，
141.本实施例通过获取所述目标人脸图像中面部区域每一个像素的像素值对应的肤色值；根据预设的美白肤色值与面部肤色值之间的对应关系确定所述目标人脸图像的肤色值对应的目标美白肤色值；将所述目标人脸图像的肤色值调整为所述目标美白肤色值，得到第一人脸图像；获取所述第一人脸图像中各个人脸部位对应的类型以及所述人脸部位对应的位置信息，并根据所述类型在预设样本贴图库中查找目标贴图，得到所述人脸部位对应的目标贴图；根据所述位置信息将人脸部位与所述人脸部位对应的目标贴图进行融合，得到目标预览图像，通过对磨皮后的目标人脸图像进行美白以及美化处理得到目标预览图像，从而实现人脸部位的美化处理。
142.此外，本发明实施例还提出一种存储介质，所述存储介质上存储有图像处理程序，所述图像处理程序被处理器执行时实现如上文所述的图像处理方法的步骤。
143.由于本存储介质采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。
144.参照图5，图5为本发明图像处理装置第一实施例的结构框图。
145.如图5所示，本发明实施例提出的图像处理装置包括：
146.获取模块10，用于获取预览图像以及所述预览图像的原始人脸面部图像。
147.应当理解的是，预览图像是通过图像处理设备拍摄用户得到的图像，由于预览图像包括人脸部分以及背景部分，因此需要将预览图像进行人脸识别以及图像处理，因此，可以获取预览图像以及预览图像的原始人脸面部图像。
148.模糊处理模块20，用于对所述原始人脸面部图像的面部区域进行模糊处理，得到模糊图像。
149.可以理解的是，在具体实施过程中模糊处理可以为高斯模糊处理，本实施例对此不作限制，因此通过对原始人脸面部图像的面部区域进行高斯模糊处理，从而可以得到进行高斯模糊处理后的模糊图像。
150.高反差处理模块30，用于对所述模糊图像进行高反差保留处理，得到高反差图像。
151.应当理解的是，在具体实施过程中进行基于原始图像中各像素点的像素值与模糊图像中对应的像素点的像素值之间的差值，得到初始高反差保留图像，从而实现得到锐化的图像。
152.可以理解的是，采用高反差保留对应混合模式中的强光模式计算公式为：color＝2*color1*color2，强光程度一般取3的倍数，而对于高反差的颜色来说，color1和color2是可以为同一个，在本实施例中可以为增强图像对应的像素点颜色，强光程度为24，本实施例
对此不作限制。即本实施例中的进行高反差保留处理可以为color＝2*colora*colora*24，其中，colora为初始高反差保留图像对应的像素点颜色。
153.需要说明的是，经过强光混合模式处理后，通过高反差保留得到原始人脸面部图像面部区域中的痘印、暗斑以及边沿等地方放大24倍的效果图，实现原始面部图像中的痘印、暗斑以及边沿等地方更清晰。
154.应当理解的是，对初始高反差图像进行高斯模糊处理，由于在经过高反差保留处理时将边沿进行了处理，因此，对初始高反差图像再次执行高斯模糊处理实现对初始高反差图像保边预处理，从而得到高反差图像。
155.通道值处理模块40，用于对所述原始人脸面部图像以及所述高反差图像进行通道值处理，确定目标磨皮强度。
156.易于理解的是，通过基于面部图像的经验值对原始人脸面部图像以及高反差图像进行蓝色通道值调节，得到通道差值，并筛选出高反差图像中rgb通道的最大值作为目标通道值，因此可以根据目标通道值、通道差值以及预设磨皮强度得到目标磨皮强度。
157.混合模块50，用于根据所述目标磨皮强度对所述模糊图像以及所述原始人脸面部图像进行线性混合处理，确定目标人脸图像。
158.应当理解的是，在确定磨皮强度后，根据已知的磨皮强度以及模糊图像、原始面部图像进行线性混合处理，然后输出目标人脸图像，即对原始人脸面部图像的面部区域进行磨皮处理后的图像，例如，已知的磨皮强度为x，则基于磨皮强度对原始人脸面部图像以及模糊图像进行线性混合处理过程可以为：color＝color b*x+color c*(1-x)，其中color b为原始面部图像，color c为模糊图像。
159.本实施例通过获取预览图像以及所述预览图像的原始人脸面部图像；对所述原始人脸面部图像的面部区域进行模糊处理，得到模糊图像；对所述模糊图像进行高反差保留处理，得到高反差图像；对所述原始人脸面部图像以及所述高反差图像进行通道值处理，确定目标磨皮强度；根据所述目标磨皮强度对所述模糊图像以及所述原始人脸面部图像进行线性混合处理，确定目标人脸图像。通过对原始人脸面部图像进行模糊处理以及高反差保留处理，从而通过美颜功能处理的图像更加真实。
160.在一实施例中，所述高反差处理模块30，还用于基于所述原始人脸面部图像中各像素点的像素值与所述模糊图像中对应的像素点的像素值之间的差值，得到初始高反差保留图像；对所述初始高反差保留图像进行滤波处理，得到高反差图像。
161.在一实施例中，所述图像处理装置还包括识别模块，所述识别模块用于对所述预览图像进行人脸识别，得到面部图像；对所述面部图像进行图像处理，得到原始人脸面部图像。
162.在一实施例中，所述通道值处理模块40，用于对所述原始人脸面部图像与模糊图像的蓝色通道值进行调节，得到通道差值；将所述高反差图像中的各个像素通道值进行比较，得到目标通道值；根据所述目标通道值、通道差值以及预设磨皮强度，得到目标磨皮强度。
163.在一实施例中，所述混合模块50，还用于根据所述目标磨皮强度与所述模糊图像确定第一磨皮图像；根据所述目标磨皮强度与所述原始人脸面部图像确定第二磨皮图像；根据所述第一磨皮图像与所述第二磨皮图像得到目标人脸图像。
164.在一实施例中，所述获取模块10，还用于获取所述目标人脸图像中面部区域每一个像素的像素值对应的肤色值；根据预设的美白肤色值与面部肤色值之间的对应关系确定所述目标人脸图像的肤色值对应的目标美白肤色值；将所述目标人脸图像的肤色值调整为所述目标美白肤色值，得到第一人脸图像。
165.在一实施例中，所述获取模块10，还用于获取所述第一人脸图像中各个人脸部位对应的类型以及所述人脸部位对应的位置信息，并根据所述类型在预设样本贴图库中查找目标贴图，得到所述人脸部位对应的目标贴图；根据所述位置信息将人脸部位与所述人脸部位对应的目标贴图进行融合，得到目标预览图像。
166.在一实施例中，所述获取模块10，还用于将所述第一人脸图像输入人脸关键点模型，得到所述第一人脸图像对应的关键点集合；在所述关键点集合中抽取出类型对应的目标关键点；基于各个目标关键点通过预设三角剖分规则提取出对应的三角剖分网格，得到目标三角剖分网格；通过所述目标三角剖分网格确定所述第一人脸图像中各个人脸部位对应类型的位置信息.
167.在一实施例中，所述获取模块10，还用于确定所述人脸部位对应的目标贴图中的样本部位关键点；基于各个样本部位关键点通过预设三角剖分规则中提取出对应的三角剖分网格，得到样本三角剖分网格；通过所述样本三角剖分网格确定所述目标贴图的样本位置信息；将所述目标贴图的样本位置信息与所述人脸部位的位置信息进行对应，得到对应结果；根据所述对应结果将所述目标贴图贴到所述人脸部位，得到目标预览图像。
168.在本发明所述图像处理装置的其他实施例或具体实现方法可参照上述各方法实施例，此处不再一一赘述。
169.应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。
170.需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。
171.另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的图像处理方法，此处不再赘述。
172.此外，需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
173.上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
174.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器(read only memory，rom)/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方
法。
175.以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。