本申请涉及图像处理技术领域，特别是涉及图像处理的方法、装置、计算机可读存储介质和电子设备。
背景技术：
在人像拍摄的时候，人脸会呈现不同的颜色特征，如果在气色不好的时候，拍摄出来的照片效果不好，就会导致进行重复的拍摄，直到照片中的人像效果达到用户满意的程度。重复的拍摄导致人像拍摄的效率低下，进而导致拍摄设备资源的浪费。
技术实现要素：
本申请实施例提供一种图像处理的方法、装置、计算机可读存储介质和电子设备，可以实现通过拍摄一张人像就达到较好的人像拍摄效果，从而提高人像拍摄的效率。
一种图像处理的方法，所述方法包括：
获取图像，检测所述图像中是否包含嘴唇区域；
若检测到所述图像中包含所述嘴唇区域，获取所述嘴唇区域的唇色像素的饱和度均值；
根据所述饱和度均值，按照预设规则，调整所述嘴唇区域的唇色。
一种图像处理的装置，所述装置法包括：
检测模块，用于获取图像，检测所述图像中是否包含嘴唇区域；
获取模块，用于若检测到所述图像中包含所述嘴唇区域，获取所述嘴唇区域的唇色像素的饱和度均值；
调整模块，用于根据所述饱和度均值，按照预设规则，调整所述嘴唇区域的唇色。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的方法的步骤。
一种电子设备，包括存储器及处理器，所述存储器中储存有计算机可读指令，所述指令被所述处理器执行时，使得所述处理器执行所述的图像处理的方法。
本申请实施例中图像处理的方法、装置、计算机可读存储介质和电子设备，拍摄人像时，只需要拍摄一张照片，若检测到所述照片中包含有人像的嘴唇区域，获取所述嘴唇区域的饱和度均值，根据所述饱和度均值，按照预设规则调整唇色，使拍摄出来的人像看起来美观，实现通过拍摄一张人像照片就可以达到满意的效果，避免由于拍摄的人像效果不满意导致的重复拍摄，提高了人像照片的拍摄效率，节省了拍摄设备的资源。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为一个实施例中电子设备的内部结构示意图；
图2为本申请图像处理的方法一个实施例的流程图；
图3为本申请图像处理的方法另一个具体实施例的流程图；
图4为本申请提供的图像处理的装置一个实施例的程序模块架构图；
图5为本申请实施例提供的图像处理电路的示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请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仅用以解释本申请，并不用于限定本申请。
图1为一个实施例中电子设备的内部结构示意图。如图1所示，该电子设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该处理器用于提供计算和控制能力，支撑整个电子设备的运行。存储器用于存储数据、程序等，存储器上存储至少一个计算机程序，该计算机程序可被处理器执行，以实现本申请实施例中提供的适用于电子设备的图像处理的方法。存储器可包括磁碟、光盘、只读存储记忆体(read-onlymemory，rom)等非易失性存储介质，或随机存储记忆体(random-access-memory，ram)等。例如，在一个实施例中，存储器包括非易失性存储介质及内存储器。非易失性存储介质存储有操作系统和计算机程序。该计算机程序可被处理器所执行，以用于实现以下各个实施例所提供的一种图像处理的方法。内存储器为非易失性存储介质中的操作系统计算机程序提供高速缓存的运行环境。网络接口可以是以太网卡或无线网卡等，用于与外部的电子设备进行通信。该电子设备可以是手机、平板电脑或者个人数字助理或穿戴式设备等。
请参阅图2，图2为本申请图像处理的方法一个实施例的流程图，所述方法包括：
步骤200、获取图像，检测所述图像中是否包含嘴唇区域。
具体地，电子设备获取一张图像，所述图像可以是电子设备拍摄的图像，也可以是电子设备存储的图像，比如存储在电子设备端的数据库、云端数据库，或者电子设备从外部的其他电子设备获取的一张图像。
电子设备获取到一张图像后，检测所述图像是否包含嘴唇区域，也就是检测所述图像中是否包含嘴唇的形状。电子设备检测所述图像中是否包含嘴唇区域，可以通过人脸识别的方式进行嘴唇区域的识别。
所述人脸识别是基于人的脸部特征信息进行识别的一种识别技术，用摄像机或摄像头采集含有人脸的图像，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的相关技术，通常也叫做人像识别、面部识别，通过人脸识别技术检测所述图像中是否包含嘴唇。
更进一步地，电子设备进行人脸识别，可以通过深度学习中的卷积方式检测所述图像中是否包含嘴唇。所述深度学习是机器学习中一种基于对数据进行表征学习的方法，观测值(例如一幅图像)可以使用多种方式来表示，如每个像素强度值的向量，或者更抽象地表示成一系列边、特定形状的区域等，而使用某些特定的表示方法更容易从实例中学习任务(例如，人脸识别或面部表情识别)。
深度学习是机器学习研究中的一个领域，在于建立和模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像、声音和文本等。卷积是图像处理常用的方法，给定输入图像，在输出图像中每一个像素是输入图像中一个小区域中像素的加权平均，其中权值由一个函数定义，这个函数称为卷积核，比如说卷积公式：r(u，v)＝∑∑g(u-i，v-j)f(i，j)，其中f为输入，g为卷积核。深度学习通过对大量图片中人像的识别，训练出人像识别的模型，进而根据人像识别模型，电子设备判断获取的图像中是否包含嘴唇区域。
步骤220、若检测到所述图像中包含所述嘴唇区域，获取所述嘴唇区域的唇色像素的饱和度均值。
具体地，电子设备若通过人像识别，检测到获取的所述图像中包含嘴唇区域，则获取所述嘴唇区域的唇色像素的饱和度均值。
其中，唇色，是指嘴唇的色彩或者颜色。饱和度，是指色彩的鲜艳程度，也称色彩的纯度，它是hsv色彩属性模式，孟塞尔颜色系统等的描述色彩变量。饱和度取决于该色彩中含色成分和消色成分(灰色)的比例。含色成分越大，饱和度越大；消色成分越大，饱和度越小。纯的颜色都是高度饱和的，如鲜红，鲜绿。混杂上白色，灰色或其他色调的颜色，是不饱和的颜色，如绛紫，粉红，黄褐等。完全不饱和的颜色根本没有色调，如黑白之间的各种灰色。
hsv(hue,saturation,value)是根据颜色的直观特性，创建的一种颜色空间,也称六角锥体模型(hexconemodel)。这个模型中颜色的参数分别是：色调h，饱和度s，明度v，明度又可以称为亮度。其中，色调h用角度度量，取值范围为0°～360°，红、绿、蓝分别相隔120度，互补色分别相差180度，h参数表示色彩信息，即所处的光谱颜色的位置；饱和度s为一比例值，范围从0到1，它表示成所选颜色的纯度和该颜色最大的纯度之间的比率，s＝0时，只有灰度；v表示色彩的明亮程度，范围从0到1。
在一个实施例中，所述获取所述嘴唇区域的唇色像素的饱和度均值的步骤包括：
获取所述嘴唇区域的唇色像素yuv或者唇色像素红绿蓝rgb的均值；
将所述均值转换到hsv颜色空间，根据所述hsv颜色空间获取所述嘴唇区域的唇色像素的饱和度均值。
具体地，根据获取的唇色像素rgb的均值，获取所述嘴唇区域的唇色像素的饱和度均值为例，电子设备获取所述嘴唇区域的唇色像素的饱和度均值的过程如下：
设唇色像素rgb的均值(r,g,b)分别是一个嘴唇区域的唇色像素中颜色的红、绿和蓝坐标，它们的值是在0到1之间的实数。设max等于r,g和b中的最大者，设min等于r,g和b中的最小者，要获取(r,g,b)在hsv颜色空间中对应的(h,s,v)值，这里的h∈[0,360]是角度的色相角，而s,v∈[0,1]，s是饱和度，v是亮度，则唇色像素rgb向hsv颜色空间的转换公式如下：
v＝max
应当说明的是，上述公式选择的举例仅仅用于解释从rgb向hsv颜色空间转换是如何进行的，并不用于限定本申请的技术方案，可以根据实际需要选择不同的转换公式进行转换，并不影响本技术方案的实施。
在另一个实施例中，根据获取的所述图像的唇色像素yuv的均值，获取所述嘴唇区域的唇色像素的饱和度均值为例，一般需要先从yuv转换成rgb，再由rgb转换到hsv，比如，从yuv转换成rgb，可以采用如下公式进行转换：
r＝y+1.402(v-128)；
g＝y-0.34414(u-128)-0.71414(v-128)；
b＝y+1.772(u-128)。
应当说明的是，上述公式选择的举例仅仅用于解释从yuv转换成rgb是如何进行的，并不用于限定本申请的技术方案，可以根据实际需要选择不同的转换公式进行转换，并不影响本技术方案的实施。
可见，如果先统计完所述嘴唇区域的唇色像素yuv或者唇色像素rgb的均值，将所述yuv或rgb均值再转换到颜色空间，只需要进行一个值的颜色空间转换即可。如果是先统计完所述嘴唇区域的唇色像素yuv或者唇色像素rgb，将所述yuv或rgb转换到hsv空间之后再求均值，则所有像素都要进行颜色空间转换，计算量很大。
步骤240、根据所述饱和度均值，按照预设规则，调整所述嘴唇区域的唇色。
具体地，电子设备根据所述hsv颜色空间获取所述嘴唇区域的唇色像素的饱和度均值后，判断所述饱和度均值，根据所述饱和度均值判断嘴唇色彩的鲜艳程度，根据预设规则，调整所述嘴唇区域的唇色，使人像的嘴唇区域看起来更鲜艳，从而使人像的效果看起来更好。
在一个实施例中，所述根据所述饱和度均值，按照预设规则，调整所述嘴唇区域的唇色的步骤包括：
若所述饱和度均值小于预设阈值，将所述嘴唇区域的唇色的色调调整为预设的目标值，并以预设比值或者固定值增加所述嘴唇区域的唇色像素的饱和度；
若所述饱和度均值大于或者等于所述预设阈值，增加所述嘴唇区域的唇色像素的饱和度。
具体地，电子设备若判断所述嘴唇区域的唇色像素的饱和度均值小于预设阈值，比如预设阈值为0.4，则表明所述嘴唇区域的唇色不够鲜艳，将所述嘴唇区域的唇色的色调h调整为预设的目标值，比如将所述嘴唇区域的唇色的色调h调整为360度，并以预设比值或者固定值增加所述嘴唇区域的唇色像素的饱和度，比如增加所述嘴唇区域的唇色像素的饱和度为原来均值的1.2倍，或者将所述嘴唇区域的唇色像素的饱和度增加到0.4之上。
若电子设备判断所述嘴唇区域的唇色像素的饱和度均值大于或者等于所述预设阈值，比如预设阈值为0.4,饱和度较高时，则不改变色调，只增加饱和度，使所述嘴唇区域的唇色看起来更鲜艳。具体实施时，将美颜前嘴唇饱和度srcs与目标饱和度targets做alpha混合，results＝srcs*alpha+targets*(1-alpha)。其中，alpha混合，又称α混合，是指alpha-blending，是按照“alpha”混合向量的值来混合源像素和目标像素，是要实现一种半透明效果。假设一种不透明东西的颜色是a，另一种透明的东西的颜色是b，那么透过b去看a，看上去的颜色c就是b和a的混合颜色，可以用公式r(c)＝alpha*r(b)+(1-alpha)*r(a)近似表示，设b物体的透明度为alpha，alpha取值范围为[0,1]，0为完全透明，1为完全不透明。
在一个实施例中，所述检测所述图像中是否包含嘴唇区域的步骤包括：
检测所述图像中是否包含人脸；
若检测到所述图像中包含人脸，根据检测到的所述人脸，检测所述人脸的嘴唇区域。
具体地，电子设备可以通过人脸识别技术中的人脸检测，检测所述图像中是否包含人脸。所述人脸识别技术是基于人的脸部特征，对输入的人脸图像，首先判断其是否存在人脸,如果存在人脸，则进一步检测每个脸部的位置、大小和各个主要面部器官的位置信息，所述主要面部器官包括口、鼻、眼睛、额头、脸颊等。人脸检测可以通过参考模板法、人脸规则法、样品学习法、肤色模型法等方法进行检测，或者上述方法的结合进行检测。
若电子设备检测到所述图像中包含人脸，检测所述人脸的关键点，所述关键点包括脸部的关键特征，所述脸部的关键特征，比如脸部的眼睛、鼻子、口、嘴唇、脸颊、额头或者下巴等部位，在本申请实施例中，尤其指脸部的嘴唇，通过检测脸部的嘴唇的关键点，判断所述图像中是否包含嘴唇区域，进一步获取所述人脸对应的嘴唇区域，若所述图像中不包含人脸，则不用对所述图像做进一步处理。
通过先检测出图像中是否包含人脸，根据检测出的人脸进一步检测所述人脸对应的嘴唇区域，可以避免所述图像中与嘴唇相似的形状被误判断为嘴唇，导致不合适的图像处理，可以进一步提高对嘴唇区域判断的准确性，提高所述图像处理的效率。
更进一步地，电子设备检测所述图像中是否包含人脸，及通过所述人脸检测嘴唇区域，也可以通过深度学习中的卷积进行图像识别，从而进一步提高检测所述图像的准确性，提高检测的效率。
在一个实施例中，所述获取所述嘴唇区域的唇色像素的饱和度均值的步骤包括：
根据所述嘴唇区域的嘴唇关键点生成对应的嘴唇蒙板；
根据所述嘴唇区域的唇色，获取所述嘴唇蒙板内的唇色区域；
根据所述唇色区域，获取所述嘴唇区域的唇色像素的饱和度均值。
具体地，其中，嘴唇关键点，是指包含嘴唇的上唇、下唇、两端的唇角、唇谷、唇峰等特征的关键节点，通过这些关键节点的连线可以勾勒出嘴唇的形状。蒙板，也可称为蒙版，英文为mask，是指“蒙在选区上面的板子”的含义，负责保护选区内容。嘴唇蒙板，可以理解为“蒙在嘴唇区域上的板子”，使嘴唇区域和对应脸部的其他区域区分开来。
若电子设备检测到所述图像中包含嘴唇区域，为了进一步获取更准确的所述嘴唇区域的范围，根据所述嘴唇区域的嘴唇关键点生成对应的嘴唇蒙板，通过所述嘴唇区域的形状周边关键点的连线形成对应的嘴唇蒙板。
根据所述嘴唇区域的唇色判断所述嘴唇蒙板内是否均为所述嘴唇区域的范围，也就是根据唇色判断所述嘴唇蒙板内的像素是否均为所述嘴唇区域内的像素，目的是为了进一步区分所述嘴唇蒙板内的肤色区域和唇色区域，从而实现更精细化的所述嘴唇区域的唇色调整效果。
在一个实施例中，所述根据所述嘴唇区域的嘴唇关键点生成对应的嘴唇蒙板的步骤包括：
根据所述嘴唇区域的上嘴唇的嘴唇关键点和下嘴唇的嘴唇关键点，生成所述嘴唇区域对应的嘴唇蒙板。
具体地，若电子设备检测到人脸处于微笑露出牙齿的状态，为了准确获取所述人脸的嘴唇区域，需要将所述嘴唇区域包含的牙齿部分排除，则通过分别根据所述嘴唇区域的上嘴唇的关键点和下嘴唇的嘴唇关键点分别勾勒出所述嘴唇区域的上嘴唇的蒙板和下嘴唇的蒙板，然后将所述上嘴唇的蒙板和下嘴唇的蒙板合成所述嘴唇区域的嘴唇蒙板，则生成的嘴唇蒙板只包含了所述嘴唇区域的嘴唇部分，去掉了微笑状态下嘴唇中包含的牙齿部分。其中，上唇的关键点包括两端的唇角、唇谷、唇峰、上唇的上下两条弧形的唇线等，下唇的关键点包括两端的唇角、下唇的上下两条弧形的唇线等。
更进一步地，电子设备获取所述嘴唇区域的嘴唇蒙板后，可以进一步获取微笑状态下所述嘴唇区域内的牙齿部分的嘴唇蒙板，根据所述牙齿部分的嘴唇蒙板，将所述牙齿部分的嘴唇蒙板的饱和度均值调整到预设的目标值，使牙齿看起来更白皙，从而使牙齿的颜色和调整后所述嘴唇区域的颜色看起来协调，使最终输出的图像的效果更好，从而避免重复拍摄所述人像，节省拍摄设备的资源。
在一个实施例中，所述根据所述嘴唇区域的唇色，获取所述嘴唇蒙板内的唇色区域的步骤包括：
获取所述嘴唇蒙板内的像素对应的直方图，根据所述直方图获取所述嘴唇蒙板内的唇色区域。
具体地，电子设备可生成所述嘴唇蒙板内的直方图，所述直方图可以是rgb直方图、hsv直方图或是yuv直方图等，并不限于此。所述直方图可用于描述不同色彩在所述嘴唇区域中所占的比例，可将颜色空间划分为多个小的颜色区间，并分别计算所述嘴唇区域中落入各个颜色区间的像素点的数量，从而可得到直方图。
在一个实施例中，电子设备可生成所述嘴唇区域的hsv颜色直方图，可先将嘴唇区域从rgb颜色空间转换至hsv颜色空间，其中，在hsv颜色空间中，分量可包括h(hue，色调)、s(saturation，饱和度)及v(value，明度)，其中，h用角度度量，取值范围为0°～360°，从红色开始按逆时针方向计算，红色为0°，绿色为120°，蓝色为240°；s表示颜色接近光谱色的程度，光谱色所占的比例越大，颜色接近光谱色的程度就越高，颜色的饱和度也越高，饱和度高，颜色一般深而艳；v表示颜色明亮的程度，对于光源色，明度值与发光体的光亮度有关；对于物体色，此值和物体的透射比或反射比有关，v通常取值范围为0％(黑)到100％(白)。
电子设备可分别对hsv中的h、s及v三个分量进行量化，并将量化后的h、s及v三个分量合成一维的特征向量，特征向量的取值可在0～255之间，共256个值，也即，可将hsv颜色空间划分为256个颜色区间，每个颜色区间对应一个特征向量的值。例如，可将h分量量化为16级，将s分量及v分量分别量化为4级，合成一维的特征向量可如式(1)所示：
l＝h*qs*qv+s*qv+v(1)；
其中，l表示量化后的h、s及v三个分量合成的一维的特征向量；qs表示s分量的量化级数，qv表示v分量的量化级数。电子设备可根据所述嘴唇区域中各个像素点在hsv颜色空间中的值，确定在h、s及v三个分量的量化级别，并计算各个像素点的特征向量，再分别统计特征向量在256个值上分布的像素点的数量，生成颜色直方图。
实施时，可以根据所述嘴唇蒙板内的yuv或者rgb像素的直方图来进行判断，如果电子设备判断所述嘴唇蒙板内的yuv或者rgb像素的直方图只存在一个峰值，则可以判断所述嘴唇蒙板内只存在唇色区域，则直接进行处理，如果电子设备判断所述嘴唇蒙板内的yuv或者rgb像素的直方图存在双峰，则可以判断同时存在肤色区域和唇色区域。若电子设备判断同时存在肤色区域和唇色区域，则根据人脸检测时皮肤区域的肤色先验知识，在所述直方图上把所述肤色区域去掉，剩下的就是唇色区域分布。其中，所述肤色先验知识，是指经过预先验证的经验值，当yuv或者rgb在预设取值范围内时，可以判断所述皮肤为肤色区域，比如，当yuv在以下范围内可认为是肤色：((y>＝100)&(y<＝200))&((u>＝100)&(u<＝127))&((v>＝138)&(v<＝170))。
在一个实施例中，所述根据所述直方图获取所述嘴唇蒙板内的唇色区域的步骤包括：
根据所述直方图，获取所述嘴唇蒙板内的唇色区域；
获取所述唇色区域的直方图峰值预设范围内的像素确定所述嘴唇蒙板内的最终的唇色区域。
具体地，电子设备获取所述嘴唇蒙板内的像素对应的直方图的峰值，可先确定所述直方图上包含的波峰，波峰指的是在所述直方图形成的一段波内波幅的最大值，峰值则为波峰上的最大值。电子设备获取所述直方图的峰值后，可获取所述峰值对应的颜色区间，该颜色区间可以是hsv颜色空间中与峰值对应的特征向量的值。
为了获取更准确的所述唇色区域，电子设备可以将像素值(yuv或rgb)分布在唇色区域直方图峰值预设范围内的像素判断为真正的唇色区域的像素，比如可以将像素值(yuv或rgb)分布在唇色区域直方图峰值80％～120％范围内的像素判断为真正的唇色像素，也可以将像素值(yuv或rgb)分布在唇色区域直方图峰值90％～110％范围内的像素判断为真正的唇色像素。
电子设备根据获取的更准确的唇色区域，获取所述嘴唇区域的唇色像素的饱和度均值，根据所述饱和度均值，调整所述嘴唇区域的唇色，从而实现更精细化的所述嘴唇区域的唇色调整效果。
请参阅图3，图3为本申请图像处理的方法另一个具体实施例的流程图，所述处理过程包括以下步骤：
步骤301、电子设备获取一张图像，所述图像可以是电子设备拍摄的图像，也可以是电子设备存储的图像，比如存储在电子设备端的数据库、云端数据库，或者电子设备从外部的其他电子设备获取的一张图像，进入步骤302；
步骤302、电子设备检测所述图像中是否包含人脸，若所述图像中包含人脸，进入步骤303，否则，若所述图像中不包含人脸，进入步骤310；
步骤303、若电子设备判断所述图像中包含人脸，对所述图像进行人脸及人脸关键点检测，判断所述图像中是否包含嘴唇区域，若判断所述图像中包含所述嘴唇区域，进入步骤304进入步骤304，否则，若所述图像中不包含所述嘴唇区域，进入步骤310；
步骤304、电子设备根据检测到的所述图像中包含的嘴唇区域，根据所述嘴唇区域的关键点，生成所述嘴唇区域对应的嘴唇蒙板，进入步骤305；
步骤305、电子设备根据所述嘴唇区域的唇色判断所述嘴唇蒙板内的像素是否属于唇色区域，若是，则进入步骤306，否则，进入步骤307；
步骤306、电子设备根据检测到的所述嘴唇蒙板内属于唇色区域内的像素，以所述唇色区域作为所述嘴唇区域，通过累加求所述嘴唇区域的饱和度平均值，也就是所述嘴唇区域的饱和度均值，进入步骤307；
步骤307、电子设备根据获取的所述嘴唇区域的饱和度均值，判断所述饱和度均值是否小于预设阈值，从而判断人像的所述嘴唇区域呈现的效果是否满足要求，若所述饱和度均值小于预设阈值，进入步骤308，否则，进入步骤309；
步骤308、电子设备增加所述嘴唇区域的色调和饱和度，进入步骤310；
步骤309、电子设备保持所述嘴唇区域的色调，增加所述嘴唇区域的饱和度，进入步骤310；
步骤310、将处理好的图像作为最终图像输出。
综上所述，本申请实施例中图像处理的方法，拍摄人像时，只需要拍摄一张照片，若检测到所述照片中包含有人像的嘴唇区域，获取所述嘴唇区域的饱和度均值，根据所述饱和度均值，按照预设规则调整唇色，使拍摄出来的人像看起来美观，实现通过拍摄一张人像照片就可以达到满意的效果，避免由于拍摄的人像效果不满意导致的重复拍摄，提高了人像照片的拍摄效率，节省了拍摄设备的资源。
请参阅图4，图4为本申请提供的图像处理的装置一个实施例的程序模块架构图，所述装置包括：
检测模块40，用于获取图像，检测所述图像中是否包含嘴唇区域。
具体地，电子设备获取到一张图像后，检测所述图像是否包含嘴唇区域，也就是检测所述图像中是否包含嘴唇的形状。电子设备检测所述图像中是否包含嘴唇区域，可以通过人脸识别的方式进行嘴唇区域的识别。
更进一步地，电子设备进行人脸识别，可以通过深度学习中的卷积方式检测所述图像中是否包含嘴唇。
获取模块42，用于若检测到所述图像中包含所述嘴唇区域，获取所述嘴唇区域的唇色像素的饱和度均值。
具体地，电子设备若通过人像识别，检测到获取的所述图像中包含嘴唇区域，则获取所述嘴唇区域的唇色像素的饱和度均值。
其中，唇色，是指嘴唇的色彩或者颜色。饱和度，是指色彩的鲜艳程度，也称色彩的纯度，它是hsv色彩属性模式，孟塞尔颜色系统等的描述色彩变量。饱和度取决于该色彩中含色成分和消色成分(灰色)的比例。含色成分越大，饱和度越大；消色成分越大，饱和度越小。纯的颜色都是高度饱和的，如鲜红，鲜绿。混杂上白色，灰色或其他色调的颜色，是不饱和的颜色，如绛紫，粉红，黄褐等。完全不饱和的颜色根本没有色调，如黑白之间的各种灰色。
hsv(hue,saturation,value)是根据颜色的直观特性，创建的一种颜色空间,也称六角锥体模型(hexconemodel)。这个模型中颜色的参数分别是：色调(h)，饱和度(s)，明度(v)，明度又可以称为亮度。其中，色调h用角度度量，取值范围为0°～360°，红、绿、蓝分别相隔120度，互补色分别相差180度，h参数表示色彩信息，即所处的光谱颜色的位置；饱和度s为一比例值，范围从0到1，它表示成所选颜色的纯度和该颜色最大的纯度之间的比率，s＝0时，只有灰度；v表示色彩的明亮程度，范围从0到1。
在一个实施例中，所述获取模块42包括：
均值获取单元，用于获取所述嘴唇区域的唇色像素yuv或者唇色像素红绿蓝rgb的均值；
第一饱和度均值获取单元，用于将所述均值转换到hsv颜色空间，根据所述hsv颜色空间获取所述嘴唇区域的唇色像素的饱和度均值。
具体地，根据获取的唇色像素rgb的均值，获取所述嘴唇区域的唇色像素的饱和度均值为例，电子设备获取所述嘴唇区域的唇色像素的饱和度均值的过程如下：
设唇色像素rgb的均值(r,g,b)分别是一个嘴唇区域的唇色像素中颜色的红、绿和蓝坐标，它们的值是在0到1之间的实数。设max等于r,g和b中的最大者，设min等于r,g和b中的最小者，要获取(r,g,b)在hsv颜色空间中对应的(h,s,v)值，这里的h∈[0,360]是角度的色相角，而s,v∈[0,1]，s是饱和度，v是亮度，则唇色像素rgb向hsv颜色空间的转换公式如下：
v＝max
应当说明的是，上述公式选择的举例仅仅用于解释从rgb向hsv转换是如何进行的，并不用于限定本申请的技术方案，可以根据实际需要选择不同的转换公式进行转换，并不影响本技术方案的实施。
在另一个实施例中，根据获取的所述图像的唇色像素yuv的均值，获取所述嘴唇区域的唇色像素的饱和度均值为例，一般需要先从yuv转换成rgb，再由rgb转换到hsv，比如，从yuv转换成rgb，可以采用如下公式进行转换：r＝y+1.402(v-128)；
g＝y-0.34414(u-128)-0.71414(v-128)；
b＝y+1.772(u-128)。
应当说明的是，上述公式选择的举例仅仅用于解释从yuv转换成rgb是如何进行的，并不用于限定本申请的技术方案，可以根据实际需要选择不同的转换公式进行转换，并不影响本技术方案的实施。
可见，如果先统计完所述嘴唇区域的唇色像素yuv或者唇色像素rgb的均值，将所述yuv或rgb均值再转换到颜色空间，只需要进行一个值的颜色空间转换即可。如果是先统计完所述嘴唇区域的唇色像素yuv或者唇色像素rgb，将所述yuv或rgb转换到hsv空间之后再求均值，则所有像素都要进行颜色空间转换，计算量很大。
调整模块44，用于根据所述饱和度均值，按照预设规则，调整所述嘴唇区域的唇色。
具体地，电子设备根据所述hsv颜色空间获取所述嘴唇区域的唇色像素的饱和度均值后，判断所述饱和度均值，根据所述饱和度均值判断嘴唇色彩的鲜艳程度，根据预设规则，调整所述嘴唇区域的唇色，使人像的嘴唇区域看起来更鲜艳，从而使人像的效果看起来更好。
在一个实施例中，所述调整模块44包括：
第一调整单元，用于若所述饱和度均值小于预设阈值，将所述嘴唇区域的唇色的色调调整为预设的目标值，并以预设比值或者固定值增加所述嘴唇区域的唇色像素的饱和度；
第二调整单元，用于若所述饱和度均值大于或者等于所述预设阈值，增加所述嘴唇区域的唇色像素的饱和度。
具体地，电子设备若判断所述嘴唇区域的唇色像素的饱和度均值小于预设阈值，比如预设阈值为0.4，则表明所述嘴唇区域的唇色不够鲜艳，将所述嘴唇区域的唇色的色调h调整为预设的目标值，比如将所述嘴唇区域的唇色的色调h调整为360度，并以预设比值或者固定值增加所述嘴唇区域的唇色像素的饱和度，比如增加所述嘴唇区域的唇色像素的饱和度为原来均值的1.2倍，或者将所述嘴唇区域的唇色像素的饱和度增加到0.4之上。
若电子设备判断所述嘴唇区域的唇色像素的饱和度均值大于或者等于所述预设阈值，比如预设阈值为0.4,饱和度较高时，则不改变色调，只增加饱和度，使所述嘴唇区域的唇色看起来更鲜艳。具体实施时，将美颜前嘴唇饱和度srcs与目标饱和度targets做alpha混合，results＝srcs*alpha+targets*(1-alpha)。其中，alpha混合，又称α混合，是指alpha-blending，是按照“alpha”混合向量的值来混合源像素和目标像素，是要实现一种半透明效果。假设一种不透明东西的颜色是a，另一种透明的东西的颜色是b，那么透过b去看a，看上去的颜色c就是b和a的混合颜色，如果用rgb来表示颜色包含的像素值，可以用公式r(c)＝alpha*r(b)+(1-alpha)*r(a)近似表示颜色c中的红色r像素值，其中r(a)表示颜色a中的红色r像素值，r(b)表示颜色b中的红色像素r的像素值，r(c)表示颜色c中红色像素值，设b物体的透明度为alpha(取值为0-1，0为完全透明，1为完全不透明)。
在一个实施例中，所述检测模块40包括：
人脸检测单元，用于检测所述图像中是否包含人脸；
嘴唇区域检测单元，用于若检测到所述图像中包含人脸，根据检测到的所述人脸，检测所述人脸的嘴唇区域。
具体地，电子设备可以通过人脸识别技术中的人脸检测，检测所述图像中是否包含人脸。所述人脸识别技术是基于人的脸部特征，对输入的人脸图像，首先判断其是否存在人脸,如果存在人脸，则进一步检测每个脸部的位置、大小和各个主要面部器官的位置信息，所述主要面部器官包括口、鼻、眼睛、额头、脸颊等。人脸检测可以通过参考模板法、人脸规则法、样品学习法、肤色模型法等方法进行检测，或者上述方法的结合进行检测。
若电子设备检测到所述图像中包含人脸，检测所述人脸的关键点，所述关键点包括脸部的关键特征，所述脸部的关键特征，比如脸部的眼睛、鼻子、口、嘴唇、脸颊、额头或者下巴等部位，在本申请实施例中，尤其指脸部的嘴唇，通过检测脸部的嘴唇的关键点，判断所述图像中是否包含嘴唇区域，进一步获取所述人脸对应的嘴唇区域，若所述图像中不包含人脸，则不用对所述图像做进一步处理。
通过先检测出图像中是否包含人脸，根据检测出的人脸进一步检测所述人脸对应的嘴唇区域，可以避免所述图像中与嘴唇相似的形状被误判断为嘴唇，导致不合适的图像处理，可以进一步提高对嘴唇区域判断的准确性，提高所述图像处理的效率。
更进一步地，电子设备检测所述图像中是否包含人脸，及通过所述人脸检测嘴唇区域，也可以通过深度学习中的卷积进行图像识别，从而进一步提高检测所述图像的准确性，提高检测的效率。
在一个实施例中，所述获取模块42包括：
嘴唇蒙板生成单元，用于根据所述嘴唇区域的嘴唇关键点生成对应的嘴唇蒙板；
唇色区域获取单元，用于根据所述嘴唇区域的唇色，获取所述嘴唇蒙板内的唇色区域；
第二饱和度均值获取单元，用于根据所述唇色区域，获取所述嘴唇区域的唇色像素的饱和度均值。
具体地，其中，蒙板，也可以称为蒙版，英文为mask，是指“蒙在选区上面的板子”的含义，负责保护选区内容。嘴唇蒙板，可以理解为“蒙在嘴唇区域上的板子”，使嘴唇区域和对应脸部的其他区域区分开来。
若电子设备检测到所述图像中包含嘴唇区域，为了进一步获取更准确的所述嘴唇区域的范围，根据所述嘴唇区域的嘴唇关键点生成对应的嘴唇蒙板，通过所述嘴唇区域的形状周边关键点的连线形成对应的嘴唇蒙板。
根据所述嘴唇区域的唇色判断所述嘴唇蒙板内是否均为所述嘴唇区域的范围，也就是根据唇色判断所述嘴唇蒙板内的像素是否均为所述嘴唇区域内的像素，目的是为了进一步区分所述嘴唇蒙板内的肤色区域和唇色区域，从而实现更精细化的所述嘴唇区域的唇色调整效果。
在一个实施例中，所述唇色区域获取单元包括：
直方图获取子单元，用于获取所述嘴唇蒙板内的像素对应的直方图，根据所述直方图获取所述嘴唇蒙板内的唇色区域。
实施时，可以根据所述嘴唇蒙板内的yuv或者rgb像素的直方图来进行判断，如果电子设备判断所述嘴唇蒙板内的yuv或者rgb像素的直方图只存在一个峰值，则可以判断所述嘴唇蒙板内只存在唇色区域，则直接进行处理，如果电子设备判断所述嘴唇蒙板内的yuv或者rgb像素的直方图存在双峰，则可以判断同时存在肤色区域和唇色区域。若电子设备判断同时存在肤色区域和唇色区域，则根据人脸检测时皮肤区域的肤色先验知识，在所述直方图上把所述肤色区域去掉，剩下的就是唇色区域分布。其中，所述肤色先验知识，是指经过预先验证的经验值，当yuv或者rgb在预设取值范围内时，可以判断所述皮肤为肤色区域，比如，当yuv在以下范围内可认为是肤色：((y>＝100)&(y<＝200))&((u>＝100)&(u<＝127))&((v>＝138)&(v<＝170))。
在一个实施例中，所述直方图获取子单元包括：
第一唇色区域获取部件，用于根据所述直方图，获取所述嘴唇蒙板内的唇色区域；
第二唇色区域获取部件，用于获取所述唇色区域的直方图峰值预设范围内的像素确定所述嘴唇蒙板内的最终的唇色区域。
具体地，为了获取更准确的所述唇色区域，可以将像素值(yuv或rgb)分布在唇色区域直方图峰值预设范围内的像素判断为真正的唇色区域的像素，比如可以将像素值(yuv或rgb)分布在唇色区域直方图峰值80％～120％范围内的像素判断为真正的唇色像素。
上述图像处理的装置中各个模块的划分，仅用于举例说明，在其他实施例中，可将图像处理的装置按照需要划分为不同的模块，以完成上述图像处理的装置的全部或部分功能。
上述图像处理的装置可以实现为一种计算机程序的形式，计算机程序可在如图1所示的电子设备上运行。
本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述各实施例中所描述的通话控制的方法的步骤。
具体地，一个或多个包含计算机程序的非易失性计算机可读存储介质，当所述计算机程序被一个或多个处理器执行时，使得所述处理器执行以下步骤：
获取图像，检测所述图像中是否包含嘴唇区域；
若检测到所述图像中包含所述嘴唇区域，获取所述嘴唇区域的唇色像素的饱和度均值；
根据所述饱和度均值，按照预设规则，调整所述嘴唇区域的唇色。
在一个实施例中，所述检测所述图像中是否包含嘴唇区域的步骤包括：
检测所述图像中是否包含人脸；
若检测到所述图像中包含人脸，根据检测到的所述人脸，检测所述人脸的嘴唇区域。
在一个实施例中，所述获取所述嘴唇区域的唇色像素的饱和度均值的步骤包括：
根据所述嘴唇区域的嘴唇关键点生成对应的嘴唇蒙板；
根据所述嘴唇区域的唇色，获取所述嘴唇蒙板内的唇色区域；
根据所述唇色区域，获取所述嘴唇区域的唇色像素的饱和度均值。
在一个实施例中，所述根据所述嘴唇区域的唇色，获取所述嘴唇蒙板内的唇色区域的步骤包括：
获取所述嘴唇蒙板内的像素对应的直方图，根据所述直方图获取所述嘴唇蒙板内的唇色区域。
在一个实施例中，所述根据所述直方图获取所述嘴唇蒙板内的唇色区域的步骤包括：
根据所述直方图，获取所述嘴唇蒙板内的唇色区域；
获取所述唇色区域的直方图峰值预设范围内的像素确定所述嘴唇蒙板内的最终的唇色区域。
在一个实施例中，所述获取所述嘴唇区域的唇色像素的饱和度均值的步骤包括：
获取所述嘴唇区域的唇色像素yuv或者唇色像素红绿蓝rgb的均值；
将所述均值转换到hsv颜色空间，根据所述hsv颜色空间获取所述嘴唇区域的唇色像素的饱和度均值。
在一个实施例中，所述根据所述饱和度均值，按照预设规则，调整所述嘴唇区域的唇色的步骤包括：
若所述饱和度均值小于预设阈值，将所述嘴唇区域的唇色的色调调整为预设的目标值，并以预设比值或者固定值增加所述嘴唇区域的唇色像素的饱和度；
若所述饱和度均值大于或者等于所述预设阈值，增加所述嘴唇区域的唇色像素的饱和度。
本申请实施例还提供了一种计算机程序产品。一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述各实施例中所描述的图像处理的方法。
本申请实施例还提供一种电子设备。上述电子设备中包括图像处理电路，图像处理电路可以利用硬件和/或软件组件实现，可包括定义isp(imagesignalprocessing，图像信号处理)管线的各种处理单元。图5为一个实施例中图像处理电路的示意图。如图5所示，为便于说明，仅示出与本申请实施例相关的图像处理技术的各个方面。
如图5所示，图像处理电路包括isp处理器540和控制逻辑器550。成像设备510捕捉的图像数据首先由isp处理器540处理，isp处理器540对图像数据进行分析以捕捉可用于确定和/或成像设备510的一个或多个控制参数的图像统计信息。成像设备510可包括具有一个或多个透镜512和图像传感器514的照相机。图像传感器514可包括色彩滤镜阵列(如bayer滤镜)，图像传感器514可获取用图像传感器514的每个成像像素捕捉的光强度和波长信息，并提供可由isp处理器540处理的一组原始图像数据。传感器520(如陀螺仪)可基于传感器520接口类型把采集的图像处理的参数(如防抖参数)提供给isp处理器540。传感器520接口可以利用smia(standardmobileimagingarchitecture，标准移动成像架构)接口、其它串行或并行照相机接口或上述接口的组合。
此外，图像传感器514也可将原始图像数据发送给传感器520，传感器520可基于传感器520接口类型把原始图像数据提供给isp处理器540，或者传感器520将原始图像数据存储到图像存储器530中。
isp处理器540按多种格式逐个像素地处理原始图像数据。例如，每个图像像素可具有8、10、12或14比特的位深度，isp处理器540可对原始图像数据进行一个或多个图像处理操作、收集关于图像数据的统计信息。其中，图像处理操作可按相同或不同的位深度精度进行。
isp处理器540还可从图像存储器530接收图像数据。例如，传感器520接口将原始图像数据发送给图像存储器530，图像存储器530中的原始图像数据再提供给isp处理器540以供处理。图像存储器530可为存储器装置的一部分、存储设备、或电子设备内的独立的专用存储器，并可包括dma(directmemoryaccess，直接直接存储器存取)特征。
当接收到来自图像传感器514接口或来自传感器520接口或来自图像存储器530的原始图像数据时，isp处理器540可进行一个或多个图像处理操作，如时域滤波。处理后的图像数据可发送给图像存储器530，以便在被显示之前进行另外的处理。isp处理器540还可从图像存储器530接收处理数据，对所述处理数据进行原始域中以及rgb和ycbcr颜色空间中的图像数据处理。处理后的图像数据可输出给显示器580，以供用户观看和/或由图形引擎或gpu(graphicsprocessingunit，图形处理器)进一步处理。此外，isp处理器540的输出还可发送给图像存储器530，且显示器580可从图像存储器530读取图像数据。在一个实施例中，图像存储器530可被配置为实现一个或多个帧缓冲器。此外，isp处理器540的输出可发送给编码器/解码器570，以便编码/解码图像数据。编码的图像数据可被保存，并在显示于显示器580设备上之前解压缩。
isp处理器540处理图像数据的步骤包括：对图像数据进行vfe(videofrontend，视频前端)处理和cpp(camerapostprocessing，摄像头后处理)处理。对图像数据的vfe处理可包括修正图像数据的对比度或亮度、修改以数字方式记录的光照状态数据、对图像数据进行补偿处理(如白平衡，自动增益控制，γ校正等)、对图像数据进行滤波处理等。对图像数据的cpp处理可包括对图像进行缩放、向每个路径提供预览帧和记录帧。其中，cpp可使用不同的编解码器来处理预览帧和记录帧。isp处理器540处理后的图像数据可发送给美颜模块560，以便在被显示之前对图像进行美颜处理。美颜模块560对图像数据美颜处理可包括：美白、祛斑、磨皮、瘦脸、祛痘、增大眼睛、唇色调整等。其中，美颜模块560可为移动终端中cpu(centralprocessingunit，中央处理器)、gpu或协处理器等。美颜模块560处理后的数据可发送给编码器/解码器570，以便编码/解码图像数据。编码的图像数据可被保存，并在显示于显示器580设备上之前解压缩。其中，美颜模块560还可位于编码器/解码器570与显示器580之间，即美颜模块对已成像的图像进行美颜处理。上述编码器/解码器570可为移动终端中cpu、gpu或协处理器等。
isp处理器540确定的统计数据可发送给控制逻辑器550单元。例如，统计数据可包括自动曝光、自动白平衡、自动聚焦、闪烁检测、黑电平补偿、透镜512阴影校正等图像传感器514统计信息。控制逻辑器550可包括执行一个或多个例程(如固件)的处理器和/或微控制器，一个或多个例程可根据接收的统计数据，确定成像设备510的控制参数以及isp处理器540的控制参数。例如，成像设备510的控制参数可包括传感器520控制参数(例如增益、曝光控制的积分时间)、照相机闪光控制参数、透镜512控制参数(例如聚焦或变焦用焦距)、或这些参数的组合。isp控制参数可包括用于自动白平衡和颜色调整(例如，在rgb处理期间)的增益水平和色彩校正矩阵，以及透镜512阴影校正参数。
运用图5中图像处理技术可实现如上所述的图像处理方法。
本申请所使用的对存储器、存储、数据库或其它介质的任何引用可包括非易失性和/或易失性存储器。合适的非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)，它用作外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。