[发明专利]处理图像的方法、装置、电子设备、及存储介质

权利要求书

1.一种处理图像的方法，其特征在于，包括：

获取包括人脸的原始图像；

获取所述原始图像中待处理的至少一个局部图像；

分别将所述至少一个局部图像输入至对应的预先训练的特征识别模型，得到所述至少一个局部图像对应的至少一个特征概率矩阵，所述至少一个特征概率矩阵的尺寸与对应的局部图像的尺寸相同，所述至少一个特征概率矩阵的元素表示对应的局部图像中对应位置像素具有设定特征的概率值；

根据所述原始图像对所述至少一个特征概率矩阵进行反变换，得到所述原始图像对应的第二特征概率矩阵，所述第二特征概率矩阵的尺寸与所述原始图像的尺寸相同；

根据所述第二特征概率矩阵对所述原始图像进行修复处理。

2.根据权利要求1所述的方法，其特征在于，根据所述原始图像对所述至少一个特征概率矩阵进行反变换，得到所述原始图像对应的第二特征概率矩阵包括：分别根据所述原始图像对所述至少一个特征概率矩阵进行反变换，对反变换结果进行叠加得到所述原始图像对应的第二特征概率矩阵。

3.根据权利要求1所述的方法，其特征在于，根据所述第二特征概率矩阵对所述原始图像进行修复处理包括：

根据所述第二特征概率矩阵对所述原始图像进行曲线加亮或gamma校正。

4.根据权利要求1所述的方法，其特征在于，获取包括人脸的原始图像包括：获取摄像头采集到的照片，将所述照片缓存到缓冲区中作为所述原始图像。

5.根据权利要求1所述的方法，其特征在于，获取所述原始图像中待处理的至少一个局部图像包括：

对所述原始图像进行面部图像分割得到待处理的所述至少一个局部图像。

6.根据权利要求1-5之一所述的方法，其特征在于，所述特征识别模型通过如下步骤训练得到：

获取训练样本集合，其中，训练样本包括人脸的局部图像和用于表示人脸的局部图像中各像素是否属于设定特征的概率矩阵；

确定初始化的特征识别模型，其中所述初始化的特征识别模型包括用于输出人脸的局部图像中各像素是否属于设定特征的概率的目标层；

利用机器学习的方法，将所述训练样本集合中的训练样本中的人脸的局部图像作为初始化的特征识别模型的输入，将与输入的人脸的局部图像对应的标注是否属于设定特征的概率矩阵作为初始化的特征识别模型的期望输出，训练得到所述特征识别模型。

7.根据权利要求6所述的方法，其特征在于，所述至少一个局部图像包括所述原始图像中一个或两个待处理的眼袋区域图像，所述特征识别模型包括眼袋识别子模型；和/或

所述至少一个局部图像包括所述原始图像中一个或两个待处理的黑眼圈区域图像，所述特征识别模型包括黑眼圈识别子模型；和/或

所述至少一个局部图像包括所述原始图像中一个或两个待处理的法令纹区域图像，所述特征识别模型包括法令纹识别子模型。

8.根据权利要求7所述的方法，其特征在于，所述至少一个局部图像包括所述原始图像中待处理的两个眼袋区域图像；

分别将所述至少一个局部图像输入至对应的预先训练的特征识别模型，得到所述至少一个局部图像对应的至少一个特征概率矩阵包括：

分别将所述两个眼袋区域图像输入至预先训练的眼袋识别子模型，得到两个眼袋概率矩阵，所述两个眼袋概率矩阵的尺寸分别与所述两个眼袋区域图像的尺寸相同，所述两个眼袋概率矩阵的元素表示对应的眼袋区域图像中对应位置像素是眼袋的概率值。

9.根据权利要求7所述的方法，其特征在于，所述至少一个局部图像包括所述原始图像中待处理的两个黑眼圈区域图像；

分别将所述至少一个局部图像输入至对应的预先训练的特征识别模型，得到所述至少一个局部图像对应的至少一个特征概率矩阵包括：

分别将所述两个黑眼圈区域图像输入至预先训练的黑眼圈识别子模型，得到两个黑眼圈概率矩阵，所述两个黑眼圈概率矩阵的尺寸分别与所述两个黑眼圈区域图像的尺寸相同，所述两个黑眼圈概率矩阵的元素表示对应的黑眼圈区域图像中对应位置像素是黑眼圈的概率值。