[发明专利]图像处理方法、装置、电子设备及计算机可读存储介质

说明书

本发明提供了一种图像处理方法、装置、电子设备及计算机可读存储介质，涉及图像处理技术领域，该方法包括：获取待优化的原始人脸图像；按照人脸肤色对原始人脸图像进行分类，得到原始人脸图像的类别；根据原始人脸图像的类别对原始人脸图像进行人脸优化，得到优化后的目标人脸图像。这种方式考虑到了不同人脸肤色的用户具有不同的人脸优化需求，通过根据按照人脸肤色分类得到的原始人脸图像的类别对原始人脸图像进行人脸优化，提高了人脸优化的针对性，从而缓解了用户在人脸优化方面的实际应用需求。

技术领域

本发明涉及图像处理技术领域，尤其是涉及一种图像处理方法、装置、电子设备及计算机可读存储介质。

背景技术

随着诸如手机、平板电脑等终端设备的不断发展和普及，越来越多的用户使用带有摄像头的终端设备进行拍照。为了美化拍摄的照片，已经开发出了一些实现人脸优化的图像处理方法。

现有的实现人脸优化的图像处理方法主要是针对图像中人脸部分进行去噪，以实现磨皮嫩肤的效果。然而对所有图像均进行这种方式的人脸优化，无法满足人们的实际应用需求。

发明内容

本发明的目的在于提供一种图像处理方法、装置、电子设备及计算机可读存储介质，以缓解用户在人脸优化方面的实际应用需求。

本发明实施例提供了一种图像处理方法，包括：

获取待优化的原始人脸图像；

按照人脸肤色对所述原始人脸图像进行分类，得到所述原始人脸图像的类别；

根据所述原始人脸图像的类别对所述原始人脸图像进行人脸优化，得到优化后的目标人脸图像。

进一步地，所述按照人脸肤色对所述原始人脸图像进行分类，得到所述原始人脸图像的类别，包括：

利用预先训练好的分类模型对所述原始人脸图像进行分类，得到所述原始人脸图像的类别；其中，所述分类模型用于根据图像中人脸的肤色对图像进行分类。

进一步地，所述利用预先训练好的分类模型对所述原始人脸图像进行分类，得到所述原始人脸图像的类别，包括：

将所述原始人脸图像输入预先训练好的神经网络模型，得到所述神经网络模型输出的分类结果；其中，所述分类结果指示属于多个预设类别中每个所述预设类别的概率，所述预设类别包括白种人、黄种人和黑种人；

将所述分类结果中概率最大的预设类别确定为所述原始人脸图像的类别。

进一步地，所述根据所述原始人脸图像的类别对所述原始人脸图像进行人脸优化，得到优化后的目标人脸图像，包括：

根据所述原始人脸图像的类别确定所述原始人脸图像对应的目标优化模型；其中，不同类别所对应的目标优化模型对图像的优化处理不同；

采用所述目标优化模型对所述原始人脸图像进行人脸优化，得到优化后的目标人脸图像。

进一步地，所述根据所述原始人脸图像的类别确定所述原始人脸图像对应的目标优化模型，包括：

如果所述原始人脸图像的类别指示所述原始人脸图像中的人脸为白种人或黑种人，确定所述原始人脸图像对应的目标优化模型为第一优化模型，所述第一优化模型用于去除在预设的第一噪声强度范围内的第一噪声，以保留图像中的纹理细节；

如果所述原始人脸图像的类别为黄种人，确定所述原始人脸图像对应的目标优化模型为第二优化模型，所述第二优化模型用于去除高斯噪声和/或在预设的第二噪声强度范围内的第二噪声；

其中，所述第二噪声的噪声强度大于所述第一噪声的噪声强度。