一種圖像美容的加速方法
【專利摘要】本發(fā)明公開了一種圖像美容的加速方法，其通過對待處理圖像的美容處理進行分解，得到多個基礎算法以及各個基礎算法的輸入源，并對所述的基礎算法進行CPU和GPU的性能測試得到該基礎算法的CPU處理值和GPU處理值，根據(jù)所述基礎算法的CPU處理值和GPU處理值對該基礎算法進行硬件配置，并根據(jù)基礎算法的輸入源設置各個基礎算法之間的執(zhí)行順序，最后根據(jù)所述的硬件配置和執(zhí)行順序對待處理圖像進行圖像美容處理，從而極大的提高了圖像美容處理的效率，特別適用于各種算法復雜步驟繁多的美容處理，美容效果更好更自然。
【專利說明】一種圖像美容的加速方法

【技術領域】
[0001] 本發(fā)明涉及圖像處理方法，特別是一種圖像美容的加速方法。

【背景技術】
[0002] 隨著用戶對于圖像處理方面的要求不斷超出CPU的計算能力，CPU處理能力也不 斷強大，但在進入3D時代后，人們發(fā)現(xiàn)龐大的3D圖像處理數(shù)據(jù)計算使得CPU越來越不堪 重荷，并且遠遠超出其計算能力。隨著圖形計算需求日益增多，作為計算機的顯示芯片也 飛速發(fā)展。隨后人們發(fā)現(xiàn)顯示芯片的計算能力也無法滿足快速增長的圖形計算需求時，圖 形，圖像計算等計算的功能被脫離出來單獨成為一塊芯片設計，這就是現(xiàn)在的圖形計算處 理器-GPU (Graphics Processing Unit)，也就是顯卡。
[0003] GPU以其高速的浮點運算能力迅速地吸引了人們的眼球，并且在向量計算方面能 夠獲得比CPU高出十倍的計算效率，GPU并行計算的能力更是強大，它內部具有快速存儲系 統(tǒng)，此外，GPU的硬件設計能夠管理數(shù)千個并行線程，這數(shù)千個線程全部由GPU創(chuàng)建和管理 而不需要開發(fā)人員進行任何編程與管理。然而，如此強大的計算能力是具有針對性的，如 Z-buffering、紋理映射與光照計算等，這類計算都是針對大量的平行數(shù)據(jù)，運算的數(shù)據(jù)量 大，但是運算的類型卻并不復雜，還具有類似性，計算性強但是邏輯性不強。而CPU是設計 用來處理通用任務的處理、加工、運算以及系統(tǒng)核心控制等工作，CPU的微架構是為高效率 處理數(shù)據(jù)相關性不大的計算類、復雜繁瑣的非計算類等工作而優(yōu)化的。所以目前CPU和GPU 還在自己的軌道上各司其職，人們都只是簡單地利用單純的CPU硬件或者GPU硬件進行算 法的處理，或者只是通過CPU讀取圖像，再通過GPU進行算法的并行處理，無法將兩者進行 很好的結合。
[0004] 目前，隨著美容算法的不斷升級與優(yōu)化，越來越多效果好而性能慢的模糊算法被 研究出來，例如雙邊濾波等，而且在對圖像進行美容處理時，還會對圖像進行人臉定位、皮 膚識別、皮膚優(yōu)化、瘦臉瘦身、亮眼、鼻子高光、立體感等更多的步驟來使效果更好，但是處 理的時間隨著步驟的增加而增加，需要一種能夠運用CPU和GPU進行綜合處理的圖像美容 方法，來加快圖像美容速度。


【發(fā)明內容】

[0005] 本發(fā)明為解決上述問題，提供了一種圖像美容的加速方法，其通過將圖像美容算 法分解成多個基礎算法，并根據(jù)各個基礎算法的特性以及他們之間的相關性設置執(zhí)行順序 對圖像同時進行CPU和GPU的硬件并行處理，極大的提高了圖像美容處理的效率。
[0006] 為實現(xiàn)上述目的，本發(fā)明采用的技術方案為：
[0007] -種圖像美容的加速方法，其特征在于，包括以下步驟：
[0008] 10.對待處理圖像的美容處理進行分解，得到多個基礎算法以及各個基礎算法的 輸入源；
[0009] 20.對所述的基礎算法進行CPU和GPU的性能測試，并根據(jù)性能測試的結果標記該 基礎算法的CPU處理值和GPU處理值；
[0010] 30.根據(jù)所述基礎算法的CPU處理值和GPU處理值對該基礎算法進行硬件配置；
[0011] 40.根據(jù)所述基礎算法的輸入源，設置各個基礎算法之間的執(zhí)行順序；
[0012] 50.根據(jù)所述的基礎算法的硬件配置和執(zhí)行順序對待處理圖像進行圖像美容處 理。
[0013] 優(yōu)選的，所述的基礎算法包括以下兩種或兩種以上的組合：模糊處理、人臉定位、 皮膚識別、模糊合成、皮膚優(yōu)化、瘦臉瘦身、亮眼、鼻子高光。
[0014] 優(yōu)選的，所述的步驟50中根據(jù)所述的基礎算法的硬件配置和執(zhí)行順序對待處理 圖像進行圖像美容處理，進一步包括：
[0015] 51.在GPU執(zhí)行模糊處理，同時，在CPU依次執(zhí)行人臉定位和皮膚識別；
[0016] 52.在GPU依次執(zhí)行模糊合成和皮膚優(yōu)化；
[0017] 53.在GPU執(zhí)行瘦臉瘦身，同時，在CPU分別執(zhí)行亮眼和鼻子高光；
[0018] 54.將步驟53的處理結果進行合成處理。
[0019] 優(yōu)選的，所述的模糊處理的輸入源是原始圖像，處理后得到模糊圖像；所述的人臉 定位的輸入源是原始圖像進行，處理后得到人臉區(qū)域和關鍵點定位；所述的皮膚識別的輸 入源是原始圖像，處理后得到皮膚概率圖；所述的模糊合成的輸入源是包括原始圖像、模糊 圖像和皮膚概率圖，合成處理后得到模糊合成圖；所述的皮膚優(yōu)化的輸入源是皮膚概率圖 和模糊合成圖，利用皮膚概率圖對模糊合成圖進行處理得到優(yōu)化圖；所述的瘦臉瘦身、亮 目艮、鼻子高光的輸入源均是優(yōu)化圖，其分別利用優(yōu)化圖進行各自區(qū)域的處理，最后進行合成 處理得到最終結果圖。
[0020] 優(yōu)選的，所述的模糊處理包括以下一種或一種以上的組合：中值模糊處理、高斯模 糊處理、均值模糊處理、卷積處理。
[0021] 優(yōu)選的，所述的皮膚識別，主要是利用對皮膚顏色的分析與建立數(shù)據(jù)庫，對待處理 圖像進行每個像素點的皮膚概率的判斷；所述的模糊合成主要是根據(jù)皮膚識別的結果對待 處理圖像與模糊處理后的模糊圖像以皮膚識別的結果作為透明度進行效果合成。
[0022] 優(yōu)選的，所述的皮膚優(yōu)化，主要是對皮膚區(qū)域的顏色進行色調的調整，調整算法包 括以下一種或一種以上的組合：亮度對比度調整、飽和度調整、曲線調整、色階調整、顏色調 整。
[0023] 本發(fā)明的有益效果是：
[0024] 本發(fā)明的一種圖像美容的加速方法，其通過對待處理圖像的美容處理進行分解， 得到多個基礎算法以及各個基礎算法的輸入源，并對所述的基礎算法進行CPU和GPU的性 能測試得到該基礎算法的CPU處理值和GPU處理值，根據(jù)所述基礎算法的CPU處理值和GPU 處理值對該基礎算法進行硬件配置，并根據(jù)基礎算法的輸入源設置各個基礎算法之間的執(zhí) 行順序，最后根據(jù)所述的硬件配置和執(zhí)行順序對待處理圖像進行圖像美容處理，從而極大 的提高了圖像美容處理的效率，特別適用于各種算法復雜步驟繁多的美容處理，美容效果 更好更自然。

【專利附圖】

【附圖說明】
[0025] 此處所說明的附圖用來提供對本發(fā)明的進一步理解，構成本發(fā)明的一部分，本發(fā) 明的示意性實施例及其說明用于解釋本發(fā)明，并不構成對本發(fā)明的不當限定。在附圖中：
[0026] 圖1為本發(fā)明一種圖像美容的加速方法的流程簡圖。

【具體實施方式】
[0027] 為了使本發(fā)明所要解決的技術問題、技術方案及有益效果更加清楚、明白，以下結 合附圖及實施例對本發(fā)明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅用 以解釋本發(fā)明，并不用于限定本發(fā)明。
[0028] 如圖1所示，本發(fā)明的一種圖像美容的加速方法，其包括以下步驟：
[0029] 10.對待處理圖像的美容處理進行分解，得到多個基礎算法以及各個基礎算法的 輸入源；
[0030] 20.對所述的基礎算法進行CPU和GPU的性能測試，并根據(jù)性能測試的結果標記該 基礎算法的CPU處理值和GPU處理值；
[0031] 30.根據(jù)所述基礎算法的CPU處理值和GPU處理值對該基礎算法進行硬件配置；
[0032] 40.根據(jù)所述基礎算法的輸入源，設置各個基礎算法之間的執(zhí)行順序；
[0033] 50.根據(jù)所述的基礎算法的硬件配置和執(zhí)行順序對待處理圖像進行圖像美容處 理。
[0034] 所述的步驟10中，基礎算法包括以下兩種或兩種以上的組合：a.模糊處理、b.人 臉定位、c.皮膚識別、d.模糊合成、e.皮膚優(yōu)化、f.瘦臉瘦身、g.亮眼、h.鼻子高光。具體 如下：
[0035] a.所述的模糊處理包括以下一種或一種以上的組合：中值模糊處理、高斯模糊處 理、均值模糊處理、卷積處理。其中：
[0036] 中值模糊處理：即中值濾波處理，主要是對要處理的像素點周圍的N*N模板像素 點的顏色值進行從大到小或者從小到大的排序，得到排序后最中間的那個顏色值，即中位 數(shù)，然后將該像素點的顏色值設置為其中位數(shù)的顏色值；其中，N為模糊的半徑。
[0037] 高斯模糊處理：其主要是采用正態(tài)分布計算圖像中每個像素的變換，其中，在N維 空間的正態(tài)分布方程為：

【權利要求】
1. 一種圖像美容的加速方法，其特征在于，包括以下步驟：
10.對待處理圖像的美容處理進行分解，得到多個基礎算法以及各個基礎算法的輸入 源；
20.對所述的基礎算法進行CPU和GPU的性能測試，并根據(jù)性能測試的結果標記該基礎 算法的CPU處理值和GPU處理值；
30.根據(jù)所述基礎算法的CPU處理值和GPU處理值對該基礎算法進行硬件配置；
40.根據(jù)所述基礎算法的輸入源，設置各個基礎算法之間的執(zhí)行順序；
50. 根據(jù)所述的基礎算法的硬件配置和執(zhí)行順序對待處理圖像進行圖像美容處理。
2. 根據(jù)權利要求1所述的一種圖像美容的加速方法，其特征在于：所述的基礎算法包 括以下兩種或兩種以上的組合：模糊處理、人臉定位、皮膚識別、模糊合成、皮膚優(yōu)化、瘦臉 瘦身、亮眼、鼻子高光。
3. 根據(jù)權利要求2所述的一種圖像美容的加速方法，其特征在于：所述的步驟50中根 據(jù)所述的基礎算法的硬件配置和執(zhí)行順序對待處理圖像進行圖像美容處理，進一步包括：
51. 在GPU執(zhí)行模糊處理，同時，在CPU依次執(zhí)行人臉定位和皮膚識別；
52. 在GPU依次執(zhí)行模糊合成和皮膚優(yōu)化；
53. 在GPU執(zhí)行瘦臉瘦身，同時，在CPU分別執(zhí)行亮眼和鼻子高光；
54. 將步驟53的處理結果進行合成處理。
4. 根據(jù)權利要求3所述的一種圖像美容的加速方法，其特征在于：所述的模糊處理的 輸入源是原始圖像，處理后得到模糊圖像；所述的人臉定位的輸入源是原始圖像進行，處理 后得到人臉區(qū)域和關鍵點定位；所述的皮膚識別的輸入源是原始圖像，處理后得到皮膚概 率圖；所述的模糊合成的輸入源是包括原始圖像、模糊圖像和皮膚概率圖，合成處理后得到 模糊合成圖；所述的皮膚優(yōu)化的輸入源是皮膚概率圖和模糊合成圖，利用皮膚概率圖對模 糊合成圖進行處理得到優(yōu)化圖；所述的瘦臉瘦身、亮眼、鼻子高光的輸入源均是優(yōu)化圖，其 分別利用優(yōu)化圖進行各自區(qū)域的處理，最后進行合成處理得到最終結果圖。
5. 根據(jù)權利要求2或3或4所述的一種圖像美容的加速方法，其特征在于：所述的模 糊處理包括以下一種或一種以上的組合：中值模糊處理、高斯模糊處理、均值模糊處理、卷 積處理。
6. 根據(jù)權利要求2或3或4所述的一種圖像美容的加速方法，其特征在于：所述的皮 膚識別，主要是利用對皮膚顏色的分析與建立數(shù)據(jù)庫，對待處理圖像進行每個像素點的皮 膚概率的判斷；所述的模糊合成主要是根據(jù)皮膚識別的結果對待處理圖像與模糊處理后的 模糊圖像以皮膚識別的結果作為透明度進行效果合成。
7. 根據(jù)權利要求2或3或4所述的一種圖像美容的加速方法，其特征在于：所述的皮 膚優(yōu)化，主要是對皮膚區(qū)域的顏色進行色調的調整，調整算法包括以下一種或一種以上的 組合：亮度對比度調整、飽和度調整、曲線調整、色階調整、顏色調整。
【文檔編號】G06T5/00GK104392409SQ201410718813
【公開日】2015年3月4日 申請日期:2014年12月1日 優(yōu)先權日:2014年12月1日
【發(fā)明者】張偉, 傅松林, 李志陽, 張長定 申請人:廈門美圖之家科技有限公司