一种图像光照估计方法、装置、电子设备及存储介质

技术领域

本公开实施例涉及图像处理技术领域，尤其涉及一种图像光照估计方法、装置、电子设备及存储介质。

背景技术

现有技术中，主要基于传统图像算法和深度学习方法来实现图像光照估计。

在对图像中感兴趣区域进行光照估计的情况下，现有技术的不足之处至少包括：

基于传统图像算法进行光照估计，不仅无法排除感兴趣区域外的光照的干扰，还容易受感兴趣区域周围像素颜色的干扰，导致光照估计的准确率较低。

基于深度学习方法进行光照估计，模型训练效果过于依赖训练集。例如，当训练集为小领域内的感兴趣区域图像时，模型容易过拟合，导致模型无法使用于其他场景。此外，在同一场景下模型还容易受环境变化、感兴趣区域移动等因素的影响，光照评估结果会产生较大的抖动，导致光照估计的准确率较低。

发明内容

本公开实施例提供了一种图像光照估计方法、装置、电子设备及存储介质，能够提高光照估计的准确率。

第一方面，本公开实施例提供了一种图像光照估计方法，包括：

获取第一图像中感兴趣区域的关键点，并基于所述关键点确定所述感兴趣区域的凸包；

将所述第一图像中所述凸包外像素的像素值置为第一数值，得到第二图像；

根据所述第二图像中像素的亮度值，确定所述感兴趣区域的光照状态信息。

第二方面，本公开实施例还提供了一种图像光照估计装置，包括：

凸包确定模块，用于获取第一图像中感兴趣区域的关键点，并基于所述关键点确定所述感兴趣区域的凸包；

像素值设置模块，用于将所述第一图像中所述凸包外像素的像素值置为第一数值，得到第二图像；

光照状态确定模块，用于根据所述第二图像中像素的亮度值，确定所述感兴趣区域的光照状态信息。

第三方面，本公开实施例还提供了一种电子设备，所述电子设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本公开实施例任一所述的图像光照估计方法。

第四方面，本公开实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如本公开实施例任一所述的图像光照估计方法。

本公开实施例的技术方案，获取第一图像中感兴趣区域的关键点，并基于关键点确定感兴趣区域的凸包；将第一图像中凸包外像素的像素值置为第一数值，得到第二图像；根据第二图像中像素的亮度值，确定感兴趣区域的光照状态信息。通过截取感兴趣区域凸包，能够排除环境光照和周围像素颜色对感兴趣区域光照估计的干扰；通过根据像素亮度值确定光照状态信息，能够提高场景普适性，减少光照评估结果抖动性，提高光照估计结果的鲁棒性，从而提高光照估计的准确率。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。

图1为本公开实施例一所提供的一种图像光照估计方法的流程示意图；

图2为本公开实施例二所提供的一种图像光照估计方法中人脸图像光照估计的流程框图；

图3为本公开实施例三所提供的一种图像光照估计装置的结构示意图；

图4为本公开实施例四所提供的一种电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

实施例一

图1为本公开实施例一所提供的一种图像光照估计方法流程示意图，本公开实施例适用于对图像中局部的感兴趣区域进行光照估计的情形，例如适用于对人脸图像中人脸区域进行光照估计的情形。该方法可以由图像光照估计装置来执行，该装置可以通过软件和/或硬件的形式实现，该装置可配置于电子设备中，例如配置于手机、电脑等移动终端设备中。

如图1所示，本实施例提供的图像光照估计方法，包括：

S110、获取第一图像中感兴趣区域的关键点，并基于关键点确定感兴趣区域的凸包。

本公开实施例中，第一图像可以为当前采集的图像，也可以为从预设存储空间读取的图像。在不同业务场景下，第一图像的感兴趣区域可以不同，例如在人脸美化的场景下，感兴趣区域可以为人脸区域；又如在花卉识别的场景下，感兴趣区域可以为花卉区域。在计算几何图形学中，凸包可以认为是针对给定的二维平面上的点集，利用最外层的点连接起来构成的凸多边形，它能够包围点集中所有的点。在本实施例中，凸包可以理解为基本包围感兴趣区域中像素点的凸多边形。

其中，可以利用针对感兴趣区域预先训练的机器学习模型，对第一图像中相应的感兴趣区域进行关键点识别，以获取感兴趣区域的关键点。进而，可以利用关键点对感兴趣区域的轮廓进行拟合，并将拟合结果作为感兴趣区域的凸包，以使凸包可基本上包围感兴趣区域中的像素点(可简称为像素)。

S120、将第一图像中凸包外像素的像素值置为第一数值，得到第二图像。

在确定感兴趣区域凸包后，可以将第一图像中凸包内像素的像素值保持原始像素值，将第一图像中凸包外像素的像素值设置为第一数值。其中，可统计凸包内各像素的像素值，并可以将像素值范围内不属于统计的各像素值的任一像素值作为第一数值；或者，可以将预先设置有利于突显凸包内像素的像素值作为第一数值，例如可以预先设置零为第一数值。

通过将凸包外像素的像素值设置为第一数值，能够区分凸包内、外区域的像素，从而实现凸包内图像(即感兴趣区域图像)的截取。通过截取感兴趣区域图像，能够排除环境光照和周围像素颜色对感兴趣区域光照估计的干扰，提高感兴趣区域的光照估计的准确率。

在一些可选的实现方式中，将第一图像中凸包外像素的像素值置为第一数值，得到第二图像，可以包括：根据凸包确定二值化图像，其中二值化图像与第一图像的分辨率相同，且二值化图像中与凸包外像素对应的像素的像素值为零；根据二值化图像与第一图像，生成第二图像。

其中，二值化图像可以认为是将图像中像素点的像素值设置为0或255的图像，且像素值为0的像素点呈黑色，像素值为255的像素点呈白色，从而可以是整个图像呈现出只有黑色和白色的效果。本实施例中，可以确定第一图像中构成凸包的各像素的像素坐标，进而可以生成与第一图像具有相同分辨率的图像，且将该生成图像内上述像素坐标的像素围成的区域内像素设置为255，围成的区域外像素设置为0，从而可以得到二值化图像。

在这些可选的实现方式中，可以将二值化图像中像素值为0的像素映射为数字0，将像素值为255的像素映射为数字1，得到仅包含{0,1}的独热矩阵。进而，可以利用该独热矩阵与第一图像进行点乘，以使第一图像中凸包内的像素保持原始像素值，凸包外的像素的像素值置零，得到第二图像。

S130、根据第二图像中像素的亮度值，确定感兴趣区域的光照状态信息。

本公开实施例中，可以基于开源的或自定义编译的转换代码，将第二图像转换为灰度图像。其中，灰度图像中的灰度值与第二图像中像素的亮度值具备对应关系，通常灰度值越高则图像越亮。根据该对应关系可以使用灰度图像中像素的灰度值表征第二图像中像素的亮度值。

由于第二图像中感兴趣区域内像素与感兴趣区域外像素的像素值进行了区别设置，转换得到的灰度图像中同样可以基于该区别确定感兴趣区域。进而，可以根据灰度图像中感兴趣区域的像素的灰度值，确定感兴趣区域的光照状态信息。其中，光照状态信息可以包括但不限于光照强度的昏暗、正常、明亮等状态的信息，或者曝光强度的过曝、欠曝等状态的信息。示例性的，可以根据感兴趣区域灰度值的均值、方差等计算结果确定光照状态信息。当存在亮度异常时，均值会偏离均值点、方差也会偏小，进而可评估感兴趣区域是否存在过曝光或曝光不足等情况。

通过根据像素亮度值确定光照状态信息，能够提高场景普适性，减少光照评估结果抖动性，提高光照估计结果的鲁棒性，从而提高光照估计的准确率。

在一些可选的实现方式中，第二图像中像素的亮度值基于下述步骤确定：将第二图像转换到包含有亮度通道的颜色空间，并将颜色空间中亮度通道的图像作为第三图像；根据第三图像中像素的像素值，确定第二图像中像素的亮度值。

颜色通常用三个相对独立的属性来描述，三个独立变量综合作用自然就构成一个空间坐标，这就是颜色空间。而颜色可以由不同的角度，用三个一组的不同属性加以描述，就产生了不同的颜色空间。但被描述的颜色对象本身是客观的，不同颜色空间只是从不同的角度去衡量同一个颜色对象。颜色空间按照基本结构可以分两大类：基色颜色空间和色、亮分离颜色空间；其中，典型的基色颜色空间包括RGB颜色空间，典型的色、亮分离颜色空间包括YCC、YUV、Lab等颜色空间。本实施例中公开的包含亮度通道的颜色空间，可以理解为色、亮分离的颜色空间。

可以基于开源的或自定义编译的转换代码，将第二图像转换到包含有亮度通道的颜色空间，并提取亮度通道的图像；其中该亮度通道的图像(即第三图像)通常为灰度图像。由于灰度图像中的灰度值可等同于灰度图像中的像素值，且灰度图像中灰度值与原图像亮度值具备对应关系，可以利用第三图像中像素的像素值来表征第二图像中像素的亮度值。

在这些可选的实现方式中，可以通过颜色空间的转换，得到第二图像的灰度图像，进而可以根据灰度图像的像素值确定第二图像中像素的亮度值。

在一些可选的实现方式中，第一数值为零；第二图像中像素值为零的像素，对应的亮度值同样为零；根据第二图像中像素的亮度值，确定感兴趣区域的光照状态信息，包括：将第二图像划分为第二数值个子区域，计算各子区域内亮度值非零的像素的亮度均值；统计亮度均值大于第三数值的子区域的个数，得到第四数值；根据第四数值与第二数值的比值，确定感兴趣区域的光照状态信息。

当第一数值为零时，第二图像中凸包外区域像素的像素值为零，即凸包外区域呈现为为黑色背景。此时，当第二图像转换为灰色图像时，灰度图像中与凸包外区域对应的区域同样可呈现为黑色，即灰度值为零，可表征感兴趣区域外像素的亮度值为零。而灰度图像中与凸包内区域对应的区域的灰度值，可以表征第二图像中感兴趣区域内像素的亮度值。从而可以得到第二图像中各像素的亮度值。

其中，将第二图像划分为第二数值个子区域，可为将第二图像均分为第二数值个格子区域。在均分为格子后，针对每个格子，可以确定其内亮度值非零的像素的个数，以及亮度值非零的像素的亮度值的总和，将总和与个数相除可以得到每个格子内亮度值非零的像素的亮度均值。

其中，光照状态信息可以包括光照强度信息和/或曝光强度信息。且光照强度信息可以包括光照强度的昏暗、正常、明亮等状态的信息；曝光强度信息可包括曝光强度的过曝、欠曝等状态的信息。其中，确定光照强度信息时所使用的第三数值，可以认为是与光照强度信息对应的第三数值；确定曝光强度信息时所使用的第三数值，可以认为是与曝光强度信息对应的第三数值。其中，与不同光照状态信息对应的的第三数值可以根据经验值或实验值设置，且通常与曝光强度信息对应的第三数值，大于与光照强度信息对应的第三数值。例如，与曝光强度信息对应的第三数值可以设置为220，与光照强度信息对应的第三数值可以设置为80。

在确定每个格子内亮度值非零的像素的亮度均值后，可以统计亮度均值大于第三数值的子区域的个数，并将该个数中的数值作为第四数值。进而，可以确定第四数值与第二数值的比值，即确定满足一定亮度的格子数占总格子数的比例。在进行光照状态信息估计前，可根据实验值或经验值预先设置不同比值范围对应的光照状态信息；相应的，在确定第四数值与第二数值比值后，可以根据比值范围与光照状态信息的对应关系，确定感兴趣区域的光照状态信息。

在这些可选的实现方式中，通过计算每个分区的亮度值非零像素的亮度均值，可以筛选出满足一定亮度的分区。进而可以根据筛选出的分区数占划分区域的总分区数的占比，确定感兴趣区域的光照状态信息。该方法的计算量小，能够适用于计算资源有限的移动终端上，可实现实时的感兴趣区域光照估计。并且，该方法预测光照的抖动性小，有很好的鲁棒性，可兼具效果和性能。

此外，当第一数值不为零时，第二图像中凸包外区域像素的像素值虽然不为零，但是仍然可以与凸包内区域像素的像素值产生区别。在第二图像转化后的灰度图像中，仍然存在凸包内、外区域的像素值的差异，可以根据该差异确定感兴趣区域。进而可以将感兴趣区域外的亮度值调整为零，以根据调整后的亮度值确定感兴趣区域的光照状态信息。

本公开实施例的技术方案，获取第一图像中感兴趣区域的关键点，并基于关键点确定感兴趣区域的凸包；将第一图像中凸包外像素的像素值置为第一数值，得到第二图像；根据第二图像中像素的亮度值，确定感兴趣区域的光照状态信息。通过截取感兴趣区域凸包，能够排除环境光照和周围像素颜色对感兴趣区域光照估计的干扰；通过根据像素亮度值确定光照状态信息，能够提高场景普适性，减少光照评估结果抖动性，提高光照估计结果的鲁棒性，从而提高光照估计的准确率。

实施例二

本公开实施例与上述实施例中所提供的图像光照估计方法中各个可选方案可以结合。本实施例所提供的图像光照估计方法，可应用于图像处理类软件程序中，感兴趣区域包括人脸区域。

由于图像光照估计方法对计算资源的要求较低，执行该方法的装置可集成于图像类软件程序中，且可随图像软件程序部署至计算机资源有限的电子设备中去，例如部署至手机等移动终端设备中去。

其中，图像处理类软件程序可以包括但不限于，图像/视频的采集软件程序和编辑软件程序等，例如为包含人脸美化功能的软件程序。在图像处理类软件程序中，可以对第一图像中的人脸区域进行光照估计。

示例性的，图2为本公开实施例二所提供的一种图像光照估计方法中人脸图像光照估计的流程框图。如图2所示，图中提供了对两张人脸图像(即上侧和下侧的第一图像)中人脸区域的光照估计步骤，可以包括：

步骤1，可以通过检测人脸88点、106点或1000点关键点的获取函数，例如GetLandmarks()函数，获取第一图像(可为RGB图像)中的人脸关键点；可以基于ConvexHull()函数对人脸关键点进行处理，以获取人脸区域的凸包对应的{0,1}掩膜图像；可以将与掩膜图像对应的{0,1}矩阵与第一图像进行点乘，实现将凸包外背景区域像素的像素值置0，得到第二图像。图2中示出了第二图像中感兴趣区域的图像，且也可为RGB图像。

步骤2，可以基于颜色空间的转换函数，例如RGB2LAB()函数，将第二图像从RGB空间转换到LAB空间；可以通过GetL()函数选取LAB空间的L通道(即亮度通道)的图像作为第三图像。其中第三图像可为灰度图像，且图2中示出了第三图像中感兴趣区域的图像。

步骤3，可将第三图像代替第二图像进行区域划分，例如将256×256大小的第三图像平均划分成16×16大小的格子，即可划分出256个彼此不重叠的格子；基于下述公式分别计算每个格子内非零像素的亮度均值：

其中，i、j的取值范围为[0,15]，可分别表示当前格子在划分格子中横向上的序号和纵向上的序号；x、y可分别表示当前像素在第三图像中的横向坐标值和纵向坐标值；image_l(x,y)可表示当前像素的亮度值；公式中分子可表示当前格子中像素的亮度值的总和，分母可表示当前格子中亮度值非零的像素的个数，dst

进而，可以基于下述公式计算亮度均值大于设定阈值(即第三数值)的格子数量，占总格子数量的比值：

其中，dst

步骤4，可以根据预先设置的light_score的取值范围与光照状态信息的对应关系，确定与当前计算得到的light_score对应的光照状态信息。示例性的，图2中与上侧的第一图像对应的光照强度为0.1790，可判断光照强度信息为昏暗状态；与下侧的第一图像对应的曝光强度为0.9606，可判断包括曝光强度信息为过曝状态。

本公开实施例的技术方案，可应用于图像处理类软件程序中，例如应用于包含人脸美化功能的软件程序中，且可以对人脸图像中的人脸区域进行实时快速、且准确度高的光照估计，从而有利于对人脸区域的进一步美化功能奠定基础，有利于提高人脸美化效果。

此外，本公开实施例提供的图像光照估计方法与上述实施例提供的图像光照估计方法属于同一公开构思，未在本实施例中详尽描述的技术细节可参见上述实施例，并且相同的技术特征在本实施例与上述实施例中具有相同的有益效果。

实施例三

图3为本公开实施例三所提供的一种图像光照估计装置的结构示意图。本实施例提供的图像光照估计装置适用于对图像中局部的感兴趣区域进行光照估计的情形，例如适用于对人脸图像中人脸区域进行光照估计的情形。

如图3所示，本实施例提供的图像光照估计装置包括：

凸包确定模块310，用于获取第一图像中感兴趣区域的关键点，并基于关键点确定感兴趣区域的凸包；

像素值设置模块320，用于将第一图像中凸包外像素的像素值置为第一数值，得到第二图像；

光照状态确定模块330，用于根据第二图像中像素的亮度值，确定感兴趣区域的光照状态信息。

在一些可选的实现方式中，像素值设置模块，可以具体用于：

根据凸包确定二值化图像，其中二值化图像与第一图像的分辨率相同，且二值化图像中与凸包外像素对应的像素的像素值为零；

根据二值化图像与第一图像，生成第二图像。

在一些可选的实现方式中，图像光照估计装置还可以包括：

亮度值确定模型，用于基于下述步骤确定第二图像中像素的亮度值：

将第二图像转换到包含有亮度通道的颜色空间，并将颜色空间中亮度通道的图像作为第三图像；

根据第三图像中像素的像素值，确定第二图像中像素的亮度值。

在一些可选的实现方式中，第一数值为零；第二图像中像素值为零的像素，对应的亮度值同样为零；

光照状态确定模块，可以具体用于：

将第二图像划分为第二数值个子区域，计算各子区域内亮度值非零的像素的亮度均值；

统计亮度均值大于第三数值的子区域的个数，得到第四数值；

根据第四数值与第二数值的比值，确定感兴趣区域的光照状态信息。

在一些可选的实现方式中，光照状态信息包括光照强度信息和/或曝光强度信息；其中，与曝光强度信息对应的第三数值，大于与光照强度信息对应的第三数值。

在一些可选的实现方式中，图像光照估计装置可应用于图像处理类软件程序中，感兴趣区域包括人脸区域。

本公开实施例所提供的图像光照估计装置，可执行本公开任意实施例所提供的图像光照估计方法，具备执行方法相应的功能模块和有益效果。

值得注意的是，上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本公开实施例的保护范围。

实施例四

下面参考图4，其示出了适于用来实现本公开实施例的电子设备(例如图4中的终端设备或服务器)400的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图4示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图4所示，电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401，其可以根据存储在只读存储器(Read-Only Memory，ROM)402中的程序或者从存储装置406加载到随机访问存储器(Random Access Memory，RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。

通常，以下装置可以连接至I/O接口405：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置408；以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置409从网络上被下载和安装，或者从存储装置406被安装，或者从ROM402被安装。在该计算机程序被处理装置401执行时，执行本公开实施例的图像光照估计方法中限定的上述功能。

本公开实施例提供的电子设备与上述实施例提供的图像光照估计方法属于同一公开构思，未在本实施例中详尽描述的技术细节可参见上述实施例，并且本实施例与上述实施例具有相同的有益效果。

实施例五

本公开实施例提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述实施例所提供的图像光照估计方法。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read-Only Memory，EPROM)或闪存(FLASH)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(Hyper Text TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：

获取第一图像中感兴趣区域的关键点，并基于关键点确定感兴趣区域的凸包；将第一图像中凸包外像素的像素值置为第一数值，得到第二图像；根据第二图像中像素的亮度值，确定感兴趣区域的光照状态信息。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元、模块的名称在某种情况下并不构成对该单元、模块本身的限定。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FieldProgrammable Gate Array，FPGA)、专用集成电路(Application Specific IntegratedCircuit，ASIC)、专用标准产品(Application Specific Standard Parts，ASSP)、片上系统(System on Chip，SOC)、复杂可编程逻辑设备(CPLD)等等。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行装置或设备使用或与指令执行装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

根据本公开的一个或多个实施例，【示例一】提供了一种图像光照估计方法，该方法包括：

获取第一图像中感兴趣区域的关键点，并基于所述关键点确定所述感兴趣区域的凸包；

将所述第一图像中所述凸包外像素的像素值置为第一数值，得到第二图像；

根据所述第二图像中像素的亮度值，确定所述感兴趣区域的光照状态信息。

根据本公开的一个或多个实施例，【示例二】提供了一种图像光照估计方法，还包括：

在一些可选的实现方式中，所述将所述第一图像中所述凸包外像素的像素值置为第一数值，得到第二图像，包括：

根据所述凸包确定二值化图像，其中所述二值化图像与所述第一图像的分辨率相同，且所述二值化图像中与所述凸包外像素对应的像素的像素值为零；

根据所述二值化图像与所述第一图像，生成第二图像。

根据本公开的一个或多个实施例，【示例三】提供了一种图像光照估计方法，还包括：

在一些可选的实现方式中，所述第二图像中像素的亮度值基于下述步骤确定：

将所述第二图像转换到包含有亮度通道的颜色空间，并将所述颜色空间中亮度通道的图像作为第三图像；

根据所述第三图像中像素的像素值，确定所述第二图像中像素的亮度值。

根据本公开的一个或多个实施例，【示例四】提供了一种图像光照估计方法，还包括：

在一些可选的实现方式中，所述第一数值为零；所述第二图像中像素值为零的像素，对应的亮度值同样为零；

所述根据所述第二图像中像素的亮度值，确定所述感兴趣区域的光照状态信息，包括：

将所述第二图像划分为第二数值个子区域，计算各所述子区域内亮度值非零的像素的亮度均值；

统计所述亮度均值大于第三数值的子区域的个数，得到第四数值；

根据所述第四数值与所述第二数值的比值，确定所述感兴趣区域的光照状态信息。

根据本公开的一个或多个实施例，【示例五】提供了一种图像光照估计方法，还包括：

在一些可选的实现方式中，所述光照状态信息包括光照强度信息和/或曝光强度信息；其中，与所述曝光强度信息对应的第三数值，大于与所述光照强度信息对应的第三数值。

根据本公开的一个或多个实施例，【示例六】提供了一种图像光照估计方法，还包括：

在一些可选的实现方式中，应用于图像处理类软件程序中，所述感兴趣区域包括人脸区域。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。