CN110288523B - 图像生成方法和装置 - Google Patents
图像生成方法和装置 Download PDFInfo
- Publication number
- CN110288523B CN110288523B CN201910588691.4A CN201910588691A CN110288523B CN 110288523 B CN110288523 B CN 110288523B CN 201910588691 A CN201910588691 A CN 201910588691A CN 110288523 B CN110288523 B CN 110288523B
- Authority
- CN
- China
- Prior art keywords
- image
- face image
- dimensional
- face
- initial
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000004891 communication Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000014509 gene expression Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 230000001815 facial effect Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000003321 amplification Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 239000002537 cosmetic Substances 0.000 description 3
- 238000003199 nucleic acid amplification method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/174—Facial expression recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
- G06T2219/20—Indexing scheme for editing of 3D models
- G06T2219/2016—Rotation, translation, scaling
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Computer Graphics (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Architecture (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Processing Or Creating Images (AREA)
- Image Processing (AREA)
Abstract
本公开的实施例公开了图像生成方法和装置。该方法的一具体实施方式包括:基于对所获取的初始人脸图像提取的关键点,生成与初始人脸图像指示的人脸对象的姿态一致的人脸三维模型;根据所选取的基准面罩图像中的各二维像素点的像素值,确定人脸三维模型中的各三维像素点的像素值;基于确定像素值后的人脸三维模型,生成目标面罩图像;根据目标面罩图像中的各二维像素点的像素值,调整初始人脸图像中的各二维像素点的像素值,以生成新的人脸图像。该实施方式避免了所添加的面罩发生扭曲。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及图像生成方法和装置。
背景技术
随着图像处理技术的发展,对面部图像的精细化处理需求越发得以凸显。现有的美妆类应用一般可以对人脸图像进行各种处理,进而实现对人脸图像中显示的人脸的美化。例如,对人脸图像中显示的人脸添加面罩。可以理解,面罩可以是用于对人脸图像中显示的人脸进行美化的各种风格的面具。
为了实现对人脸图像中显示的人脸添加面罩,目前主要采用的方式为,直接将预设的面罩图像指示的面罩添加至人脸图像中。
发明内容
本公开的实施例提出了图像生成方法和装置。
第一方面,本公开的实施例提供了一种图像生成方法,该方法包括:基于对所获取的初始人脸图像提取的关键点,生成与初始人脸图像指示的人脸对象的姿态一致的人脸三维模型;根据所选取的基准面罩图像中的各二维像素点的像素值,确定人脸三维模型中的各三维像素点的像素值;基于确定像素值后的人脸三维模型,生成目标面罩图像;根据目标面罩图像中的各二维像素点的像素值,调整初始人脸图像中的各二维像素点的像素值,以生成新的人脸图像。
在一些实施例中,上述根据目标面罩图像中的各二维像素点的像素值,调整初始人脸图像中的各二维像素点的像素值,以生成新的人脸图像,包括:根据目标面罩图像和初始人脸图像中的关键点,将目标面罩图像和初始人脸图像划分为预设数量的多边形区域;根据目标面罩图像中的多边形区域包括的各二维像素点的像素值,调整初始人脸图像中对应的多边形区域包括的各二维像素点的像素值,以生成新的人脸图像。
在一些实施例中,上述基于对所获取的初始人脸图像提取的关键点,生成与初始人脸图像指示的人脸对象的姿态一致的人脸三维模型,包括:基于对所获取的初始人脸图像提取的关键点和所获取的基准三维模型,生成与初始人脸图像指示的人脸对象的姿态一致的人脸三维模型。
在一些实施例中,上述基准面罩图像通过对初始面罩图像指示的面罩的三维模型进行剖分得到。
在一些实施例中,在上述基于对所获取的初始人脸图像提取的关键点,生成与初始人脸图像指示的人脸对象的姿态一致的人脸三维模型之前,上述方法还包括:接收通信连接的终端设备发送的人脸图像作为初始人脸图像;以及在上述根据所选取的基准面罩图像中的各二维像素点的像素值,确定人脸三维模型中的各三维像素点的像素值之前,上述方法还包括:选取终端设备发送的用户选取信息所指示的面罩图像作为基准面罩图像。
在一些实施例中,方法还包括:将新的人脸图像返回至终端设备,以使终端设备显示新的人脸图像。
第二方面,本公开的实施例提供了一种图像生成装置,该装置包括:第一生成单元,被配置成基于对所获取的初始人脸图像提取的关键点,生成与初始人脸图像指示的人脸对象的姿态一致的人脸三维模型;确定单元,被配置成根据所选取的基准面罩图像中的各二维像素点的像素值,确定人脸三维模型中的各三维像素点的像素值;第二生成单元,被配置成基于确定像素值后的人脸三维模型,生成目标面罩图像;调整单元,被配置成根据目标面罩图像中的各二维像素点的像素值,调整初始人脸图像中的各二维像素点的像素值,以生成新的人脸图像。
在一些实施例中,上述调整单元,包括:划分模块,被配置成根据目标面罩图像和初始人脸图像中的关键点,将目标面罩图像和初始人脸图像划分为预设数量的多边形区域;调整模块,被配置成根据目标面罩图像中的多边形区域包括的各二维像素点的像素值,调整初始人脸图像中对应的多边形区域包括的各二维像素点的像素值,以生成新的人脸图像。
在一些实施例中,上述第一生成单元,进一步被配置成:基于对所获取的初始人脸图像提取的关键点和所获取的基准三维模型,生成与初始人脸图像指示的人脸对象的姿态一致的人脸三维模型。
在一些实施例中,上述基准面罩图像通过对初始面罩图像指示的面罩的三维模型进行剖分得到。
在一些实施例中,上述装置还包括:接收单元,被配置成接收通信连接的终端设备发送的人脸图像作为初始人脸图像;选取单元,被配置成选取终端设备发送的用户选取信息所指示的面罩图像作为基准面罩图像。
在一些实施例中,上述装置还包括:发送单元,被配置成将新的人脸图像返回至终端设备,以使终端设备显示新的人脸图像。
第三方面,本公开的实施例提供了一种服务器,该服务器包括:一个或多个处理器;存储装置,其上存储有一个或多个程序;当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面,本公开的实施例提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本公开的实施例提供的图像生成方法和装置,首先可以基于对所获取的初始人脸图像提取的关键点,生成与初始人脸图像指示的人脸对象的姿态一致的人脸三维模型,然后可以根据所选取的基准面罩图像中的各二维像素点的像素值,确定人脸三维模型中的各三维像素点的像素值,进而可以基于确定像素值后的人脸三维模型,生成目标面罩图像,由此可以根据目标面罩图像中的各二维像素点的像素值,调整初始人脸图像中的各二维像素点的像素值,以生成新的人脸图像。从而实现了将目标面罩图像指示的面罩添加至初始人脸图像中。由于目标面罩图像指示的面罩与初始人脸图像指示的人脸对象的姿态是一致的,所以避免了所添加的面罩发生扭曲。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本公开的其它特征、目的和优点将会变得更明显:
图1是本公开的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的图像生成方法的一个实施例的流程图;
图3是根据本公开的实施例的图像生成方法的一个应用场景的示意图;
图4是根据本公开的图像生成方法的又一个实施例的流程图;
图5是根据本公开的图像生成装置的一个实施例的结构示意图;
图6是适于用来实现本公开的实施例的电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
如图1所示,系统架构100可以包括终端设备101、102,网络103和服务器104。网络103用以在终端设备101、102和服务器104之间提供通信链路的介质。网络103可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
终端设备101、102通过网络103与服务器104交互,以接收或发送消息等。终端设备101、102上可以安装有各种通讯客户端应用,例如美妆类应用、图像处理类应用、网页浏览器应用、购物类应用等。
终端设备101、102可以是硬件,也可以是软件。当终端设备101、102为硬件时,可以是具有显示屏并且支持图像处理的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102为软件时,可以安装在上述所列举的电子设备中,其可以实现成多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
服务器104可以是提供各种服务的服务器,例如为终端设备101、102上所安装的美妆类应用的后台服务器。实践中,后台服务器可以对终端设备发送的人脸图像进行处理,得到新的人脸图像。
需要说明的是,上述终端设备发送的人脸图像也可以直接存储在服务器104的本地,服务器104可以直接提取本地所存储的人脸图像并进行处理,此时,可以不存在终端设备101、102和网络103。
服务器104可以是硬件,也可以是软件。当服务器104为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器104为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
需要指出的是,本公开的实施例所提供的图像生成方法一般由服务器104执行,相应地,图像生成装置一般设置于服务器104中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本公开的图像生成方法的一个实施例的流程200。该图像生成方法包括以下步骤:
步骤201,基于对所获取的初始人脸图像提取的关键点,生成与初始人脸图像指示的人脸对象的姿态一致的人脸三维模型。
在本实施例中,图像生成方法的执行主体(如图1所示的服务器104)可以从本地或者通信连接的数据库服务器获取初始人脸图像。
在本实施例中,获取初始人脸图像之后,上述执行主体可以对该初始人脸图像提取关键点。
在本实施例中,对初始人脸图像提取关键点之后,上述执行主体可以基于所提取的关键点,生成与初始人脸图像指示的人脸对象的姿态一致的人脸三维模型。此处,初始人脸图像指示的人脸对象可以是初始人脸图像中所显示的人脸。
具体地,技术人员可以预先搜集大量的人脸图像,然后构造每张人脸图像指示的人脸对象的三维模型,而后可以将针对每张人脸图像提取的关键点的坐标、像素值和所构造的三维模型关联存储。那么,上述执行主体可以从中确定与初始人脸图像的关键点的坐标和像素值满足预设条件的坐标和像素值。在这里,预设条件可以包括:坐标之间的距离最小且小于预设距离值,像素值之间的差值最小且小于预设像素值。由此,上述执行主体可以选取所确定的坐标和像素值关联的三维模型,作为与初始人脸图像指示的人脸对象的姿态一致的人脸三维模型。
在本实施例的一些可选的实现方式中,上述执行主体可以基于对所获取的初始人脸图像提取的关键点和所获取的基准三维模型,生成与初始人脸图像指示的人脸对象的姿态一致的人脸三维模型。
上述基准三维模型通常可以包括针对各种表情(例如,自然表情、张嘴、皱眉等)所构造的人脸三维模型。基准三维模型通常是由一定数量的三维像素点所组成的三维模型。
实践中,可以通过确定合适的表情系数对各基准三维模型进行线性组合,通过确定合适的姿态参数对组合得到的三维模型进行旋转、放大、缩小、平移等操作,由此生成与初始人脸图像指示的人脸对象的姿态一致的人脸三维模型。其中,表情系数用于表征初始人脸图像指示的人脸对象属于各表情的概率,姿态参数用于表征初始人脸图像指示的人脸对象的姿态。
上述合适的表情系数和姿态参数的确定过程,具体如下所述。首先,上述执行主体可以对初始人脸图像提取关键点,还可以从本地或者通信连接的数据库服务器获取基准三维模型。然后,可以根据表情系数的初始值,对各基准三维模型进行线性组合,根据姿态参数的初始值,对组合后的三维模型进行旋转、放大、缩小、平移等操作。而后,可以根据初始人脸图像中的二维像素点的像素值,确定旋转、放大、缩小、平移等操作后的三维模型中的三维像素点的像素值。进一步,可以将确定像素值后的三维模型中的三维像素点的坐标转换为在二维坐标系下的坐标。可以理解,坐标转换之后所得到的各二维像素点可以组成人脸图像。从而,上述执行主体可以确定该组合成的人脸图像和初始人脸所包括的关键点之间的平均距离。若所确定的平均距离大于或等于预设阈值,上述执行主体可以对表情系数和姿态参数的值进行逐步调整,直至组合成的人脸图像和初始人脸所包括的关键点之间的平均距离小于预设阈值。可以理解,当组合成的人脸图像和初始人脸图像所包括的关键点之间的平均距离小于预设阈值时,便可以得到上述合适的表情系数和姿态参数。
在这些实现方式中,通过确定合适的表情系数和姿态参数,对各基准三维模型进行操作,可以生成任意的初始人脸图像所指示的人脸对象的三维模型。
步骤202,根据所选取的基准面罩图像中的各二维像素点的像素值,确定人脸三维模型中的各三维像素点的像素值。
在本实施例中,上述执行主体可以从本地或者通信连接的数据库服务器存储的大量的面罩图像中随机选取面罩图像,作为基准面罩图像。其中,面罩图像可以是显示有面罩的图像。可选地,上述基准面罩图像可以通过对初始面罩图像指示的面罩的三维模型进行剖分得到。实践中,可以沿预先指定的起点、终点和途经点对初始面罩图像指示的面罩的三维模型进行剖分,得到基准面罩图像。
通常,基准面罩图像中的二维像素点与上述人脸三维模型中的三维像素点一一对应。实践中,可以预先指定基准面罩图像中的二维像素点与人脸三维模型中的三维像素点之间的对应关系。
在本实施例中,选取基准面罩图像之后,上述执行主体可以将基准面罩图像中的二维像素点的像素值确定为人脸三维模型中对应的三维像素点的像素值。
步骤203,基于确定像素值后的人脸三维模型,生成目标面罩图像。
在本实施例中,确定人脸三维模型中各三维像素点的像素值之后,上述执行主体可以将该人脸三维模型中的三维像素点的坐标转换为在二维坐标系下的坐标,将该人脸三维模型中的三维像素点的像素值确定为坐标转换所得到的二维像素点的像素值,由此得到目标面罩图像。可以理解,目标面罩图像可以是由坐标转换之后所得到的各二维像素点组成的面罩图像,且目标面罩图像所指示的面罩与初始人脸图像所指示的人脸对象的姿态一致。
步骤204,根据目标面罩图像中的各二维像素点的像素值,调整初始人脸图像中的各二维像素点的像素值,以生成新的人脸图像。
在本实施例中,生成目标面罩图像之后,上述执行主体可以根据目标面罩图像中的各二维像素点的像素值,调整初始人脸图像中的各二维像素点的像素值,进而生成新的人脸图像。
具体地,对于目标面罩图像中的二维像素点,上述执行主体可以将初始人脸图像中与该二维像素点的坐标相同的二维像素点的像素值调整为该二维像素点的像素值。调整初始人脸图像中的各二维像素点的像素值之后,便可以得到新的人脸图像。可以理解,与初始人脸图像相比,新的人脸图像所指示的人脸对象添加了目标面罩图像所指示的面罩。
在本实施例的一些可选的实现方式中,上述执行主体还可以通过如下方式调整初始人脸图像中的各二维像素点的像素值。
第一步,根据目标面罩图像和初始人脸图像中的关键点,将目标面罩图像和初始人脸图像划分为预设数量的多边形区域。
上述多边形区域的类型可以预先设定,例如可以是三角形区域、四边形区域等。
具体地,以对初始人脸图像的划分为例。首先,上述执行主体可以从初始人脸图像包括的关键点中选取关键点作为顶点,划分出多边形区域。然后,在保证待划分的多边形区域与已划分的多边形区域不重叠的前提下,选取关键点作为顶点,划分出新的多边形区域。可以理解,根据多次选取的顶点,可以将初始人脸图像划分为预设数量的多边形区域。对目标面罩图像的划分与上述划分过程类似,此处不再赘述。
第二步,根据目标面罩图像中的多边形区域包括的各二维像素点的像素值,调整初始人脸图像中对应的多边形区域包括的各二维像素点的像素值,以生成新的人脸图像。
通常,目标面罩图像和初始人脸图像包括的关键点一一对应。目标面罩图像和初始人脸图像中相对应的关键点可以是针对同一对象所提取的键点。例如,目标面罩图像和初始人脸图像中针对左眼角提取的关键点相对应。可以理解,目标面罩图像和初始人脸图像中对应的多边形区域可以是每个顶点均为针对相同对象提取的关键点。
具体地,对于目标面罩图像中的多边形区域,首先,上述执行主体可以对该多边形区域进行预设处理(例如,旋转、放大、缩小等),使得处理后的多边形区域与初始人脸图像中对应的多边形区域的大小一致,然后,可以根据该多边形区域包括的二维像素点的像素值,插值出处理后的多边形区域包括的二维像素点的像素值,而后,可以将初始人脸图像中对应的多边形区域包括的二维像素点的像素值调整为处理后的多边形区域包括的与该二维像素点的坐标相同的二维像素点的像素值。可以理解,通过目标面罩图像中的各多边形区域,调整初始人脸图像中的各多边形区域包括的二维像素点的像素值,可以生成新的人脸图像。
在这些实现方式中,由于直接根据目标面罩图像包括的二维像素点的像素值调整初始人脸图像包括的二维像素点的像素值,往往会造成所添加的面具偏大或者偏小。对目标面罩图像中的多边形区域进行预设处理和像素值的差值之后,再调整初始人脸图像中对应的多边形区域包括的二维像素点的像素值,可以避免所添加的面具偏大或者偏小。
继续参见图3,图3是根据本实施例的图像生成方法的应用场景的一个示意图。在图3的应用场景中,首先,服务器301可以对从本地获取的初始人脸图像302提取关键点。然后,服务器301可以基于所提取的关键点,生成与初始人脸图像302指示的人脸对象的姿态一致的人脸三维模型303。而后,服务器301可以根据从本地选取的基准面罩图像304中的各二维像素点的像素值,确定人脸三维模型303中的各三维像素点的像素值。进一步,服务器301可以基于确定像素值后的人脸三维模型,生成目标面罩图像305。由此,服务器301可以根据目标面罩图像305中的二维像素点的像素值,调整初始人脸图像302中的二维像素点的像素值,生成新的人脸图像306。
目前,为了实现对人脸图像中显示的人脸添加面罩,所采用的实现方式之一,如背景技术中介绍的,直接将预设的面罩图像指示的面罩添加至人脸图像中。具体的实现过程,与步骤204中的可选的实现方式中所列的内容类似。一般情况下,预设的面罩图像指示的面罩和人脸图像指示的人脸的姿态往往是不同的,因此,直接将预设的面罩图像指示的面罩添加至人脸图像中,往往会造成所添加的面罩发生扭曲。而本公开的上述实施例提供的方法,在生成与初始人脸图像指示的人脸对象的姿态一致的人脸三维模型之后,根据基准面罩图像中的二维像素点,确定该人脸三维模型中的三维像素点的像素值,可以实现将基准面罩图像指示的面罩添加至该人脸三维模型中。根据确定像素值后的人脸三维模型,生成目标面罩图像,可以保证所生成的目标面罩图像指示的面罩与初始人脸图像指示的人脸对象的姿态是一致的。根据目标面罩图像中的二维像素点的像素值,调整初始人脸图像中的二维像素点的像素值,可以实现将目标面罩图像指示的面罩添加至初始人脸图像中。由于,目标面罩图像指示的面罩与初始人脸图像指示的人脸对象的姿态是一致的,所以可以避免所添加的面罩发生扭曲。
进一步参考图4,其示出了图像生成方法的又一个实施例的流程400。该图像生成方法的流程400,包括以下步骤:
步骤401,接收通信连接的终端设备发送的人脸图像作为初始人脸图像。
在本实施例中,图像生成方法的执行主体(例如图1所示的服务器104)可以接收通信连接的终端设备发送的人脸图像作为初始人脸图像。
步骤402,基于对所获取的初始人脸图像提取的关键点,生成与初始人脸图像指示的人脸对象的姿态一致的人脸三维模型。
上述步骤402可以分别按照如图2所示实施例中的步骤201类似的方式执行,上文针对步骤201的描述也适用于步骤402,此处不再赘述。
步骤403,选取终端设备发送的用户选取信息所指示的面罩图像作为基准面罩图像。
在本实施例中,上述执行主体还可以接收上述终端设备发送的用户选取信息。其中,用户选取信息可以是用于标识用户所选取的面罩图像的信息。实践中,用户选取信息可以通过以下至少一种形式来体现:数字、字母、图像等。
在本实施例中,接收用户选取信息之后,上述执行主体可以从本地或者通信连接的数据库服务器选取该用户选取信息所指示的面罩图像作为基准面罩图像。需要说明的是,上述执行主体可以并行地执行选取基准面罩图像的操作和接收初始人脸图像的操作,也可以先执行两者中的任意一者,再执行另外一者。
步骤404,根据所选取的基准面罩图像中的各二维像素点的像素值,确定人脸三维模型中的各三维像素点的像素值。
步骤405,基于确定像素值后的人脸三维模型,生成目标面罩图像。
步骤406,根据目标面罩图像中的各二维像素点的像素值,调整初始人脸图像中的各二维像素点的像素值,以生成新的人脸图像。
上述步骤404、步骤405、步骤406可以分别按照如图2所示实施例中的步骤202、步骤203、步骤204类似的方式执行,上文针对步骤202、步骤203、步骤204的描述也适用于步骤404、步骤405、步骤406,此处不再赘述。
在本实施例的一些可选的实现方式中,生成新的人脸图像之后,上述执行主体可以将该新的人脸图像返回至上述终端设备,由此,终端设备可以对该新的人脸图像进行显示。
从图4中可以看出,与图2对应的实施例相比,本实施例中的图像生成方法的流程400体现了接收通信连接的终端设备发送的人脸图像作为初始人脸图像的步骤,还体现了选取终端设备发送的用户选取信息所指示的面罩图像作为基准面罩图像的步骤。由此,本实施例描述的方案可以根据用户的操作获取初始人脸图像和选取基准面罩图像。从而,提升了对初始人脸图像指示的人脸对象添加面罩的灵活度。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了图像生成装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例提供的图像生成装置500包括第一生成单元501、确定单元502、第二生成单元503和调整单元504。其中,第一生成单元501,可以被配置成:基于对所获取的初始人脸图像提取的关键点,生成与初始人脸图像指示的人脸对象的姿态一致的人脸三维模型。确定单元502,可以被配置成:根据所选取的基准面罩图像中的各二维像素点的像素值,确定人脸三维模型中的各三维像素点的像素值。第二生成单元503,可以被配置成:基于确定像素值后的人脸三维模型,生成目标面罩图像。调整单元504,可以被配置成:根据目标面罩图像中的各二维像素点的像素值,调整初始人脸图像中的各二维像素点的像素值,以生成新的人脸图像。
在本实施例中,图像生成装置500中:第一生成单元501、确定单元502、第二生成单元503和调整单元504的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202、步骤203和步骤204的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,上述调整单元504,可以包括:划分模块(图中未示出)和调整模块(图中未示出)。其中,划分模块,可以被配置成:根据目标面罩图像和初始人脸图像中的关键点,将目标面罩图像和初始人脸图像划分为预设数量的多边形区域。调整模块,可以被配置成:根据目标面罩图像中的多边形区域包括的各二维像素点的像素值,调整初始人脸图像中对应的多边形区域包括的各二维像素点的像素值,以生成新的人脸图像。
在本实施例的一些可选的实现方式中,上述第一生成单元501,可以进一步被配置成:基于对所获取的初始人脸图像提取的关键点和所获取的基准三维模型,生成与初始人脸图像指示的人脸对象的姿态一致的人脸三维模型。
在本实施例的一些可选的实现方式中,上述基准面罩图像通过对初始面罩图像指示的面罩的三维模型进行剖分得到。
在本实施例的一些可选的实现方式中,上述装置500还可以包括:接收单元(图中未示出)和选取单元(图中未示出)。其中,接收单元,可以被配置成:接收通信连接的终端设备发送的人脸图像作为初始人脸图像。选取单元,可以被配置成:选取终端设备发送的用户选取信息所指示的面罩图像作为基准面罩图像。
在本实施例的一些可选的实现方式中,上述装置500还可以包括:发送单元(图中未示出)。其中,发送单元,可以被配置成:将新的人脸图像返回至终端设备,以使终端设备显示新的人脸图像。
本公开的上述实施例提供的装置,首先可以通过第一生成单元501,基于对所获取的初始人脸图像提取的关键点,生成与初始人脸图像指示的人脸对象的姿态一致的人脸三维模型,然后可以通过确定单元502,根据所选取的基准面罩图像中的各二维像素点的像素值,确定人脸三维模型中的各三维像素点的像素值,进而可以通过第二生成单元503,基于确定像素值后的人脸三维模型,生成目标面罩图像,由此可以通过调整单元504,根据目标面罩图像中的各二维像素点的像素值,调整初始人脸图像中的各二维像素点的像素值,以生成新的人脸图像。从而实现了将目标面罩图像指示的面罩添加至初始人脸图像中。由于目标面罩图像指示的面罩与初始人脸图像指示的人脸对象的姿态是一致的,所以避免了所添加的面罩发生扭曲。
下面参考图6,其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器)600的结构示意图。图6示出的服务器仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605: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606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,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。图6中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
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609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开的实施例的方法中限定的上述功能。需要说明的是,本公开的实施例所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、或半导体的系统、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(EPROM或闪存)、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。在本公开的实施例中,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系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中,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系统、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。
上述计算机可读介质可以是上述服务器中所包含的;也可以是单独存在,而未装配入该服务器中。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服务器执行时,使得该服务器:基于对所获取的初始人脸图像提取的关键点,生成与初始人脸图像指示的人脸对象的姿态一致的人脸三维模型;根据所选取的基准面罩图像中的各二维像素点的像素值,确定人脸三维模型中的各三维像素点的像素值;基于确定像素值后的人脸三维模型,生成目标面罩图像;根据目标面罩图像中的各二维像素点的像素值,调整初始人脸图像中的各二维像素点的像素值,以生成新的人脸图像。
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实施例的操作的计算机程序代码,所述程序设计语言包括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系统、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。
描述于本公开的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。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器,包括第一生成单元、确定单元、第二生成单元和调整单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,第二生成单元还可以被描述为“基于确定像素值后的人脸三维模型,生成目标面罩图像的单元”。
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,本公开中所涉及的发明范围,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发明构思的情况下,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。
Claims (14)
1.一种图像生成方法,包括:
基于对所获取的初始人脸图像提取的关键点,生成与所述初始人脸图像指示的人脸对象的姿态一致的人脸三维模型;
根据所选取的基准面罩图像中的各二维像素点的像素值,确定所述人脸三维模型中的各三维像素点的像素值;
基于确定像素值后的人脸三维模型,生成目标面罩图像;
根据所述目标面罩图像中的各二维像素点的像素值,调整所述初始人脸图像中的各二维像素点的像素值,以生成新的人脸图像;
所述根据所述目标面罩图像中的各二维像素点的像素值,调整所述初始人脸图像中的各二维像素点的像素值,包括:将所述初始人脸图像中的二维像素点的像素值调整为所述目标面罩图像中坐标相同的二维像素点的像素值。
2.根据权利要求1所述的方法,其中,所述根据所述目标面罩图像中的各二维像素点的像素值,调整所述初始人脸图像中的各二维像素点的像素值,以生成新的人脸图像,包括:
根据所述目标面罩图像和所述初始人脸图像中的关键点,将所述目标面罩图像和所述初始人脸图像划分为预设数量的多边形区域;
根据所述目标面罩图像中的多边形区域包括的各二维像素点的像素值,调整所述初始人脸图像中对应的多边形区域包括的各二维像素点的像素值,以生成所述新的人脸图像。
3.根据权利要求1所述的方法,其中,所述基于对所获取的初始人脸图像提取的关键点,生成与所述初始人脸图像指示的人脸对象的姿态一致的人脸三维模型,包括:
基于对所获取的初始人脸图像提取的关键点和所获取的基准三维模型,生成与所述初始人脸图像指示的人脸对象的姿态一致的人脸三维模型。
4.根据权利要求1所述的方法,其中,所述基准面罩图像通过对初始面罩图像指示的面罩的三维模型进行剖分得到。
5.根据权利要求1-4中任一所述的方法,其中,在所述基于对所获取的初始人脸图像提取的关键点,生成与所述初始人脸图像指示的人脸对象的姿态一致的人脸三维模型之前,所述方法还包括:
接收通信连接的终端设备发送的人脸图像作为所述初始人脸图像;以及
在所述根据所选取的基准面罩图像中的各二维像素点的像素值,确定所述人脸三维模型中的各三维像素点的像素值之前,所述方法还包括:
选取所述终端设备发送的用户选取信息所指示的面罩图像作为所述基准面罩图像。
6.根据权利要求5所述的方法,其中,所述方法还包括:
将所述新的人脸图像返回至所述终端设备,以使所述终端设备显示所述新的人脸图像。
7.一种图像生成装置,包括:
第一生成单元,被配置成基于对所获取的初始人脸图像提取的关键点,生成与所述初始人脸图像指示的人脸对象的姿态一致的人脸三维模型;
确定单元,被配置成根据所选取的基准面罩图像中的各二维像素点的像素值,确定所述人脸三维模型中的各三维像素点的像素值;
第二生成单元,被配置成基于确定像素值后的人脸三维模型,生成目标面罩图像;
调整单元,被配置成根据所述目标面罩图像中的各二维像素点的像素值,调整所述初始人脸图像中的各二维像素点的像素值,以生成新的人脸图像;所述根据所述目标面罩图像中的各二维像素点的像素值,调整所述初始人脸图像中的各二维像素点的像素值,包括:将所述初始人脸图像中的二维像素点的像素值调整为所述目标面罩图像中坐标相同的二维像素点的像素值。
8.根据权利要求7所述的装置,其中,所述调整单元,包括:
划分模块,被配置成根据所述目标面罩图像和所述初始人脸图像中的关键点,将所述目标面罩图像和所述初始人脸图像划分为预设数量的多边形区域;
调整模块,被配置成根据所述目标面罩图像中的多边形区域包括的各二维像素点的像素值,调整所述初始人脸图像中对应的多边形区域包括的各二维像素点的像素值,以生成所述新的人脸图像。
9.根据权利要求7所述的装置,其中,所述第一生成单元,进一步被配置成:
基于对所获取的初始人脸图像提取的关键点和所获取的基准三维模型,生成与所述初始人脸图像指示的人脸对象的姿态一致的人脸三维模型。
10.根据权利要求7所述的装置,其中,所述基准面罩图像通过对初始面罩图像指示的面罩的三维模型进行剖分得到。
11.根据权利要求7-10中任一所述的装置,其中,所述装置还包括:
接收单元,被配置成接收通信连接的终端设备发送的人脸图像作为所述初始人脸图像;
选取单元,被配置成选取所述终端设备发送的用户选取信息所指示的面罩图像作为所述基准面罩图像。
12.根据权利要求11所述的装置,其中,所述装置还包括:
发送单元,被配置成将所述新的人脸图像返回至所述终端设备,以使所述终端设备显示所述新的人脸图像。
13.一种服务器,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
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权利要求1-6中任一所述的方法。
14.一种计算机可读介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910588691.4A CN110288523B (zh) | 2019-07-02 | 2019-07-02 | 图像生成方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910588691.4A CN110288523B (zh) | 2019-07-02 | 2019-07-02 | 图像生成方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110288523A CN110288523A (zh) | 2019-09-27 |
CN110288523B true CN110288523B (zh) | 2023-10-13 |
Family
ID=68021659
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910588691.4A Active CN110288523B (zh) | 2019-07-02 | 2019-07-02 | 图像生成方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110288523B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111325823B (zh) * | 2020-02-05 | 2022-09-27 | 腾讯科技(深圳)有限公司 | 人脸纹理图像的获取方法、装置、设备及存储介质 |
CN113344776B (zh) * | 2021-06-30 | 2023-06-27 | 北京字跳网络技术有限公司 | 图像处理方法、模型训练方法、装置、电子设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101866497A (zh) * | 2010-06-18 | 2010-10-20 | 北京交通大学 | 基于双目立体视觉的智能三维人脸重建方法及系统 |
EP3006923A1 (de) * | 2014-10-07 | 2016-04-13 | Apodius UG | Verfahren zur Ermittlung der Orientierung einer Faserstruktur |
CN105631930A (zh) * | 2015-11-27 | 2016-06-01 | 广州聚普科技有限公司 | 一种基于dti的颅内神经纤维束的三维重建方法 |
CN109784304A (zh) * | 2019-01-29 | 2019-05-21 | 北京字节跳动网络技术有限公司 | 用于标注牙齿图像的方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5289416B2 (ja) * | 2010-11-10 | 2013-09-11 | 株式会社東芝 | 立体画像表示装置、方法およびプログラム |
-
2019
- 2019-07-02 CN CN201910588691.4A patent/CN110288523B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101866497A (zh) * | 2010-06-18 | 2010-10-20 | 北京交通大学 | 基于双目立体视觉的智能三维人脸重建方法及系统 |
EP3006923A1 (de) * | 2014-10-07 | 2016-04-13 | Apodius UG | Verfahren zur Ermittlung der Orientierung einer Faserstruktur |
CN105631930A (zh) * | 2015-11-27 | 2016-06-01 | 广州聚普科技有限公司 | 一种基于dti的颅内神经纤维束的三维重建方法 |
CN109784304A (zh) * | 2019-01-29 | 2019-05-21 | 北京字节跳动网络技术有限公司 | 用于标注牙齿图像的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110288523A (zh) | 2019-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107633218B (zh) | 用于生成图像的方法和装置 | |
CN110766777B (zh) | 虚拟形象的生成方法、装置、电子设备及存储介质 | |
CN106846497B (zh) | 应用于终端的呈现三维地图的方法和装置 | |
CN110288705B (zh) | 生成三维模型的方法和装置 | |
CN106575158B (zh) | 环境映射虚拟化机构 | |
US20220277481A1 (en) | Panoramic video processing method and apparatus, and storage medium | |
CN109981787B (zh) | 用于展示信息的方法和装置 | |
US20200126315A1 (en) | Method and apparatus for generating information | |
CN109754464B (zh) | 用于生成信息的方法和装置 | |
WO2020211573A1 (zh) | 用于处理图像的方法和装置 | |
US20230206578A1 (en) | Method for generating virtual character, electronic device and storage medium | |
CN113365146B (zh) | 用于处理视频的方法、装置、设备、介质和产品 | |
CN110675465A (zh) | 用于生成图像的方法和装置 | |
CN110288523B (zh) | 图像生成方法和装置 | |
CN110189252B (zh) | 生成平均脸图像的方法和装置 | |
CN115775310A (zh) | 数据处理方法、装置、电子设备和存储介质 | |
CN109816791B (zh) | 用于生成信息的方法和装置 | |
US20230284768A1 (en) | Beauty makeup special effect generation method, device, and storage medium | |
CN111369475A (zh) | 用于处理视频的方法和装置 | |
CN116596748A (zh) | 图像风格化处理方法、装置、设备、存储介质和程序产品 | |
CN115576470A (zh) | 图像处理方法和装置、增强现实系统及介质 | |
CN111260756A (zh) | 用于发送信息的方法和装置 | |
CN116527993A (zh) | 视频的处理方法、装置、电子设备、存储介质和程序产品 | |
CN113808238A (zh) | 动画的渲染方法、装置、可读介质和电子设备 | |
CN112926539A (zh) | 图像处理方法、装置和电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |