CN104751406A - 一种用于对图像进行虚化的方法和装置 - Google Patents
一种用于对图像进行虚化的方法和装置 Download PDFInfo
- Publication number
- CN104751406A CN104751406A CN201510106570.3A CN201510106570A CN104751406A CN 104751406 A CN104751406 A CN 104751406A CN 201510106570 A CN201510106570 A CN 201510106570A CN 104751406 A CN104751406 A CN 104751406A
- Authority
- CN
- China
- Prior art keywords
- character contour
- image
- piecemeal
- template
- character
- 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.)
- Granted
Links
Abstract
本发明提供了一种用于对图像进行虚化的方法，其中，该方法包括以下步骤：根据用户指定的图像的图像信息，确定该图像中的人物轮廓；将所确定的人物轮廓与相应的人物轮廓模板进行比对，并根据比对结果调整人物轮廓模板中的人物轮廓，以使人物轮廓模板中调整后的人物轮廓与所述所确定的人物轮廓匹配；根据所述调整后的人物轮廓，确定该图像中的非人物区域；对所述非人物区域进行虚化，获得虚化后的图像。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种用于对图像进行虚化的方法和装置。
背景技术
现有技术中，对图像进行虚化时，通常由用户指定进行虚化的区域，进而采用现有的图像虚化方法来对用户指定进行虚化的区域进行虚化。
发明内容
本发明的目的是提供一种用于对图像进行虚化的方法和装置。
根据本发明的一个方面，提供一种用于对图像进行虚化的方法，其中，该方法包括以下步骤：
根据用户指定的图像的图像信息，确定该图像中的人物轮廓；
将所确定的人物轮廓与相应的人物轮廓模板进行比对，并根据比对结果调整人物轮廓模板中的人物轮廓，以使人物轮廓模板中调整后的人物轮廓与所述所确定的人物轮廓匹配；
根据所述调整后的人物轮廓，确定该图像中的非人物区域；
对所述非人物区域进行虚化，获得虚化后的图像。
根据本发明的另一个方面，还提供了一种一种用于对图像进行虚化的装置，其中，该装置包括以下装置：
用于根据用户指定的图像的图像信息，确定该图像中的人物轮廓的装置；
用于将所确定的人物轮廓与相应的人物轮廓模板进行比对，并根据比对结果调整人物轮廓模板中的人物轮廓，以使人物轮廓模板中调整后的人物轮廓与所述所确定的人物轮廓匹配的装置；
用于根据所述调整后的人物轮廓，确定该图像中的非人物区域的装置；
用于对所述非人物区域进行虚化，获得虚化后的图像的装置。
与现有技术相比，本发明具有以下优点：1)计算机设备能够基于人物轮廓模板来在拍摄显示界面上呈现人物轮廓，从而引导用户摆出较佳的拍照姿势；2)可直接根据人物轮廓模板来确定图像中的人物轮廓并进行背景区域的虚化，因此，用户无需人工指定需要虚化的区域，十分便利；且该种基于人物轮廓模板来确定人物轮廓并进行背景虚化的方式，还能够适用于动态图像的场景；3)更有意义的是，由于人物轮廓模板能够指示正确的人物轮廓，因此，即便计算机设备未能完全正确地识别出图像中的人物轮廓(受限于计算机设备的处理能力和算法，人物轮廓的细节上的错误识别完全是可能的)，也能较为正确地识别出图像中的背景区域来进行虚化；4)会根据图像中的实际人物轮廓，来对人物轮廓模板指示的人物轮廓进行调整，因此，在借鉴人物轮廓模板中的拍摄姿势，且能够基于人物轮廓模板来较为正确地识别背景区域的同时，被拍摄人物可在整个拍摄画面中自由走动，而无需受限于人物轮廓模板中的人物轮廓所限定的位置。
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，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明一个实施例的用于对图像进行虚化的方法的流程示意图；
图2为本发明一个实施例的用于对图像进行虚化的装置的结构示意图；
图3为本发明一个示例的包含人物的图像的示意图；
图4为本发明一个示例的两种人物轮廓的示意图；
图5为本发明一个示例的部分人物轮廓附近的分块的示意图。
附图中相同或相似的附图标记代表相同或相似的部件。
具体实施方式
下面结合附图对本发明作进一步详细描述。
图1为本发明一个实施例的用于对图像进行虚化的方法的流程示意图。
其中，本实施例的方法主要通过计算机设备来实现；所述计算机设备包括网络设备和用户设备；所述网络设备包括但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(CloudComputing)的由大量计算机或网络服务器构成的云，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个超级虚拟计算机；所述网络设备所处的网络包括但不限于互联网、广域网、城域网、局域网、VPN网络等。
所述用户设备包括但不限于PC机、平板电脑、智能手机、PDA、数码相机等。
需要说明的是，所述计算机设备仅为举例，其他现有的或今后可能出现的计算机设备如可适用于本发明，也应包含在本发明保护范围以内，并以引用方式包含于此。
根据本实施例的方法包括步骤S1、步骤S2、步骤S3和步骤S4。
在步骤S1中，计算机设备根据用户指定的图像的图像信息，确定该图像中的人物轮廓。
例如，计算机设备获取用户在该图像上绘制的粗略人物轮廓，并根该图像的图像信息，对该绘制的粗略人物轮廓进行线条平滑处理，来获得该图像中的人物轮廓。
又例如，计算机设备根据用户指定的图像的图像信息，识别图像中的预定形状(如预定的头部形状等)，并根据该预定形状在图像的位置来确定检测范围，接着，计算机设备基于阈值检测法来检测该检测范围内颜色、形状、纹理等的变化情况，以确定图像中的人物轮廓(如，当该检测范围内一个像素点的纹理与该像素点附近的其他像素点的纹理之间的差值落入预定阈值范围时，确定该像素点为人物轮廓中的点)。
其中，用户指定的图像包括任何在计算机设备中可被使用的图像。优选地，用户指定的图像包括但不限于：拍摄显示界面上呈现的图像(如移动设备的照相机的拍摄显示界面上呈现的图像等)、用户在本地(如本地相册中)所选择的图像等。需要说明的是，当用户指定的图像为拍摄显示界面上呈现的图像时，所述计算机设备通常为用户设备。
其中，图像的图像信息包括任何与该图像的图形特征相关的信息；优选地，所述图像信息包括但不限于图像的长宽比例、图像的像素、图像的分辨率、图像的平均灰度值等。
优选地，所述步骤S1进一步包括步骤S11、步骤S12和步骤S13。
在步骤S11中，计算机设备将用户指定的图像划分为多个分块。
例如，计算机设备将用户指定的、如图3所示的图像划分为多个分块。
具体地，计算机设备可采用多种方式将用户指定的图像划分为多个分块。
例如，计算机设备根据用户指定的图像的长宽比例将该图像划分为多个分块；如用户指定的图像的长宽比例为16:9，则计算机设备将该图像平均划分为k*(16*9)个分块，其中，k为自然数。
又例如，计算机设备将用户指定的图像平均划分为预定分块数量个分块；如预定数量为64，计算机设备直接将用户指定的图像平均分割为8*8个分块。
需要说明的是，所述分块可具有多种形状，如长方形、扇形或其它不规则形状等，并且，用户指定的图像被划分得到的多个分块的形状和/或大小可能是不相同的。例如，计算机设备将长方形的图像均匀地划分为M*N个分块(M为水平方向上的分块数量，N为垂直方向上的分块数量)，该M*N个分块为大小相同的长方形分块。又例如，计算机设备将椭圆形图像划分为M*N个分块，该图像边缘位置的分块为扇形，中间位置的分块为长方形。
需要说明的是，所述多个分块可能部分重叠。例如，用户指定的图像的像素为A*B(A为图像的像素长度，B为图像的像素宽度)，在步骤S1中，计算机设备将该图像划分为大小相同的M*N个分块，其中，每个分块的像素为均为m*n(m为分块的像素长度，n为分块的像素宽度)；则当图像的理论像素长度M*m的值大于图像实际的像素长度A时，该M*N个分块在水平方向上会出现部分重叠；当图像的理论像素宽度N*n的值大于图像实际的像素宽度B时，该M*N个分块在垂直方向上会出现部分重叠。
需要说明的是，上述举例仅为更好地说明本发明的技术方案，而非对本发明的限制，本领域技术人员应该理解，任何将用户指定的图像的图像划分为多个分块的实现方式，均应包含在本发明的范围内。
在步骤S12中，计算机设备根据多个分块的至少一个分块中每个分块对应的图像信息，确定所述每个分块的分块属性。
其中，所述分块属性用于指示分块属于人物区域或非人物区域。例如，分块属性为“0”时指示分块属于人物区域，分块属性为“1”时指示分块属于非人物区域。其中，所述人物区域为图像中的人物所位于的区域，所述非人物区域为图像中人物区域以外的区域；例如，图3所示的人物所位于的区域为人物区域，该人物区域以外的空白区域为非人物区域。
其中，分块对应的图像信息包括任何与该分块的图形特征相关的信息；优选地，分块对应的图像信息包括该分块所对应的图像区域的图像信息。优选地，分块对应的图像信息包括但不限于分块的长宽比例、分块所对应的图像区域的分块的像素、分块的分辨率、分块的灰度值等。
具体地，计算机设备根据该多个分块的至少一个分块中每个分块对应的图像信息，确定所述每个分块的分块属性的实现方式包括但不限于：
1)计算机设备根据该多个分块的至少一个分块中每个分块对应的图像信息，并结合预定识别规则，确定所述每个分块的分块属性。
其中，所述预定识别规则包括任何预定的、能够根据分块的图像信息来确定分块的分块属性的规则。
例如，所述预定识别规则包括基于人物识别技术所定义的分块的图像信息与分块属性之间的关联规则；对于所述至少一个分块中的每个分块，结合该关联规则，计算机设备可根据该分块对应的图像信息，来确定该分块的分块属性。
2)计算机设备根据所述多个分块的至少一个分块中每个分块对应的图像信息作为分块属性分类器的输入，获得该分块属性分类器输出的、所述每个分块的分块属性。
其中，所述分块属性分类器包括任何能够根据分块的图像信息来输出分块的分块属性的分类器。优选地，所述分块属性分类器为基于图像块(patch)的二分类器；例如，分块属性分类器以分块的图像信息作为输入，以分块的分块属性作为输出，并且，当输出为“0”时指示该分块属于人物区域，当输出为“1”时指示该分块属于非人物区域。
优选地，步骤S12采用上述实现方式2)时，本优选方案还包括以下步骤：计算机设备采用多个已确定分块属性的分块，对分块属性分类器模型进行训练，获得所述分块属性分类器。
例如，现有1000个分块，其中，600个分块的分块属性指示分块属于人物区域，其它的400个分块的分块属性指示分块属于非人物区域。计算机设备采用该1000个分块，对分块属性分类器模型进行训练，获得分块属性分类器，该分块属性分类器能够根据分块的图像信息来输出分块的分块属性。则在步骤S11中，计算机设备将用户指定的图像划分为多个分块；在步骤S12中，计算机设备将该多个分块中每个分块对应的图像信息作为该分块属性分类器的输入，来获得该分块属性分类器输出的、每个分块的分块属性。
优选地，计算机设备可基于机器学习技术，如深度神经网络技术，来建立分块属性分类器模型。
需要说明的是，本领域技术人员应能理解，在步骤S12中，计算机设备可能仅需确定多个分块中的部分分块的分块属性，而无需确定多个分块中的所有分块的分块属性。例如，由于拍摄人物时，图像顶部边缘往往会留有一定的背景空间(即图像顶部边缘往往属于非人物区域)，因此，计算机设备可直接确定该等顶部边缘的分块属于非人物区域(或当顶部边缘的分块在整个图像中所占比例小于一定比例，或图像的分块数量高于一定数量时，直接确定该等顶部边缘的分块属于非人物区域)，而无需对该等顶部边缘的分块执行步骤S12。又例如，当计算机设备基于人物识别技术确定多个分块中的部分分块为人物面部图像时，计算机设备可直接确定该部分分块中每个分块的分块属性，该被确定的分块属性指示分块属于人物区域；则在步骤S12中，计算机设备可仅对该部分分块附近一定范围内的至少一个分块执行步骤S12来确定该至少一个分块中每个分块的分块属性，而无需对该一定范围外的分块执行步骤S12。
需要说明的是，上述举例仅为更好地说明本发明的技术方案，而非对本发明的限制，本领域技术人员应该理解，任何根据多个分块的至少一个分块中每个分块对应的图像信息，确定所述每个分块的分块属性的实现方式，均应包含在本发明的范围内。
在步骤S13中，计算机设备根据所述至少一个分块的分块属性，确定所述用户指定的图像中的人物轮廓。
具体地，计算机设备根据至少一个分块的分块属性，确定图像中的人物轮廓的实现方式包括但不限于：
1)计算机设备直接根据至少一个分块中属于人物区域的分块，确定图像中的人物轮廓。
具体地，计算机设备直接根据至少一个分块中属于人物区域的分块，确定图像中由该等属于人物区域的分块所构成的人物轮廓。
例如，计算机设备基于图像处理技术中的形态学操作，计算至少一个分块中属于人物区域的分块形成的多个连通区域，并进一步计算该多个连通区域中面积最大的连通区域的轮廓，且将计算得到的轮廓作为图像中的人物轮廓。
图4示出了图像中两种人物轮廓的一部分；其中，Line1为采用本实现方式1)所确定的人物轮廓的一部分。
2)计算机设备根据至少一个分块的分块属性，确定初始人物轮廓；并且，计算机设备对初始人物轮廓进行线条平滑处理，确定人物轮廓。
例如，图4为本发明一个示例的确定图像中的人物轮廓的示意图。计算机设备根据至少一个分块的分块属性，确定初始人物轮廓线人物轮廓，图4中的Line1示出了初始人物轮廓的一部分；接着，计算机设备对该初始人物轮廓线人物轮廓进行线条平滑处理，确定人物轮廓，图4所示Line2为对Line1进行线条平滑处理后得到的一部分人物轮廓。
其中，计算机设备确定图像中的初始人物轮廓的实现方式，与前述实现方式1)中计算机设备直接根据至少一个分块中属于人物区域的分块，确定图像中的人物轮廓的实现方式相同或者相似。
其中，计算机设备可采用多种曲线平滑算法，如平滑滤波算法、去毛糙算法等，来对初始人物轮廓进行线条平滑处理。
该实现方式2)所确定的人物轮廓相比实现方式1)更加平滑，也更加精确。
3)所述步骤S13进一步包括步骤S13-1、步骤S13-2和步骤S13-3。
在步骤S13-1中，计算机设备根据对图像进行划分所得的多个分块中至少一个分块的分块属性，确定人物轮廓附近的分块。
具体地，计算机设备根据多个分块中至少一个分块的分块属性，确定人物轮廓附近的分块的实现方式包括但不限于：
a)对于所述至少一个分块中的每个分块，当存在于该分块的分块属性不同的相邻分块时，将该分块识别为人物轮廓附近的分块。
例如，图5为本发明一个示例的部分人物轮廓附近的分块的示意图。为简单起见，该图仅所示了图像中的部分分块，其中，P1和P2为两个相邻的分块。在步骤S13-1中，当计算机设备确定P1的分块属性与P2的分块属性不相同时，计算机设备将P1和P2识别为人物轮廓附近的分块。
b)计算机设备根据至少一个分块的分块属性，确定初始人物轮廓；计算机设备将该初始人物轮廓附近的分块，作为所述人物轮廓附近的分块。
其中，计算机设备根据至少一个分块的分块属性，确定初始人物轮廓的实现方式与前述步骤S13的实现方式1)中计算机设备直接根据至少一个分块中属于人物区域的分块，确定图像中的人物轮廓的实现方式相同或者相似，在此不再赘述。
例如，计算机设备根据至少一个分块的分块属性，确定初始人物轮廓，其中，图5所示实线为该初始人物轮廓的一部分；并且，计算机设备将初始人物轮廓附近的分块，如包含与图5中所示实线相重叠的线条的所有虚线框，作为所述人物轮廓附近的分块。
在步骤S13-2中，对于人物轮廓附近的分块中的每个分块，计算机设备将该分块划分为多个子分块，并根据所述多个子分块中每个子分块对应的图像信息，确定每个子分块的子分块属性。其中，所述子分块属性用于指示子分块属于人物区域或非人物区域。
例如，人物轮廓附近的分块中的每个分块像素为40*40，对于所述每个分块，计算机设备将该分块平均划分为16个子分块(每个子分块的像素为10*10)，并根据该16个子分块中每个子分块对应的图像信息，确定每个子分块的子分块属性。
其中，计算机设备将分块划分为多个子分块的实现方式与前述步骤S11中将图像划分为多个分块的实现方式相同或者相似，在此不再赘述。
其中，计算机设备根据多个子分块中的每个子分块对应的图像信息，确定每个子分块的子分块属性的实现方式，与前述步骤S12中计算机设备根据多个分块的至少一个分块中的每个分块对应的图像信息，确定每个分块的分块属性的实现方式相同或者相似，在此不再赘述。
在步骤S13-3中，计算机设备根据人物轮廓附近的分块包含的子分块的子分块属性，确定图像中的人物轮廓。
具体地，计算机设备根据人物轮廓附近的分块包含的子分块的子分块属性，确定所述图像中的人物轮廓的实现方式包括但不限于：
a)计算机设备直接根据人物轮廓附近的分块包含的属于人物区域的子分块的子分块属性，确定图像中的人物轮廓。
例如，计算机设备根据人物轮廓附近的分块包含的子分块的子分块属性，基于图像处理技术计算属于人物区域的子分块所构成的区域，且将该区域的轮廓作为图像中的人物轮廓。
b)计算机设备根据人物轮廓附近的分块包含的子分块的子分块属性，确定粗略的人物轮廓，并对该粗略的人物轮廓进行线条平滑处理，确定图像中的人物轮廓。
需要说明的是，上述举例仅为更好地说明本发明的技术方案，而非对本发明的限制，本领域技术人员应该理解，任何根据用户指定的图像的图像信息，确定该图像中的人物轮廓的实现方式，均应包含在本发明的范围内。
需要说明的是，当用户指定的图像包括拍摄显示界面上呈现的图像时，该在拍摄显示界面上呈现的图像可能是变化的，并且，随着该呈现的图像的变化，步骤S1可能被多次执行，该情形将在后续优选方案中予以详述，在此不再赘述。
在步骤S2中，计算机设备将所确定的人物轮廓与相应的人物轮廓模板进行比对，并根据比对结果调整人物轮廓模板中的人物轮廓，以使人物轮廓模板中调整后的人物轮廓与所述所确定的人物轮廓匹配。其中，所述人物轮廓模板用于指示与该人物轮廓模板对应的人物轮廓。
其中，所述比对结果包括任何用于指示所确定的人物轮廓与人物轮廓模板中的人物轮廓之间的差异的信息。
其中，计算机设备可采用多种方式根据比对结果调整人物轮廓模板中的人物轮廓。
例如，所述比对结果用于指示所确定的人物轮廓与人物轮廓模板中的人物轮廓之间形状差异；该形状差异指示所确定的人物轮廓的左臂上举，人物轮廓模板中的人物轮廓的左臂自然向下。则在步骤S2中，计算机设备根据该形状差异，调整人物轮廓模板中的人物轮廓的左臂的位置，以使人物轮廓模板中的人物轮廓的左臂上举。
其中，计算机设备获取相应的人物轮廓模板的实现方式包括但不限于：
1)在步骤S2之前，计算机设备将在步骤S1中所确定的人物轮廓与多个人物轮廓模板进行匹配，并选择匹配度最高的人物轮廓模板，作为所述相应的人物轮廓模板。
优选地，计算机设备基于图像掩膜技术来将所确定的人物轮廓与多个人物轮廓模板进行匹配，并选择匹配度最高的人物轮廓模板，作为所述相应的人物轮廓模板。
例如，计算机设备生成所确定的人物轮廓所对应的掩膜图mask0，该掩膜图中人物轮廓所形成的闭合区域内掩膜值为1，人物轮廓外部的掩膜值为0；类似地，计算机设备分别生成多个人物轮廓模板中的每个人物轮廓模板所对应的掩模图；接着，计算机设备分别计算mask0与每个人物轮廓模板所对应的掩模图的交并比，其中，计算机设备基于以下公式计算所述交并比：
ratioi＝(mask0∩maski)/(mask0∪maski))
其中，ratioi为mask0和maski的交并比；maski为人物轮廓模板templatei所对应的掩模图，其中，i＝1,…Y，Y为人物轮廓模板的总数量；mask0∩maski表示mask0与maski之间的交集，mask0∪maski表示mask0与maski之间的并集。
之后，计算机设备选择最大的交并比所对应的人物轮廓模板作为相应的人物轮廓模板。
2)在步骤S2之前，计算机设备将用户指定的人物轮廓模板，作为所述相应的人物轮廓模板。
例如，用户在本地人物轮廓模板库中选择人物轮廓模板template2，则计算机设备根据用户的选择操作，将template2作为相应的人物轮廓模板。
作为一种优选方案，所述步骤S2进一步包括步骤S21和步骤S22。
在步骤S21中，计算机设备将所确定的人物轮廓与相应的人物轮廓模板进行比对，确定所述人物轮廓模板中的人物轮廓与所述所确定的人物轮廓之间的缩放和位置偏移信息。
其中，所述缩放和位置偏移信息包括人物轮廓模板中的人物轮廓与所确定的人物轮廓之间的任何相对比较信息。优选地，所述缩放和位置偏移信息包括但不限于：
1)人物轮廓模板中的人物轮廓与所确定的人物轮廓之间的缩放比例信息。其中，所述缩放比例信息用于指示人物轮廓模板中的人物轮廓与所确定的人物轮廓之间的缩小或放大的比例。例如，人物轮廓模板中的人物轮廓与所述所确定的人物轮廓之间的缩放比例信息为1:2，也即，所确定的人物轮廓相对于人物轮廓模板中的人物轮廓放大了一倍。
2)人物轮廓模板中的人物轮廓与所确定的人物轮廓之间在图像上的位置偏移信息。其中，所述位置偏移信息包括任何用于指示人物轮廓模板中的人物轮廓与所确定的人物轮廓之间在图像上的位置偏移的信息。例如，位置偏移信息用于指示所确定的人物轮廓相对于人物轮廓模板中的人物轮廓向右平移了200个像素。
优选地，计算机设备基于图像掩膜技术来将所确定的人物轮廓与相应的人物轮廓模板进行比对。
例如，计算机设备生成所确定的人物轮廓的掩模图mask0以及人物轮廓模板的掩模图mask1，并比对人物轮廓附近的分块的mask值，以确定所述缩放和位置偏移信息。
需要说明的是，上述举例仅为更好地说明本发明的技术方案，而非对本发明的限制，本领域技术人员应该理解，任何将所确定的人物轮廓与相应的人物轮廓模板进行比对，确定所述人物轮廓模板中的人物轮廓与所述所确定的人物轮廓之间的缩放和位置偏移信息的实现方式，均应包含在本发明的范围内。
在步骤S22中，计算机设备根据所述缩放和位置偏移信息，调整人物轮廓模板中的人物轮廓，以使人物轮廓模板中调整后的人物轮廓与所述所确定的人物轮廓匹配。
例如，在步骤S21中，计算机设备确定所确定的人物轮廓相对于人物轮廓模板中的人物轮廓向右平移了100个像素；则在步骤S22中，计算机设备将人物轮廓模板中的人物轮廓向右平移100个像素，以使人物轮廓模板中平移后的人物轮廓与该所确定的人物轮廓匹配。
又例如，在步骤S21中，计算机设备确定所确定的人物轮廓相对于人物轮廓模板中的人物轮廓向右平移了50个像素，且缩小了75％；则在步骤S22中，计算机设备将人物轮廓模板中的人物轮廓向右平移50个像素，并缩小75％，以使人物轮廓模板中平移后的人物轮廓与该所确定的人物轮廓匹配。
需要说明的是，上述举例仅为更好地说明本发明的技术方案，而非对本发明的限制，本领域技术人员应该理解，任何将所确定的人物轮廓与相应的人物轮廓模板进行比对，并根据比对结果调整人物轮廓模板中的人物轮廓，以使人物轮廓模板中调整后的人物轮廓与所述所确定的人物轮廓匹配的实现方式，均应包含在本发明的范围内。
需要说明的是，当用户指定的图像包括拍摄显示界面上呈现的图像时，随着该拍摄显示界面上呈现的图像的变化，步骤S2可能被多次执行，该情形将在后续优选方案中予以详述，在此不再赘述。
在步骤S3中，计算机设备根据调整后的人物轮廓，确定该图像中的非人物区域。
具体地，计算机设备根据调整后的人物轮廓，将图像中该人物轮廓所构成的闭合区域以外的区域作为非人物区域。
在步骤S4中，计算机设备对非人物区域进行虚化，获得虚化后的图像。
其中，计算机设备可采用多种图像模糊算法，如高斯模糊化(blurring)算法、PID(Proportion Integration Differentiation，比例积分微分)算法等，对图像中的非人物区域进行虚化，进而获得虚化后的图像。例如，计算机设备基于高斯模糊化算法，使用高斯核(Gaussiankernel)与图像中的非人物区域进行卷积运算，来对非人物区域进行虚化，从而获得虚化后的图像。
优选地，所述步骤S4可进一步包括步骤S41和步骤S42。
在步骤S41中，计算机设备获取用户确定的虚化程度参数。
其中，所述虚化程度参数用于指示进行虚化的程度。
其中，计算机设备可采用多种方式获取用户确定的虚化程度参数。例如，计算机设备直接获取用户在该计算机设备输入的虚化程度参数；又例如，计算机设备根据用户在该计算机设备中对多个可选虚化程度参数的选择操作确定用户所选择的虚化程度参数。
在步骤S42中，计算机设备根据所述虚化程度参数，对该非人物区域进行虚化，获得虚化后的图像。
例如，在步骤S41中，计算机设备获取用户确定的虚化程度参数p，其中，p＝40％；则在步骤S42中，计算机设备将图像中的非人物区域进行虚化程度为40％的虚化，从而获得虚化后的图像。
需要说明的是，上述举例仅为更好地说明本发明的技术方案，而非对本发明的限制，本领域技术人员应该理解，任何对非人物区域进行虚化，获得虚化后的图像的实现方式，均应包含在本发明的范围内。
作为一种优选方案，当用户指定的图像包括拍摄显示界面上呈现的图像时，本实施例的方法在步骤S2之后，且在步骤S3之前，还包括步骤S5和步骤S6。
在步骤S5中，计算机设备在拍摄显示界面上呈现调整后的人物轮廓。
例如，在步骤S2中，计算机设备根据比对结果将人物轮廓模板中的人物轮廓向右平移100个像素，以使人物轮廓模板中平移后的人物轮廓与所确定的人物轮廓匹配；之后，在步骤S5中，计算机设备在拍摄显示界面上呈现该平移后的人物轮廓。
在步骤S6中，计算机设备获取用户基于所呈现的人物轮廓拍摄的图像，并将该拍摄的图像，作为所述用户指定的图像。
需要说明的是，本领域技术人员应能理解，本优选方案中，步骤S1、步骤S2和步骤S5可能仅执行一次，也可能被多次执行。
例如，若直至执行步骤S6为止，拍摄显示界面上呈现的图像或图像中的人物没有变化，则计算机设备仅需要执行一次步骤S1、S2和S5。其中，计算机设备可基于生物识别技术，如面部识别、体形识别等，来判断拍摄显示界面上呈现的图像中人物的位置是否发生变化。
又例如，计算机设备在执行一次步骤S1、S2和S5后，每当拍摄显示界面上呈现的图像或图像中的人物发生变化(例如，由于人物在实际场景中的移动，或者，拍摄条件如拍摄角度、拍摄焦距等发生改变而引起的变化)，计算机设备均会执行步骤S1、S2和S5，以呈现与变化后的图像中的人物的人物相匹配的人物轮廓，直至用户执行拍摄操作，以使计算机设备执行步骤S6。
需要说明的是，计算机设备也可不检测拍摄显示界面是否发生变化，并以一定的时间间隔重复步骤S1、S2和S5，直至步骤S6被执行。
需要说明的是，在步骤S6之后，计算机设备对拍摄到的图像执行步骤S3和S4。
需要说明的是，在计算机设备需要根据步骤S1中确定的人物轮廓来与多个人物轮廓模板进行匹配，以获得相应的人物轮廓模板的情况下，每当计算机设备重复步骤S1，计算机设备在执行步骤S2之前，可根据步骤S1中最新确定的人物轮廓来重新获取相应的人物轮廓模板。
作为一种优选方案，本实施例的方法还包括步骤S7、步骤S8和步骤S9。
在步骤S7中，计算机设备获取一个包含人物的图像的图像信息。
具体地，计算机设备可从本地或其他设备中获取包含人物的图像的图像信息。
在步骤S8中，计算机设备根据所述包含人物的图像的图像信息，确定该图像中的人物轮廓。
具体地，计算机根据所述包含人物的图像的图像信息，确定该图像中的人物轮廓的实现方式与步骤S1中计算机设备根据用户指定的图像的图像信息，确定该图像中的人物轮廓的实现方式相同或者相似，在此不再赘述。
在步骤S9中，计算机设备根据被确定的人物轮廓，生成人物轮廓模板。通过本步骤，计算机设备可将本地确定的人物轮廓生成一个模板，以供后续使用。
优选地，本优选方案还包括以下步骤：计算机设备将本地的人物轮廓模板上传至网络中；优选地，所述网络为社区网络，如贴吧、微博、微信等。通过本步骤，计算机设备可将本地的人物轮廓模板与网络中的公众分享。
作为一种优选方案，本实施例的方案还包括以下步骤：计算机设备从网络中下载人物轮廓模板。通过本步骤，计算机设备可以获取网络中的人物轮廓模板，以丰富本地的人物轮廓模板。
现有技术中，对图像进行虚化时，通常由用户指定进行虚化的区域，进而采用现有的图像虚化方法来对用户指定进行虚化的区域进行固定虚化程度的虚化。很明显地，这种图像虚化方式需要用户精确地对图像进行操作，十分不便。此外，该图像虚化方式仅适用于已经成形的静态图像，而不能适用于动态图像的场景(如当用户正在对拍摄画面取景时，无法执行指定虚化区域的操作)。
此外，现实生活中，很多用户并不擅长在拍照时摆姿势，该等用户通常仅能摆出最简单的姿势(如正常的站姿或者坐姿等)，或者，摆出其当前所知晓的其它姿势；并且，该等用户仅能通过人为途径来学习新的姿势，如观摩他人照片中的姿势、由他人口头传授新的姿势等。然而，由于现有技术中，用户仅能通过自身的拍照经历，或者，所见过的照片来知晓一些拍照姿势，并且在拍照时调整自身来模仿其所知晓的一个姿势，这使得用户所知晓且能摆出的姿势通常较为固定且数量较少，并且，用户实际所摆出的姿势与预期效果相差可能较大；此外，用户观摩他人照片中的姿势或由他人口头传授新的姿势时，可能需要在较多网页中搜索各种姿势来用于观摩，或者需要传授人多次解说来使得用户摆出的姿势达到预期效果，这需要花费大量时间，且过程较为繁琐。现有技术中并不存在针对上述问题的技术方案。
根据本实施例的方案能够同时解决上述两个问题。本实施例中，计算机设备能够基于人物轮廓模板来在拍摄显示界面上呈现人物轮廓，从而引导用户摆出较佳的拍照姿势。并且，本实施例中，可直接根据人物轮廓模板来确定图像中的人物轮廓并进行背景区域的虚化，因此，用户无需人工指定需要虚化的区域，十分便利；且该种基于人物轮廓模板来确定人物轮廓并进行背景虚化的方式，还能够适用于动态图像的场景。更有意义的是，由于人物轮廓模板能够指示正确的人物轮廓，因此，即便计算机设备未能完全正确地识别出图像中的人物轮廓(受限于计算机设备的处理能力和算法，人物轮廓的细节上的错误识别完全是可能的)，也能较为正确地识别出图像中的背景区域来进行虚化。此外，本实施例中会根据图像中的实际人物轮廓，来对人物轮廓模板指示的人物轮廓进行调整，因此，在借鉴人物轮廓模板中的拍摄姿势，且能够基于人物轮廓模板来较为正确地识别背景区域的同时，被拍摄人物可在整个拍摄画面中自由走动，而无需受限于人物轮廓模板中的人物轮廓所限定的位置。
图2为本发明一个实施例的用于对图像进行虚化的装置的结构示意图。该用于对图像进行虚化的装置(以下简称为“图像虚化装置”)包括用于根据用户指定的图像的图像信息，确定该图像中的人物轮廓的装置(以下简称为“第一确定装置1”)、用于将所确定的人物轮廓与相应的人物轮廓模板进行比对，并根据比对结果调整人物轮廓模板中的人物轮廓，以使人物轮廓模板中调整后的人物轮廓与所述所确定的人物轮廓匹配的装置(以下简称为“调整装置2”)、用于根据所述调整后的人物轮廓，确定该图像中的非人物区域的装置(以下简称为“第二确定装置3”)、以及用于对所述非人物区域进行虚化，获得虚化后的图像的装置(以下简称为“虚化装置4”)。
第一确定装置1根据用户指定的图像的图像信息，确定该图像中的人物轮廓。
例如，第一确定装置1获取用户在该图像上绘制的粗略人物轮廓，并根该图像的图像信息，对该绘制的粗略人物轮廓进行线条平滑处理，来获得该图像中的人物轮廓。
又例如，第一确定装置1根据用户指定的图像的图像信息，识别图像中的预定形状(如预定的头部形状等)，并根据该预定形状在图像的位置来确定检测范围，接着，第一确定装置1基于阈值检测法来检测该检测范围内颜色、形状、纹理等的变化情况，以确定图像中的人物轮廓(如，当该检测范围内一个像素点的纹理与该像素点附近的其他像素点的纹理之间的差值落入预定阈值范围时，确定该像素点为人物轮廓中的点)。
其中，用户指定的图像包括任何在计算机设备中可被使用的图像。优选地，用户指定的图像包括但不限于：拍摄显示界面上呈现的图像(如移动设备的照相机的拍摄显示界面上呈现的图像等)、用户在本地(如本地相册中)所选择的图像等。需要说明的是，当用户指定的图像为拍摄显示界面上呈现的图像时，所述计算机设备通常为用户设备。
其中，图像的图像信息包括任何与该图像的图形特征相关的信息；优选地，所述图像信息包括但不限于图像的长宽比例、图像的像素、图像的分辨率、图像的平均灰度值等。
优选地，第一确定装置1进一步包括用于将所述用户指定的图像划分为多个分块的装置(以下简称为“划分装置”，图未示)、用于根据所述多个分块的至少一个分块中每个分块对应的图像信息，确定所述每个分块的分块属性的装置(以下简称为“第一子确定装置”，图未示)、以及用于根据所述至少一个分块的分块属性，确定所述图像中的人物轮廓的装置(以下简称为“第二子确定装置”，图未示)。
划分装置将用户指定的图像划分为多个分块。
例如，划分装置将用户指定的、如图3所示的图像划分为多个分块。
具体地，划分装置可采用多种方式将用户指定的图像划分为多个分块。
例如，划分装置根据用户指定的图像的长宽比例将该图像划分为多个分块；如用户指定的图像的长宽比例为16:9，则划分装置将该图像平均划分为k*(16*9)个分块，其中，k为自然数。
又例如，划分装置将用户指定的图像平均划分为预定分块数量个分块；如预定数量为64，划分装置直接将用户指定的图像平均分割为8*8个分块。
需要说明的是，所述分块可具有多种形状，如长方形、扇形或其它不规则形状等，并且，用户指定的图像被划分得到的多个分块的形状和/或大小可能是不相同的。例如，计算机设备将长方形的图像均匀地划分为M*N个分块(M为水平方向上的分块数量，N为垂直方向上的分块数量)，该M*N个分块为大小相同的长方形分块。又例如，计算机设备将椭圆形图像划分为M*N个分块，该图像边缘位置的分块为扇形，中间位置的分块为长方形。
需要说明的是，所述多个分块可能部分重叠。例如，用户指定的图像的像素为A*B(A为图像的像素长度，B为图像的像素宽度)，划分装置将该图像划分为大小相同的M*N个分块，其中，每个分块的像素为均为m*n(m为分块的像素长度，n为分块的像素宽度)；则当图像的理论像素长度M*m的值大于图像实际的像素长度A时，该M*N个分块在水平方向上会出现部分重叠；当图像的理论像素宽度N*n的值大于图像实际的像素宽度B时，该M*N个分块在垂直方向上会出现部分重叠。
需要说明的是，上述举例仅为更好地说明本发明的技术方案，而非对本发明的限制，本领域技术人员应该理解，任何将用户指定的图像的图像划分为多个分块的实现方式，均应包含在本发明的范围内。
第一子确定装置根据多个分块的至少一个分块中每个分块对应的图像信息，确定所述每个分块的分块属性。
其中，所述分块属性用于指示分块属于人物区域或非人物区域。例如，分块属性为“0”时指示分块属于人物区域，分块属性为“1”时指示分块属于非人物区域。其中，所述人物区域为图像中的人物所位于的区域，所述非人物区域为图像中人物区域以外的区域；例如，图3所示的人物所位于的区域为人物区域，该人物区域以外的空白区域为非人物区域。
其中，分块对应的图像信息包括任何与该分块的图形特征相关的信息；优选地，分块对应的图像信息包括该分块所对应的图像区域的图像信息。优选地，分块对应的图像信息包括但不限于分块的长宽比例、分块所对应的图像区域的分块的像素、分块的分辨率、分块的灰度值等。
具体地，第一子确定装置根据该多个分块的至少一个分块中每个分块对应的图像信息，确定所述每个分块的分块属性的实现方式包括但不限于：
1)第一子确定装置根据该多个分块的至少一个分块中每个分块对应的图像信息，并结合预定识别规则，确定所述每个分块的分块属性。
其中，所述预定识别规则包括任何预定的、能够根据分块的图像信息来确定分块的分块属性的规则。
例如，所述预定识别规则包括基于人物识别技术所定义的分块的图像信息与分块属性之间的关联规则；对于所述至少一个分块中的每个分块，结合该关联规则，计算机设备可根据该分块对应的图像信息，来确定该分块的分块属性。
2)第一子确定装置根据所述多个分块的至少一个分块中每个分块对应的图像信息作为分块属性分类器的输入，获得该分块属性分类器输出的、所述每个分块的分块属性。
其中，所述分块属性分类器包括任何能够根据分块的图像信息来输出分块的分块属性的分类器。优选地，所述分块属性分类器为基于图像块(patch)的二分类器；例如，分块属性分类器以分块的图像信息作为输入，以分块的分块属性作为输出，并且，当输出为“0”时指示该分块属于人物区域，当输出为“1”时指示该分块属于非人物区域。
优选地，第一子确定装置采用上述实现方式2)时，本优选方案还包括用于采用多个已确定分块属性的分块，对分块属性分类器模型进行训练，获得所述分块属性分类器的装置(以下简称为“训练装置”，图未示)。
例如，现有1000个分块，其中，600个分块的分块属性指示分块属于人物区域，其它的400个分块的分块属性指示分块属于非人物区域。训练装置采用该1000个分块，对分块属性分类器模型进行训练，获得分块属性分类器，该分块属性分类器能够根据分块的图像信息来输出分块的分块属性。则划分装置将用户指定的图像划分为多个分块；第一子确定装置将该多个分块中每个分块对应的图像信息作为该分块属性分类器的输入，来获得该分块属性分类器输出的、每个分块的分块属性。
优选地，训练装置可基于机器学习技术，如深度神经网络技术，来建立分块属性分类器模型。
需要说明的是，本领域技术人员应能理解，在第一子确定装置可能仅需确定多个分块中的部分分块的分块属性，而无需确定多个分块中的所有分块的分块属性。例如，由于拍摄人物时，图像顶部边缘往往会留有一定的背景空间(即图像顶部边缘往往属于非人物区域)，因此，计算机设备可直接确定该等顶部边缘的分块属于非人物区域(或当顶部边缘的分块在整个图像中所占比例小于一定比例，或图像的分块数量高于一定数量时，直接确定该等顶部边缘的分块属于非人物区域)，而无需第一子确定装置对该等顶部边缘的分块执行操作。又例如，当计算机设备基于人物识别技术确定多个分块中的部分分块为人物面部图像时，计算机设备可直接确定该部分分块中每个分块的分块属性，该被确定的分块属性指示分块属于人物区域；则第一子确定装置可仅对该部分分块附近一定范围内的至少一个分块执行操作来确定该至少一个分块中每个分块的分块属性，而无需对该一定范围外的分块执行操作。
需要说明的是，上述举例仅为更好地说明本发明的技术方案，而非对本发明的限制，本领域技术人员应该理解，任何根据多个分块的至少一个分块中每个分块对应的图像信息，确定所述每个分块的分块属性的实现方式，均应包含在本发明的范围内。
第二子确定装置根据所述至少一个分块的分块属性，确定所述用户指定的图像中的人物轮廓。
具体地，第二子确定装置根据至少一个分块的分块属性，确定图像中的人物轮廓的实现方式包括但不限于：
1)第二子确定装置直接根据至少一个分块中属于人物区域的分块，确定图像中的人物轮廓。
具体地，第二子确定装置直接根据至少一个分块中属于人物区域的分块，确定图像中由该等属于人物区域的分块所构成的人物轮廓。
例如，第二子确定装置基于图像处理技术中的形态学操作，计算至少一个分块中属于人物区域的分块形成的多个连通区域，并进一步计算该多个连通区域中面积最大的连通区域的轮廓，且将计算得到的轮廓作为图像中的人物轮廓。
图4示出了图像中两种人物轮廓的一部分；其中，Line1为采用本实现方式1)所确定的人物轮廓的一部分。
2)第二子确定装置根据至少一个分块的分块属性，确定初始人物轮廓；并且，第二子确定装置对初始人物轮廓进行线条平滑处理，确定人物轮廓。
例如，图4为本发明一个示例的确定图像中的人物轮廓的示意图。第二子确定装置根据至少一个分块的分块属性，确定初始人物轮廓线人物轮廓，图4中的Line1示出了初始人物轮廓的一部分；接着，第二子确定装置对该初始人物轮廓线人物轮廓进行线条平滑处理，确定人物轮廓，图4所示Line2为对Line1进行线条平滑处理后得到的一部分人物轮廓。
其中，第二子确定装置确定图像中的初始人物轮廓的实现方式，与前述实现方式1)中第二子确定装置直接根据至少一个分块中属于人物区域的分块，确定图像中的人物轮廓的实现方式相同或者相似。
其中，第二子确定装置可采用多种曲线平滑算法，如平滑滤波算法、去毛糙算法等，来对初始人物轮廓进行线条平滑处理。
该实现方式2)所确定的人物轮廓相比实现方式1)更加平滑，也更加精确。
3)第二子确定装置进一步包括用于根据对图像进行划分所得的多个分块中至少一个分块的分块属性，确定人物轮廓附近的分块的装置(以下简称为“第三子确定装置”，图未示)、用于对于人物轮廓附近的分块中的每个分块，将该分块划分为多个子分块，并根据所述多个子分块中每个子分块对应的图像信息，确定每个子分块的子分块属性的装置(以下简称为“第四子确定装置”，图未示)、以及根据人物轮廓附近的分块包含的子分块的子分块属性，确定图像中的人物轮廓(以下简称为“第五子确定装置”，图未示)。
第三子确定装置根据对图像进行划分所得的多个分块中至少一个分块的分块属性，确定人物轮廓附近的分块。
具体地，第三子确定装置根据多个分块中至少一个分块的分块属性，确定人物轮廓附近的分块的实现方式包括但不限于：
a)对于所述至少一个分块中的每个分块，当存在于该分块的分块属性不同的相邻分块时，第三子确定装置将该分块识别为人物轮廓附近的分块。
例如，图5为本发明一个示例的部分人物轮廓附近的分块的示意图。为简单起见，该图仅所示了图像中的部分分块，其中，P1和P2为两个相邻的分块。当确定P1的分块属性与P2的分块属性不相同时，第三子确定装置将P1和P2识别为人物轮廓附近的分块。
b)第三子确定装置根据至少一个分块的分块属性，确定初始人物轮廓；第三子确定装置将该初始人物轮廓附近的分块，作为所述人物轮廓附近的分块。
其中，第三子确定装置根据至少一个分块的分块属性，确定初始人物轮廓的实现方式与前述第二子确定装置直接根据至少一个分块中属于人物区域的分块，确定图像中的人物轮廓的实现方式相同或者相似，在此不再赘述。
例如，第三子确定装置根据至少一个分块的分块属性，确定初始人物轮廓，其中，图5所示实线为该初始人物轮廓的一部分；并且，第三子确定装置将初始人物轮廓附近的分块，如包含与图5中所示实线相重叠的线条的所有虚线框，作为所述人物轮廓附近的分块。
对于人物轮廓附近的分块中的每个分块，第四子确定装置将该分块划分为多个子分块，并根据所述多个子分块中每个子分块对应的图像信息，确定每个子分块的子分块属性。其中，所述子分块属性用于指示子分块属于人物区域或非人物区域。
例如，人物轮廓附近的分块中的每个分块像素为40*40，对于所述每个分块，第四子确定装置将该分块平均划分为16个子分块(每个子分块的像素为10*10)，并根据该16个子分块中每个子分块对应的图像信息，确定每个子分块的子分块属性。
其中，第四子确定装置将分块划分为多个子分块的实现方式与前述划分装置将图像划分为多个分块的实现方式相同或者相似，在此不再赘述。
其中，第四子确定装置根据多个子分块中的每个子分块对应的图像信息，确定每个子分块的子分块属性的实现方式，与前述第一子确定装置根据多个分块的至少一个分块中的每个分块对应的图像信息，确定每个分块的分块属性的实现方式相同或者相似，在此不再赘述。
第五子确定装置根据人物轮廓附近的分块包含的子分块的子分块属性，确定图像中的人物轮廓。
具体地，第五子确定装置根据人物轮廓附近的分块包含的子分块的子分块属性，确定所述图像中的人物轮廓的实现方式包括但不限于：
a)第五子确定装置直接根据人物轮廓附近的分块包含的属于人物区域的子分块的子分块属性，确定图像中的人物轮廓。
例如，第五子确定装置根据人物轮廓附近的分块包含的子分块的子分块属性，基于图像处理技术计算属于人物区域的子分块所构成的区域，且将该区域的轮廓作为图像中的人物轮廓。
b)第五子确定装置根据人物轮廓附近的分块包含的子分块的子分块属性，确定粗略的人物轮廓，并对该粗略的人物轮廓进行线条平滑处理，确定图像中的人物轮廓。
需要说明的是，上述举例仅为更好地说明本发明的技术方案，而非对本发明的限制，本领域技术人员应该理解，任何根据用户指定的图像的图像信息，确定该图像中的人物轮廓的实现方式，均应包含在本发明的范围内。
需要说明的是，当用户指定的图像包括拍摄显示界面上呈现的图像时，该在拍摄显示界面上呈现的图像可能是变化的，并且，随着该呈现的图像的变化，第一确定装置1可能多次执行操作，该情形将在后续优选方案中予以详述，在此不再赘述。
调整装置2将所确定的人物轮廓与相应的人物轮廓模板进行比对，并根据比对结果调整人物轮廓模板中的人物轮廓，以使人物轮廓模板中调整后的人物轮廓与所述所确定的人物轮廓匹配。其中，所述人物轮廓模板用于指示与该人物轮廓模板对应的人物轮廓。
其中，所述比对结果包括任何用于指示所确定的人物轮廓与人物轮廓模板中的人物轮廓之间的差异的信息。
其中，调整装置2可采用多种方式根据比对结果调整人物轮廓模板中的人物轮廓。
例如，所述比对结果用于指示所确定的人物轮廓与人物轮廓模板中的人物轮廓之间形状差异；该形状差异指示所确定的人物轮廓的左臂上举，人物轮廓模板中的人物轮廓的左臂自然向下。则调整装置2根据该形状差异，调整人物轮廓模板中的人物轮廓的左臂的位置，以使人物轮廓模板中的人物轮廓的左臂上举。
其中，调整装置2获取相应的人物轮廓模板的实现方式包括但不限于：
1)本实施例的图像虚化装置还包括在调整装置2之前用于将所确定的人物轮廓与多个人物轮廓模板进行匹配，并选择匹配度最高的人物轮廓模板，作为所述相应的人物轮廓模板的装置(以下简称为“匹配装置”，图未示)。
优选地，匹配装置基于图像掩膜技术来将所确定的人物轮廓与多个人物轮廓模板进行匹配，并选择匹配度最高的人物轮廓模板，作为所述相应的人物轮廓模板。
例如，匹配装置生成所确定的人物轮廓所对应的掩膜图mask0，该掩膜图中人物轮廓所形成的闭合区域内掩膜值为1，人物轮廓外部的掩膜值为0；类似地，匹配装置分别生成多个人物轮廓模板中的每个人物轮廓模板所对应的掩模图；接着，匹配装置分别计算mask0与每个人物轮廓模板所对应的掩模图的交并比，其中，匹配装置基于以下公式计算所述交并比：
ratioi＝(mask0∩maski)/(mask0∪maski))
其中，ratioi为mask0和maski的交并比；maski为人物轮廓模板templatei所对应的掩模图，其中，i＝1,…Y，Y为人物轮廓模板的总数量；mask0∩maski表示mask0与maski之间的交集，mask0∪maski表示mask0与maski之间的并集。
之后，匹配装置选择最大的交并比所对应的人物轮廓模板作为相应的人物轮廓模板。
2)本实施例的图像虚化装置还包括在调整装置2之前用于将用户指定的人物轮廓模板，作为所述相应的人物轮廓模板的装置(以下简称为“第三确定装置”，图未示)。
例如，用户在本地人物轮廓模板库中选择人物轮廓模板template2，则第三确定装置根据用户的选择操作，将template2作为相应的人物轮廓模板。
作为一种优选方案，调整装置2进一步包括用于将所确定的人物轮廓与相应的人物轮廓模板进行比对，确定所述人物轮廓模板中的人物轮廓与所述所确定的人物轮廓之间的缩放和位置偏移信息的装置(以下简称为“比对装置”，图未示)、以及用于根据所述缩放和位置偏移信息，调整人物轮廓模板中的人物轮廓，以使人物轮廓模板中调整后的人物轮廓与所述所确定的人物轮廓匹配的装置(以下简称为“子调整装置”，图未示)。
比对装置将所确定的人物轮廓与相应的人物轮廓模板进行比对，确定所述人物轮廓模板中的人物轮廓与所述所确定的人物轮廓之间的缩放和位置偏移信息。
其中，所述缩放和位置偏移信息包括人物轮廓模板中的人物轮廓与所确定的人物轮廓之间的任何相对比较信息。优选地，所述缩放和位置偏移信息包括但不限于：
1)人物轮廓模板中的人物轮廓与所确定的人物轮廓之间的缩放比例信息。其中，所述缩放比例信息用于指示人物轮廓模板中的人物轮廓与所确定的人物轮廓之间的缩小或放大的比例。例如，人物轮廓模板中的人物轮廓与所述所确定的人物轮廓之间的缩放比例信息为1:2，也即，所确定的人物轮廓相对于人物轮廓模板中的人物轮廓放大了一倍。
2)人物轮廓模板中的人物轮廓与所确定的人物轮廓之间在图像上的位置偏移信息。其中，所述位置偏移信息包括任何用于指示人物轮廓模板中的人物轮廓与所确定的人物轮廓之间在图像上的位置偏移的信息。例如，位置偏移信息用于指示所确定的人物轮廓相对于人物轮廓模板中的人物轮廓向右平移了200个像素。
优选地，比对装置基于图像掩膜技术来将所确定的人物轮廓与将所确定的人物轮廓与相应的人物轮廓模板进行比对。
例如，比对装置生成所确定的人物轮廓的掩模图mask0以及人物轮廓模板的掩模图mask1，并比对人物轮廓附近的分块的mask值，以确定所述缩放和位置偏移信息。
需要说明的是，上述举例仅为更好地说明本发明的技术方案，而非对本发明的限制，本领域技术人员应该理解，任何将所确定的人物轮廓与相应的人物轮廓模板进行比对，确定所述人物轮廓模板中的人物轮廓与所述所确定的人物轮廓之间的缩放和位置偏移信息的实现方式，均应包含在本发明的范围内。
子调整装置根据所述缩放和位置偏移信息，调整人物轮廓模板中的人物轮廓，以使人物轮廓模板中调整后的人物轮廓与所述所确定的人物轮廓匹配。
例如，比对装置确定所确定的人物轮廓相对于人物轮廓模板中的人物轮廓向右平移了100个像素；则子调整装置将人物轮廓模板中的人物轮廓向右平移100个像素，以使人物轮廓模板中平移后的人物轮廓与该所确定的人物轮廓匹配。
又例如，比对装置确定所确定的人物轮廓相对于人物轮廓模板中的人物轮廓向右平移了50个像素，且缩小了75％；则子调整装置将人物轮廓模板中的人物轮廓向右平移50个像素，并缩小75％，以使人物轮廓模板中平移后的人物轮廓与该所确定的人物轮廓匹配。
需要说明的是，上述举例仅为更好地说明本发明的技术方案，而非对本发明的限制，本领域技术人员应该理解，任何将所确定的人物轮廓与相应的人物轮廓模板进行比对，并根据比对结果调整人物轮廓模板中的人物轮廓，以使人物轮廓模板中调整后的人物轮廓与所述所确定的人物轮廓匹配的实现方式，均应包含在本发明的范围内。
需要说明的是，当用户指定的图像包括拍摄显示界面上呈现的图像时，随着该拍摄显示界面上呈现的图像的变化，调整装置2可能多次执行操作，该情形将在后续优选方案中予以详述，在此不再赘述。
第二确定装置3根据调整后的人物轮廓，确定该图像中的非人物区域。
具体地，第二确定装置3根据调整后的人物轮廓，将图像中该人物轮廓所构成的闭合区域以外的区域作为非人物区域。
虚化装置4对非人物区域进行虚化，获得虚化后的图像。
其中，虚化装置4可采用多种图像模糊算法，如高斯模糊化(blurring)算法、PID(Proportion Integration Differentiation，比例积分微分)算法等，对图像中的非人物区域进行虚化，进而获得虚化后的图像。例如，虚化装置4基于高斯模糊化算法，使用高斯核(Gaussiankernel)与图像中的非人物区域进行卷积运算，来对非人物区域进行虚化，从而获得虚化后的图像。
优选地，虚化装置4可进一步包括用于获取用户确定的虚化程度参数的装置(以下简称为“第二获取装置”，图未示)、以及用于根据所述虚化程度参数，对该非人物区域进行虚化，获得虚化后的图像的装置(以下简称为“子虚化装置”，图未示)。
第二获取装置获取用户确定的虚化程度参数。
其中，所述虚化程度参数用于指示进行虚化的程度。
其中，第二获取装置可采用多种方式获取用户确定的虚化程度参数。例如，第二获取装置直接获取用户在该计算机设备输入的虚化程度参数；又例如，第二获取装置根据用户在该计算机设备中对多个可选虚化程度参数的选择操作确定用户所选择的虚化程度参数。
子虚化装置根据所述虚化程度参数，对该非人物区域进行虚化，获得虚化后的图像。
例如，第二获取装置获取用户确定的虚化程度参数p，其中，p＝40％；则子虚化装置将图像中的非人物区域进行虚化程度为40％的虚化，从而获得虚化后的图像。
需要说明的是，上述举例仅为更好地说明本发明的技术方案，而非对本发明的限制，本领域技术人员应该理解，任何对非人物区域进行虚化，获得虚化后的图像的实现方式，均应包含在本发明的范围内。
作为一种优选方案，当用户指定的图像包括拍摄显示界面上呈现的图像时，本实施例的图像虚化装置还包括在调整装置3之后，且在第二确定装置3之前执行操作的以下装置：用于在拍摄显示界面上呈现调整后的人物轮廓的装置(以下简称为“呈现装置”，图未示)、以及用于获取用户基于所呈现的人物轮廓拍摄的图像，并将该拍摄的图像，作为所述用户指定的图像(以下简称为“第一获取装置”，图未示)。
呈现装置在拍摄显示界面上呈现调整后的人物轮廓。
例如，调整装置2根据比对结果将人物轮廓模板中的人物轮廓向右平移100个像素，以使人物轮廓模板中平移后的人物轮廓与所确定的人物轮廓匹配；之后，呈现装置在拍摄显示界面上呈现该平移后的人物轮廓。
第一获取装置获取用户基于所呈现的人物轮廓拍摄的图像，并将该拍摄的图像，作为所述用户指定的图像。
需要说明的是，本领域技术人员应能理解，本优选方案中，第一确定装置1、调整装置2和呈现装置可能仅执行一次操作，也可能多次执行操作。
例如，若直至第一获取装置执行操作为止，拍摄显示界面上呈现的图像或图像中的人物没有变化，则第一确定装置1、调整装置2和呈现装置仅需要执行一次操作。其中，计算机设备可基于生物识别技术，如面部识别、体形识别等，来判断拍摄显示界面上呈现的图像中人物的位置是否发生变化。
又例如，第一确定装置1、调整装置2和呈现装置在执行一次操作后，每当拍摄显示界面上呈现的图像或图像中的人物发生变化(例如，由于人物在实际场景中的移动，或者，拍摄条件如拍摄角度、拍摄焦距等发生改变而引起的变化)，第一确定装置1、调整装置2和呈现装置均会执行操作，以呈现与变化后的图像中的人物的人物相匹配的人物轮廓，直至用户执行拍摄操作，以使第一获取装置执行操作。
需要说明的是，计算机设备也可不检测拍摄显示界面是否发生变化，并使第一确定装置1、调整装置2和呈现装置以一定的时间间隔重复执行操作，直至第一获取装置执行操作。
需要说明的是，在第一获取装置执行操作之后，第二确定装置3和虚化装置4对拍摄到的图像执行操作。
需要说明的是，在匹配装置需要根据第一确定装置1所确定的人物轮廓来与多个人物轮廓模板进行匹配，以获得相应的人物轮廓模板的情况下，每当第一确定装置1重复执行操作，匹配装置在调整装置之前执行操作，根据第一确定装置1最新确定的人物轮廓来重新获取相应的人物轮廓模板。
作为一种优选方案，本实施例的图像虚化装置还包括用于获取一个包含人物的图像的图像信息的装置(以下简称为“第三获取装置”，图未示)、用于根据所述包含人物的图像的图像信息，确定该图像中的人物轮廓的装置(以下简称为“第四确定装置”，图未示)、以及用于根据被确定的人物轮廓，生成人物轮廓模板的装置(以下简称为“生成装置”，图未示)。
第三获取装置获取一个包含人物的图像的图像信息。
具体地，第三获取装置可从本地或其他设备中获取包含人物的图像的图像信息。
第四确定装置根据所述包含人物的图像的图像信息，确定该图像中的人物轮廓。
具体地，第四确定装置根据所述包含人物的图像的图像信息，确定该图像中的人物轮廓的实现方式与第一确定装置1根据用户指定的图像的图像信息，确定该图像中的人物轮廓的实现方式相同或者相似，在此不再赘述。
生成装置根据被确定的人物轮廓，生成人物轮廓模板。通过生成装置，计算机设备可将本地确定的人物轮廓生成一个模板，以供后续使用。
优选地，本实施例的图像虚化装置还包括用于将本地的人物轮廓模板上传至网络中的装置(以下简称为“上传装置”，图未示)；优选地，所述网络为社区网络，如贴吧、微博、微信等。通过上传装置，计算机设备可将本地的人物轮廓模板与网络中的公众分享。
作为一种优选方案，本实施例的图像虚化装置还包括用于从网络中下载人物轮廓模板的装置(以下简称为“下载装置”，图未示)。通过下载装置，计算机设备可以获取网络中的人物轮廓模板，以丰富本地的人物轮廓模板。
现有技术中，对图像进行虚化时，通常由用户指定进行虚化的区域，进而采用现有的图像虚化方法来对用户指定进行虚化的区域进行固定虚化程度的虚化。很明显地，这种图像虚化方式需要用户精确地对图像进行操作，十分不便。此外，该图像虚化方式仅适用于已经成形的静态图像，而不能适用于动态图像的场景(如当用户正在对拍摄画面取景时，无法执行指定虚化区域的操作)。
此外，现实生活中，很多用户并不擅长在拍照时摆姿势，该等用户通常仅能摆出最简单的姿势(如正常的站姿或者坐姿等)，或者，摆出其当前所知晓的其它姿势；并且，该等用户仅能通过人为途径来学习新的姿势，如观摩他人照片中的姿势、由他人口头传授新的姿势等。然而，由于现有技术中，用户仅能通过自身的拍照经历，或者，所见过的照片来知晓一些拍照姿势，并且在拍照时调整自身来模仿其所知晓的一个姿势，这使得用户所知晓且能摆出的姿势通常较为固定且数量较少，并且，用户实际所摆出的姿势与预期效果相差可能较大；此外，用户观摩他人照片中的姿势或由他人口头传授新的姿势时，可能需要在较多网页中搜索各种姿势来用于观摩，或者需要传授人多次解说来使得用户摆出的姿势达到预期效果，这需要花费大量时间，且过程较为繁琐。现有技术中并不存在针对上述问题的技术方案。
根据本实施例的方案能够同时解决上述两个问题。本实施例中，计算机设备能够基于人物轮廓模板来在拍摄显示界面上呈现人物轮廓，从而引导用户摆出较佳的拍照姿势。并且，本实施例中，可直接根据人物轮廓模板来确定图像中的人物轮廓并进行背景区域的虚化，因此，用户无需人工指定需要虚化的区域，十分便利；且该种基于人物轮廓模板来确定人物轮廓并进行背景虚化的方式，还能够适用于动态图像的场景。更有意义的是，由于人物轮廓模板能够指示正确的人物轮廓，因此，即便计算机设备未能完全正确地识别出图像中的人物轮廓(受限于计算机设备的处理能力和算法，人物轮廓的细节上的错误识别完全是可能的)，也能较为正确地识别出图像中的背景区域来进行虚化。此外，本实施例中会根据图像中的实际人物轮廓，来对人物轮廓模板指示的人物轮廓进行调整，因此，在借鉴人物轮廓模板中的拍摄姿势，且能够基于人物轮廓模板来较为正确地识别背景区域的同时，被拍摄人物可在整个拍摄画面中自由走动，而无需受限于人物轮廓模板中的人物轮廓所限定的位置。
需要注意的是，本发明可在软件和/或软件与硬件的组合体中被实施，例如，本发明的装置可采用专用集成电路(ASIC)或任何其他类似硬件设备来实现。在一个实施例中，本发明的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地，本发明的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中，例如，RAM存储器，磁或光驱动器或软磁盘及类似设备。另外，本发明的一些步骤或功能可采用硬件来实现，例如，作为与处理器配合从而执行各个步骤或功能的电路。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
Claims (20)
1.一种用于对图像进行虚化的方法，其中，该方法包括以下步骤：
根据用户指定的图像的图像信息，确定该图像中的人物轮廓；
将所确定的人物轮廓与相应的人物轮廓模板进行比对，并根据比对结果调整人物轮廓模板中的人物轮廓，以使人物轮廓模板中调整后的人物轮廓与所述所确定的人物轮廓匹配；
根据所述调整后的人物轮廓，确定该图像中的非人物区域；
对所述非人物区域进行虚化，获得虚化后的图像。
2.根据权利要求1所述的方法，其中，所述调整人物轮廓模板中的人物轮廓的步骤包括：
将所确定的人物轮廓与相应的人物轮廓模板进行比对，确定所述人物轮廓模板中的人物轮廓与所述所确定的人物轮廓之间的缩放和位置偏移信息；
根据所述缩放和位置偏移信息，调整人物轮廓模板中的人物轮廓，以使人物轮廓模板中调整后的人物轮廓与所述所确定的人物轮廓匹配。
3.根据权利要求2所述的方法，其中，所述缩放和位置偏移信息包括以下至少一项：
所述人物轮廓模板中的人物轮廓与所述所确定的人物轮廓之间的缩放比例信息；
所述人物轮廓模板中的人物轮廓与所述所确定的人物轮廓之间在图像上的位置偏移信息。
4.根据权利要求1至3中任一项所述的方法，其中，所述根据用户指定的图像的图像信息，确定该图像中的人物轮廓的步骤包括：
将所述用户指定的图像划分为多个分块；
根据所述多个分块的至少一个分块中每个分块对应的图像信息，确定所述每个分块的分块属性，其中，所述分块属性用于指示分块属于人物区域或非人物区域；
根据所述至少一个分块的分块属性，确定所述图像中的人物轮廓。
5.根据权利要求1至4中任一项所述的方法，其中，该方法在所述调整人物轮廓模板中的人物轮廓的步骤之前还包括以下步骤：
将所确定的人物轮廓与多个人物轮廓模板进行匹配，并选择匹配度最高的人物轮廓模板，作为所述相应的人物轮廓模板。
6.根据权利要求1至4中任一项所述的方法，其中，该方法在所述调整人物轮廓模板中的人物轮廓的步骤之前还包括以下步骤：
将用户指定的人物轮廓模板，作为所述相应的人物轮廓模板。
7.根据权利要求1至6中任一项所述的方法，其中，所述用户指定的图像包括拍摄显示界面上呈现的图像，该方法在调整人物轮廓模板中的人物轮廓的步骤之后，确定所述非人物区域的步骤之前，还包括以下步骤：
在拍摄显示界面上呈现所述调整后的人物轮廓；
获取用户基于所呈现的人物轮廓拍摄的图像，并将该拍摄的图像，作为所述用户指定的图像。
8.根据权利要求1至7中任一项所述的方法，其中，所述对非人物区域进行虚化的步骤包括：
获取用户确定的虚化程度参数；
根据所述虚化程度参数，对该所述非人物区域进行虚化，获得虚化后的图像。
9.根据权利要求1至8中任一项所述的方法，其中，该方法还包括以下步骤：
获取一个包含人物的图像的图像信息；
根据所述包含人物的图像的图像信息，确定该图像中的人物轮廓；
根据被确定的人物轮廓，生成人物轮廓模板。
10.根据权利要求1至9中任一项所述的方法，其中，该方法还包括以下步骤：
从网络上下载人物轮廓模板。
11.一种用于对图像进行虚化的装置，其中，该装置包括以下装置：
用于根据用户指定的图像的图像信息，确定该图像中的人物轮廓的装置；
用于将所确定的人物轮廓与相应的人物轮廓模板进行比对，并根据比对结果调整人物轮廓模板中的人物轮廓，以使人物轮廓模板中调整后的人物轮廓与所述所确定的人物轮廓匹配的装置；
用于根据所述调整后的人物轮廓，确定该图像中的非人物区域的装置；
用于对所述非人物区域进行虚化，获得虚化后的图像的装置。
12.根据权利要求11所述的装置，其中，用于所述调整人物轮廓模板中的人物轮廓的装置包括：
用于将所确定的人物轮廓与相应的人物轮廓模板进行比对，确定所述人物轮廓模板中的人物轮廓与所述所确定的人物轮廓之间的缩放和位置偏移信息的装置；
用于根据所述缩放和位置偏移信息，调整人物轮廓模板中的人物轮廓，以使人物轮廓模板中调整后的人物轮廓与所述所确定的人物轮廓匹配的装置。
13.根据权利要求12所述的装置，其中，所述缩放和位置偏移信息包括以下至少一项：
所述人物轮廓模板中的人物轮廓与所述所确定的人物轮廓之间的缩放比例信息；
所述人物轮廓模板中的人物轮廓与所述所确定的人物轮廓之间在图像上的位置偏移信息。
14.根据权利要求11至13中任一项所述的装置，其中，用于根据用户指定的图像的图像信息，确定该图像中的人物轮廓的装置包括：
用于将所述用户指定的图像划分为多个分块的装置；
用于根据所述多个分块的至少一个分块中每个分块对应的图像信息，确定所述每个分块的分块属性的装置，其中，所述分块属性用于指示分块属于人物区域或非人物区域；
用于根据所述至少一个分块的分块属性，确定所述图像中的人物轮廓的装置。
15.根据权利要求11至14中任一项所述的装置，其中，该装置还包括在所述用于调整人物轮廓模板中的人物轮廓的装置之前执行操作的以下装置：
用于将所确定的人物轮廓与多个人物轮廓模板进行匹配，并选择匹配度最高的人物轮廓模板，作为所述相应的人物轮廓模板的装置。
16.根据权利要求11至14中任一项所述的装置，其中，该装置还包括在所述用于调整人物轮廓模板中的人物轮廓的装置之前执行操作的以下装置：
用于将用户指定的人物轮廓模板，作为所述相应的人物轮廓模板的装置。
17.根据权利要求11至16中任一项所述的装置，其中，所述用户指定的图像包括拍摄显示界面上呈现的图像，该装置还包括在所述用于调整人物轮廓模板中的人物轮廓的装置之后，用于确定所述非人物区域的装置之前执行操作的以下装置：
用于在拍摄显示界面上呈现所述调整后的人物轮廓的装置；
用于获取用户基于所呈现的人物轮廓拍摄的图像，并将该拍摄的图像，作为所述用户指定的图像的装置。
18.根据权利要求11至17中任一项所述的装置，其中，用于对非人物区域进行虚化的装置包括：
用于获取用户确定的虚化程度参数的装置；
用于根据所述虚化程度参数，对该所述非人物区域进行虚化，获得虚化后的图像的装置。
19.根据权利要求11至18中任一项所述的装置，其中，该装置还包括以下装置：
用于获取一个包含人物的图像的图像信息的装置；
用于根据所述包含人物的图像的图像信息，确定该图像中的人物轮廓的装置；
用于根据被确定的人物轮廓，生成人物轮廓模板的装置。
20.根据权利要求11至19中任一项所述的装置，其中，该装置还包括以下装置：
从网络上下载人物轮廓模板。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510106570.3A CN104751406B (zh) | 2015-03-11 | 2015-03-11 | 一种用于对图像进行虚化的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510106570.3A CN104751406B (zh) | 2015-03-11 | 2015-03-11 | 一种用于对图像进行虚化的方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104751406A true CN104751406A (zh) | 2015-07-01 |
| CN104751406B CN104751406B (zh) | 2018-05-01 |
Family
ID=53591029
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510106570.3A Active CN104751406B (zh) | 2015-03-11 | 2015-03-11 | 一种用于对图像进行虚化的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104751406B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105611154A (zh) * | 2015-12-21 | 2016-05-25 | 深圳市金立通信设备有限公司 | 一种图像处理的方法及终端 |
| CN106570821A (zh) * | 2016-10-29 | 2017-04-19 | 深圳市金立通信设备有限公司 | 一种图像处理方法及终端 |
| CN106875356A (zh) * | 2017-01-22 | 2017-06-20 | 深圳市金立通信设备有限公司 | 一种图像处理的方法及终端 |
| CN107438161A (zh) * | 2017-07-31 | 2017-12-05 | 广东欧珀移动通信有限公司 | 拍摄画面处理方法、装置和终端 |
| CN107610046A (zh) * | 2017-10-24 | 2018-01-19 | 上海闻泰电子科技有限公司 | 背景虚化方法、装置及系统 |
| CN108154465A (zh) * | 2017-12-19 | 2018-06-12 | 北京小米移动软件有限公司 | 图像处理方法及装置 |
| CN108230252A (zh) * | 2017-01-24 | 2018-06-29 | 深圳市商汤科技有限公司 | 图像处理方法、装置以及电子设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101276409A (zh) * | 2007-03-27 | 2008-10-01 | 三洋电机株式会社 | 图像处理装置 |
| CN101339612A (zh) * | 2008-08-19 | 2009-01-07 | 陈建峰 | 一种脸型轮廓的检测与分类方法 |
| CN103297697A (zh) * | 2013-05-30 | 2013-09-11 | 北京小米科技有限责任公司 | 在拍照过程中显示模板照片的方法及装置 |
| CN103778436A (zh) * | 2014-01-20 | 2014-05-07 | 电子科技大学 | 一种基于图像处理的行人姿态检测方法 |
-
2015
- 2015-03-11 CN CN201510106570.3A patent/CN104751406B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101276409A (zh) * | 2007-03-27 | 2008-10-01 | 三洋电机株式会社 | 图像处理装置 |
| CN101339612A (zh) * | 2008-08-19 | 2009-01-07 | 陈建峰 | 一种脸型轮廓的检测与分类方法 |
| CN103297697A (zh) * | 2013-05-30 | 2013-09-11 | 北京小米科技有限责任公司 | 在拍照过程中显示模板照片的方法及装置 |
| CN103778436A (zh) * | 2014-01-20 | 2014-05-07 | 电子科技大学 | 一种基于图像处理的行人姿态检测方法 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105611154A (zh) * | 2015-12-21 | 2016-05-25 | 深圳市金立通信设备有限公司 | 一种图像处理的方法及终端 |
| CN106570821A (zh) * | 2016-10-29 | 2017-04-19 | 深圳市金立通信设备有限公司 | 一种图像处理方法及终端 |
| CN106875356A (zh) * | 2017-01-22 | 2017-06-20 | 深圳市金立通信设备有限公司 | 一种图像处理的方法及终端 |
| CN108230252A (zh) * | 2017-01-24 | 2018-06-29 | 深圳市商汤科技有限公司 | 图像处理方法、装置以及电子设备 |
| CN108230252B (zh) * | 2017-01-24 | 2022-02-01 | 深圳市商汤科技有限公司 | 图像处理方法、装置以及电子设备 |
| CN107438161A (zh) * | 2017-07-31 | 2017-12-05 | 广东欧珀移动通信有限公司 | 拍摄画面处理方法、装置和终端 |
| CN107610046A (zh) * | 2017-10-24 | 2018-01-19 | 上海闻泰电子科技有限公司 | 背景虚化方法、装置及系统 |
| CN108154465A (zh) * | 2017-12-19 | 2018-06-12 | 北京小米移动软件有限公司 | 图像处理方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104751406B (zh) | 2018-05-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104751406A (zh) | 一种用于对图像进行虚化的方法和装置 | |
| CN104751407B (zh) | 一种用于对图像进行虚化的方法和装置 | |
| US11595737B2 (en) | Method for embedding advertisement in video and computer device | |
| CN110662484B (zh) | 用于全身测量结果提取的系统和方法 | |
| CN109670558B (zh) | 使用深度学习的数字图像完成 | |
| KR102660857B1 (ko) | 콘텐츠 캡처 디바이스에 대한 세팅들을 결정하기 위한 기술들 | |
| CN106778928B (zh) | 图像处理方法及装置 | |
| CN114514562B (zh) | 预测性个性化三维身体模型 | |
| CN104751405B (zh) | 一种用于对图像进行虚化的方法和装置 | |
| CN109583483B (zh) | 一种基于卷积神经网络的目标检测方法和系统 | |
| WO2020000814A1 (en) | Computer-implemented method for generating composite image, apparatus for generating composite image, and computer-program product | |
| CN112330526B (zh) | 一种人脸转换模型的训练方法、存储介质及终端设备 | |
| CN103810504B (zh) | 一种图像处理方法和装置 | |
| US7970212B2 (en) | Method for automatic detection and classification of objects and patterns in low resolution environments | |
| CN108961158B (zh) | 一种图像合成方法及装置 | |
| US20180357819A1 (en) | Method for generating a set of annotated images | |
| JP2010055194A (ja) | 画像処理装置および方法、学習装置および方法、並びにプログラム | |
| CN109711268B (zh) | 一种人脸图像筛选方法及设备 | |
| CN101601287A (zh) | 产生照片级真实感图像缩略图的设备和方法 | |
| CN111008935B (zh) | 一种人脸图像增强方法、装置、系统及存储介质 | |
| WO2011031331A1 (en) | Interactive tone mapping for high dynamic range video | |
| US10013784B2 (en) | Generating an assembled group image from subject images | |
| CN104182970A (zh) | 一种基于摄影构图规则的留念照人像站位推荐方法 | |
| CN104969240A (zh) | 用于图像处理的方法和系统 | |
| CN107403448A (zh) | 代价函数生成方法和代价函数生成装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |