CN107330868A - 图片处理方法及装置 - Google Patents
图片处理方法及装置 Download PDFInfo
- Publication number
- CN107330868A CN107330868A CN201710495167.3A CN201710495167A CN107330868A CN 107330868 A CN107330868 A CN 107330868A CN 201710495167 A CN201710495167 A CN 201710495167A CN 107330868 A CN107330868 A CN 107330868A
- Authority
- CN
- China
- Prior art keywords
- point
- offset
- line
- target signature
- picture
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims description 70
- 230000015654 memory Effects 0.000 claims description 18
- 238000009877 rendering Methods 0.000 claims description 10
- 230000000694 effects Effects 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 4
- 238000000429 assembly Methods 0.000 description 3
- 230000000712 assembly Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 210000000056 organ Anatomy 0.000 description 3
- 230000005236 sound signal Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000029052 metamorphosis Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- KLDZYURQCUYZBL-UHFFFAOYSA-N 2-[3-[(2-hydroxyphenyl)methylideneamino]propyliminomethyl]phenol Chemical compound OC1=CC=CC=C1C=NCCCN=CC1=CC=CC=C1O KLDZYURQCUYZBL-UHFFFAOYSA-N 0.000 description 1
- 241001396014 Priacanthus arenatus Species 0.000 description 1
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000011469 building brick Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Processing Or Creating Images (AREA)
- Image Processing (AREA)
Abstract
本公开是关于图片处理方法及装置。该方法包括：获取图片中人脸对应的特征点的偏移量，及各特征点与包围线的相对位置信息；包围线用以将各特征点包围；根据相对位置信息确定需要修正偏移量的目标特征点，及对目标特征点的偏移量进行修正，得到目标特征点的修正后的偏移量；根据包围线、目标特征点的修正后的偏移量、及各特征点中除目标特征点之外的特征点的偏移量对图片进行渲染，得到渲染后的图片。本公开能够克服由于靠近图片边界的特征点所在区域的形变过大而导致的边界抖动问题，改善美颜效果，提高用户体验。
Description
技术领域
本公开涉及终端技术领域，尤其涉及图片处理方法及装置。
背景技术
较瘦的脸通常被很多人认为具有较佳的美感。现有的手机大部分具备对用户拍摄的图片或视频中人脸进行瘦脸等美颜功能，通过对图片中人脸器官进行变形达到美颜的效果。
发明内容
为克服相关技术中存在的问题，本公开实施例提供一种图片处理方法及装置。所述技术方案如下：
根据本公开实施例的第一方面，提供一种图片处理方法，包括：
获取图片中人脸对应的特征点的偏移量，及各所述特征点与包围线的相对位置信息；所述包围线用以将各所述特征点包围；
根据所述相对位置信息确定需要修正偏移量的目标特征点，及对所述目标特征点的偏移量进行修正，得到所述目标特征点的修正后的偏移量；
根据所述包围线、所述目标特征点的修正后的偏移量、及各所述特征点中除所述目标特征点之外的特征点的偏移量对所述图片进行渲染，得到渲染后的图片。
在一个实施例中，各所述特征点与包围线的相对位置信息包括各所述特征点与包围线的相对距离；
根据所述相对位置信息确定需要修正偏移量的目标特征点，及对所述目标特征点的偏移量进行修正，得到所述目标特征点的修正后的偏移量，包括：
将与所述包围线的相对距离小于预设第一阈值的特征点确定为目标特征点；
根据所述目标特征点与所述包围线的相对距离及所述预设第一阈值，对所述目标特征点的偏移量进行修正，得到所述目标特征点的修正后的偏移量。
在一个实施例中，根据所述目标特征点与所述包围线的相对距离及所述预设第一阈值，对所述目标特征点的偏移量进行修正，得到所述目标特征点的修正后的偏移量，包括：
计算所述目标特征点与所述包围线的相对距离与所述预设第一阈值的比值；
计算所述比值与所述目标特征点的偏移量的乘积，将所得乘积值确定为所述目标特征点的修正后的偏移量。
在一个实施例中，根据所述包围线、所述目标特征点的修正后的偏移量、及各所述特征点中除所述目标特征点之外的特征点的偏移量对所述图片进行渲染，得到渲染后的图片，包括：
在所述包围线上选取包围点；
对各所述特征点及包围点进行三角剖分，将所述图片中人脸划分成一个以上的三角形；
根据所述目标特征点的修正后的偏移量、及各所述特征点中除所述目标特征点之外的特征点的偏移量，对所述图片中各所述三角形进行渲染，得到渲染后的图片。
在一个实施例中，获取图片中人脸对应的特征点的偏移量，及各所述特征点与包围线的相对位置信息，包括：
所述图片中包括至少两个人脸时，获取第一人脸对应的第一特征点的偏移量，及用以将各所述第一特征点包围的第一包围线；获取第二人脸对应的第二特征点的偏移量，及用以将各所述第二特征点包围的第二包围线；所述至少两个人脸包括所述第一人脸和第二人脸；
所述第一包围线与所述第二包围线相交时，对所述第一包围线和所述第二包围线进行修正，得到修正后的第一包围线和修正后的第二包围线；所述修正后的第一包围线与所述修正后的第二包围线相切；
获取各所述第一特征点与所述修正后的第一包围线的相对位置信息，及各所述第二特征点与所述修正后的第二包围线的相对位置信息。
根据本公开实施例的第二方面，提供一种图片处理装置，包括：
获取模块，用于获取图片中人脸对应的特征点的偏移量，及各所述特征点与包围线的相对位置信息；所述包围线用以将各所述特征点包围；
修正模块，用于根据所述相对位置信息确定需要修正偏移量的目标特征点，及对所述目标特征点的偏移量进行修正，得到所述目标特征点的修正后的偏移量；
渲染模块，用于根据所述包围线、所述目标特征点的修正后的偏移量、及各所述特征点中除所述目标特征点之外的特征点的偏移量对所述图片进行渲染，得到渲染后的图片。
在一个实施例中，各所述特征点与包围线的相对位置信息包括各所述特征点与包围线的相对距离；
修正模块，包括：
确定子模块，用于将与所述包围线的相对距离小于预设第一阈值的特征点确定为目标特征点；
第一修正子模块，用于根据所述目标特征点与所述包围线的相对距离及所述预设第一阈值，对所述目标特征点的偏移量进行修正，得到所述目标特征点的修正后的偏移量。
在一个实施例中，第一修正子模块计算所述目标特征点与所述包围线的相对距离与所述预设第一阈值的比值，计算所述比值与所述目标特征点的偏移量的乘积，将所得乘积值确定为所述目标特征点的修正后的偏移量。
在一个实施例中，渲染模块，包括：
选取子模块，用于在所述包围线上选取包围点；
划分子模块，用于对各所述特征点及包围点进行三角剖分，将所述图片中人脸划分成一个以上的三角形；
渲染子模块，用于根据所述目标特征点的修正后的偏移量、及各所述特征点中除所述目标特征点之外的特征点的偏移量，对所述图片中各所述三角形进行渲染，得到渲染后的图片。
在一个实施例中，获取模块，包括：
第一获取子模块，用于所述图片中包括至少两个人脸时，获取第一人脸对应的第一特征点的偏移量，及用以将各所述第一特征点包围的第一包围线；获取第二人脸对应的第二特征点的偏移量，及用以将各所述第二特征点包围的第二包围线；所述至少两个人脸包括所述第一人脸和第二人脸；
第二修正子模块，用于所述第一包围线与所述第二包围线相交时，对所述第一包围线和所述第二包围线进行修正，得到修正后的第一包围线和修正后的第二包围线；所述修正后的第一包围线与所述修正后的第二包围线相切；
第二获取子模块，用于获取各所述第一特征点与所述修正后的第一包围线的相对位置信息，及各所述第二特征点与所述修正后的第二包围线的相对位置信息。
根据本公开实施例的第三方面，提供一种图片处理装置，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
获取图片中人脸对应的特征点的偏移量，及各所述特征点与包围线的相对位置信息；所述包围线用以将各所述特征点包围；
根据所述相对位置信息确定需要修正偏移量的目标特征点，及对所述目标特征点的偏移量进行修正，得到所述目标特征点的修正后的偏移量；
根据所述包围线、所述目标特征点的修正后的偏移量、及各所述特征点中除所述目标特征点之外的特征点的偏移量对所述图片进行渲染，得到渲染后的图片。
根据本公开实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现上述第一方面所述方法的步骤。
本公开的实施例提供的技术方案可以包括以下有益效果：该技术方案通过识别需要修正偏移量的目标特征点，并减小目标特征点的偏移量，从而在渲染时克服由于靠近图片边界的特征点所在区域的形变过大而导致的边界抖动问题，改善美颜效果，提高用户体验。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的图片处理方法的流程图。
图2a是根据一示例性实施例示出的图片处理方法的场景示意图。
图2b是根据一示例性实施例示出的图片处理方法的场景示意图。
图3是根据一示例性实施例示出的图片处理方法的流程图。
图4是根据一示例性实施例示出的图片处理装置的框图。
图5是根据一示例性实施例示出的图片处理装置的框图。
图6是根据一示例性实施例示出的图片处理装置的框图。
图7是根据一示例性实施例示出的图片处理装置的框图。
图8是根据一示例性实施例示出的图片处理装置的框图。
图9是根据一示例性实施例示出的图片处理装置的框图。
图10是根据一示例性实施例示出的图片处理装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
相关技术中，为满足用户需求，终端例如智能手机，能够支持对用户拍摄的图片或视频中人脸进行瘦脸等美颜处理。然而，针对图片中人脸靠近图片边界的情况，通过图形处理器(GPU，Graphics Processing Unit)对图片进行实时美颜渲染时，图片中人脸靠近图片边界的区域会出现边界抖动，影响瘦脸效果，影响用户体验。
为了解决上述问题，本公开实施例提供了一种图片处理方法，方法包括：获取图片中人脸对应的特征点的偏移量，及各特征点与包围线的相对位置信息；包围线用以将各特征点包围；根据相对位置信息确定需要修正偏移量的目标特征点，及对目标特征点的偏移量进行修正，得到目标特征点的修正后的偏移量；根据包围线、目标特征点的修正后的偏移量、及各特征点中除目标特征点之外的特征点的偏移量对图片进行渲染，得到渲染后的图片。
需要指出的是，本公开实施例中终端例如是智能手机、平板电脑、台式机、笔记本电脑或穿戴式设备(如手环、智能眼镜等)等设备。
图1是根据一示例性实施例示出的一种图片处理方法的流程图，该方法的执行主体可以为终端，如图1所示，该方法包括以下步骤101-103：
在步骤101中，获取图片中人脸对应的特征点的偏移量，及各特征点与包围线的相对位置信息；包围线用以将各特征点包围；
示例的，需要对图片中人脸进行瘦脸等美颜操作时，首先使用图像识别技术识别人脸上的器官，定位出进行美颜操作时人脸对应的M个特征点，M为大于1的正整数，参见图2a示出的特征点1-28。针对识别到的M个特征点，设置一个包围线，包围线用以将各特征点包围，包围线比M个特征点的范围要大指定比例，包围线不能超出图片的范围；在包围线上选取N个包围点，参见图2a示出的包围点29-44。针对图片中人脸的各器官进行瘦脸等美颜操作时，对人脸的各器官的变形范围只限于在包围线内进行。终端根据美颜算法分别获取图片中人脸对应的各个特征点的偏移量，特征点的偏移量是指在对人脸进行美颜操作时，通过计算确定的需要将特征点移动到新的位置时，特征点的当前位置与新的位置之间的距离。包围线及N个包围点在美颜操作过程中并不移动。美颜算法可以是用于对图片中人脸进行瘦脸、大眼等美颜操作的已有算法。
示例的，特征点与包围线的相对位置信息可以包括：特征点与包围线的相对距离；特征点与包围线的相对位置信息还可以包括：在对各特征点及包围点进行三角剖分处理后，特征点所在三角形的面积。
在步骤102中，根据相对位置信息确定需要修正偏移量的目标特征点，及对目标特征点的偏移量进行修正，得到目标特征点的修正后的偏移量；
示例的，在图片中的人脸靠近图片边界的场景中，由于人脸靠近图片边界，而包围线不能超出图片的范围，这就使得包围线也会很靠近人脸，靠近图片边界的人脸对应的特征点所在三角形就成为狭长三角形，此时，如果还是使用按照美颜算法确定的特征点的偏移量进行GPU渲染，那么就会使狭长三角形所在区域的形变过大，使得图片中人脸靠近图片边界的区域出现边界抖动。针对该问题，本公开通过在步骤102对靠近图片边界的特征点的偏移量进行修正，减小靠近图片边界的特征点的偏移量，避免特征点所在三角形成为狭长三角形，从而克服边界抖动问题。
示例的，步骤102的实现方式可以包括：
方式1、各特征点与包围线的相对位置信息包括各特征点与包围线的相对距离；终端分别获取各个特征点与包围线的相对距离，将与包围线的相对距离小于预设第一阈值的特征点确定为目标特征点，根据目标特征点与包围线的相对距离及预设第一阈值，对目标特征点的偏移量进行修正，得到目标特征点的修正后的偏移量。例如，终端计算目标特征点与包围线的相对距离与预设第一阈值的比值，计算比值与目标特征点的偏移量的乘积，将所得乘积值确定为目标特征点的修正后的偏移量。终端对每个需要移动的特征点进行判断，以特征点A为例，确定特征点A到包围线的相对距离为d，需要瘦脸移动的偏移量为β，若d<阈值α，则判定特征点A为目标特征点，需要对特征点A的偏移量进行修正，减小特征点A的偏移量。特征点A的修正后的移动距离为当特征点越靠近包围线，则特征点的修正后的偏移量线性减少。若d>α，则说明特征点A不是目标特征点，不需要对特征点A的偏移量进行。
方式2、各特征点与包围线的相对位置信息包括各特征点所在三角形的面积。在包围线上选取包围点；对各特征点及包围点进行三角剖分，将图片中人脸划分成一个以上的三角形，参见图2b示出的整个人脸由多个三角形组成；获取各特征点所在三角形的面积，将各特征点所在三角形的面积确定为各特征点与包围线的相对位置信息。例如，终端分别获取各个特征点所在三角形的面积，将所在三角形的面积小于预设第二阈值的特征点确定为目标特征点，根据目标特征点所在三角形的面积及预设第二阈值，对目标特征点的偏移量进行修正，得到目标特征点的修正后的偏移量。
在步骤103中，根据包围线、目标特征点的修正后的偏移量、及各特征点中除目标特征点之外的特征点的偏移量对图片进行渲染，得到渲染后的图片。
示例的，终端在包围线上选取包围点；对各特征点及包围点进行三角剖分，将图片中人脸划分成一个以上的三角形；根据目标特征点的修正后的偏移量、及各特征点中除目标特征点之外的特征点的偏移量，对图片中各三角形进行渲染，得到渲染后的图片。例如，GPU实时渲染时，将三角形在着色程序(shader)中进行绘制，特征点的纹理坐标为特征点移动之后对应的坐标。需要说明的是，本公开实施例提供的图片处理方法不仅可以用于对单个图片中的人脸进行美颜处理，也可以用于对视频中每一帧图片中的人脸进行实时美颜处理。对每一帧图片都执行步骤101-103的方法。
本公开的实施例提供的技术方案，通过识别需要修正偏移量的目标特征点，并减小目标特征点的偏移量，从而在渲染时克服由于靠近图片边界的特征点所在区域的形变过大而导致的边界抖动问题，改善美颜效果，提高用户体验。
相关技术中，在一张图片中有多个人脸需要同时美颜的场景中，两个脸靠的很近甚至紧挨时，同时对两个脸进行瘦脸处理会导致两个脸的瘦脸处理过程相互干扰和影响，引起人脸变形。针对该技术问题，图3是根据一示例性实施例示出的一种图片处理方法的流程图，如图3所示，在图1所示实施例的基础上，本公开涉及的图片处理方法可以用于实现对一张图片中的多个人脸同时进行美颜，解决相关技术中存在的两个脸的美颜处理过程相互干扰和影响并引起人脸变形的问题。本公开涉及的图片处理方法可以包括以下步骤301-305：
在步骤301中，图片中包括至少两个人脸时，获取第一人脸对应的第一特征点的偏移量，及用以将各第一特征点包围的第一包围线；获取第二人脸对应的第二特征点的偏移量，及用以将各第二特征点包围的第二包围线；至少两个人脸包括第一人脸和第二人脸；
在步骤302中，第一包围线与第二包围线相交时，对第一包围线和第二包围线进行修正，得到修正后的第一包围线和修正后的第二包围线；修正后的第一包围线与修正后的第二包围线相切；
示例的，在对一张图片中的多个人脸同时进行美颜时，分别确定两个人脸的包围线；当两个包围线相交时，对两个包围线进行修正，将两个相交的包围线修正为相切的位置关系；例如，分别将两个包围线相交的部分往各自对应的人脸方向移动，使得两个包围线相切或不接触。
在步骤303中，获取各第一特征点与修正后的第一包围线的相对位置信息，及各第二特征点与修正后的第二包围线的相对位置信息。
在步骤304中，根据相对位置信息确定需要修正偏移量的目标特征点，及对目标特征点的偏移量进行修正，得到目标特征点的修正后的偏移量；示例的，目标特征点离包围线越近，目标特征点的修正后的偏移量越小。
在步骤305中，根据修正后的第一包围线、修正后的第二包围线、目标特征点的修正后的偏移量、及各特征点中除目标特征点之外的特征点的偏移量对图片进行渲染，得到渲染后的图片。
需要说明的是，步骤304-305的执行方式可以参见图1所示实施例中对于步骤102-103的说明，在此不再赘述。
本公开的实施例提供的技术方案，通过对两个人脸对应的包围线进行修正，将两个相交的包围线修正为相切的位置关系，最大程度地减少两个脸的瘦脸处理过程的互相干扰和影响，改善美颜效果。
下述为本公开装置实施例，可以用于执行本公开方法实施例。
图4是根据一示例性实施例示出的一种图片处理装置的框图；该装置可以采用各种方式来实施，例如在终端中实施装置的全部组件，或者，在终端侧以耦合的方式实施装置中的组件；该装置可以通过软件、硬件或者两者的结合实现上述本公开涉及的方法，如图4所示，该图片处理装置包括：获取模块401、修正模块402及渲染模块403，其中：
获取模块401被配置为获取图片中人脸对应的特征点的偏移量，及各特征点与包围线的相对位置信息；包围线用以将各特征点包围；
修正模块402被配置为根据相对位置信息确定需要修正偏移量的目标特征点，及对目标特征点的偏移量进行修正，得到目标特征点的修正后的偏移量；
渲染模块403被配置为根据包围线、目标特征点的修正后的偏移量、及各特征点中除目标特征点之外的特征点的偏移量对图片进行渲染，得到渲染后的图片。
本公开实施例提供的装置能够用于执行图1所示实施例的技术方案，其执行方式和有益效果类似，此处不再赘述。
在一种可能的实施方式中，如图5所示，图4示出的图片处理装置还可以包括把修正模块402配置成包括：确定子模块501和第一修正子模块502，其中：
确定子模块501被配置为将与包围线的相对距离小于预设第一阈值的特征点确定为目标特征点；各特征点与包围线的相对位置信息包括各特征点与包围线的相对距离。
第一修正子模块502被配置为根据目标特征点与包围线的相对距离及预设第一阈值，对目标特征点的偏移量进行修正，得到目标特征点的修正后的偏移量。
在一种可能的实施方式中，第一修正子模块502计算目标特征点与包围线的相对距离与预设第一阈值的比值，计算比值与目标特征点的偏移量的乘积，将所得乘积值确定为目标特征点的修正后的偏移量。
在一种可能的实施方式中，如图6所示，图4示出的图片处理装置还可以包括把渲染模块403配置成包括：选取子模块601、划分子模块602和渲染子模块603，其中：
选取子模块601被配置为在包围线上选取包围点；
划分子模块602被配置为对各特征点及包围点进行三角剖分，将图片中人脸划分成一个以上的三角形；
渲染子模块603被配置为根据目标特征点的修正后的偏移量、及各特征点中除目标特征点之外的特征点的偏移量，对图片中各三角形进行渲染，得到渲染后的图片。
在一种可能的实施方式中，如图7所示，图4示出的图片处理装置还可以包括把获取模块401配置成包括：第一获取子模块701、第二修正子模块702和第二获取子模块703，其中：
第一获取子模块701被配置为图片中包括至少两个人脸时，获取第一人脸对应的第一特征点的偏移量，及用以将各第一特征点包围的第一包围线；获取第二人脸对应的第二特征点的偏移量，及用以将各第二特征点包围的第二包围线；至少两个人脸包括第一人脸和第二人脸；
第二修正子模块702被配置为第一包围线与第二包围线相交时，对第一包围线和第二包围线进行修正，得到修正后的第一包围线和修正后的第二包围线；修正后的第一包围线与修正后的第二包围线相切；
第二获取子模块703被配置为获取各第一特征点与修正后的第一包围线的相对位置信息，及各第二特征点与修正后的第二包围线的相对位置信息。
图8是根据一示例性实施例示出的一种图片处理装置800的框图，图片处理装置800可以采用各种方式来实施，例如在终端中实施装置的全部组件，或者，在终端侧以耦合的方式实施装置中的组件；图片处理装置800包括：
处理器801；
用于存储处理器可执行指令的存储器802；
其中，处理器801被配置为：
获取图片中人脸对应的特征点的偏移量，及各特征点与包围线的相对位置信息；包围线用以将各特征点包围；
根据相对位置信息确定需要修正偏移量的目标特征点，及对目标特征点的偏移量进行修正，得到目标特征点的修正后的偏移量；
根据包围线、目标特征点的修正后的偏移量、及各特征点中除目标特征点之外的特征点的偏移量对图片进行渲染，得到渲染后的图片。
在一个实施例中，上述处理器801还可被配置为：
将与包围线的相对距离小于预设第一阈值的特征点确定为目标特征点；各特征点与包围线的相对位置信息包括各特征点与包围线的相对距离；
根据目标特征点与包围线的相对距离及预设第一阈值，对目标特征点的偏移量进行修正，得到目标特征点的修正后的偏移量。
在一个实施例中，上述处理器801还可被配置为：
计算目标特征点与包围线的相对距离与预设第一阈值的比值；
计算比值与目标特征点的偏移量的乘积，将所得乘积值确定为目标特征点的修正后的偏移量。
在一个实施例中，上述处理器801还可被配置为：
在包围线上选取包围点；
对各特征点及包围点进行三角剖分，将图片中人脸划分成一个以上的三角形；
根据目标特征点的修正后的偏移量、及各特征点中除目标特征点之外的特征点的偏移量，对图片中各三角形进行渲染，得到渲染后的图片。
在一个实施例中，上述处理器801还可被配置为：
图片中包括至少两个人脸时，获取第一人脸对应的第一特征点的偏移量，及用以将各第一特征点包围的第一包围线；获取第二人脸对应的第二特征点的偏移量，及用以将各第二特征点包围的第二包围线；至少两个人脸包括第一人脸和第二人脸；
第一包围线与第二包围线相交时，对第一包围线和第二包围线进行修正，得到修正后的第一包围线和修正后的第二包围线；修正后的第一包围线与修正后的第二包围线相切；
获取各第一特征点与修正后的第一包围线的相对位置信息，及各第二特征点与修正后的第二包围线的相对位置信息。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
图9是根据一示例性实施例示出的一种图片处理装置的框图；图片处理装置900适用于终端；图片处理装置900可以包括以下一个或多个组件：处理组件902，存储器904，电源组件906，多媒体组件908，音频组件910，输入/输出(I/O)的接口912，传感器组件914，以及通信组件916。
处理组件902通常控制图片处理装置900的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件902可以包括一个或多个处理器920来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件902可以包括一个或多个模块，便于处理组件902和其他组件之间的交互。例如，处理组件902可以包括多媒体模块，以方便多媒体组件908和处理组件902之间的交互。
存储器904被配置为存储各种类型的数据以支持在图片处理装置900的操作。这些数据的示例包括用于在图片处理装置900上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器904可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件906为图片处理装置900的各种组件提供电力。电源组件906可以包括电源管理系统，一个或多个电源，及其他与为图片处理装置900生成、管理和分配电力相关联的组件。
多媒体组件908包括在图片处理装置900和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件908包括一个前置摄像头和/或后置摄像头。当图片处理装置900处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件910被配置为输出和/或输入音频信号。例如，音频组件910包括一个麦克风(MIC)，当图片处理装置900处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器904或经由通信组件916发送。在一些实施例中，音频组件910还包括一个扬声器，用于输出音频信号。
I/O接口912为处理组件902和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件914包括一个或多个传感器，用于为图片处理装置900提供各个方面的状态评估。例如，传感器组件914可以检测到图片处理装置900的打开/关闭状态，组件的相对定位，例如组件为图片处理装置900的显示器和小键盘，传感器组件914还可以检测图片处理装置900或图片处理装置900一个组件的位置改变，用户与图片处理装置900接触的存在或不存在，图片处理装置900方位或加速/减速和图片处理装置900的温度变化。传感器组件914可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件914还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件914还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件916被配置为便于图片处理装置900和其他设备之间有线或无线方式的通信。图片处理装置900可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件916经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，通信组件916还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，图片处理装置900可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子组件实现，用于执行上述方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器904，上述指令可由图片处理装置900的处理器920执行以完成上述方法。例如，非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种非临时性计算机可读存储介质，当存储介质中的指令由图片处理装置900的处理器执行时，使得图片处理装置900能够执行如下图片处理方法，方法包括：
获取图片中人脸对应的特征点的偏移量，及各特征点与包围线的相对位置信息；包围线用以将各特征点包围；
根据相对位置信息确定需要修正偏移量的目标特征点，及对目标特征点的偏移量进行修正，得到目标特征点的修正后的偏移量；
根据包围线、目标特征点的修正后的偏移量、及各特征点中除目标特征点之外的特征点的偏移量对图片进行渲染，得到渲染后的图片。
图10是根据一示例性实施例示出的一种图片处理装置的框图。例如，图片处理装置1000可以被提供为一服务器。图片处理装置1000包括处理组件1002，其进一步包括一个或多个处理器，以及由存储器1003所代表的存储器资源，用于存储可由处理组件1002的执行的指令，例如应用程序。存储器1003中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1002被配置为执行指令，以执行上述方法。
图片处理装置1000还可以包括一个电源组件1006被配置为执行图片处理装置1000的电源管理，一个有线或无线网络接口1005被配置为将图片处理装置1000连接到网络，和一个输入输出(I/O)接口1008。图片处理装置1000可以操作基于存储在存储器1003的操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM，LinuxTM，FreeBSDTM或类似。
本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (12)
1.一种图片处理方法，其特征在于，包括：
获取图片中人脸对应的特征点的偏移量，及各所述特征点与包围线的相对位置信息；所述包围线用以将各所述特征点包围；
根据所述相对位置信息确定需要修正偏移量的目标特征点，及对所述目标特征点的偏移量进行修正，得到所述目标特征点的修正后的偏移量；
根据所述包围线、所述目标特征点的修正后的偏移量、及各所述特征点中除所述目标特征点之外的特征点的偏移量对所述图片进行渲染，得到渲染后的图片。
2.根据权利要求1所述的方法，其特征在于，各所述特征点与包围线的相对位置信息包括各所述特征点与包围线的相对距离；
根据所述相对位置信息确定需要修正偏移量的目标特征点，及对所述目标特征点的偏移量进行修正，得到所述目标特征点的修正后的偏移量，包括：
将与所述包围线的相对距离小于预设第一阈值的特征点确定为目标特征点；
根据所述目标特征点与所述包围线的相对距离及所述预设第一阈值，对所述目标特征点的偏移量进行修正，得到所述目标特征点的修正后的偏移量。
3.根据权利要求2所述的方法，其特征在于，根据所述目标特征点与所述包围线的相对距离及所述预设第一阈值，对所述目标特征点的偏移量进行修正，得到所述目标特征点的修正后的偏移量，包括：
计算所述目标特征点与所述包围线的相对距离与所述预设第一阈值的比值；
计算所述比值与所述目标特征点的偏移量的乘积，将所得乘积值确定为所述目标特征点的修正后的偏移量。
4.根据权利要求1所述的方法，其特征在于，根据所述包围线、所述目标特征点的修正后的偏移量、及各所述特征点中除所述目标特征点之外的特征点的偏移量对所述图片进行渲染，得到渲染后的图片，包括：
在所述包围线上选取包围点；
对各所述特征点及包围点进行三角剖分，将所述图片中人脸划分成一个以上的三角形；
根据所述目标特征点的修正后的偏移量、及各所述特征点中除所述目标特征点之外的特征点的偏移量，对所述图片中各所述三角形进行渲染，得到渲染后的图片。
5.根据权利要求1所述的方法，其特征在于，获取图片中人脸对应的特征点的偏移量，及各所述特征点与包围线的相对位置信息，包括：
所述图片中包括至少两个人脸时，获取第一人脸对应的第一特征点的偏移量，及用以将各所述第一特征点包围的第一包围线；获取第二人脸对应的第二特征点的偏移量，及用以将各所述第二特征点包围的第二包围线；所述至少两个人脸包括所述第一人脸和第二人脸；
所述第一包围线与所述第二包围线相交时，对所述第一包围线和所述第二包围线进行修正，得到修正后的第一包围线和修正后的第二包围线；所述修正后的第一包围线与所述修正后的第二包围线相切；
获取各所述第一特征点与所述修正后的第一包围线的相对位置信息，及各所述第二特征点与所述修正后的第二包围线的相对位置信息。
6.一种图片处理装置，其特征在于，包括：
获取模块，用于获取图片中人脸对应的特征点的偏移量，及各所述特征点与包围线的相对位置信息；所述包围线用以将各所述特征点包围；
修正模块，用于根据所述相对位置信息确定需要修正偏移量的目标特征点，及对所述目标特征点的偏移量进行修正，得到所述目标特征点的修正后的偏移量；
渲染模块，用于根据所述包围线、所述目标特征点的修正后的偏移量、及各所述特征点中除所述目标特征点之外的特征点的偏移量对所述图片进行渲染，得到渲染后的图片。
7.根据权利要求6所述的装置，其特征在于，各所述特征点与包围线的相对位置信息包括各所述特征点与包围线的相对距离；
修正模块，包括：
确定子模块，用于将与所述包围线的相对距离小于预设第一阈值的特征点确定为目标特征点；
第一修正子模块，用于根据所述目标特征点与所述包围线的相对距离及所述预设第一阈值，对所述目标特征点的偏移量进行修正，得到所述目标特征点的修正后的偏移量。
8.根据权利要求7所述的装置，其特征在于，第一修正子模块计算所述目标特征点与所述包围线的相对距离与所述预设第一阈值的比值，计算所述比值与所述目标特征点的偏移量的乘积，将所得乘积值确定为所述目标特征点的修正后的偏移量。
9.根据权利要求6所述的装置，其特征在于，渲染模块，包括：
选取子模块，用于在所述包围线上选取包围点；
划分子模块，用于对各所述特征点及包围点进行三角剖分，将所述图片中人脸划分成一个以上的三角形；
渲染子模块，用于根据所述目标特征点的修正后的偏移量、及各所述特征点中除所述目标特征点之外的特征点的偏移量，对所述图片中各所述三角形进行渲染，得到渲染后的图片。
10.根据权利要求6所述的装置，其特征在于，获取模块，包括：
第一获取子模块，用于所述图片中包括至少两个人脸时，获取第一人脸对应的第一特征点的偏移量，及用以将各所述第一特征点包围的第一包围线；获取第二人脸对应的第二特征点的偏移量，及用以将各所述第二特征点包围的第二包围线；所述至少两个人脸包括所述第一人脸和第二人脸；
第二修正子模块，用于所述第一包围线与所述第二包围线相交时，对所述第一包围线和所述第二包围线进行修正，得到修正后的第一包围线和修正后的第二包围线；所述修正后的第一包围线与所述修正后的第二包围线相切；
第二获取子模块，用于获取各所述第一特征点与所述修正后的第一包围线的相对位置信息，及各所述第二特征点与所述修正后的第二包围线的相对位置信息。
11.一种图片处理装置，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
获取图片中人脸对应的特征点的偏移量，及各所述特征点与包围线的相对位置信息；所述包围线用以将各所述特征点包围；
根据所述相对位置信息确定需要修正偏移量的目标特征点，及对所述目标特征点的偏移量进行修正，得到所述目标特征点的修正后的偏移量；
根据所述包围线、所述目标特征点的修正后的偏移量、及各所述特征点中除所述目标特征点之外的特征点的偏移量对所述图片进行渲染，得到渲染后的图片。
12.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现权利要求1-5中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710495167.3A CN107330868B (zh) | 2017-06-26 | 2017-06-26 | 图片处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710495167.3A CN107330868B (zh) | 2017-06-26 | 2017-06-26 | 图片处理方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107330868A true CN107330868A (zh) | 2017-11-07 |
| CN107330868B CN107330868B (zh) | 2020-11-13 |
Family
ID=60197087
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710495167.3A Active CN107330868B (zh) | 2017-06-26 | 2017-06-26 | 图片处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107330868B (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107818543A (zh) * | 2017-11-09 | 2018-03-20 | 北京小米移动软件有限公司 | 图像处理方法及装置 |
| CN107958439A (zh) * | 2017-11-09 | 2018-04-24 | 北京小米移动软件有限公司 | 图像处理方法及装置 |
| CN107977934A (zh) * | 2017-11-10 | 2018-05-01 | 北京小米移动软件有限公司 | 图像处理方法及装置 |
| CN109063560A (zh) * | 2018-06-28 | 2018-12-21 | 北京微播视界科技有限公司 | 图像处理方法、装置、计算机可读存储介质和终端 |
| CN109087239A (zh) * | 2018-07-25 | 2018-12-25 | 腾讯科技（深圳）有限公司 | 一种人脸图像处理方法、装置及存储介质 |
| CN109359618A (zh) * | 2018-10-30 | 2019-02-19 | 北京市商汤科技开发有限公司 | 一种图像处理方法及其装置、设备和存储介质 |
| CN109472753A (zh) * | 2018-10-30 | 2019-03-15 | 北京市商汤科技开发有限公司 | 一种图像处理方法、装置、计算机设备和计算机存储介质 |
| CN110049351A (zh) * | 2019-05-23 | 2019-07-23 | 北京百度网讯科技有限公司 | 视频流中人脸变形的方法和装置、电子设备、计算机可读介质 |
| CN110502993A (zh) * | 2019-07-18 | 2019-11-26 | 北京达佳互联信息技术有限公司 | 图像处理方法、装置、电子设备及存储介质 |
| WO2020177394A1 (zh) * | 2019-03-06 | 2020-09-10 | 北京市商汤科技开发有限公司 | 一种图像处理方法及装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130044958A1 (en) * | 2011-08-19 | 2013-02-21 | Jonathan W. Brandt | Methods and Apparatus for Automated Facial Feature Localization |
| CN102999929A (zh) * | 2012-11-08 | 2013-03-27 | 大连理工大学 | 一种基于三角网格化的人物图像瘦脸处理方法 |
| JP2014171702A (ja) * | 2013-03-11 | 2014-09-22 | Miura:Kk | 顎変形症術後顔貌予測方法及びシステム |
| CN105303523A (zh) * | 2014-12-01 | 2016-02-03 | 维沃移动通信有限公司 | 一种图像处理方法及移动终端 |
| WO2016033085A1 (en) * | 2014-08-25 | 2016-03-03 | Possibility Place, Llc | Method of making a personalized animatable mesh |
| CN106156692A (zh) * | 2015-03-25 | 2016-11-23 | 阿里巴巴集团控股有限公司 | 一种用于人脸边缘特征点定位的方法及装置 |
-
2017
- 2017-06-26 CN CN201710495167.3A patent/CN107330868B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130044958A1 (en) * | 2011-08-19 | 2013-02-21 | Jonathan W. Brandt | Methods and Apparatus for Automated Facial Feature Localization |
| CN102999929A (zh) * | 2012-11-08 | 2013-03-27 | 大连理工大学 | 一种基于三角网格化的人物图像瘦脸处理方法 |
| JP2014171702A (ja) * | 2013-03-11 | 2014-09-22 | Miura:Kk | 顎変形症術後顔貌予測方法及びシステム |
| WO2016033085A1 (en) * | 2014-08-25 | 2016-03-03 | Possibility Place, Llc | Method of making a personalized animatable mesh |
| CN105303523A (zh) * | 2014-12-01 | 2016-02-03 | 维沃移动通信有限公司 | 一种图像处理方法及移动终端 |
| CN106156692A (zh) * | 2015-03-25 | 2016-11-23 | 阿里巴巴集团控股有限公司 | 一种用于人脸边缘特征点定位的方法及装置 |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107818543B (zh) * | 2017-11-09 | 2021-03-30 | 北京小米移动软件有限公司 | 图像处理方法及装置 |
| CN107958439A (zh) * | 2017-11-09 | 2018-04-24 | 北京小米移动软件有限公司 | 图像处理方法及装置 |
| CN107818543A (zh) * | 2017-11-09 | 2018-03-20 | 北京小米移动软件有限公司 | 图像处理方法及装置 |
| CN107958439B (zh) * | 2017-11-09 | 2021-04-27 | 北京小米移动软件有限公司 | 图像处理方法及装置 |
| CN107977934A (zh) * | 2017-11-10 | 2018-05-01 | 北京小米移动软件有限公司 | 图像处理方法及装置 |
| CN107977934B (zh) * | 2017-11-10 | 2022-04-01 | 北京小米移动软件有限公司 | 图像处理方法及装置 |
| CN109063560A (zh) * | 2018-06-28 | 2018-12-21 | 北京微播视界科技有限公司 | 图像处理方法、装置、计算机可读存储介质和终端 |
| US11017580B2 (en) | 2018-06-28 | 2021-05-25 | Beijing Microlive Vision Technology Co., Ltd | Face image processing based on key point detection |
| CN109087239A (zh) * | 2018-07-25 | 2018-12-25 | 腾讯科技（深圳）有限公司 | 一种人脸图像处理方法、装置及存储介质 |
| CN109087239B (zh) * | 2018-07-25 | 2023-03-21 | 腾讯科技（深圳）有限公司 | 一种人脸图像处理方法、装置及存储介质 |
| CN109472753A (zh) * | 2018-10-30 | 2019-03-15 | 北京市商汤科技开发有限公司 | 一种图像处理方法、装置、计算机设备和计算机存储介质 |
| CN109359618B (zh) * | 2018-10-30 | 2022-02-22 | 北京市商汤科技开发有限公司 | 一种图像处理方法及其装置、设备和存储介质 |
| CN109359618A (zh) * | 2018-10-30 | 2019-02-19 | 北京市商汤科技开发有限公司 | 一种图像处理方法及其装置、设备和存储介质 |
| WO2020177394A1 (zh) * | 2019-03-06 | 2020-09-10 | 北京市商汤科技开发有限公司 | 一种图像处理方法及装置 |
| US11244449B2 (en) | 2019-03-06 | 2022-02-08 | Beijing Sensetime Technology Development Co., Ltd. | Image processing methods and apparatuses |
| CN110049351A (zh) * | 2019-05-23 | 2019-07-23 | 北京百度网讯科技有限公司 | 视频流中人脸变形的方法和装置、电子设备、计算机可读介质 |
| CN110049351B (zh) * | 2019-05-23 | 2022-01-25 | 北京百度网讯科技有限公司 | 视频流中人脸变形的方法和装置、电子设备、计算机可读介质 |
| CN110502993A (zh) * | 2019-07-18 | 2019-11-26 | 北京达佳互联信息技术有限公司 | 图像处理方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107330868B (zh) | 2020-11-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107330868A (zh) | 图片处理方法及装置 | |
| CN107680033A (zh) | 图片处理方法及装置 | |
| CN107958439B (zh) | 图像处理方法及装置 | |
| CN107818543B (zh) | 图像处理方法及装置 | |
| CN107977934B (zh) | 图像处理方法及装置 | |
| WO2019174628A1 (zh) | 拍照方法及移动终端 | |
| CN108712603B (zh) | 一种图像处理方法及移动终端 | |
| US11308692B2 (en) | Method and device for processing image, and storage medium | |
| CN107368810A (zh) | 人脸检测方法及装置 | |
| CN107341777A (zh) | 图片处理方法及装置 | |
| CN104484858B (zh) | 人物图像处理方法及装置 | |
| CN107688781A (zh) | 人脸识别方法及装置 | |
| CN107657590B (zh) | 图片处理方法、装置及存储介质 | |
| US10248855B2 (en) | Method and apparatus for identifying gesture | |
| US11222223B2 (en) | Collecting fingerprints | |
| CN107958223A (zh) | 人脸识别方法及装置、移动设备、计算机可读存储介质 | |
| JP2023549651A (ja) | 撮像処理方法、装置、電子機器及び可読記憶媒体 | |
| CN107464253A (zh) | 眉毛定位方法及装置 | |
| CN107403144B (zh) | 嘴巴定位方法及装置 | |
| CN110782532B (zh) | 图像生成方法、生成装置、电子设备及存储介质 | |
| US9665925B2 (en) | Method and terminal device for retargeting images | |
| CN110086998B (zh) | 一种拍摄方法及终端 | |
| WO2021189927A1 (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| US11600300B2 (en) | Method and device for generating dynamic image | |
| CN107239758B (zh) | 人脸关键点定位的方法及装置 |
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 |