CN107403185A - 人像颜色转换方法和人像颜色转换系统 - Google Patents
人像颜色转换方法和人像颜色转换系统 Download PDFInfo
- Publication number
- CN107403185A CN107403185A CN201610342048.XA CN201610342048A CN107403185A CN 107403185 A CN107403185 A CN 107403185A CN 201610342048 A CN201610342048 A CN 201610342048A CN 107403185 A CN107403185 A CN 107403185A
- Authority
- CN
- China
- Prior art keywords
- mrow
- portrait
- msubsup
- msub
- artwork
- 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
- 238000006243 chemical reaction Methods 0.000 title claims abstract description 92
- 238000000034 method Methods 0.000 title claims abstract description 34
- 239000013598 vector Substances 0.000 claims abstract description 169
- 230000009466 transformation Effects 0.000 claims abstract description 43
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 230000017105 transposition Effects 0.000 claims description 7
- 238000009499 grossing Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 19
- 230000008859 change Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 4
- 238000010428 oil painting Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明提出了一种人像颜色转换方法和一种人像颜色转换系统，其中，人像颜色转换方法包括：根据接收到的人像颜色转换命令，在原图和目标图中获取人像宏块；在特征空间中，根据聚类公式将所述原图和所述目标图中的每个特征点聚类到与自身最近的人像宏块，其中，所述特征空间的特征向量包括：RGB颜色空间的R向量、G向量和B向量以及ιαβ颜色空间中的α向量和β向量；根据聚类结果和预定颜色转换公式，对所述原图进行人像颜色转换，得到转换结果图。通过本发明的技术方案，进行人像颜色转换时，在聚类过程中的特征向量中加入了ιαβ颜色空间的α向量和β向量，以减少亮度对聚类的影响，优化转换的效果。
Description
技术领域
本发明涉及图像处理技术领域，具体而言，涉及一种人像颜色转换方法和一种人像颜色转换系统。
背景技术
目前，在人像风格化的处理中，人像颜色转换是很重要的一步，而人像因其自身的特点，往往可以分为头发、脸和衣服三个主要的部分。
在以往的图像颜色风格转换算法中，一般利用调色板颜色的关系进行图像重新着色，以实现颜色风格转换，也可以通过使用者交互提供信息来对图像进行颜色风格转换。在一些方案中，还可以进一步特征像素点进行优化。
然而，上述方案都要依赖于使用者的交互来建立原图与目标图的联系，在原图与目标图的颜色分布差别较大时，也就是亮度差别较大时，转换结果并不理想。
因此，如何进一步优化人像颜色转换的效果，成为目前亟待解决的技术问题。
发明内容
本发明正是基于上述问题，提出了一种新的技术方案，可以在人像颜色转换过程中，减少亮度对聚类的影响，优化转换的效果。
有鉴于此，本发明的一方面提出了一种人像颜色转换方法，其特征在于，包括：根据接收到的人像颜色转换命令，在原图和目标图中获取人像宏块；在特征空间中，根据聚类公式将所述原图和所述目标图中的每个特征点聚类到与自身最近的人像宏块，其中，所述特征空间的特征向量包括：RGB颜色空间的R向量、G向量和B向量以及ιαβ颜色空间中的α向量和β向量；根据聚类结果和预定颜色转换公式，对所述原图进行人像颜色转换，得到转换结果图。
在该技术方案中，进行人像颜色转换时，在聚类过程中的特征向量中加入了ιαβ颜色空间的α向量和β向量，以减少亮度对聚类的影响，优化转换的效果。这样一来，特征空间中应用的特征向量公式为：f＝f(R；G；B；α；β)。在人像颜色转换过程中，通过聚类将原图与目标图分为差别较大的头发、脸和衣服三部分进行颜色转换，可以优化了转换的效果，使转换结果图的效果更加自然并贴近目标图的颜色风格。
在上述技术方案中，优选地，所述根据聚类公式将所述原图和所述目标图中的每个特征点聚类到与自身最近的人像宏块，具体包括：在所述特征空间中，根据所述聚类公式计算所述原图和所述目标图的任一特征点到各个人像宏块的聚类中心点的距离；将所述距离最小的人像宏块设置为所述任一特征点对应的人像宏块，所述聚类公式为：
其中，S表示任一特征点(x，y)到任一人像宏块的聚类中心点的距离，wx，y表示任一特征点(x，y)在所述任一人像宏块中对应的类，表示任一特征点(x，y)在所述目标图中的特征向量，T表示转置，表示所述原图中对应第i个人像宏块的聚类中心的特征向量，Γ用于控制特征向量各维度的权值。
在该技术方案中，在原图与目标图中各自进行以下步骤：根据在图片中截取出的宏块，在特征空间中计算图片的每个像素点到各个宏块的聚类中心点的距离，然后根据计算的距离将每个像素点聚类到与它距离最小的那个宏块，最后，整个图片相当于被划分为了多个宏块，比如，分为差别较大的头发、脸和衣服三个人像宏块。通过该技术方案，优化了转换的效果，使转换结果图的效果更加自然并贴近目标图的颜色风格，当然，人像宏块包括但不限于头发、脸和衣服三种，也可以是根据需要除此之外的其他类型的宏块。其中，在聚类过程中的特征向量中加入了ιαβ颜色空间的α向量和β向量，以减少亮度对聚类的影响，优化转换的效果。
在上述任一技术方案中，优选地，所述特征向量中的R向量、G向量和B向量的权值为1，α向量和β向量的权值为2。
在该技术方案中，可以在进行聚类时设置特征向量中的R向量、G向量和B向量的权值为1，α向量和β向量的权值为2，当然，也可以根据实际需要为这些向量设置其他权值。
在上述任一技术方案中，优选地，在所述对所述原图进行人像颜色转换之后，还包括：对所述转换结果图进行平滑处理。
在该技术方案中，完成颜色转换后可以对转换结果图进行平滑处理，以消除聚类不准确等问题产生的瑕疵，获得优质的图像效果。
在上述任一技术方案中，优选地，所述预定颜色转换公式为：
其中，表示所述转换结果图IC的特征点(x，y)的颜色值，表示所述原图Is的特征点(x，y)的颜色值，(x，y)∈Ωi，Ωi表示所述原图和所述目标图中由第i个人像宏块聚类出来的区域。和分别为所述原图和所述目标图的对应区域的均值，和分别为所述原图和所述目标图的对应区域的标准差。
在该技术方案中，可以对每个原图的特征点也就是像素点，根据其所属类和目标图对应类的均值和标准差，在ιαβ颜色空间的各维度上统一进行颜色转换，从而以减少亮度对聚类的影响，优化转换的效果。
本发明的另一方面提出了一种人像颜色转换系统，包括：宏块获取单元，根据接收到的人像颜色转换命令，在原图和目标图中获取人像宏块；聚类单元，在特征空间中，根据聚类公式将所述原图和所述目标图中的每个特征点聚类到与自身最近的人像宏块，其中，所述特征空间的特征向量包括：RGB颜色空间的R向量、G向量和B向量以及ιαβ颜色空间中的α向量和β向量；颜色转换单元，根据聚类结果和预定颜色转换公式，对所述原图进行人像颜色转换，得到转换结果图。
在该技术方案中，进行人像颜色转换时，在聚类过程中的特征向量中加入了ιαβ颜色空间的α向量和β向量，以减少亮度对聚类的影响，优化转换的效果。这样一来，特征空间中应用的特征向量公式为：f＝f(R；G；B；α；β)。在人像颜色转换过程中，通过聚类将原图与目标图分为差别较大的头发、脸和衣服三部分进行颜色转换，可以优化了转换的效果，使转换结果图的效果更加自然并贴近目标图的颜色风格。
在上述技术方案中，优选地，所述聚类单元包括：距离计算单元，在所述特征空间中，根据所述聚类公式计算所述原图和所述目标图的任一特征点到各个人像宏块的聚类中心点的距离；宏块确定单元，将所述距离最小的人像宏块设置为所述任一特征点对应的人像宏块，所述聚类公式为：
其中，S表示任一特征点(x，y)到任一人像宏块的聚类中心点的距离，wx，y表示任一特征点(x，y)在所述任一人像宏块中对应的类，表示任一特征点(x，y)在所述目标图中的特征向量，T表示转置，表示所述原图中对应第i个人像宏块的聚类中心的特征向量，Γ用于控制特征向量各维度的权值。
在该技术方案中，在原图与目标图中各自进行以下步骤：根据在图片中截取出的宏块，在特征空间中计算图片的每个像素点到各个宏块的聚类中心点的距离，然后根据计算的距离将每个像素点聚类到与它距离最小的那个宏块，最后，整个图片相当于被划分为了多个宏块，比如，分为差别较大的头发、脸和衣服三个人像宏块。通过该技术方案，优化了转换的效果，使转换结果图的效果更加自然并贴近目标图的颜色风格，当然，人像宏块包括但不限于头发、脸和衣服三种，也可以是根据需要除此之外的其他类型的宏块。其中，在聚类过程中的特征向量中加入了ιαβ颜色空间的α向量和β向量，以减少亮度对聚类的影响，优化转换的效果。
在上述任一技术方案中，优选地，所述特征向量中的R向量、G向量和B向量的权值为1，α向量和β向量的权值为2。
在该技术方案中，可以在进行聚类时设置特征向量中的R向量、G向量和B向量的权值为1，α向量和β向量的权值为2，当然，也可以根据实际需要为这些向量设置其他权值。
在上述任一技术方案中，优选地，还包括：平滑处理单元，在所述对所述原图进行人像颜色转换之后，对所述转换结果图进行平滑处理。
在该技术方案中，完成颜色转换后可以对转换结果图进行平滑处理，以消除聚类不准确等问题产生的瑕疵，获得优质的图像效果。
在上述任一技术方案中，优选地，所述预定颜色转换公式为：
其中，表示所述转换结果图IC的特征点(x，y)的颜色值，表示所述原图Is的特征点(x，y)的颜色值，(x，y)∈Ωi，Ωi表示所述原图和所述目标图中由第i个人像宏块聚类出来的区域，和分别为所述原图和所述目标图的对应区域的均值，和分别为所述原图和所述目标图的对应区域的标准差。
在该技术方案中，可以对每个原图的特征点也就是像素点，根据其所属类和目标图对应类的均值和标准差，在ιαβ颜色空间的各维度上统一进行颜色转换，从而以减少亮度对聚类的影响，优化转换的效果。
通过以上技术方案，进行人像颜色转换时，在聚类过程中的特征向量中加入了ιαβ颜色空间的α向量和β向量，以减少亮度对聚类的影响，优化转换的效果。
附图说明
图1示出了根据本发明的一个实施例的人像颜色转换方法的流程图；
图2示出了根据本发明的一个实施例的人像颜色转换系统的框图；
图3示出了根据本发明的一个实施例的人像的原图示意图；
图4示出了根据本发明的一个实施例的人像的目标图示意图；
图5示出了根据本发明的一个实施例的转换结果图的示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了根据本发明的一个实施例的人像颜色转换方法的流程图。
如图1所示，根据本发明的一个实施例的人像颜色转换方法，包括：
步骤102，根据接收到的人像颜色转换命令，在原图和目标图中获取人像宏块；
步骤104，在特征空间中，根据聚类公式将所述原图和所述目标图中的每个特征点聚类到与自身最近的人像宏块，其中，所述特征空间的特征向量包括：RGB颜色空间的R向量、G向量和B向量以及ιαβ颜色空间中的α向量和β向量；
步骤106，根据聚类结果和预定颜色转换公式，对所述原图进行人像颜色转换，得到转换结果图。
在该技术方案中，进行人像颜色转换时，在聚类过程中的特征向量中加入了ιαβ颜色空间的α向量和β向量，以减少亮度对聚类的影响，优化转换的效果。这样一来，特征空间中应用的特征向量公式为：f＝f(R；G；B；α；β)。在人像颜色转换过程中，通过聚类将原图与目标图分为差别较大的头发、脸和衣服三部分进行颜色转换，可以优化了转换的效果，使转换结果图的效果更加自然并贴近目标图的颜色风格。
在上述技术方案中，优选地，步骤104具体包括：在所述特征空间中，根据所述聚类公式计算所述原图和所述目标图的任一特征点到各个人像宏块的聚类中心点的距离；将所述距离最小的人像宏块设置为所述任一特征点对应的人像宏块，所述聚类公式为：
其中，S表示任一特征点(x，y)到任一人像宏块的聚类中心点的距离，wx，y表示任一特征点(x，y)在所述任一人像宏块中对应的类，表示任一特征点(x，y)在所述目标图中的特征向量，T表示转置，表示所述原图中对应第i个人像宏块的聚类中心的特征向量，Γ用于控制特征向量各维度的权值。
在该技术方案中，在原图与目标图中各自进行以下步骤：根据在图片中截取出的宏块，在特征空间中计算图片的每个像素点到各个宏块的聚类中心点的距离，然后根据计算的距离将每个像素点聚类到与它距离最小的那个宏块，最后，整个图片相当于被划分为了多个宏块，比如，分为差别较大的头发、脸和衣服三个人像宏块。通过该技术方案，优化了转换的效果，使转换结果图的效果更加自然并贴近目标图的颜色风格，当然，人像宏块包括但不限于头发、脸和衣服三种，也可以是根据需要除此之外的其他类型的宏块。其中，在聚类过程中的特征向量中加入了ιαβ颜色空间的α向量和β向量，以减少亮度对聚类的影响，优化转换的效果。
在上述任一技术方案中，优选地，所述特征向量中的R向量、G向量和B向量的权值为1，α向量和β向量的权值为2。
在该技术方案中，可以在进行聚类时设置特征向量中的R向量、G向量和B向量的权值为1，α向量和β向量的权值为2，当然，也可以根据实际需要为这些向量设置其他权值。
在上述任一技术方案中，优选地，在步骤106之后，还包括：对所述转换结果图进行平滑处理。
在该技术方案中，完成颜色转换后可以对转换结果图进行平滑处理，以消除聚类不准确等问题产生的瑕疵，获得优质的图像效果。
在上述任一技术方案中，优选地，所述预定颜色转换公式为：
其中，表示所述转换结果图IC的特征点(x，y)的颜色值，表示所述原图Is的特征点(x，y)的颜色值，(x，y)∈Ωi，Ωi表示所述原图和所述目标图中由第i个人像宏块聚类出来的区域，和分别为所述原图和所述目标图的对应区域的均值，和分别为所述原图和所述目标图的对应区域的标准差。
在该技术方案中，可以对每个原图的特征点也就是像素点，根据其所属类和目标图对应类的均值和标准差，在ιαβ颜色空间的各维度上统一进行颜色转换，从而以减少亮度对聚类的影响，优化转换的效果。
图2示出了根据本发明的一个实施例的人像颜色转换系统的框图。
如图2所示，根据本发明的一个实施例的人像颜色转换系统200，包括：宏块获取单元202、聚类单元204和颜色转换单元206。
其中，宏块获取单元202用于根据接收到的人像颜色转换命令，在原图和目标图中获取人像宏块；聚类单元204用于在特征空间中根据聚类公式将所述原图和所述目标图中的每个特征点聚类到与自身最近的人像宏块，其中，所述特征空间的特征向量包括：RGB颜色空间的R向量、G向量和B向量以及ιαβ颜色空间中的α向量和β向量；颜色转换单元206用于根据聚类结果和预定颜色转换公式，对所述原图进行人像颜色转换，得到转换结果图。
在该技术方案中，进行人像颜色转换时，在聚类过程中的特征向量中加入了ιαβ颜色空间的α向量和β向量，以减少亮度对聚类的影响，优化转换的效果。这样一来，特征空间中应用的特征向量公式为：f＝f(R；G；B；α；β)。在人像颜色转换过程中，通过聚类将原图与目标图分为差别较大的头发、脸和衣服三部分进行颜色转换，可以优化了转换的效果，使转换结果图的效果更加自然并贴近目标图的颜色风格。
在上述技术方案中，优选地，聚类单元204包括：距离计算单元2042，在所述特征空间中，根据所述聚类公式计算所述原图和所述目标图的任一特征点到各个人像宏块的聚类中心点的距离；宏块确定单元2044，将所述距离最小的人像宏块设置为所述任一特征点对应的人像宏块，所述聚类公式为：
其中，S表示任一特征点(x，y)到任一人像宏块的聚类中心点的距离，wx，y表示任一特征点(x，y)在所述任一人像宏块中对应的类，表示任一特征点(x，y)在所述目标图中的特征向量，T表示转置，表示所述原图中对应第i个人像宏块的聚类中心的特征向量，Γ用于控制特征向量各维度的权值。
在该技术方案中，在原图与目标图中各自进行以下步骤：根据在图片中截取出的宏块，在特征空间中计算图片的每个像素点到各个宏块的聚类中心点的距离，然后根据计算的距离将每个像素点聚类到与它距离最小的那个宏块，最后，整个图片相当于被划分为了多个宏块，比如，分为差别较大的头发、脸和衣服三个人像宏块。通过该技术方案，优化了转换的效果，使转换结果图的效果更加自然并贴近目标图的颜色风格，当然，人像宏块包括但不限于头发、脸和衣服三种，也可以是根据需要除此之外的其他类型的宏块。其中，在聚类过程中的特征向量中加入了ιαβ颜色空间的α向量和β向量，以减少亮度对聚类的影响，优化转换的效果。
在上述任一技术方案中，优选地，所述特征向量中的R向量、G向量和B向量的权值为1，α向量和β向量的权值为2。
在该技术方案中，可以在进行聚类时设置特征向量中的R向量、G向量和B向量的权值为1，α向量和β向量的权值为2，当然，也可以根据实际需要为这些向量设置其他权值。
在上述任一技术方案中，优选地，还包括：平滑处理单元208，在所述对所述原图进行人像颜色转换之后，对所述转换结果图进行平滑处理。
在该技术方案中，完成颜色转换后可以对转换结果图进行平滑处理，以消除聚类不准确等问题产生的瑕疵，获得优质的图像效果。
在上述任一技术方案中，优选地，所述预定颜色转换公式为：
其中，表示所述转换结果图IC的特征点(x，y)的颜色值，表示所述原图Is的特征点(x，y)的颜色值，(x，y)∈Ωi，Ωi表示所述原图和所述目标图中由第i个人像宏块聚类出来的区域，和分别为所述原图和所述目标图的对应区域的均值，和分别为所述原图和所述目标图的对应区域的标准差。
在该技术方案中，可以对每个原图的特征点也就是像素点，根据其所属类和目标图对应类的均值和标准差，在ιαβ颜色空间的各维度上统一进行颜色转换，从而以减少亮度对聚类的影响，优化转换的效果。
在本发明的技术方案中，在聚类过程中的特征向量中加入了ιαβ颜色空间中的α向量和β向量，以减少亮度对聚类的影响。在颜色转换过程中，通过聚类将原图与目标图分为差别较大的头发、脸和衣服三部分进行颜色转换，优化了转换的效果，使效果更加自然并贴近目标的颜色风格。
对于原图与目标图进行人脸检测，一般可检测出位置特定的66个人脸上的特征点，并基于检测的特征点取出对应头发、脸和衣服的三个宏块；接着，以三个宏块为聚类中心，在特征空间中聚类出人像的头发、脸和衣服三个部分；对每个原图的像素点，根据其所属类和目标图对应类的均值和标准差进行颜色转换，转换后再对结果进行平滑处理以消除聚类错误而导致的瑕疵。
下面结合图3至图5的具体实施例对本发明的技术方案进行详细描述。
将如图3所示的人像原图进行特征点的获取，其特征点分布情况如图4所示，共计检测出66个特征点，其中，在原图的第25个特征点上方取头发的宏块，在原图上在第23个特征点上面取脸的宏块。
同样，如图4所示，在作为目标图的油画中也获取66个特征点，并取宏块，其中，为了避免油画中过暗部分影响聚类效果，可以取油画中眼角下的块作为脸的宏块。
RGB颜色空间为使用红绿蓝三原色描述颜色的颜色空间，其R、G、B分别代表红、绿、蓝三色。根据获取的宏块，由RGB颜色空间的R向量、G向量、B向量以及ιαβ颜色空间的α向量和β向量组成的归一化了的特征向量：
f＝f(R；G；B；α；β)
通过聚类公式在特征空间中聚类出对应人像宏块的人像部分，聚类公式为：
其中，S表示任一特征点(x，y)到任一人像宏块的聚类中心点的距离，wx，y表示任一特征点(x，y)在任一人像宏块中对应的类，表示任一特征点(x，y)在目标图中的特征向量，T表示转置，表示原图中对应第i个人像宏块的聚类中心的特征向量，Γ用于控制特征向量各维度的权值，特征向量中的R向量、G向量和B向量的权值为1，α向量和β向量的权值为2。
在该技术方案中，在原图与目标图中各自进行以下步骤：根据在图片中截取出的宏块，在特征空间中计算图片的每个像素点到各个宏块的聚类中心点的距离，然后根据计算的距离将每个像素点聚类到与它距离最小的那个宏块，最后，整个图片相当于被划分为了多个宏块，比如，分为差别较大的头发、脸和衣服三个人像宏块。通过该技术方案，优化了转换的效果，使转换结果图的效果更加自然并贴近目标图的颜色风格，当然，人像宏块包括但不限于头发、脸和衣服三种，也可以是根据需要除此之外的其他类型的宏块。其中，在聚类过程中的特征向量中加入了ιαβ颜色空间的α向量和β向量，以减少亮度对聚类的影响，优化转换的效果。
对每个原图的像素点，根据其所属类和目标图对应类的均值和标准差在ιαβ颜色空间各维度上统一进行如下转换：
得到如图5所示的转换结果图，其中，表示转换结果图IC的特征点(x，y)的颜色值，表示原图Is的特征点(x，y)的颜色值，(x，y)∈Ωi，Ωi表示原图和目标图中由第i个人像宏块聚类出来的区域，和分别为原图和目标图的对应区域的均值，和分别为原图和目标图的对应区域的标准差。
按如上方法转换完后，对结果图IC进行平滑处理，消除因为聚类差错而导致的瑕疵。
以上结合附图详细说明了本发明的技术方案，通过本发明的技术方案，进行人像颜色转换时，在聚类过程中的特征向量中加入了ιαβ颜色空间的α向量和β向量，以减少亮度对聚类的影响，优化转换的效果。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种人像颜色转换方法，其特征在于，包括：
根据接收到的人像颜色转换命令，在原图和目标图中获取人像宏块；
在特征空间中，根据聚类公式将所述原图和所述目标图中的每个特征点聚类到与自身最近的人像宏块，其中，所述特征空间的特征向量包括：RGB颜色空间的R向量、G向量和B向量以及ιαβ颜色空间中的α向量和β向量；
根据聚类结果和预定颜色转换公式，对所述原图进行人像颜色转换，得到转换结果图。
2.根据权利要求1所述的人像颜色转换方法，其特征在于，所述根据聚类公式将所述原图和所述目标图中的每个特征点聚类到与自身最近的人像宏块，具体包括：
在所述特征空间中，根据所述聚类公式计算所述原图和所述目标图的任一特征点到各个人像宏块的聚类中心点的距离；
将所述距离最小的人像宏块设置为所述任一特征点对应的人像宏块，所述聚类公式为：
<mrow>
<mi>S</mi>
<mo>=</mo>
<munder>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
<mi>w</mi>
</munder>
<mrow>
<mo>(</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
</munder>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>f</mi>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mi>p</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>f</mi>
<msub>
<mi>w</mi>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
</msub>
<mi>s</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mi>T</mi>
</msup>
<mi>&Gamma;</mi>
<mrow>
<mo>(</mo>
<msubsup>
<mi>f</mi>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mi>p</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>f</mi>
<msub>
<mi>w</mi>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
</msub>
<mi>s</mi>
</msubsup>
<mo>)</mo>
</mrow>
</mrow>
</msqrt>
<mo>)</mo>
</mrow>
</mrow>
其中，S表示任一特征点(x，y)到任一人像宏块的聚类中心点的距离，wx，y表示任一特征点(x，y)在所述任一人像宏块中对应的类，表示任一特征点(x，y)在所述目标图中的特征向量，T表示转置，表示所述原图中对应第i个人像宏块的聚类中心的特征向量，Γ用于控制特征向量各维度的权值。
3.根据权利要求2所述的人像颜色转换方法，其特征在于，所述特征向量中的R向量、G向量和B向量的权值为1，α向量和β向量的权值为2。
4.根据权利要求1至3中任一项所述的人像颜色转换方法，其特征在于，在所述对所述原图进行人像颜色转换之后，还包括：
对所述转换结果图进行平滑处理。
5.根据权利要求1至3中任一项所述的人像颜色转换方法，其特征在于，所述预定颜色转换公式为：
<mrow>
<msubsup>
<mi>I</mi>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mi>C</mi>
</msubsup>
<mo>=</mo>
<mo>&lsqb;</mo>
<msubsup>
<mi>I</mi>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mi>S</mi>
</msubsup>
<mo>-</mo>
<mover>
<msubsup>
<mi>I</mi>
<msub>
<mi>&Omega;</mi>
<mn>1</mn>
</msub>
<mi>S</mi>
</msubsup>
<mo>&OverBar;</mo>
</mover>
<mo>&rsqb;</mo>
<mo>&times;</mo>
<mfrac>
<msub>
<mi>&sigma;</mi>
<msubsup>
<mi>I</mi>
<msub>
<mi>&Omega;</mi>
<mi>i</mi>
</msub>
<mi>T</mi>
</msubsup>
</msub>
<msub>
<mi>&sigma;</mi>
<msubsup>
<mi>I</mi>
<msub>
<mi>&Omega;</mi>
<mi>i</mi>
</msub>
<mi>S</mi>
</msubsup>
</msub>
</mfrac>
<mo>+</mo>
<mover>
<msubsup>
<mi>I</mi>
<msub>
<mi>&Omega;</mi>
<mn>1</mn>
</msub>
<mi>T</mi>
</msubsup>
<mo>&OverBar;</mo>
</mover>
</mrow>
其中，表示所述转换结果图IC的特征点(x，y)的颜色值，表示所述原图Is的特征点(x，y)的颜色值，(x，y)∈Ωi，Ωi表示所述原图和所述目标图中由第i个人像宏块聚类出来的区域，和分别为所述原图和所述目标图的对应区域的均值，和分别为所述原图和所述目标图的对应区域的标准差。
6.一种人像颜色转换系统，其特征在于，包括：
宏块获取单元，根据接收到的人像颜色转换命令，在原图和目标图中获取人像宏块；
聚类单元，在特征空间中，根据聚类公式将所述原图和所述目标图中的每个特征点聚类到与自身最近的人像宏块，其中，所述特征空间的特征向量包括：RGB颜色空间的R向量、G向量和B向量以及ιαβ颜色空间中的α向量和β向量；
颜色转换单元，根据聚类结果和预定颜色转换公式，对所述原图进行人像颜色转换，得到转换结果图。
7.根据权利要求6所述的人像颜色转换系统，其特征在于，所述聚类单元包括：
距离计算单元，在所述特征空间中，根据所述聚类公式计算所述原图和所述目标图的任一特征点到各个人像宏块的聚类中心点的距离；
宏块确定单元，将所述距离最小的人像宏块设置为所述任一特征点对应的人像宏块，所述聚类公式为：
<mrow>
<mi>S</mi>
<mo>=</mo>
<munder>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
<mi>w</mi>
</munder>
<mrow>
<mo>(</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
</munder>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>f</mi>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mi>p</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>f</mi>
<msub>
<mi>w</mi>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
</msub>
<mi>s</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mi>T</mi>
</msup>
<mi>&Gamma;</mi>
<mrow>
<mo>(</mo>
<msubsup>
<mi>f</mi>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mi>p</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>f</mi>
<msub>
<mi>w</mi>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
</msub>
<mi>s</mi>
</msubsup>
<mo>)</mo>
</mrow>
</mrow>
</msqrt>
<mo>)</mo>
</mrow>
</mrow>
其中，S表示任一特征点(x，y)到任一人像宏块的聚类中心点的距离，wx，y表示任一特征点(x，y)在所述任一人像宏块中对应的类，表示任一特征点(x，y)在所述目标图中的特征向量，T表示转置，表示所述原图中对应第i个人像宏块的聚类中心的特征向量，Γ用于控制特征向量各维度的权值。
8.根据权利要求7所述的人像颜色转换系统，其特征在于，所述特征向量中的R向量、G向量和B向量的权值为1，α向量和β向量的权值为2。
9.根据权利要求6至8中任一项所述的人像颜色转换系统，其特征在于，还包括：
平滑处理单元，在所述对所述原图进行人像颜色转换之后，对所述转换结果图进行平滑处理。
10.根据权利要求6至8中任一项所述的人像颜色转换系统，其特征在于，所述预定颜色转换公式为：
<mrow>
<msubsup>
<mi>I</mi>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mi>C</mi>
</msubsup>
<mo>=</mo>
<mo>&lsqb;</mo>
<msubsup>
<mi>I</mi>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mi>S</mi>
</msubsup>
<mo>-</mo>
<mover>
<msubsup>
<mi>I</mi>
<msub>
<mi>&Omega;</mi>
<mn>1</mn>
</msub>
<mi>S</mi>
</msubsup>
<mo>&OverBar;</mo>
</mover>
<mo>&rsqb;</mo>
<mo>&times;</mo>
<mfrac>
<msub>
<mi>&sigma;</mi>
<msubsup>
<mi>I</mi>
<msub>
<mi>&Omega;</mi>
<mi>i</mi>
</msub>
<mi>T</mi>
</msubsup>
</msub>
<msub>
<mi>&sigma;</mi>
<msubsup>
<mi>I</mi>
<msub>
<mi>&Omega;</mi>
<mi>i</mi>
</msub>
<mi>S</mi>
</msubsup>
</msub>
</mfrac>
<mo>+</mo>
<mover>
<msubsup>
<mi>I</mi>
<msub>
<mi>&Omega;</mi>
<mn>1</mn>
</msub>
<mi>T</mi>
</msubsup>
<mo>&OverBar;</mo>
</mover>
</mrow>
其中，表示所述转换结果图IC的特征点(x，y)的颜色值，表示所述原图Is的特征点(x，y)的颜色值，(x，y)∈Ωi，Ωi表示所述原图和所述目标图中由第i个人像宏块聚类出来的区域，和分别为所述原图和所述目标图的对应区域的均值，和分别为所述原图和所述目标图的对应区域的标准差。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610342048.XA CN107403185B (zh) | 2016-05-20 | 2016-05-20 | 人像颜色转换方法和人像颜色转换系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610342048.XA CN107403185B (zh) | 2016-05-20 | 2016-05-20 | 人像颜色转换方法和人像颜色转换系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107403185A true CN107403185A (zh) | 2017-11-28 |
| CN107403185B CN107403185B (zh) | 2020-12-04 |
Family
ID=60389493
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610342048.XA Expired - Fee Related CN107403185B (zh) | 2016-05-20 | 2016-05-20 | 人像颜色转换方法和人像颜色转换系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107403185B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108509846A (zh) * | 2018-02-09 | 2018-09-07 | 腾讯科技（深圳）有限公司 | 图像处理方法、装置、计算机设备及存储介质 |
| CN110083430A (zh) * | 2019-04-30 | 2019-08-02 | 成都市映潮科技股份有限公司 | 一种系统主题色更换方法、装置及介质 |
| CN110580677A (zh) * | 2018-06-08 | 2019-12-17 | 北京搜狗科技发展有限公司 | 一种数据处理方法、装置和用于数据处理的装置 |
| CN111080511A (zh) * | 2019-11-18 | 2020-04-28 | 杭州时光坐标影视传媒股份有限公司 | 一种端到端的高分辨率多特征提取的人脸交换方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040213460A1 (en) * | 2003-04-23 | 2004-10-28 | Eastman Kodak Company | Method of human figure contour outlining in images |
| CN102214361A (zh) * | 2010-04-09 | 2011-10-12 | 索尼公司 | 信息处理设备、方法和程序 |
| CN103065317A (zh) * | 2012-12-28 | 2013-04-24 | 中山大学 | 一种基于色彩分类的局部色彩转移方法及其装置 |
| US20150131861A1 (en) * | 2011-07-15 | 2015-05-14 | International Business Machines Corporation | Multi-view object detection using appearance model transfer from similar scenes |
| CN104636728A (zh) * | 2015-02-09 | 2015-05-20 | 金陵科技学院 | 一种图像处理方法 |
| CN104732506A (zh) * | 2015-03-27 | 2015-06-24 | 浙江大学 | 一种基于人脸语义分析的人物照片颜色风格转换方法 |
| CN104899845A (zh) * | 2015-05-10 | 2015-09-09 | 北京工业大学 | 一种基于lαβ空间场景迁移的多曝光图像融合方法 |
| CN104967885A (zh) * | 2015-03-27 | 2015-10-07 | 哈尔滨工业大学深圳研究生院 | 一种基于视频内容感知的广告推荐方法及系统 |
-
2016
- 2016-05-20 CN CN201610342048.XA patent/CN107403185B/zh not_active Expired - Fee Related
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040213460A1 (en) * | 2003-04-23 | 2004-10-28 | Eastman Kodak Company | Method of human figure contour outlining in images |
| CN102214361A (zh) * | 2010-04-09 | 2011-10-12 | 索尼公司 | 信息处理设备、方法和程序 |
| US20150131861A1 (en) * | 2011-07-15 | 2015-05-14 | International Business Machines Corporation | Multi-view object detection using appearance model transfer from similar scenes |
| CN103065317A (zh) * | 2012-12-28 | 2013-04-24 | 中山大学 | 一种基于色彩分类的局部色彩转移方法及其装置 |
| CN104636728A (zh) * | 2015-02-09 | 2015-05-20 | 金陵科技学院 | 一种图像处理方法 |
| CN104732506A (zh) * | 2015-03-27 | 2015-06-24 | 浙江大学 | 一种基于人脸语义分析的人物照片颜色风格转换方法 |
| CN104967885A (zh) * | 2015-03-27 | 2015-10-07 | 哈尔滨工业大学深圳研究生院 | 一种基于视频内容感知的广告推荐方法及系统 |
| CN104899845A (zh) * | 2015-05-10 | 2015-09-09 | 北京工业大学 | 一种基于lαβ空间场景迁移的多曝光图像融合方法 |
Non-Patent Citations (1)
| Title |
|---|
| 张子迎 等: "基于K均值聚类和区域匹配的颜色迁移技术", 《系统仿真学报》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108509846A (zh) * | 2018-02-09 | 2018-09-07 | 腾讯科技（深圳）有限公司 | 图像处理方法、装置、计算机设备及存储介质 |
| CN108509846B (zh) * | 2018-02-09 | 2022-02-11 | 腾讯科技（深圳）有限公司 | 图像处理方法、装置、计算机设备、存储介质及计算机程序产品 |
| CN110580677A (zh) * | 2018-06-08 | 2019-12-17 | 北京搜狗科技发展有限公司 | 一种数据处理方法、装置和用于数据处理的装置 |
| CN110083430A (zh) * | 2019-04-30 | 2019-08-02 | 成都市映潮科技股份有限公司 | 一种系统主题色更换方法、装置及介质 |
| CN111080511A (zh) * | 2019-11-18 | 2020-04-28 | 杭州时光坐标影视传媒股份有限公司 | 一种端到端的高分辨率多特征提取的人脸交换方法 |
| CN111080511B (zh) * | 2019-11-18 | 2020-12-25 | 杭州时光坐标影视传媒股份有限公司 | 一种端到端的高分辨率多特征提取的人脸交换方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107403185B (zh) | 2020-12-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5721673B2 (ja) | 塗色データベース作成方法、作成システム、作成プログラム及び記録媒体 | |
| CN107123088B (zh) | 一种自动更换证件照背景颜色的方法 | |
| CN106874923A (zh) | 一种商品的风格分类确定方法及装置 | |
| CN104052979B (zh) | 用于图像处理的装置和技术 | |
| CN104980622A (zh) | 图像处理装置及图像处理方法 | |
| CN101860655B (zh) | 基于双边滤波器的黑白图像彩色化方法 | |
| CN107403185A (zh) | 人像颜色转换方法和人像颜色转换系统 | |
| WO2015109746A1 (zh) | 图像色彩增强的方法和装置 | |
| US20190385343A1 (en) | Image processing method, electronic device and apparatus having storage function | |
| CN102273208A (zh) | 图像处理设备、图像处理方法以及程序 | |
| JP2010262650A (ja) | 複数色から成る複数のコントラスト要素を有するチャート内のトピック要素を強調表示する方法及びそのシステム | |
| CN108337496A (zh) | 白平衡处理方法、处理装置、处理设备及存储介质 | |
| CN102779351A (zh) | 基于局部线性模型优化的交互式灰度图像彩色化方法 | |
| CN109978961A (zh) | 一种图像色边消除方法、装置及电子设备 | |
| CN104935900A (zh) | 图像感测装置及色彩校正矩阵修正方法与查找表建立方法 | |
| CN106683063A (zh) | 一种图像去噪的方法与装置 | |
| CN108734668A (zh) | 图像色彩恢复方法、装置、计算机可读存储介质及终端 | |
| CN106897970A (zh) | 一种图像修复方法及装置 | |
| CN106157301A (zh) | 一种用于图像边缘检测的阈值自确定方法及装置 | |
| CN104093010B (zh) | 一种图像处理方法及装置 | |
| CN101216891B (zh) | 一种彩色图像分割方法 | |
| CN113284063A (zh) | 图像处理方法、图像处理装置、电子设备和可读存储介质 | |
| CN105100762B (zh) | 一种图像处理方法以及图像处理装置 | |
| CN109285153A (zh) | 一种图像质量评价方法及系统 | |
| CN103136722B (zh) | 一种基于色域分析的图像分割方法及系统 |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201204 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |