CN107622472A - 人脸妆容迁移方法及装置 - Google Patents
人脸妆容迁移方法及装置 Download PDFInfo
- Publication number
- CN107622472A CN107622472A CN201710818790.8A CN201710818790A CN107622472A CN 107622472 A CN107622472 A CN 107622472A CN 201710818790 A CN201710818790 A CN 201710818790A CN 107622472 A CN107622472 A CN 107622472A
- Authority
- CN
- China
- Prior art keywords
- facial image
- deformation
- target
- structure chart
- chromaticity diagram
- 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.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本公开是关于人脸妆容迁移方法及装置。该方法包括:根据目标人脸图像对参照人脸图像进行形变,得到与目标人脸图像对齐的形变后的参照人脸图像;分别对目标人脸图像和形变后的参照人脸图像进行分解,得到目标人脸图像的色彩图、结构图和细节图、及形变后的参照人脸图像的色彩图、结构图和细节图;根据目标人脸图像的色彩图、结构图和细节图、及形变后的参照人脸图像的色彩图、结构图和细节图,分别确定结果人脸图像的色彩图、结构图和细节图;将结果人脸图像的色彩图、结构图和细节图进行合成,得到结果人脸图像。本公开能够解决相关技术存在的方案实用性低及实际应用不便的问题,提高用户体验。
Description
技术领域
本公开涉及图像处理领域,尤其涉及人脸妆容迁移方法及装置。
背景技术
人脸妆容迁移是近年来在图像处理领域出现的新的应用技术,可快速实现用户对化妆方面的体验需求。人脸妆容迁移就是指定一张目标人脸图像和一张参照人脸图像,将参考人脸图像上的妆容迁移到目标人脸图像上。人脸妆容迁移技术可广泛应用于电影特效制作、美妆相机、游戏娱乐、虚拟现实及人脸识别等领域。
相关技术中,人脸妆容迁移方法需要两张参照人脸图像,一张是未化妆的人脸图像,另一张是对应的已化妆的人脸图像,且两张人脸图像为一张人脸。
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人脸妆容迁移方法及装置。所述技术方案如下:
根据本公开实施例的第一方面,提供一种人脸妆容迁移方法,包括:
根据目标人脸图像对参照人脸图像进行形变,得到与所述目标人脸图像对齐的形变后的参照人脸图像;
分别对所述目标人脸图像和所述形变后的参照人脸图像进行分解,得到所述目标人脸图像的色彩图、结构图和细节图、及所述形变后的参照人脸图像的色彩图、结构图和细节图;
根据所述目标人脸图像的色彩图、结构图和细节图、及所述形变后的参照人脸图像的色彩图、结构图和细节图,分别确定所述结果人脸图像的色彩图、结构图和细节图;
将所述结果人脸图像的色彩图、结构图和细节图进行合成,得到所述结果人脸图像。
在一个实施例中,所述根据所述目标人脸图像的色彩图、结构图和细节图、及所述形变后的参照人脸图像的色彩图、结构图和细节图,分别确定所述结果人脸图像的色彩图、结构图和细节图,包括:
将所述目标人脸图像的色彩图与所述形变后的参照人脸图像的色彩图进行图层融合,得到所述结果人脸图像的色彩图;
将所述目标人脸图像的细节图与所述形变后的参照人脸图像的细节图进行图层融合,得到所述结果人脸图像的细节图;
计算所述目标人脸图像的结构图对应的梯度图,及所述形变后的参照人脸图像的结构图对应的梯度图;
将所述目标人脸图像的结构图对应的梯度图与所述形变后的参照人脸图像的结构图对应的梯度图进行融合,得到融合后的梯度图;
根据所述融合后的梯度图及所述目标人脸图像的结构图,重建所述结果人脸图像的结构图。
在一个实施例中,所述将所述目标人脸图像的色彩图与所述形变后的参照人脸图像的色彩图进行图层融合,得到所述结果人脸图像的色彩图,包括:
确定所述目标人脸图像及所述形变后的参照人脸图像的五官区域和非五官区域;
计算1与第一融合系数的差值;
计算所述目标人脸图像的五官区域的色彩图与所述差值的第一乘积;
计算所述形变后的参照人脸图像的五官区域的色彩图与所述第一融合系数的第二乘积;
将所述第一乘积与所述第二乘积的和,确定为所述结果人脸图像的五官区域的色彩图;
将所述目标人脸图像的非五官区域的色彩图,确定为所述结果人脸图像的非五官区域的色彩图。
在一个实施例中,所述将所述目标人脸图像的细节图与所述形变后的参照人脸图像的细节图进行图层融合,得到所述结果人脸图像的细节图,包括:
计算所述目标人脸图像的细节图与第二融合系数的第三乘积;
计算所述形变后的参照人脸图像的细节图与第三融合系数的第四乘积;
将所述第三乘积与所述第四乘积的和,确定为所述结果人脸图像的细节图。
在一个实施例中,所述将所述目标人脸图像的结构图对应的梯度图与所述形变后的参照人脸图像的结构图对应的梯度图进行融合,得到融合后的梯度图,包括:
获取所述目标人脸图像的非五官区域中所述形变后的参照人脸图像的结构图对应的梯度图大于所述目标人脸图像的结构图对应的梯度图的目标区域;
将所述形变后的参照人脸图像的结构图对应的梯度图,确定为所述目标区域对应的融合后的梯度图;
将所述目标人脸图像的结构图对应的梯度图,确定为所述目标人脸图像中除所述目标区域之外的区域对应的融合后的梯度图。
在一个实施例中,所述根据目标人脸图像对参照人脸图像进行形变,得到与所述目标人脸图像对齐的形变后的参照人脸图像,包括:
分别对目标人脸图像和参照人脸图像进行人脸关键点定位,得到所述目标人脸图像的人脸关键点的位置、及所述参照人脸图像的人脸关键点的位置;
根据所述目标人脸图像的人脸关键点的位置、及所述参照人脸图像的人脸关键点的位置,对所述参照人脸图像进行形变,得到与所述目标人脸图像对齐的形变后的参照人脸图像。
在一个实施例中,所述分别对所述目标人脸图像和所述形变后的参照人脸图像进行分解,得到所述目标人脸图像的色彩图、结构图和细节图、及所述形变后的参照人脸图像的色彩图、结构图和细节图,包括:
将所述目标人脸图像和所述形变后的参照人脸图像从红绿蓝RGB色彩空间转换到能够将图像的亮度和色彩分开的色彩空间,得到所述目标人脸图像的亮度图和色彩图、及所述形变后的参照人脸图像的亮度图和色彩图;
将所述目标人脸图像的亮度图进行滤波,得到所述目标人脸图像的结构图和细节图,及将所述形变后的参照人脸图像的亮度图进行滤波,得到所述形变后的参照人脸图像的结构图和细节图。
在一个实施例中,所述将所述结果人脸图像的色彩图、结构图和细节图进行合成,得到所述结果人脸图像,包括:
将所述结果人脸图像的结构图和所述结果人脸图像的细节图进行合成,得到所述结果人脸图像的亮度图;
将所述结果人脸图像的亮度图和所述结果人脸图像的色彩图进行合成,将合成的图像从能够将图像的亮度和色彩分开的色彩空间转换到RGB色彩空间,得到所述结果人脸图像。
根据本公开实施例的第二方面,提供一种人脸妆容迁移装置,包括:
人脸对齐模块,用于根据目标人脸图像对参照人脸图像进行形变,得到与所述目标人脸图像对齐的形变后的参照人脸图像;
分解模块,用于分别对所述目标人脸图像和所述形变后的参照人脸图像进行分解,得到所述目标人脸图像的色彩图、结构图和细节图、及所述形变后的参照人脸图像的色彩图、结构图和细节图;
确定模块,用于根据所述目标人脸图像的色彩图、结构图和细节图、及所述形变后的参照人脸图像的色彩图、结构图和细节图,分别确定所述结果人脸图像的色彩图、结构图和细节图;
合成模块,用于将所述结果人脸图像的色彩图、结构图和细节图进行合成,得到所述结果人脸图像。
在一个实施例中,所述确定模块,包括:
第一融合子模块,用于将所述目标人脸图像的色彩图与所述形变后的参照人脸图像的色彩图进行图层融合,得到所述结果人脸图像的色彩图;
第二融合子模块,用于将所述目标人脸图像的细节图与所述形变后的参照人脸图像的细节图进行图层融合,得到所述结果人脸图像的细节图;
计算子模块,用于计算所述目标人脸图像的结构图对应的梯度图,及所述形变后的参照人脸图像的结构图对应的梯度图;
第三融合子模块,用于将所述目标人脸图像的结构图对应的梯度图与所述形变后的参照人脸图像的结构图对应的梯度图进行融合,得到融合后的梯度图;
重建子模块,用于根据所述融合后的梯度图及所述目标人脸图像的结构图,重建所述结果人脸图像的结构图。
在一个实施例中,所述第一融合子模块:确定所述目标人脸图像及所述形变后的参照人脸图像的五官区域和非五官区域;计算1与第一融合系数的差值;计算所述目标人脸图像的五官区域的色彩图与所述差值的第一乘积;计算所述形变后的参照人脸图像的五官区域的色彩图与所述第一融合系数的第二乘积;将所述第一乘积与所述第二乘积的和,确定为所述结果人脸图像的五官区域的色彩图;将所述目标人脸图像的非五官区域的色彩图,确定为所述结果人脸图像的非五官区域的色彩图。
在一个实施例中,所述第二融合子模块:计算所述目标人脸图像的细节图与第二融合系数的第三乘积;计算所述形变后的参照人脸图像的细节图与第三融合系数的第四乘积;将所述第三乘积与所述第四乘积的和,确定为所述结果人脸图像的细节图。
在一个实施例中,所述第三融合子模块:获取所述目标人脸图像的非五官区域中所述形变后的参照人脸图像的结构图对应的梯度图大于所述目标人脸图像的结构图对应的梯度图的目标区域;将所述形变后的参照人脸图像的结构图对应的梯度图,确定为所述目标区域对应的融合后的梯度图;将所述目标人脸图像的结构图对应的梯度图,确定为所述目标人脸图像中除所述目标区域之外的区域对应的融合后的梯度图。
在一个实施例中,所述人脸对齐模块,包括:
定位子模块,用于分别对目标人脸图像和参照人脸图像进行人脸关键点定位,得到所述目标人脸图像的人脸关键点的位置、及所述参照人脸图像的人脸关键点的位置;
形变子模块,用于根据所述目标人脸图像的人脸关键点的位置、及所述参照人脸图像的人脸关键点的位置,对所述参照人脸图像进行形变,得到与所述目标人脸图像对齐的形变后的参照人脸图像。
在一个实施例中,所述分解模块,包括:
色彩空间转换子模块,用于将所述目标人脸图像和所述形变后的参照人脸图像从红绿蓝RGB色彩空间转换到能够将图像的亮度和色彩分开的色彩空间,得到所述目标人脸图像的亮度图和色彩图、及所述形变后的参照人脸图像的亮度图和色彩图;
滤波子模块,用于将所述目标人脸图像的亮度图进行滤波,得到所述目标人脸图像的结构图和细节图,及将所述形变后的参照人脸图像的亮度图进行滤波,得到所述形变后的参照人脸图像的结构图和细节图。
在一个实施例中,所述合成模块,包括:
第一合成子模块,用于将所述结果人脸图像的结构图和所述结果人脸图像的细节图进行合成,得到所述结果人脸图像的亮度图;
第二合成子模块,用于将所述结果人脸图像的亮度图和所述结果人脸图像的色彩图进行合成,将合成的图像从能够将图像的亮度和色彩分开的色彩空间转换到RGB色彩空间,得到所述结果人脸图像。
根据本公开实施例的第三方面,提供一种人脸妆容迁移装置,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:
根据目标人脸图像对参照人脸图像进行形变,得到与所述目标人脸图像对齐的形变后的参照人脸图像;
分别对所述目标人脸图像和所述形变后的参照人脸图像进行分解,得到所述目标人脸图像的色彩图、结构图和细节图、及所述形变后的参照人脸图像的色彩图、结构图和细节图;
根据所述目标人脸图像的色彩图、结构图和细节图、及所述形变后的参照人脸图像的色彩图、结构图和细节图,确定所述结果人脸图像的色彩图、结构图和细节图;
将所述结果人脸图像的色彩图、结构图和细节图进行合成,得到所述结果人脸图像。
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:该技术方案通过对目标人脸图像和参照人脸图像进行图层分解,对不同图层分别进行处理,更容易对结果人脸图像进行调节,实现将参照人脸图像的妆容效果迁移到目标人脸上;该方案只需要一张参照人脸图像,方案简单方便,实用性强,解决了相关技术存在的方案实用性低及实际应用不便的问题,能够提高用户体验。
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人脸妆容迁移方法的流程图。
图2是根据一示例性实施例示出的人脸妆容迁移方法的流程图。
图3是根据一示例性实施例示出的人脸妆容迁移装置的框图。
图4是根据一示例性实施例示出的人脸妆容迁移装置的框图。
图5是根据一示例性实施例示出的人脸妆容迁移装置的框图。
图6是根据一示例性实施例示出的人脸妆容迁移装置的框图。
图7是根据一示例性实施例示出的人脸妆容迁移装置的框图。
图8是根据一示例性实施例示出的人脸妆容迁移装置的框图。
图9是根据一示例性实施例示出的人脸妆容迁移装置的框图。
图10是根据一示例性实施例示出的人脸妆容迁移装置的框图。
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,人脸妆容迁移方法需要两张参照人脸图像,一张是未化妆的人脸图像,另一张是对应的已化妆的人脸图像,且两张人脸图像为一张人脸;但是,成对的人脸图像不容易获取,这就在一定程度上降低了方案的实用性,这就给实际应用造成不便,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人脸妆容迁移方法,该方法包括:根据目标人脸图像对参照人脸图像进行形变,得到与目标人脸图像对齐的形变后的参照人脸图像;分别对目标人脸图像和形变后的参照人脸图像进行分解,得到目标人脸图像的色彩图、结构图和细节图、及形变后的参照人脸图像的色彩图、结构图和细节图;根据目标人脸图像的色彩图、结构图和细节图、及形变后的参照人脸图像的色彩图、结构图和细节图,分别确定结果人脸图像的色彩图、结构图和细节图;将结果人脸图像的色彩图、结构图和细节图进行合成,得到结果人脸图像。
本公开实施例提供的人脸妆容迁移方法,通过对目标人脸图像和参照人脸图像进行图层分解,对不同图层分别进行处理,更容易对结果人脸图像进行调节,实现将参照人脸图像的妆容效果迁移到目标人脸上;该方案只需要一张参照人脸图像,方案简单方便,实用性强,解决了相关技术存在的方案实用性低及实际应用不便的问题,能够提高用户体验。
基于上述分析,提出以下各具体实施例。
图1是根据一示例性实施例示出的一种人脸妆容迁移方法的流程图,该方法的执行主体可以为终端,例如智能手机、平板电脑、台式机、笔记本电脑等;如图1所示,该方法包括以下步骤101-104:
在步骤101中,根据目标人脸图像对参照人脸图像进行形变,得到与目标人脸图像对齐的形变后的参照人脸图像;
示例的,在需要将参考人脸图像中人脸的妆容迁移到目标人脸图像的人脸的场景中,首先,获取目标人脸图像及一张参照人脸图像;然后,根据目标人脸图像对参照人脸图像进行形变,得到形变后的参照人脸图像,形变后的参照人脸图像与目标人脸图像对齐,也即,形变后的参照人脸图像中各个人脸器官的坐标分别与目标人脸图像中对应器官的坐标相同。
示例的,根据目标人脸图像对参照人脸图像进行形变的实现步骤可以包括:分别对目标人脸图像和参照人脸图像进行人脸关键点定位,得到目标人脸图像的人脸关键点的位置及参照人脸图像的人脸关键点的位置;根据目标人脸图像的人脸关键点的位置及参照人脸图像的人脸关键点的位置,对参照人脸图像进行形变,得到与目标人脸图像对齐的形变后的参照人脸图像。形变方法可以包括:移动最小二乘法(MLS,moving least squares)变换或三角网格变换。人脸关键点定位算法可以包括主动外观模型(AAM,activeappearance models)、有监督的梯度下降方法(SDM,supervised descent method)或卷积神经网络(CNN,convolutional neural networks)等。
在步骤102中,分别对目标人脸图像和形变后的参照人脸图像进行分解,得到目标人脸图像的色彩图、结构图和细节图、及形变后的参照人脸图像的色彩图、结构图和细节图;
示例的,图像的结构图可以包括图像的大尺度信息;图像的细节图可以包括图像的纹理、毛发等细节信息。
示例的,对目标人脸图像和形变后的参照人脸图像进行分解的实现步骤可以包括:分别对目标人脸图像和形变后的参照人脸图像进行色彩空间转换,将目标人脸图像和形变后的参照人脸图像从当前的红绿蓝(RGB)色彩空间转换到能够将图像的亮度和色彩分开的色彩空间,例如亮度颜色(Lab)色彩空间,得到目标人脸图像的亮度图和色彩图、及形变后的参照人脸图像的亮度图和色彩图;其中,在Lab色彩空间中,L通道代表亮度图,a通道和b通道为色彩图。通过将图像(即目标人脸图像和形变后的参照人脸图像)的亮度和色彩进行分离,然后针对亮度图和色彩图分别采用不同的方法进行处理,避免了亮度和色彩的互相影响。然后,将目标人脸图像的亮度图进行滤波,得到目标人脸图像的结构图和细节图,及将形变后的参照人脸图像的亮度图进行滤波,得到形变后的参照人脸图像的结构图和细节图。例如,将目标人脸图像的亮度图进行加权最小二乘法(WLS,weighted leastsquares)滤波或双边滤波,得到目标人脸图像的结构图和细节图;将形变后的参照人脸图像的亮度图进行WLS滤波或双边滤波,得到形变后的参照人脸图像的结构图和细节图。需要说明的是,为了得到目标人脸图像的亮度图和色彩图,除了可以将目标人脸图像和形变后的参照人脸图像从RGB色彩空间转换到Lab色彩空间,也可以将目标人脸图像和形变后的参照人脸图像从RGB色彩空间转换到任意能够将图像的亮度和色彩分开的其他色彩空间,例如,YUV色彩空间、或HSV色彩空间,本公开并不对此进行限定。
在步骤103中,根据目标人脸图像的色彩图、结构图和细节图、及形变后的参照人脸图像的色彩图、结构图和细节图,分别确定结果人脸图像的色彩图、结构图和细节图;
示例的,分别确定结果人脸图像的色彩图、结构图和细节图的实现步骤可以包括:将目标人脸图像的色彩图与形变后的参照人脸图像的色彩图进行图层融合,得到结果人脸图像的色彩图;将目标人脸图像的细节图与形变后的参照人脸图像的细节图进行图层融合,得到结果人脸图像的细节图;计算目标人脸图像的结构图对应的梯度图,及形变后的参照人脸图像的结构图对应的梯度图;将目标人脸图像的结构图对应的梯度图与形变后的参照人脸图像的结构图对应的梯度图进行融合,得到融合后的梯度图;根据融合后的梯度图及目标人脸图像的结构图,重建结果人脸图像的结构图。
在步骤104中,将结果人脸图像的色彩图、结构图和细节图进行合成,得到结果人脸图像。
示例的,将结果人脸图像的色彩图、结构图和细节图进行合成,得到结果人脸图像的实现步骤可以包括:将结果人脸图像的结构图和结果人脸图像的细节图进行合成,得到结果人脸图像的亮度图;将结果人脸图像的亮度图和结果人脸图像的色彩图进行合成,将合成的图像从能够将图像的亮度和色彩分开的色彩空间,例如Lab色彩空间,转换到RGB色彩空间,得到结果人脸图像。
本公开的实施例提供的技术方案,通过对目标人脸图像和参照人脸图像进行图层分解,对不同图层分别进行处理,更容易对结果人脸图像进行调节,实现将参照人脸图像的妆容效果迁移到目标人脸上;该方案只需要一张参照人脸图像,方案简单方便,实用性强,解决了相关技术存在的方案实用性低及实际应用不便的问题,如此,能够提高用户体验。
图2是根据一示例性实施例示出的一种人脸妆容迁移方法的流程图。如图2所示,在图1所示实施例的基础上,本公开涉及的人脸妆容迁移方法可以包括以下步骤201-208:
在步骤201中,获取目标人脸图像及参照人脸图像;
示例的,目标人脸图像记为Itarget、及参照人脸图像记为Ireference。
在步骤202中,分别对目标人脸图像和参照人脸图像进行人脸关键点定位,得到目标人脸图像的人脸关键点的位置、及参照人脸图像的人脸关键点的位置;
示例的,人脸关键点定位可以采用AAM、SDM或CNN算法。
在步骤203中,根据目标人脸图像的人脸关键点的位置、及参照人脸图像的人脸关键点的位置,对参照人脸图像进行形变,得到与目标人脸图像对齐的形变后的参照人脸图像;
示例的,形变可以使用MLS变换或三角网格变换。人脸对齐就是通过对参照人脸图像进行形变,从而将参照人脸图像中的各个人脸器官(眼睛、鼻子等)的坐标,调整至与目标人脸图像中对应人脸器官的坐标相同。
在步骤204中,将目标人脸图像和形变后的参照人脸图像从RGB色彩空间转换到能够将图像的亮度和色彩分开的色彩空间,例如Lab色彩空间,得到目标人脸图像的亮度图和色彩图、及形变后的参照人脸图像的亮度图和色彩图;
示例的,通过将图像(即目标人脸图像和形变后的参照人脸图像)的亮度和色彩进行分离,然后针对亮度图和色彩图分别采用不同的方法进行处理,避免了亮度和色彩的互相影响。记目标人脸图像的亮度图和色彩图分别为Ltarget和Ctarget,形变后的参照人脸图像的亮度图和色彩图分为Lreference和Creference。
在步骤205中,将目标人脸图像的亮度图进行WLS滤波或双边滤波,得到目标人脸图像的结构图和细节图;将形变后的参照人脸图像的亮度图进行WLS滤波或双边滤波,得到形变后的参照人脸图像的结构图和细节图。
示例的,目标人脸图像的结构图Starget和细节图Dtarget,其中,Dtarget=Ltarget-Starget。形变后的参照人脸图像的结构图Sreference和细节图Dreference,其中,Dreference=Lreference-Sreference。
在步骤206中,对目标人脸图像和参照人脸图像的色彩图、细节图和结构图分别进行处理,根据目标人脸图像的色彩图、结构图和细节图、及形变后的参照人脸图像的色彩图、结构图和细节图,分别确定结果人脸图像的色彩图、结构图和细节图;
示例的,根据目标人脸图像的色彩图及形变后的参照人脸图像的色彩图,确定结果人脸图像的色彩图,例如,将目标人脸图像的色彩图与形变后的参照人脸图像的色彩图进行图层融合,例如alpha融合,得到结果人脸图像的色彩图;其中,对色彩图进行图层融合的步骤可以包括:确定目标人脸图像及形变后的参照人脸图像的五官区域和非五官区域;计算1与第一融合系数的差值;计算目标人脸图像的五官区域的色彩图与差值的第一乘积;计算形变后的参照人脸图像的五官区域的色彩图与第一融合系数的第二乘积;将第一乘积与第二乘积的和,确定为结果人脸图像的五官区域的色彩图;将目标人脸图像的非五官区域的色彩图,确定为结果人脸图像的非五官区域的色彩图。举个例子来说,结果人脸图像的色彩图Cresult可以采用如下的计算公式(1):
其中,а为融合系数,取值范围为[0,1],а的默认值可以为0.8。示例的,可以根据人脸关键点的坐标,确定人脸的五官区域和非五官区域。通过区别五官区域和非五官区域,分别确定结果人脸图像的五官区域的色彩图(例如妆容颜色)和非五官区域的色彩图(例如肤色),将参照人脸图像的五官区域的妆容颜色等信息迁移至结果人脸图像的五官区域,同时将目标人脸图像的非五官区域的肤色等信息全部保留至结果人脸图像的非五官区域,实现将参照人脸图像的妆容效果完整准确地迁移至目标人脸,保证妆容迁移效果。
示例的,根据目标人脸图像的细节图及形变后的参照人脸图像的细节图,确定结果人脸图像的细节图,例如,将目标人脸图像的细节图与形变后的参照人脸图像的细节图进行图层融合,得到结果人脸图像的细节图;其中,对细节图进行图层融合的步骤可以包括:计算目标人脸图像的细节图与第二融合系数的第三乘积;计算形变后的参照人脸图像的细节图与第三融合系数的第四乘积;将第三乘积与第四乘积的和,确定为结果人脸图像的细节图。举个例子来说,结果人脸图像的细节图可以采用如下的计算公式(2):
Dresult=θ*Dtarget+β*Dreference (2);
其中,θ、β为融合系数,取值范围均为[0,1],θ的默认值可以为0.1,β的默认值可以为0.9。
示例的,根据目标人脸图像的结构图及形变后的参照人脸图像的结构图,确定结果人脸图像的结构图,例如,首先,计算目标人脸图像的结构图对应的梯度图,及形变后的参照人脸图像的结构图对应的梯度图;接着,将目标人脸图像的结构图对应的梯度图与形变后的参照人脸图像的结构图对应的梯度图进行融合,得到融合后的梯度图;然后,根据融合后的梯度图及目标人脸图像的结构图,重建结果人脸图像的结构图。其中,对梯度图进行融合的步骤可以包括:获取目标人脸图像的非五官区域中形变后的参照人脸图像的结构图对应的梯度图大于目标人脸图像的结构图对应的梯度图的目标区域;将形变后的参照人脸图像中目标区域的结构图对应的梯度图,确定为目标区域对应的融合后的梯度图;将目标人脸图像中除目标区域之外的区域的结构图对应的梯度图,确定为目标人脸图像中除目标区域之外的区域对应的融合后的梯度图。举个例子来说,目标人脸图像的结构图对应的梯度图记为形变后的参照人脸图像的结构图对应的梯度图记为目标人脸图像中除目标区域之外的区域可以记为其他区域;融合后的梯度图可以采用如下的计算公式(3):
然后,通过求解可以得到结果人脸图像的结构图Sresult。
由于结构图对应的梯度图可以反映图像的明暗变化快慢,通过区分非五官区域并且的区域和其他区域,其他区域至少包括五官区域,将参考人脸图像的非五官区域的图像明暗变化快慢等信息确定为非五官区域对应的融合后的梯度图,可以保证将参考人脸图像的图像明暗变化快慢信息迁移至结果人脸图像中;同时,将目标人脸图像的五官区域的图像明暗变化快慢等信息确定为五官区域对应的融合后的梯度图,可以保证将目标人脸图像的人脸脸型等信息保留至结果人脸图像中,提高妆容迁移效果。
在步骤207中,将结果人脸图像的结构图和结果人脸图像的细节图进行合成,得到结果人脸图像的亮度图;
示例的,结果人脸图像的亮度图Lresult=Sresult+Dresult。
在步骤208中,将结果人脸图像的亮度图和结果人脸图像的色彩图进行合成,将合成的图像从能够将图像的亮度和色彩分开的色彩空间转换到RGB色彩空间,例如Lab色彩空间,得到结果人脸图像。示例的,结果人脸图像记为Iresult。
本公开的实施例提供的技术方案,通过将目标人脸图像和参照人脸图像分解为不同图层,对不同的图层分别进行处理,更容易对结果人脸图像进行调节,且整个妆容迁移过程只需要一张参照人脸图像,易于实现,实用性强。
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3是根据一示例性实施例示出的一种人脸妆容迁移装置的框图,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3所示,该人脸妆容迁移装置包括:人脸对齐模块301、分解模块302、确定模块303及合成模块304,其中:
人脸对齐模块301被配置为根据目标人脸图像对参照人脸图像进行形变,得到与目标人脸图像对齐的形变后的参照人脸图像;
分解模块302被配置为分别对目标人脸图像和形变后的参照人脸图像进行分解,得到目标人脸图像的色彩图、结构图和细节图、及形变后的参照人脸图像的色彩图、结构图和细节图;
确定模块303被配置为根据目标人脸图像的色彩图、结构图和细节图、及形变后的参照人脸图像的色彩图、结构图和细节图,分别确定结果人脸图像的色彩图、结构图和细节图;
合成模块304被配置为将结果人脸图像的色彩图、结构图和细节图进行合成,得到结果人脸图像。
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4所示,图3示出的人脸妆容迁移装置还可以包括把人脸对齐模块301配置成包括:定位子模块401及形变子模块402,其中:
定位子模块401被配置为分别对目标人脸图像和参照人脸图像进行人脸关键点定位,得到目标人脸图像的人脸关键点的位置、及参照人脸图像的人脸关键点的位置;
形变子模块402被配置为根据目标人脸图像的人脸关键点的位置、及参照人脸图像的人脸关键点的位置,对参照人脸图像进行形变,得到与目标人脸图像对齐的形变后的参照人脸图像。
在一种可能的实施方式中,如图5所示,图3示出的人脸妆容迁移装置还可以包括把分解模块302配置成包括:色彩空间转换子模块501及滤波子模块502,其中:
色彩空间转换子模块501被配置为将目标人脸图像和形变后的参照人脸图像从红绿蓝RGB色彩空间转换到能够将图像的亮度和色彩分开的色彩空间,例如Lab色彩空间,得到目标人脸图像的亮度图和色彩图、及形变后的参照人脸图像的亮度图和色彩图;
滤波子模块502被配置为将目标人脸图像的亮度图进行滤波,得到目标人脸图像的结构图和细节图,及将形变后的参照人脸图像的亮度图进行滤波,得到形变后的参照人脸图像的结构图和细节图。
在一种可能的实施方式中,如图6所示,图3示出的人脸妆容迁移装置还可以包括把确定模块303配置成包括:第一融合子模块601、第二融合子模块602、计算子模块603、第三融合子模块604及重建子模块605,其中:
第一融合子模块601被配置为将目标人脸图像的色彩图与形变后的参照人脸图像的色彩图进行图层融合,得到结果人脸图像的色彩图;
第二融合子模块602被配置为将目标人脸图像的细节图与形变后的参照人脸图像的细节图进行图层融合,得到结果人脸图像的细节图;
计算子模块603被配置为计算目标人脸图像的结构图对应的梯度图,及形变后的参照人脸图像的结构图对应的梯度图;
第三融合子模块604被配置为将目标人脸图像的结构图对应的梯度图与形变后的参照人脸图像的结构图对应的梯度图进行融合,得到融合后的梯度图;
重建子模块605被配置为根据融合后的梯度图及目标人脸图像的结构图,重建结果人脸图像的结构图。
在一种可能的实施方式中,第一融合子模块601:确定目标人脸图像及形变后的参照人脸图像的五官区域和非五官区域;计算1与第一融合系数的差值;计算目标人脸图像的五官区域的色彩图与差值的第一乘积;计算形变后的参照人脸图像的五官区域的色彩图与第一融合系数的第二乘积;将第一乘积与第二乘积的和,确定为结果人脸图像的五官区域的色彩图;将目标人脸图像的非五官区域的色彩图,确定为结果人脸图像的非五官区域的色彩图。
在一种可能的实施方式中,第二融合子模块602:计算目标人脸图像的细节图与第二融合系数的第三乘积;计算形变后的参照人脸图像的细节图与第三融合系数的第四乘积;将第三乘积与第四乘积的和,确定为结果人脸图像的细节图。
在一种可能的实施方式中,第三融合子模块604:获取目标人脸图像的非五官区域中形变后的参照人脸图像的结构图对应的梯度图大于目标人脸图像的结构图对应的梯度图的目标区域;将形变后的参照人脸图像的结构图对应的梯度图,确定为目标区域对应的融合后的梯度图;将目标人脸图像的结构图对应的梯度图,确定为目标人脸图像中除目标区域之外的区域对应的融合后的梯度图。
在一种可能的实施方式中,如图7所示,图3示出的人脸妆容迁移装置还可以包括把合成模块304配置成包括:第一合成子模块701及第二合成子模块702,其中:
第一合成子模块701被配置为将结果人脸图像的结构图和结果人脸图像的细节图进行合成,得到结果人脸图像的亮度图;
第二合成子模块702被配置为将结果人脸图像的亮度图和结果人脸图像的色彩图进行合成,将合成的图像从能够将图像的亮度和色彩分开的色彩空间,例如Lab色彩空间,转换到RGB色彩空间,得到结果人脸图像。
图8是根据一示例性实施例示出的一种人脸妆容迁移装置800的框图,人脸妆容迁移装置800适用于终端或服务器,人脸妆容迁移装置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:
根据目标人脸图像对参照人脸图像进行形变,得到与目标人脸图像对齐的形变后的参照人脸图像;
分别对目标人脸图像和形变后的参照人脸图像进行分解,得到目标人脸图像的色彩图、结构图和细节图、及形变后的参照人脸图像的色彩图、结构图和细节图;
根据目标人脸图像的色彩图、结构图和细节图、及形变后的参照人脸图像的色彩图、结构图和细节图,分别确定结果人脸图像的色彩图、结构图和细节图;
将结果人脸图像的色彩图、结构图和细节图进行合成,得到结果人脸图像。
在一个实施例中,上述处理器801还可被配置为:
将目标人脸图像的色彩图与形变后的参照人脸图像的色彩图进行图层融合,得到结果人脸图像的色彩图;
将目标人脸图像的细节图与形变后的参照人脸图像的细节图进行图层融合,得到结果人脸图像的细节图;
计算目标人脸图像的结构图对应的梯度图,及形变后的参照人脸图像的结构图对应的梯度图;
将目标人脸图像的结构图对应的梯度图与形变后的参照人脸图像的结构图对应的梯度图进行融合,得到融合后的梯度图;
根据融合后的梯度图及目标人脸图像的结构图,重建结果人脸图像的结构图。
在一个实施例中,上述处理器801还可被配置为:
确定目标人脸图像及形变后的参照人脸图像的五官区域和非五官区域;
计算1与第一融合系数的差值;
计算目标人脸图像的五官区域的色彩图与差值的第一乘积;
计算形变后的参照人脸图像的五官区域的色彩图与第一融合系数的第二乘积;
将第一乘积与第二乘积的和,确定为结果人脸图像的五官区域的色彩图;
将目标人脸图像的非五官区域的色彩图,确定为结果人脸图像的非五官区域的色彩图。
在一个实施例中,上述处理器801还可被配置为:
计算目标人脸图像的细节图与第二融合系数的第三乘积;
计算形变后的参照人脸图像的细节图与第三融合系数的第四乘积;
将第三乘积与第四乘积的和,确定为结果人脸图像的细节图。
在一个实施例中,上述处理器801还可被配置为:
获取目标人脸图像的非五官区域中形变后的参照人脸图像的结构图对应的梯度图大于目标人脸图像的结构图对应的梯度图的目标区域;
将形变后的参照人脸图像的结构图对应的梯度图,确定为目标区域对应的融合后的梯度图;
将目标人脸图像的结构图对应的梯度图,确定为目标人脸图像中除目标区域之外的区域对应的融合后的梯度图。
在一个实施例中,上述处理器801还可被配置为:
分别对目标人脸图像和参照人脸图像进行人脸关键点定位,得到目标人脸图像的人脸关键点的位置、及参照人脸图像的人脸关键点的位置;
根据目标人脸图像的人脸关键点的位置、及参照人脸图像的人脸关键点的位置,对参照人脸图像进行形变,得到与目标人脸图像对齐的形变后的参照人脸图像。
在一个实施例中,上述处理器801还可被配置为:
将目标人脸图像和形变后的参照人脸图像从RGB色彩空间转换到能够将图像的亮度和色彩分开的色彩空间,例如Lab色彩空间,得到目标人脸图像的亮度图和色彩图、及形变后的参照人脸图像的亮度图和色彩图;
将目标人脸图像的亮度图进行滤波,得到目标人脸图像的结构图和细节图,及将形变后的参照人脸图像的亮度图进行滤波,得到形变后的参照人脸图像的结构图和细节图。
在一个实施例中,上述处理器801还可被配置为:
将结果人脸图像的结构图和结果人脸图像的细节图进行合成,得到结果人脸图像的亮度图;
将结果人脸图像的亮度图和结果人脸图像的色彩图进行合成,将合成的图像从能够将图像的亮度和色彩分开的色彩空间,例如Lab色彩空间,转换到RGB色彩空间,得到结果人脸图像。
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人脸妆容迁移装置的框图;人脸妆容迁移装置900适用于终端;人脸妆容迁移装置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通常控制人脸妆容迁移装置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人脸妆容迁移装置900的操作。这些数据的示例包括用于在人脸妆容迁移装置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为人脸妆容迁移装置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,及其他与为人脸妆容迁移装置900生成、管理和分配电力相关联的组件。
多媒体组件908包括在人脸妆容迁移装置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。当人脸妆容迁移装置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),当人脸妆容迁移装置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,用于为人脸妆容迁移装置900提供各个方面的状态评估。例如,传感器组件914可以检测到人脸妆容迁移装置900的打开/关闭状态,组件的相对定位,例如组件为人脸妆容迁移装置900的显示器和小键盘,传感器组件914还可以检测人脸妆容迁移装置900或人脸妆容迁移装置900一个组件的位置改变,用户与人脸妆容迁移装置900接触的存在或不存在,人脸妆容迁移装置900方位或加速/减速和人脸妆容迁移装置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被配置为便于人脸妆容迁移装置900和其他设备之间有线或无线方式的通信。人脸妆容迁移装置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,人脸妆容迁移装置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,上述指令可由人脸妆容迁移装置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。
图10是根据一示例性实施例示出的一种人脸妆容迁移装置的框图。例如,人脸妆容迁移装置1000可以被提供为一服务器。人脸妆容迁移装置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。
人脸妆容迁移装置1000还可以包括一个电源组件1006被配置为执行人脸妆容迁移装置1000的电源管理,一个有线或无线网络接口1005被配置为将人脸妆容迁移装置1000连接到网络,和一个输入输出(I/O)接口1008。人脸妆容迁移装置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。
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人脸妆容迁移装置900或人脸妆容迁移装置1000的处理器执行时,使得人脸妆容迁移装置900或人脸妆容迁移装置1000能够执行如下人脸妆容迁移方法,方法包括:
根据目标人脸图像对参照人脸图像进行形变,得到与目标人脸图像对齐的形变后的参照人脸图像;
分别对目标人脸图像和形变后的参照人脸图像进行分解,得到目标人脸图像的色彩图、结构图和细节图、及形变后的参照人脸图像的色彩图、结构图和细节图;
根据目标人脸图像的色彩图、结构图和细节图、及形变后的参照人脸图像的色彩图、结构图和细节图,分别确定结果人脸图像的色彩图、结构图和细节图;
将结果人脸图像的色彩图、结构图和细节图进行合成,得到结果人脸图像。
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 (18)
1.一种人脸妆容迁移方法,其特征在于,包括:
根据目标人脸图像对参照人脸图像进行形变,得到与所述目标人脸图像对齐的形变后的参照人脸图像;
分别对所述目标人脸图像和所述形变后的参照人脸图像进行分解,得到所述目标人脸图像的色彩图、结构图和细节图、及所述形变后的参照人脸图像的色彩图、结构图和细节图;
根据所述目标人脸图像的色彩图、结构图和细节图、及所述形变后的参照人脸图像的色彩图、结构图和细节图,分别确定所述结果人脸图像的色彩图、结构图和细节图;
将所述结果人脸图像的色彩图、结构图和细节图进行合成,得到所述结果人脸图像。
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标人脸图像的色彩图、结构图和细节图、及所述形变后的参照人脸图像的色彩图、结构图和细节图,分别确定所述结果人脸图像的色彩图、结构图和细节图,包括:
将所述目标人脸图像的色彩图与所述形变后的参照人脸图像的色彩图进行图层融合,得到所述结果人脸图像的色彩图;
将所述目标人脸图像的细节图与所述形变后的参照人脸图像的细节图进行图层融合,得到所述结果人脸图像的细节图;
计算所述目标人脸图像的结构图对应的梯度图,及所述形变后的参照人脸图像的结构图对应的梯度图;
将所述目标人脸图像的结构图对应的梯度图与所述形变后的参照人脸图像的结构图对应的梯度图进行融合,得到融合后的梯度图;
根据所述融合后的梯度图及所述目标人脸图像的结构图,重建所述结果人脸图像的结构图。
3.根据权利要求2所述的方法,其特征在于,所述将所述目标人脸图像的色彩图与所述形变后的参照人脸图像的色彩图进行图层融合,得到所述结果人脸图像的色彩图,包括:
确定所述目标人脸图像及所述形变后的参照人脸图像的五官区域和非五官区域;
计算1与第一融合系数的差值;
计算所述目标人脸图像的五官区域的色彩图与所述差值的第一乘积;
计算所述形变后的参照人脸图像的五官区域的色彩图与所述第一融合系数的第二乘积;
将所述第一乘积与所述第二乘积的和,确定为所述结果人脸图像的五官区域的色彩图;
将所述目标人脸图像的非五官区域的色彩图,确定为所述结果人脸图像的非五官区域的色彩图。
4.根据权利要求2所述的方法,其特征在于,所述将所述目标人脸图像的细节图与所述形变后的参照人脸图像的细节图进行图层融合,得到所述结果人脸图像的细节图,包括:
计算所述目标人脸图像的细节图与第二融合系数的第三乘积;
计算所述形变后的参照人脸图像的细节图与第三融合系数的第四乘积;
将所述第三乘积与所述第四乘积的和,确定为所述结果人脸图像的细节图。
5.根据权利要求2所述的方法,其特征在于,所述将所述目标人脸图像的结构图对应的梯度图与所述形变后的参照人脸图像的结构图对应的梯度图进行融合,得到融合后的梯度图,包括:
获取所述目标人脸图像的非五官区域中所述形变后的参照人脸图像的结构图对应的梯度图大于所述目标人脸图像的结构图对应的梯度图的目标区域;
将所述形变后的参照人脸图像的结构图对应的梯度图,确定为所述目标区域对应的融合后的梯度图;
将所述目标人脸图像的结构图对应的梯度图,确定为所述目标人脸图像中除所述目标区域之外的区域对应的融合后的梯度图。
6.根据权利要求1所述的方法,其特征在于,所述根据目标人脸图像对参照人脸图像进行形变,得到与所述目标人脸图像对齐的形变后的参照人脸图像,包括:
分别对目标人脸图像和参照人脸图像进行人脸关键点定位,得到所述目标人脸图像的人脸关键点的位置、及所述参照人脸图像的人脸关键点的位置;
根据所述目标人脸图像的人脸关键点的位置、及所述参照人脸图像的人脸关键点的位置,对所述参照人脸图像进行形变,得到与所述目标人脸图像对齐的形变后的参照人脸图像。
7.根据权利要求1所述的方法,其特征在于,所述分别对所述目标人脸图像和所述形变后的参照人脸图像进行分解,得到所述目标人脸图像的色彩图、结构图和细节图、及所述形变后的参照人脸图像的色彩图、结构图和细节图,包括:
将所述目标人脸图像和所述形变后的参照人脸图像从红绿蓝RGB色彩空间转换到能够将图像的亮度和色彩分开的色彩空间,得到所述目标人脸图像的亮度图和色彩图、及所述形变后的参照人脸图像的亮度图和色彩图;
将所述目标人脸图像的亮度图进行滤波,得到所述目标人脸图像的结构图和细节图,及将所述形变后的参照人脸图像的亮度图进行滤波,得到所述形变后的参照人脸图像的结构图和细节图。
8.根据权利要求1或7所述的方法,其特征在于,所述将所述结果人脸图像的色彩图、结构图和细节图进行合成,得到所述结果人脸图像,包括:
将所述结果人脸图像的结构图和所述结果人脸图像的细节图进行合成,得到所述结果人脸图像的亮度图;
将所述结果人脸图像的亮度图和所述结果人脸图像的色彩图进行合成,将合成的图像从能够将图像的亮度和色彩分开的色彩空间转换到RGB色彩空间,得到所述结果人脸图像。
9.一种人脸妆容迁移装置,其特征在于,包括:
人脸对齐模块,用于根据目标人脸图像对参照人脸图像进行形变,得到与所述目标人脸图像对齐的形变后的参照人脸图像;
分解模块,用于分别对所述目标人脸图像和所述形变后的参照人脸图像进行分解,得到所述目标人脸图像的色彩图、结构图和细节图、及所述形变后的参照人脸图像的色彩图、结构图和细节图;
确定模块,用于根据所述目标人脸图像的色彩图、结构图和细节图、及所述形变后的参照人脸图像的色彩图、结构图和细节图,分别确定所述结果人脸图像的色彩图、结构图和细节图;
合成模块,用于将所述结果人脸图像的色彩图、结构图和细节图进行合成,得到所述结果人脸图像。
10.根据权利要求9所述的装置,其特征在于,所述确定模块,包括:
第一融合子模块,用于将所述目标人脸图像的色彩图与所述形变后的参照人脸图像的色彩图进行图层融合,得到所述结果人脸图像的色彩图;
第二融合子模块,用于将所述目标人脸图像的细节图与所述形变后的参照人脸图像的细节图进行图层融合,得到所述结果人脸图像的细节图;
计算子模块,用于计算所述目标人脸图像的结构图对应的梯度图,及所述形变后的参照人脸图像的结构图对应的梯度图;
第三融合子模块,用于将所述目标人脸图像的结构图对应的梯度图与所述形变后的参照人脸图像的结构图对应的梯度图进行融合,得到融合后的梯度图;
重建子模块,用于根据所述融合后的梯度图及所述目标人脸图像的结构图,重建所述结果人脸图像的结构图。
11.根据权利要求10所述的装置,其特征在于,所述第一融合子模块:确定所述目标人脸图像及所述形变后的参照人脸图像的五官区域和非五官区域;计算1与第一融合系数的差值;计算所述目标人脸图像的五官区域的色彩图与所述差值的第一乘积;计算所述形变后的参照人脸图像的五官区域的色彩图与所述第一融合系数的第二乘积;将所述第一乘积与所述第二乘积的和,确定为所述结果人脸图像的五官区域的色彩图;将所述目标人脸图像的非五官区域的色彩图,确定为所述结果人脸图像的非五官区域的色彩图。
12.根据权利要求10所述的装置,其特征在于,所述第二融合子模块:计算所述目标人脸图像的细节图与第二融合系数的第三乘积;计算所述形变后的参照人脸图像的细节图与第三融合系数的第四乘积;将所述第三乘积与所述第四乘积的和,确定为所述结果人脸图像的细节图。
13.根据权利要求10所述的装置,其特征在于,所述第三融合子模块:获取所述目标人脸图像的非五官区域中所述形变后的参照人脸图像的结构图对应的梯度图大于所述目标人脸图像的结构图对应的梯度图的目标区域;将所述形变后的参照人脸图像的结构图对应的梯度图,确定为所述目标区域对应的融合后的梯度图;将所述目标人脸图像的结构图对应的梯度图,确定为所述目标人脸图像中除所述目标区域之外的区域对应的融合后的梯度图。
14.根据权利要求9所述的装置,其特征在于,所述人脸对齐模块,包括:
定位子模块,用于分别对目标人脸图像和参照人脸图像进行人脸关键点定位,得到所述目标人脸图像的人脸关键点的位置、及所述参照人脸图像的人脸关键点的位置;
形变子模块,用于根据所述目标人脸图像的人脸关键点的位置、及所述参照人脸图像的人脸关键点的位置,对所述参照人脸图像进行形变,得到与所述目标人脸图像对齐的形变后的参照人脸图像。
15.根据权利要求9所述的装置,其特征在于,所述分解模块,包括:
色彩空间转换子模块,用于将所述目标人脸图像和所述形变后的参照人脸图像从红绿蓝RGB色彩空间转换到能够将图像的亮度和色彩分开的色彩空间,得到所述目标人脸图像的亮度图和色彩图、及所述形变后的参照人脸图像的亮度图和色彩图;
滤波子模块,用于将所述目标人脸图像的亮度图进行滤波,得到所述目标人脸图像的结构图和细节图,及将所述形变后的参照人脸图像的亮度图进行滤波,得到所述形变后的参照人脸图像的结构图和细节图。
16.根据权利要求9或15所述的装置,其特征在于,所述合成模块,包括:
第一合成子模块,用于将所述结果人脸图像的结构图和所述结果人脸图像的细节图进行合成,得到所述结果人脸图像的亮度图;
第二合成子模块,用于将所述结果人脸图像的亮度图和所述结果人脸图像的色彩图进行合成,将合成的图像从能够将图像的亮度和色彩分开的色彩空间转换到RGB色彩空间,得到所述结果人脸图像。
17.一种人脸妆容迁移装置,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:
根据目标人脸图像对参照人脸图像进行形变,得到与所述目标人脸图像对齐的形变后的参照人脸图像;
分别对所述目标人脸图像和所述形变后的参照人脸图像进行分解,得到所述目标人脸图像的色彩图、结构图和细节图、及所述形变后的参照人脸图像的色彩图、结构图和细节图;
根据所述目标人脸图像的色彩图、结构图和细节图、及所述形变后的参照人脸图像的色彩图、结构图和细节图,确定所述结果人脸图像的色彩图、结构图和细节图;
将所述结果人脸图像的色彩图、结构图和细节图进行合成,得到所述结果人脸图像。
18.一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1-8中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710818790.8A CN107622472A (zh) | 2017-09-12 | 2017-09-12 | 人脸妆容迁移方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710818790.8A CN107622472A (zh) | 2017-09-12 | 2017-09-12 | 人脸妆容迁移方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107622472A true CN107622472A (zh) | 2018-01-23 |
Family
ID=61089588
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710818790.8A Pending CN107622472A (zh) | 2017-09-12 | 2017-09-12 | 人脸妆容迁移方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107622472A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108257084A (zh) * | 2018-02-12 | 2018-07-06 | 北京中视广信科技有限公司 | 一种基于移动端的轻量级人脸自动化妆方法 |
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 |
CN109859098A (zh) * | 2019-01-15 | 2019-06-07 | 深圳市云之梦科技有限公司 | 人脸图像融合方法、装置、计算机设备及可读存储介质 |
CN109949216A (zh) * | 2019-04-19 | 2019-06-28 | 中共中央办公厅电子科技学院(北京电子科技学院) | 一种基于面部解析和光照迁移的复杂妆容迁移方法 |
CN110136229A (zh) * | 2019-05-27 | 2019-08-16 | 广州亮风台信息科技有限公司 | 一种用于实时虚拟换脸的方法与设备 |
CN111008927A (zh) * | 2019-08-07 | 2020-04-14 | 深圳华侨城文化旅游科技集团有限公司 | 一种人脸替换方法、存储介质及终端设备 |
CN111640057A (zh) * | 2020-05-25 | 2020-09-08 | 武汉理工大学 | 基于隐藏变量解耦的人脸图像局部特征迁移网络及方法 |
CN111815534A (zh) * | 2020-07-14 | 2020-10-23 | 厦门美图之家科技有限公司 | 实时皮肤妆容迁移方法、装置、电子设备和可读存储介质 |
CN113327193A (zh) * | 2021-05-27 | 2021-08-31 | 北京百度网讯科技有限公司 | 图像处理方法、装置、电子设备和介质 |
CN113743243A (zh) * | 2021-08-13 | 2021-12-03 | 厦门大学 | 一种基于深度学习的人脸美颜方法 |
CN113793248A (zh) * | 2021-08-02 | 2021-12-14 | 北京旷视科技有限公司 | 妆容迁移方法及装置、人脸对齐方法及装置 |
CN115345773A (zh) * | 2022-08-15 | 2022-11-15 | 哈尔滨工业大学(深圳) | 基于生成对抗网络的妆容迁移方法 |
WO2022237081A1 (zh) * | 2021-05-14 | 2022-11-17 | 北京市商汤科技开发有限公司 | 妆容迁移方法、装置、设备和计算机可读存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105469407A (zh) * | 2015-11-30 | 2016-04-06 | 华南理工大学 | 一种基于改进的引导滤波器的人脸图像图层分解方法 |
CN105931211A (zh) * | 2016-04-19 | 2016-09-07 | 中山大学 | 一种人脸图像美化方法 |
-
2017
- 2017-09-12 CN CN201710818790.8A patent/CN107622472A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105469407A (zh) * | 2015-11-30 | 2016-04-06 | 华南理工大学 | 一种基于改进的引导滤波器的人脸图像图层分解方法 |
CN105931211A (zh) * | 2016-04-19 | 2016-09-07 | 中山大学 | 一种人脸图像美化方法 |
Non-Patent Citations (1)
Title |
---|
DONG GUO等: "Digital Face Makeup by Example", 《2009 IEEE CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION》 * |
Cited By (21)
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 |
CN108257084A (zh) * | 2018-02-12 | 2018-07-06 | 北京中视广信科技有限公司 | 一种基于移动端的轻量级人脸自动化妆方法 |
CN108257084B (zh) * | 2018-02-12 | 2021-08-24 | 北京中视广信科技有限公司 | 一种基于移动端的轻量级人脸自动化妆方法 |
CN109859098A (zh) * | 2019-01-15 | 2019-06-07 | 深圳市云之梦科技有限公司 | 人脸图像融合方法、装置、计算机设备及可读存储介质 |
CN109859098B (zh) * | 2019-01-15 | 2022-11-22 | 深圳市云之梦科技有限公司 | 人脸图像融合方法、装置、计算机设备及可读存储介质 |
CN109949216B (zh) * | 2019-04-19 | 2022-12-02 | 中共中央办公厅电子科技学院(北京电子科技学院) | 一种基于面部解析和光照迁移的复杂妆容迁移方法 |
CN109949216A (zh) * | 2019-04-19 | 2019-06-28 | 中共中央办公厅电子科技学院(北京电子科技学院) | 一种基于面部解析和光照迁移的复杂妆容迁移方法 |
CN110136229A (zh) * | 2019-05-27 | 2019-08-16 | 广州亮风台信息科技有限公司 | 一种用于实时虚拟换脸的方法与设备 |
CN111008927A (zh) * | 2019-08-07 | 2020-04-14 | 深圳华侨城文化旅游科技集团有限公司 | 一种人脸替换方法、存储介质及终端设备 |
CN111008927B (zh) * | 2019-08-07 | 2023-10-31 | 深圳华侨城文化旅游科技集团有限公司 | 一种人脸替换方法、存储介质及终端设备 |
CN111640057A (zh) * | 2020-05-25 | 2020-09-08 | 武汉理工大学 | 基于隐藏变量解耦的人脸图像局部特征迁移网络及方法 |
CN111640057B (zh) * | 2020-05-25 | 2022-04-15 | 武汉理工大学 | 基于隐藏变量解耦的人脸图像局部特征迁移网络及方法 |
CN111815534B (zh) * | 2020-07-14 | 2023-12-19 | 厦门美图之家科技有限公司 | 实时皮肤妆容迁移方法、装置、电子设备和可读存储介质 |
CN111815534A (zh) * | 2020-07-14 | 2020-10-23 | 厦门美图之家科技有限公司 | 实时皮肤妆容迁移方法、装置、电子设备和可读存储介质 |
WO2022237081A1 (zh) * | 2021-05-14 | 2022-11-17 | 北京市商汤科技开发有限公司 | 妆容迁移方法、装置、设备和计算机可读存储介质 |
CN113327193A (zh) * | 2021-05-27 | 2021-08-31 | 北京百度网讯科技有限公司 | 图像处理方法、装置、电子设备和介质 |
CN113793248A (zh) * | 2021-08-02 | 2021-12-14 | 北京旷视科技有限公司 | 妆容迁移方法及装置、人脸对齐方法及装置 |
CN113743243A (zh) * | 2021-08-13 | 2021-12-03 | 厦门大学 | 一种基于深度学习的人脸美颜方法 |
CN115345773A (zh) * | 2022-08-15 | 2022-11-15 | 哈尔滨工业大学(深圳) | 基于生成对抗网络的妆容迁移方法 |
CN115345773B (zh) * | 2022-08-15 | 2023-02-17 | 哈尔滨工业大学(深圳) | 基于生成对抗网络的妆容迁移方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107622472A (zh) | 人脸妆容迁移方法及装置 | |
CN110163048B (zh) | 手部关键点的识别模型训练方法、识别方法及设备 | |
CN109919888B (zh) | 一种图像融合的方法、模型训练的方法以及相关装置 | |
CN110148102B (zh) | 图像合成方法、广告素材合成方法及装置 | |
CN106156730B (zh) | 一种人脸图像的合成方法和装置 | |
CN109670397A (zh) | 人体骨骼关键点的检测方法、装置、电子设备及存储介质 | |
CN107256555B (zh) | 一种图像处理方法、装置及存储介质 | |
CN105512605B (zh) | 人脸图像处理方法及装置 | |
CN111541907B (zh) | 物品显示方法、装置、设备及存储介质 | |
CN109726659A (zh) | 人体骨骼关键点的检测方法、装置、电子设备和可读介质 | |
CN110544272B (zh) | 脸部跟踪方法、装置、计算机设备及存储介质 | |
WO2022179025A1 (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN108876732A (zh) | 人脸美颜方法及装置 | |
CN108712603B (zh) | 一种图像处理方法及移动终端 | |
CN110570460B (zh) | 目标跟踪方法、装置、计算机设备及计算机可读存储介质 | |
EP3905662A1 (en) | Image processing method and apparatus, electronic device and storage medium | |
CN107392166A (zh) | 肤色检测方法、装置及计算机可读存储介质 | |
CN113569614A (zh) | 虚拟形象生成方法、装置、设备及存储介质 | |
CN109543646A (zh) | 人脸图像处理方法、装置、电子设备及计算机存储介质 | |
CN107213642A (zh) | 虚拟人物外观改变方法及装置 | |
CN107705245A (zh) | 图像处理方法及装置 | |
CN107798654A (zh) | 图像磨皮方法及装置、存储介质 | |
JP7332813B2 (ja) | 画像処理方法、装置、電子デバイス及び記憶媒体 | |
CN110443769A (zh) | 图像处理方法、图像处理装置及终端设备 | |
CN107463903A (zh) | 人脸关键点定位方法及装置 |
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 |