CN107767391A - 风景图像处理方法、装置、计算设备及计算机存储介质 - Google Patents
风景图像处理方法、装置、计算设备及计算机存储介质 Download PDFInfo
- Publication number
- CN107767391A CN107767391A CN201711065934.3A CN201711065934A CN107767391A CN 107767391 A CN107767391 A CN 107767391A CN 201711065934 A CN201711065934 A CN 201711065934A CN 107767391 A CN107767391 A CN 107767391A
- Authority
- CN
- China
- Prior art keywords
- image
- landscape
- foreground image
- content
- foreground
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 18
- 230000000694 effects Effects 0.000 claims abstract description 112
- 238000012545 processing Methods 0.000 claims abstract description 102
- 238000000034 method Methods 0.000 claims abstract description 44
- 230000004927 fusion Effects 0.000 claims abstract description 26
- 238000004891 communication Methods 0.000 claims description 17
- 238000013135 deep learning Methods 0.000 abstract description 9
- 230000001960 triggered effect Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 5
- 238000004321 preservation Methods 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 235000013399 edible fruits Nutrition 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- 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
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种风景图像处理方法、装置、计算设备及计算机存储介质,该方法包括:获取包含有特定对象的待处理风景图像;对待处理风景图像进行场景分割处理,得到针对特定对象的前景图像;绘制与前景图像的主题内容对应的风景内容效果贴图;将风景内容效果贴图与前景图像进行融合处理,得到处理后的风景图像。本发明采用了深度学习方法,实现了高效率高精准性地完成场景分割处理,本发明能够精准、快速地为图像的风景区域添加美化效果,提高了图片显示效果。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种风景图像处理方法、装置、计算设备及计算机存储介质。
背景技术
随着科技的发展,图像采集设备的技术也日益提高。采集到的图像更加清晰、分辨率、显示效果也大幅提高。但现有的图像可能无法满足用户的需求,用户希望对图像进行个性化处理,例如,将风景图像中的风景处理地更加美观。在现有技术中,可由用户手动对图像做进一步的处理,以满足用户的个性化要求。但这样处理需要用户具有较高的图像处理技术,并且在处理时需要花费用户较多的时间,处理繁琐,技术复杂。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的风景图像处理方法、装置、计算设备及计算机存储介质。
根据本发明的一个方面,提供了一种风景图像处理方法,该方法包括:
获取包含有特定对象的待处理风景图像;
对待处理风景图像进行场景分割处理,得到针对特定对象的前景图像;
绘制与前景图像的主题内容对应的风景内容效果贴图;
将风景内容效果贴图与前景图像进行融合处理,得到处理后的风景图像。
进一步地,绘制与前景图像的主题内容对应的风景内容效果贴图进一步包括:
对前景图像进行识别,确定前景图像的主题类别;
从前景图像中提取出特定对象的关键信息;
根据前景图像的主题类别和关键信息,绘制与前景图像的主题内容对应的风景内容效果贴图。
进一步地,从前景图像中提取出特定对象的关键信息进一步包括:
关键信息为关键点信息;
从前景图像中提取出特定对象边缘的关键点信息。
进一步地,根据前景图像的主题类别和关键信息,绘制与前景图像的主题内容对应的风景内容效果贴图进一步包括:
根据前景图像的主题类别,查找与前景图像的主题内容对应的基础风景内容效果贴图;
依据关键信息,对基础风景内容效果贴图进行处理,得到风景内容效果贴图。
进一步地,将风景内容效果贴图与前景图像进行融合处理,得到处理后的风景图像进一步包括:
将与待处理风景图像进行场景分割处理得到的背景图像或者预设背景图像与风景内容效果贴图、前景图像进行融合处理,得到处理后的风景图像。
进一步地,在得到处理后的风景图像之后,该方法还包括:
对处理后的风景图像进行色调处理、光照处理和/或亮度处理。
进一步地,获取包含有特定对象的待处理风景图像进一步包括:
实时获取图像采集设备捕捉的包含有特定对象的待处理风景图像。
进一步地,在得到处理后的风景图像之后,该方法还包括:
显示处理后的风景图像。
进一步地,显示处理后的风景图像进一步包括:
实时显示处理后的风景图像。
进一步地,在得到处理后的风景图像之后,该方法还包括:
根据用户触发的拍摄指令,保存处理后的风景图像。
进一步地,在得到处理后的风景图像之后,该方法还包括:
根据用户触发的录制指令,保存由处理后的风景图像作为帧图像组成的视频。
根据本发明的另一方面,提供了一种风景图像处理装置,该装置包括:
获取模块,适于获取包含有特定对象的待处理风景图像;
分割模块,适于对待处理风景图像进行场景分割处理,得到针对特定对象的前景图像;
贴图处理模块,适于绘制与前景图像的主题内容对应的风景内容效果贴图;
融合处理模块,适于将风景内容效果贴图与前景图像进行融合处理,得到处理后的风景图像。
进一步地,贴图处理模块进一步适于:
对前景图像进行识别,确定前景图像的主题类别;
从前景图像中提取出特定对象的关键信息;
根据前景图像的主题类别和关键信息,绘制与前景图像的主题内容对应的风景内容效果贴图。
进一步地,关键信息为关键点信息;贴图处理模块进一步适于:从前景图像中提取出特定对象边缘的关键点信息。
进一步地,贴图处理模块进一步适于:
根据前景图像的主题类别,查找与前景图像的主题内容对应的基础风景内容效果贴图;
依据关键信息,对基础风景内容效果贴图进行处理,得到风景内容效果贴图。
进一步地,融合处理模块进一步适于:
将与待处理风景图像进行场景分割处理得到的背景图像或者预设背景图像与风景内容效果贴图、前景图像进行融合处理,得到处理后的风景图像。
进一步地,该装置还包括:
图像处理模块,适于对处理后的风景图像进行色调处理、光照处理和/或亮度处理。
进一步地,获取模块进一步适于:
实时获取图像采集设备捕捉的包含有特定对象的待处理风景图像。
进一步地,该装置还包括:
显示模块,适于显示处理后的风景图像。
进一步地,显示模块进一步适于:
实时显示处理后的风景图像。
进一步地,该装置还包括:
第一保存模块,适于根据用户触发的拍摄指令,保存处理后的风景图像。
进一步地,该装置还包括:
第二保存模块,适于根据用户触发的录制指令,保存由处理后的风景图像作为帧图像组成的视频。
根据本发明的又一方面,提供了一种计算设备,包括:处理器、存储器、通信接口和通信总线,处理器、存储器和通信接口通过通信总线完成相互间的通信;
存储器用于存放至少一可执行指令,可执行指令使处理器执行上述风景图像处理方法对应的操作。
根据本发明的再一方面,提供了一种计算机存储介质,存储介质中存储有至少一可执行指令,可执行指令使处理器执行如上述风景图像处理方法对应的操作。
根据本发明提供的技术方案,获取包含有特定对象的待处理风景图像,对待处理风景图像进行场景分割处理,得到针对特定对象的前景图像,接着绘制与前景图像的主题内容对应的风景内容效果贴图,然后将风景内容效果贴图与前景图像进行融合处理,得到处理后的风景图像。本发明采用了深度学习方法,实现了高效率高精准性地完成场景分割处理,本发明提供的技术方案基于所得到的场景分割处理结果能够精准、快速地为图像的风景区域添加美化效果,提高了图像处理效率,优化了图像处理方式,提高了图片显示效果。本发明可以直接得到处理后的风景图像,不需要用户对风景图像进行额外处理,节省用户时间,同时对用户技术水平不做限制,方便大众使用。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了根据本发明一个实施例的风景图像处理方法的流程示意图;
图2示出了根据本发明另一个实施例的风景图像处理方法的流程示意图;
图3示出了根据本发明一个实施例的风景图像处理装置的结构框图;
图4示出了根据本发明另一个实施例的风景图像处理装置的结构框图;
图5示出了根据本发明实施例的一种计算设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
图1示出了根据本发明一个实施例的风景图像处理方法的流程示意图,如图1所示,该方法包括如下步骤:
步骤S100,获取包含有特定对象的待处理风景图像。
具体地,待处理风景图像可以是用户自己拍摄的风景图像,也可以是网站中的风景图像,还可以是其他用户分享的风景图像,此处不做限定。另外,待处理风景图像可以为既包含有人物又包含有风景的图像,也可以为不包含有人物仅包含有风景的图像。其中,待处理风景图像中包含有特定对象,特定对象可以是天空、草地、树木、山等对象,特定对象还可以是大海、湖、沙滩等对象。本领域技术人员可根据实际需要对特定对象进行设置,此处不做限定。
步骤S101,对待处理风景图像进行场景分割处理,得到针对特定对象的前景图像。
其中,在对待处理风景图像进行场景分割处理时,可以利用深度学习方法。深度学习是机器学习中一种基于对数据进行表征学习的方法。观测值(例如一幅图像)可以使用多种方式来表示,如每个像素强度值的向量,或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务。可利用深度学习的分割方法对待处理风景图像进行场景分割处理,得到与待处理风景图像对应的场景分割结果。具体地,可利用深度学习方法得到的场景分割网络等对待处理风景图像进行场景分割处理,得到待处理风景图像针对于特定对象的前景图像和背景图像,其中,该前景图像可以仅包含特定对象,背景图像为待处理风景图像中除前景图像之外的图像。
步骤S102,绘制与前景图像的主题内容对应的风景内容效果贴图。
在得到了前景图像之后,绘制与前景图像的主题内容对应的风景内容效果贴图。例如,当前景图像的内容主要是关于山时,那么前景图像的主题内容为山时,绘制与山对应的风景内容效果贴图;当前景图像的内容主要是关于大海时,那么前景图像的主题内容为大海时,绘制与大海对应的风景内容效果贴图。本领域技术人员可根据实际需要设置风景内容效果贴图,此处不做限定。
步骤S103,将风景内容效果贴图与前景图像进行融合处理,得到处理后的风景图像。
在绘制得到了风景内容效果贴图之后,将风景内容效果贴图与前景图像进行融合处理,使得风景内容效果贴图能够真实、精准地与前景图像中的特定对象融合在一起,从而得到处理后的风景图像。
根据本实施例提供的风景图像处理方法,获取包含有特定对象的待处理风景图像,对待处理风景图像进行场景分割处理,得到针对特定对象的前景图像,接着绘制与前景图像的主题内容对应的风景内容效果贴图,然后将风景内容效果贴图与前景图像进行融合处理,得到处理后的风景图像。本发明采用了深度学习方法,实现了高效率高精准性地完成场景分割处理,本发明提供的技术方案基于所得到的场景分割处理结果能够精准、快速地为图像的风景区域添加美化效果,提高了图像处理效率,优化了图像处理方式,提高了图片显示效果。本发明可以直接得到处理后的风景图像,不需要用户对风景图像进行额外处理,节省用户时间,同时对用户技术水平不做限制,方便大众使用。
图2示出了根据本发明另一个实施例的风景图像处理方法的流程示意图,如图2所示,该方法包括如下步骤:
步骤S200,获取包含有特定对象的待处理风景图像。
可选地,在步骤S200中,可实时获取图像采集设备捕捉的包含有特定对象的待处理风景图像。具体地,图像采集设备可为移动终端等,以图像采集设备为移动终端为例,实时获取移动终端摄像头捕捉到的待处理风景图像。
步骤S201,对待处理风景图像进行场景分割处理,得到针对特定对象的前景图像。
步骤S202,对前景图像进行识别,确定前景图像的主题类别。
具体地,可将前景图像与预设主题类别图像进行匹配,得到主题类别匹配结果,然后根据主题类别匹配结果,确定前景图像的主题类别。本领域技术人员可根据实际需要设置主题类别,此处不做限定。具体地,主题类别可包括水光山色类别、奇洞异石类别、流泉飞瀑类别、阳光海滩类别、气象与气候类别、生物景观类别、历史遗迹类别、现代建筑类别、民族风情类别和城乡风光类别等。其中,预设主题类别图像为预先为各主题类别设置的对应的图像。例如,根据主题类别匹配结果可知,前景图像与阳光海滩类别的图像相匹配,那么将前景图像的主题类别确定为阳光海滩类别。
另外,在一个具体实施例中,还可利用经过训练的识别网络识别前景图像的主题类别。由于识别网络是经过训练的,所以将前景图像输入至识别网络中,就可方便地得到前景图像的主题类别。
步骤S203,从前景图像中提取出特定对象的关键信息。
为方便绘制风景内容效果贴图,需要从前景图像中提取出特定对象的关键信息。该关键信息可以具体为关键点信息、关键区域信息、和/或关键线信息等。本发明的实施例以关键信息为关键点信息为例进行说明,但本发明的关键信息不限于是关键点信息。使用关键点信息可以提高根据关键点信息绘制风景内容效果贴图的处理速度和效率,可以直接根据关键点信息绘制风景内容效果贴图,不需要再对关键信息进行后续计算、分析等复杂操作。同时,关键点信息便于提取,且提取准确,使得绘制风景内容效果贴图的效果更精准。具体地,可从前景图像中提取出特定对象边缘的关键点信息。
步骤S204,根据前景图像的主题类别和关键信息,绘制与前景图像的主题内容对应的风景内容效果贴图。
为了能够方便、快速地绘制出风景内容效果贴图,可预先绘制许多的基础风景内容效果贴图,那么在绘制与前景图像的主题内容对应的风景内容效果贴图时,就可先找到对应的基础风景内容效果贴图,然后对基础风景内容效果贴图进行处理,从而快速地得到风景内容效果贴图。其中,这些基础风景内容效果贴图可包括不同主题内容的效果贴图,例如,可包括主题内容为山的效果贴图、主题内容为湖泊的效果贴图、主题内容为海滩的效果贴图等。另外,为了便于管理这些基础风景内容效果贴图,可建立一个效果贴图库,将这些基础风景内容效果贴图按照主题类别存储至该效果贴图库中,例如,将主题内容为山的效果贴图和主题内容为湖泊的效果贴图的主题类别都设置为水光山色类别,将主题内容为大海的效果贴图和主题内容为沙滩的效果贴图的主题类别都设置为阳光海滩类别。
具体地,可根据前景图像的主题类别,查找与前景图像的主题内容对应的基础风景内容效果贴图,然后依据关键信息,对基础风景内容效果贴图进行处理,得到风景内容效果贴图。例如,当前景图像的主题类别为阳光海滩类别,前景图像的主题内容为沙滩时,那么可先从效果贴图库中查找主题类别为阳光海滩类别的基础风景内容效果贴图,接着再从主题类别为阳光海滩类别的基础风景内容效果贴图中查找主题内容为沙滩的基础风景内容效果贴图,然后依据关键信息,对主题内容为沙滩的基础风景内容效果贴图进行缩放、旋转、截取等处理,使其更加切合特定对象,从而得到与特定对象对应的风景内容效果贴图。
步骤S205,将风景内容效果贴图与前景图像进行融合处理,得到处理后的风景图像。
在绘制得到了风景内容效果贴图之后,可将对待处理风景图像进行场景分割处理得到的背景图像(即待处理风景图像原有的背景图像)与风景内容效果贴图、前景图像进行融合处理,得到处理后的风景图像;也可将预设背景图像与风景内容效果贴图、前景图像进行融合处理,得到处理后的风景图像。其中,预设背景图像可为动态的背景图像,也可为静态的背景图像。本领域技术人员可根据实际需要设置预设背景图像,此处不做限定。
其中,处理后的风景图像的图层顺序从前往后可依次为风景内容效果贴图、前景图像、背景图像,当处理后的风景图像中还包含其他图层时,其他图层的顺序不影响风景内容效果贴图、前景图像、背景图像的前后顺序。
步骤S206,对处理后的风景图像进行色调处理、光照处理和/或亮度处理。
由于处理后的风景图像中包含了风景内容效果贴图,为使处理后的风景图像的显示效果更自然真实,可以对处理后的风景图像进行图像处理。图像处理可以包括对处理后的风景图像进行色调处理、光照处理、亮度处理等。比如,对处理后的风景图像进行提高亮度处理,使其整体的效果更加自然、美观。
步骤S207,实时显示处理后的风景图像。
将得到的处理后的风景图像实时进行显示,用户可以直接看到对待处理风景图像处理后得到的风景图像。在得到处理后的风景图像后,立刻使用处理后的风景图像替换待处理风景图像进行显示,一般在1/24秒之内进行替换,对于用户而言,由于替换时间相对短,人眼没有明显的察觉,相当于实时的显示处理后的风景图像。
步骤S208,根据用户触发的拍摄指令,保存处理后的风景图像。
在显示处理后的风景图像后,还可以根据用户触发的拍摄指令,保存处理后的风景图像。如用户点击相机的拍摄按钮,触发拍摄指令,将显示的处理后的风景图像进行保存。
步骤S209,根据用户触发的录制指令,保存由处理后的风景图像作为帧图像组成的视频。
在显示处理后的风景图像时,还可以根据用户触发的录制指令,保存由处理后的风景图像作为帧图像组成的视频。如用户点击相机的录制按钮,触发录制指令,将显示的处理后的风景图像作为视频中的帧图像进行保存,从而保存多个处理后的风景图像作为帧图像组成的视频。
步骤S208和步骤S209都是本实施例的可选步骤,且不存在执行先后顺序,根据用户触发的不同指令选择执行对应的步骤。
根据本实施例提供的风景图像处理方法,采用了深度学习方法,实现了高效率高精准性地完成场景分割处理,依据提取到的前景图像的关键信息,能够方便、快速地为图像的风景区域添加美化效果;另外,根据前景图像的主题类别和提取到的特定对象的关键信息,能够快速、精准地绘制风景内容效果贴图,使其更加切合特定对象,进一步提高了图像处理效率和图片显示效果。本发明可以直接得到处理后的风景图像,不需要用户对风景图像进行额外处理,节省用户时间,同时对用户技术水平不做限制,方便大众使用。
图3示出了根据本发明一个实施例的风景图像处理装置的结构框图,如图3所示,该装置包括:获取模块310、分割模块320、贴图处理模块330和融合处理模块340。
获取模块310适于:获取包含有特定对象的待处理风景图像。
分割模块320适于:对待处理风景图像进行场景分割处理,得到针对特定对象的前景图像。
贴图处理模块330适于:绘制与前景图像的主题内容对应的风景内容效果贴图。
融合处理模块340适于:将风景内容效果贴图与前景图像进行融合处理,得到处理后的风景图像。
根据本实施例提供的风景图像处理装置,获取模块获取包含有特定对象的待处理风景图像,分割模块对待处理风景图像进行场景分割处理,得到针对特定对象的前景图像,贴图处理模块绘制与前景图像的主题内容对应的风景内容效果贴图,融合处理模块将风景内容效果贴图与前景图像进行融合处理,得到处理后的风景图像。本发明采用了深度学习方法,实现了高效率高精准性地完成场景分割处理,本发明提供的技术方案基于所得到的场景分割处理结果能够精准、快速地为图像的风景区域添加美化效果,提高了图像处理效率,优化了图像处理方式,提高了图片显示效果。本发明可以直接得到处理后的风景图像,不需要用户对风景图像进行额外处理,节省用户时间,同时对用户技术水平不做限制,方便大众使用。
图4示出了根据本发明另一个实施例的风景图像处理装置的结构框图,如图4所示,该装置包括:获取模块410、分割模块420、贴图处理模块430、融合处理模块440、图像处理模块450、显示模块460、第一保存模块470和第二保存模块480。
获取模块410适于:获取包含有特定对象的待处理风景图像。
其中,获取模块410可实时获取图像采集设备捕捉的包含有特定对象的待处理风景图像。
分割模块420适于:对待处理风景图像进行场景分割处理,得到针对特定对象的前景图像。
贴图处理模块430适于:对前景图像进行识别,确定前景图像的主题类别;从前景图像中提取出特定对象的关键信息;根据前景图像的主题类别和关键信息,绘制与前景图像的主题内容对应的风景内容效果贴图。
其中,关键信息可以具体为关键点信息、关键区域信息、和/或关键线信息等。本发明的实施例以关键信息为关键点信息为例进行说明。贴图处理模块430进一步适于:从前景图像中提取出特定对象边缘的关键点信息。
可选地,贴图处理模块430进一步适于:根据前景图像的主题类别,查找与前景图像的主题内容对应的基础风景内容效果贴图;依据关键信息,对基础风景内容效果贴图进行处理,得到风景内容效果贴图。
融合处理模块440适于:将与待处理风景图像进行场景分割处理得到的背景图像或者预设背景图像与风景内容效果贴图、前景图像进行融合处理,得到处理后的风景图像。
图像处理模块450适于:对处理后的风景图像进行色调处理、光照处理和/或亮度处理。
显示模块460适于:显示处理后的风景图像。
其中,显示模块460可实时显示处理后的风景图像。
第一保存模块470适于:根据用户触发的拍摄指令,保存处理后的风景图像。
在显示处理后的风景图像后,第一保存模块470可以根据用户触发的拍摄指令,保存处理后的风景图像。如用户点击相机的拍摄按钮,触发拍摄指令,第一保存模块470将显示的处理后的风景图像进行保存。
第二保存模块480适于:根据用户触发的录制指令,保存由处理后的风景图像作为帧图像组成的视频。
在显示处理后的风景图像时,第二保存模块480可以根据用户触发的录制指令,保存由处理后的风景图像作为帧图像组成的视频。如用户点击相机的录制按钮,触发录制指令,第二保存模块480将显示的处理后的风景图像作为视频中的帧图像进行保存,从而保存多个处理后的风景图像作为帧图像组成的视频。
根据用户触发的不同指令执行对应的第一保存模块470和第二保存模块480。
根据本实施例提供的风景图像处理装置,采用了深度学习方法,实现了高效率高精准性地完成场景分割处理,依据提取到的前景图像的关键信息,能够方便、快速地为图像的风景区域添加美化效果;另外,根据前景图像的主题类别和提取到的特定对象的关键信息,能够快速、精准地绘制风景内容效果贴图,使其更加切合特定对象,进一步提高了图像处理效率和图片显示效果。本发明可以直接得到处理后的风景图像,不需要用户对风景图像进行额外处理,节省用户时间,同时对用户技术水平不做限制,方便大众使用。
本发明还提供了一种非易失性计算机存储介质,计算机存储介质存储有至少一可执行指令,可执行指令可执行上述任意方法实施例中的风景图像处理方法。
图5示出了根据本发明实施例的一种计算设备的结构示意图,本发明具体实施例并不对计算设备的具体实现做限定。
如图5所示,该计算设备可以包括:处理器(processor)502、通信接口(Communications Interface)504、存储器(memory)506、以及通信总线508。
其中:
处理器502、通信接口504、以及存储器506通过通信总线508完成相互间的通信。
通信接口504,用于与其它设备比如客户端或其它服务器等的网元通信。
处理器502,用于执行程序510,具体可以执行上述风景图像处理方法实施例中的相关步骤。
具体地,程序510可以包括程序代码,该程序代码包括计算机操作指令。
处理器502可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。计算设备包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器506,用于存放程序510。存储器506可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序510具体可以用于使得处理器502执行上述任意方法实施例中的风景图像处理方法。程序510中各步骤的具体实现可以参见上述风景图像处理实施例中的相应步骤和单元中对应的描述,在此不赘述。所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的设备和模块的具体工作过程,可以参考前述方法实施例中的对应过程描述,在此不再赘述。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (10)
1.一种风景图像处理方法,所述方法包括:
获取包含有特定对象的待处理风景图像;
对所述待处理风景图像进行场景分割处理,得到针对所述特定对象的前景图像;
绘制与所述前景图像的主题内容对应的风景内容效果贴图;
将所述风景内容效果贴图与所述前景图像进行融合处理,得到处理后的风景图像。
2.根据权利要求1所述的方法,其中,所述绘制与所述前景图像的主题内容对应的风景内容效果贴图进一步包括:
对所述前景图像进行识别,确定所述前景图像的主题类别;
从所述前景图像中提取出特定对象的关键信息;
根据所述前景图像的主题类别和所述关键信息,绘制与所述前景图像的主题内容对应的风景内容效果贴图。
3.根据权利要求1或2所述的方法,其中,所述从所述前景图像中提取出特定对象的关键信息进一步包括:
所述关键信息为关键点信息;
从所述前景图像中提取出特定对象边缘的关键点信息。
4.根据权利要求1-3任一项所述的方法,其中,所述根据所述前景图像的主题类别和所述关键信息,绘制与所述前景图像的主题内容对应的风景内容效果贴图进一步包括:
根据所述前景图像的主题类别,查找与所述前景图像的主题内容对应的基础风景内容效果贴图;
依据所述关键信息,对所述基础风景内容效果贴图进行处理,得到风景内容效果贴图。
5.根据权利要求1-4任一项所述的方法,其中,所述将所述风景内容效果贴图与所述前景图像进行融合处理,得到处理后的风景图像进一步包括:
将与所述待处理风景图像进行场景分割处理得到的背景图像或者预设背景图像与所述风景内容效果贴图、所述前景图像进行融合处理,得到处理后的风景图像。
6.根据权利要求1-5任一项所述的方法,其中,在得到处理后的风景图像之后,所述方法还包括:
对所述处理后的风景图像进行色调处理、光照处理和/或亮度处理。
7.根据权利要求1-6任一项所述的方法,其中,获取包含有特定对象的待处理风景图像进一步包括:
实时获取图像采集设备捕捉的包含有特定对象的待处理风景图像。
8.一种风景图像处理装置,所述装置包括:
获取模块,适于获取包含有特定对象的待处理风景图像;
分割模块,适于对所述待处理风景图像进行场景分割处理,得到针对所述特定对象的前景图像;
贴图处理模块,适于绘制与所述前景图像的主题内容对应的风景内容效果贴图;
融合处理模块,适于将所述风景内容效果贴图与所述前景图像进行融合处理,得到处理后的风景图像。
9.一种计算设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1-7中任一项所述的风景图像处理方法对应的操作。
10.一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如权利要求1-7中任一项所述的风景图像处理方法对应的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711065934.3A CN107767391A (zh) | 2017-11-02 | 2017-11-02 | 风景图像处理方法、装置、计算设备及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711065934.3A CN107767391A (zh) | 2017-11-02 | 2017-11-02 | 风景图像处理方法、装置、计算设备及计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107767391A true CN107767391A (zh) | 2018-03-06 |
Family
ID=61272543
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711065934.3A Pending CN107767391A (zh) | 2017-11-02 | 2017-11-02 | 风景图像处理方法、装置、计算设备及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107767391A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108898082A (zh) * | 2018-06-19 | 2018-11-27 | Oppo广东移动通信有限公司 | 图片处理方法、图片处理装置及终端设备 |
CN108961267A (zh) * | 2018-06-19 | 2018-12-07 | Oppo广东移动通信有限公司 | 图片处理方法、图片处理装置及终端设备 |
CN109146830A (zh) * | 2018-07-17 | 2019-01-04 | 北京旷视科技有限公司 | 用于生成训练数据的方法、装置、系统和存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104657458A (zh) * | 2015-02-06 | 2015-05-27 | 腾讯科技(深圳)有限公司 | 场景图像中的前景目标的目标信息的展示方法及装置 |
CN104899825A (zh) * | 2014-03-06 | 2015-09-09 | 腾讯科技(深圳)有限公司 | 一种对图片人物造型的方法和装置 |
CN105321197A (zh) * | 2014-07-31 | 2016-02-10 | 腾讯科技(深圳)有限公司 | 一种图片处理的方法及装置 |
CN105321177A (zh) * | 2015-10-09 | 2016-02-10 | 浙江工业大学 | 一种基于图像重要度的层次图集自动拼贴方法 |
CN105447480A (zh) * | 2015-12-30 | 2016-03-30 | 吉林纪元时空动漫游戏科技集团股份有限公司 | 人脸识别游戏交互系统 |
CN105678686A (zh) * | 2015-12-30 | 2016-06-15 | 北京金山安全软件有限公司 | 一种图片处理方法及装置 |
CN106022221A (zh) * | 2016-05-09 | 2016-10-12 | 腾讯科技(深圳)有限公司 | 一种图像处理方法及处理系统 |
CN106210545A (zh) * | 2016-08-22 | 2016-12-07 | 北京金山安全软件有限公司 | 一种视频拍摄方法、装置及电子设备 |
CN106611412A (zh) * | 2015-10-20 | 2017-05-03 | 成都理想境界科技有限公司 | 贴图视频生成方法及装置 |
CN106777329A (zh) * | 2017-01-11 | 2017-05-31 | 维沃移动通信有限公司 | 一种图像信息的处理方法及移动终端 |
CN106803057A (zh) * | 2015-11-25 | 2017-06-06 | 腾讯科技(深圳)有限公司 | 图像信息处理方法及装置 |
-
2017
- 2017-11-02 CN CN201711065934.3A patent/CN107767391A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104899825A (zh) * | 2014-03-06 | 2015-09-09 | 腾讯科技(深圳)有限公司 | 一种对图片人物造型的方法和装置 |
CN105321197A (zh) * | 2014-07-31 | 2016-02-10 | 腾讯科技(深圳)有限公司 | 一种图片处理的方法及装置 |
CN104657458A (zh) * | 2015-02-06 | 2015-05-27 | 腾讯科技(深圳)有限公司 | 场景图像中的前景目标的目标信息的展示方法及装置 |
CN105321177A (zh) * | 2015-10-09 | 2016-02-10 | 浙江工业大学 | 一种基于图像重要度的层次图集自动拼贴方法 |
CN106611412A (zh) * | 2015-10-20 | 2017-05-03 | 成都理想境界科技有限公司 | 贴图视频生成方法及装置 |
CN106803057A (zh) * | 2015-11-25 | 2017-06-06 | 腾讯科技(深圳)有限公司 | 图像信息处理方法及装置 |
CN105447480A (zh) * | 2015-12-30 | 2016-03-30 | 吉林纪元时空动漫游戏科技集团股份有限公司 | 人脸识别游戏交互系统 |
CN105678686A (zh) * | 2015-12-30 | 2016-06-15 | 北京金山安全软件有限公司 | 一种图片处理方法及装置 |
CN106022221A (zh) * | 2016-05-09 | 2016-10-12 | 腾讯科技(深圳)有限公司 | 一种图像处理方法及处理系统 |
CN106210545A (zh) * | 2016-08-22 | 2016-12-07 | 北京金山安全软件有限公司 | 一种视频拍摄方法、装置及电子设备 |
CN106777329A (zh) * | 2017-01-11 | 2017-05-31 | 维沃移动通信有限公司 | 一种图像信息的处理方法及移动终端 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108898082A (zh) * | 2018-06-19 | 2018-11-27 | Oppo广东移动通信有限公司 | 图片处理方法、图片处理装置及终端设备 |
CN108961267A (zh) * | 2018-06-19 | 2018-12-07 | Oppo广东移动通信有限公司 | 图片处理方法、图片处理装置及终端设备 |
CN108898082B (zh) * | 2018-06-19 | 2020-07-03 | Oppo广东移动通信有限公司 | 图片处理方法、图片处理装置及终端设备 |
CN108961267B (zh) * | 2018-06-19 | 2020-09-08 | Oppo广东移动通信有限公司 | 图片处理方法、图片处理装置及终端设备 |
CN109146830A (zh) * | 2018-07-17 | 2019-01-04 | 北京旷视科技有限公司 | 用于生成训练数据的方法、装置、系统和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112750140B (zh) | 基于信息挖掘的伪装目标图像分割方法 | |
CN107820027A (zh) | 视频人物装扮方法、装置、计算设备及计算机存储介质 | |
CN107862277A (zh) | 直播服饰装扮推荐方法、装置、计算设备及存储介质 | |
CN107767391A (zh) | 风景图像处理方法、装置、计算设备及计算机存储介质 | |
CN107507155A (zh) | 视频分割结果边缘优化实时处理方法、装置及计算设备 | |
CN108470036A (zh) | 一种基于故事文本生成视频的方法和装置 | |
CN107808372A (zh) | 图像穿越处理方法、装置、计算设备及计算机存储介质 | |
CN108111911A (zh) | 基于自适应跟踪框分割的视频数据实时处理方法及装置 | |
CN107590811B (zh) | 基于场景分割的风景图像处理方法、装置及计算设备 | |
CN107610149A (zh) | 图像分割结果边缘优化处理方法、装置及计算设备 | |
Zhou et al. | An interactive and generative approach for chinese shanshui painting document | |
CN107613360A (zh) | 视频数据实时处理方法及装置、计算设备 | |
CN107977927A (zh) | 基于图像数据的身材调整方法及装置、计算设备 | |
CN107665482A (zh) | 实现双重曝光的视频数据实时处理方法及装置、计算设备 | |
CN107633547A (zh) | 实现场景渲染的图像数据实时处理方法及装置、计算设备 | |
CN107766803B (zh) | 基于场景分割的视频人物装扮方法、装置及计算设备 | |
CN107564085A (zh) | 图像扭曲处理方法、装置、计算设备及计算机存储介质 | |
CN107705279A (zh) | 实现双重曝光的图像数据实时处理方法及装置、计算设备 | |
CN108171716A (zh) | 基于自适应跟踪框分割的视频人物装扮方法及装置 | |
CN107578369A (zh) | 视频数据处理方法及装置、计算设备 | |
CN107770606A (zh) | 视频数据扭曲处理方法、装置、计算设备及存储介质 | |
CN107563962A (zh) | 视频数据实时处理方法及装置、计算设备 | |
CN107680105A (zh) | 基于虚拟世界的视频数据实时处理方法及装置、计算设备 | |
CN107945202A (zh) | 基于自适应阈值的图像分割方法、装置及计算设备 | |
CN108010038A (zh) | 基于自适应阈值分割的直播服饰装扮方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180306 |
|
RJ01 | Rejection of invention patent application after publication |